Améliorer la conception des études sur les effets à court terme de la pollution de l’air sur la santé

Improving the Design of Studies on the Acute Health Effects of Air Pollution

• Auteur / Autrice : Léo Zabrocki
• Direction : Hélène Ollivier
• Type : Thèse de doctorat
• Discipline(s) : Analyse et politique économiques
• Date : Soutenance le 17/06/2022
• Etablissement(s) : Paris, EHESS
• Ecole(s) doctorale(s) : École doctorale d'Économie (Paris)
• Jury : Président / Présidente : Katheline Schubert
• Jury : Examinateurs / Examinatrices : Katheline Schubert, Michela Baccini, Tatyana Deryugina, Sylvain Chabé-Ferret, Clément de Chaisemartin
• Jury : Rapporteurs / Rapporteuses : Michela Baccini, Tatyana Deryugina

Mots clés

Mots clés contrôlés

Causalité

Inférence

Comparaisons par paires, Méthode des

Vents

Effets de la pollution atmosphérique

Santé

Pollution atmosphérique

Mots clés libres

Pollution de l'air

Santé

Inférence Causale

Méthodes d'appariement

Biais de publication

Puissance statistique

Air Pollution

Health

Causal Inference

Matching

Publication Bias

Statistical Power

Résumé

L’objectif de cette thèse est d’améliorer la conception des études observationnelles sur les effets à court terme de la pollution de l’air sur la santé. Dans le premier chapitre écrit avec Anna Alari et Tarik Benmarhnia, nous préconisons d’utiliser des méthodes d’appariement pour améliorer la phase de conception des études qui exploitent les changements de direction du vent comme variables instrumentales. Nous montrons que les directions du vent sont fortement reliées à des facteurs de confusion et qu’il y a souvent peu d’observations contrefactuelles pour comparer l’effet propre à chaque direction. A l’aide d’une analyse de sensibilité, nous montrons aussi, de manière quantitative, que les effets des directions du vent sur les concentrations des polluants aériens ne sont pas biaisés par l’existence d’un facteur inobservé. Notre approche pourrait être pertinente pour des stratégies similaires fondées sur des instruments binaires comme les inversions thermiques ou les grèves de transports publics. Dans le deuxième chapitre rédigé avec Marion Leroutier et Marie-Abèle Bind, nous étudions l’impact du trafic de croisière sur la pollution de l’air à Marseille. Avec une méthode d’appariement conçue pour les séries temporelles, nous créons des expériences hypothétiques et estimons l’effet à court terme d’une augmentation du trafic maritime sur la pollution de l’air. Nous utilisons aussi l’inférence par randomisation, ce qui permet d’éviter de faire des approximations asymptotiques et des hypothèses sur la forme de la distribution de la statistique test. Nous trouvons que l’arrivée de navires de croisière augmente au niveau de la ville les concentrations de dioxyde d’azote ainsi que des particules fines. Nos résultats suggèrent que des expériences hypothétiques permettent de mieux comprendre les externalités négatives du trafic maritime. Dans le troisième chapitre, nous expliquons avec Vincent Bagilet que la combinaison d’un biais de publication en faveur des résultats statistiquement significatifs et d’un manque de puissance statistique pourrait produire des effets surestimés de la pollution de l’air sur la santé. Nous rassemblons d’abord l’ensemble des effets estimés et leur erreur type publiés en épidémiologie et en économie. En utilisant des calculs de puissance statistique, nous montrons que cette puissance est inférieure à 80% pour la moitié des articles et qu’ils pourraient donc produire des effets deux fois trop grands. Nous menons ensuite des simulations sur des vraies données pour identifier les paramètres qui affectent la puissance statistique. Nous trouvons que le nombre de chocs exogènes ainsi que le nombre de cas journaliers de décès ou d’admissions en urgence influencent fortement la puissance. Ces résultats sont importants car de nombreuses études exploitent de rares chocs exogènes et se concentrent sur des sous-groupes comme les enfants ou les personnes âgées. A la fin du chapitre, nous proposons plusieurs recommandations pour prendre en compte ce problème négligé de puissance statistique. Le quatrième et dernier chapitre est une généralisation du troisième chapitre. Pour surmonter le biais de confusion, les études quasi-expérimentales se concentrent sur des sources spécifiques de variation du traitement. Cela peut alors entraîner une perte de puissance statistique. Les effets publiés peuvent cependant surestimer la taille des vrais effets quand la puissance est faible. A l’aide de simulations sur des fausses données, nous montrons avec Vincent Bagilet que toutes les méthodes d’inférence causale font face à un compromis entre le biais de confusion et l’exagération du vrai effet à cause d’un manque de puissance. Nous expliquons à la fin du chapitre que les calculs de puissance et les analyses de sensibilité pourraient permettre de mieux prendre en compte cette tension.

The goal of this thesis is to improve the design of observational studies on the acute health effects of air pollution.In the first chapter jointly written with Anna Alari and Tarik Benmarhnia, we advocate using matching procedures to enhance the design stage of studies exploiting changes in wind directions as instrumental variables. We show that observed confounders are imbalanced across wind directions and that the common support of the data is small. An outcome regression analysis might therefore suffer from interpolation and extrapolation biases. Using a sensitivity analysis, we also provide quantitative evidence that the estimated effects of wind directions on air pollutant concentrations seem robust to the presence of hidden bias. Our approach could be relevant for similar strategies based on binary instruments such as thermal inversions or public transport strikes.In the second chapter co-authored with Marion Leroutier and Marie-Abèle Bind, we study the impact of cruise traffic on air pollution in Marseille. With a pair-matching algorithm designed for time series data, we create hypothetical randomized experiments and estimate the change in air pollution caused by a short-term increase in cruise traffic. We also rely on randomization-inference—a mode of inference which is not based on large-sample approximation and is distribution-free—to compute confidence intervals. We find that cruise vessels’ arrivals increase city-level concentrations of nitrogen dioxide and particulate matter. Our results suggest that well-designed hypothetical randomized experiments provide a principled approach to better understand the negative externalities of maritime traffic.In the third chapter, Vincent Bagilet and I explain that the combination of publication bias for statistically significant results and low statistical power could lead to inflated estimates on the short-term health effects of air pollution. We first gather a unique corpus of estimates and standard errors of all available articles found in the standard epidemiology and economics literatures. Using statistical power calculations, we show that at least half of the literature could have a power below 80% and produce estimates that are two times too large. We then run simulations based on real data to identify which parameters of research designs affect statistical power. We find that the number of exogenous shocks and cases of a health outcome are key drivers of power. These results matter since many studies exploit rare exogenous shocks and focus on subgroups such as children and the elderly. At the end of the paper, we provide several recommendations to take into account this highly important but overlooked issue.The fourth chapter is an extension and generalization of the third chapter. To avoid confounding, quasi-experimental studies focus on specific sources of treatment variation. This could lead to a reduction in statistical power. Yet, published estimates can overestimate true effects sizes when power is low. Using fake data simulations, Vincent Bagilet and I show that for all causal inference methods, there could be a trade-off between confounding and exaggerating true effect sizes due to a loss in power. We discuss how power calculations and sensitivity analysis could help take this trade-off into account.