Pollution de l'air extérieur, investissements défensifs et inégalités

Ambient air pollution, defensive investments and inequalities

• Auteur / Autrice : Némo Gosteau
• Direction : Julie Lochard
• Type : Projet de thèse
• Discipline(s) : Sciences économiques
• Date : Inscription en doctorat le 01/12/2024
• Etablissement(s) : Paris 12
• Ecole(s) doctorale(s) : École doctorale Organisations, marchés, institutions
• Partenaire(s) de recherche : Laboratoire : ERUDITE - Equipe de Recherche sur l'Utilisation des Données Individuelles en lien avec la Théorie Economique

Mots clés

Mots clés libres

Pollution

Santé

Inégalités

Pollution

Health

Inequalities

Résumé

Bien qu'elle soit principalement associée à des maladies respiratoires (notamment l'asthme, les bronchopneumopathies chroniques obstructives et le cancer du poumon) et cardiovasculaires (particulièrement les accidents vasculaires cérébraux), la pollution de l'air ambiant est aussi identifiée comme facteur de risque pour un nombre croissant de problèmes de santé comme le diabète, les troubles mentaux ou les naissances en faible poids (Dominski et al., 2021). Ainsi, dans un premier chapitre, je me propose d'étudier l'impact de la pollution de l'air ambiant sur les dépenses de santé remboursées par l'Assurance maladie sans présupposer les pathologies sous-jacentes à ce coût. Cette approche globale est rendue possible par un appariement des données journalières de pollution de l'Ineris et du Système National des Données de Santé (SNDS). En effet, le SNDS permet de travailler sur l'ensemble du parcours de soins des individus (en ville et à hôpital). Il donne des informations sur l'ensemble des dépenses de santé soumises au remboursement depuis 2014 (principalement leurs montants, la part remboursée par l'Assurance maladie, le pseudonyme du bénéficiaire et la date de soins) ainsi que sur les bénéficiaires (notamment leur pseudonyme, leur âge, leur sexe et leur commune de résidence) et leur lieu de résidence (indice de défaveur socioéconomique de la commune) (Tuppin et al., 2017). Pour la période 2014-2024, des remboursements journaliers par assuré pourront être reconstituées en agrégeant les dépenses sur la date de soin et le pseudonyme bénéficiaire. Ces données pourront ensuite être appariées aux données de pollution de l'Ineris en s'appuyant sur la date de soins et la commune de résidence de l'assuré. Cette base en panel me permettra d'estimer l'effet des variations journalières de la pollution de l'air ambiant sur les remboursements de l'Assurance Maladie perçu par un bénéficiaire en contrôlant de son âge, de son sexe, de la défaveur socioéconomique de sa commune résidence et, par l'introduction d'effets fixes, de la saisonnalité et de ses caractéristiques individuelles inobservées et fixes dans le temps. Par ailleurs, la pollution de l'air ambiant semble être à l'origine d'un gradient social de santé (Deguen, 2013). On parle de gradient social de santé lorsqu'en parcourant les catégories sociales depuis les plus favorisées vers les plus défavorisées, on observe une dégradation de l'état de santé des individus. Les principaux canaux par lesquels la pollution de l'air ambiant peut impacter distinctement la santé des individus selon leur catégorie sociale sont des différentiels d'exposition et des différentiels de vulnérabilité (Deguen, 2013). On parle de différentiel d'exposition si les individus sont relativement plus exposés à la pollution de l'air extérieur du fait de leur catégorie sociale et de différentiel de vulnérabilité si les effets délétères, à niveau d'exposition donné, sont accentués chez ces individus. Par exemple, à Strasbourg, la concentration de l'air ambiant en NO2 est plus forte dans les IRIS les plus défavorisés (différentiel d'exposition) et, à niveau de concentration en NO2 donné, on observe un risque plus élevé d'infarctus du myocarde dans les IRIS où les revenus sont en moyenne les plus modestes (différentiel de vulnérabilité) (Deguen et al., 2010). Dans cet exemple, le différentiel d'exposition est approché par l'inégale répartition de la pollution de l'air extérieur entre lieux de résidence. Toutefois, un différentiel d'exposition pourrait émerger de comportements d'évitement différenciés entre groupes sociaux. En effet, la mise en place de comportements préventifs face à la pollution de l'air extérieur semble dépendre des caractéristiques des individus. Par exemple, Graff Zivin et Neidell (2009) observent une baisse de la fréquentation du Zoo de Los Angeles les jours d'alerte au smog. Ils remarquent que cette diminution est exacerbée chez les Angelins (habitants de Los Angeles), chez les enfants et chez les personnes âgées. Ils expliquent ces résultats par des coûts et des bénéfices différents entre les groupes. Pour les Angelins, le coût d'opportunité de ne pas aller au Zoo un jour de smog (qui représente ici le coût de la prévention) est plus faible que pour les non-résidents, car ils pourront y retourner un autre jour. Pour les enfants et les personnes âgées, le bénéfice de la prévention est plus élevé que pour le reste de la population, car ils sont à priori plus sensibles aux effets délétères de la pollution de l'air extérieur. Dans un article de 2013, Graff Zivin et Neidell adaptent le modèle de Grossman (1972) aux choix de comportements d'évitement. Les deux hypothèses centrales de ce type de modèle sont a) que l'individu dispose d'une information parfaite et b) que sa santé peut être envisagée comme un capital dont le stock se déprécie avec le temps (vieillissement) peut être endommagé par des chocs (maladies) mais peut aussi être préservé, accru ou reconstitué par le biais d'investissements. Dans notre cas, les chocs sont les maladies engendrées par la pollution de l'air ambiant (représentés par une fonction de dommage qui prend en entrée l'exposition d'un individu et donne, en sortie, l'altération de son capital santé) et les investissements sont les comportements d'évitement de la pollution de l'air extérieur. Dans ce modèle, la qualité de l'air ambiant est fixée et le seul moyen de réduire son niveau d'exposition est de mettre en place des comportements préventifs. Sous ces hypothèses, ils montrent qu'un individu représentatif met en place un comportement d'évitement si les bénéfices sanitaires attendus lui procurent un bienêtre supérieur au coût d'opportunité de celui-ci (dans l'exemple précédant le coût d'opportunité de ne pas aller au zoo pour éviter d'être exposé à la pollution de l'air extérieur est de renoncer au bien-être associé à la visite du zoo) (Zivin & Neidell, 2013). Dans mon deuxième chapitre, je souhaite, dans un premier temps, développer un cadre théorique qui modélise le différentiel de vulnérabilité précédemment discuté en faisant dépendre la fonction de dommage de variables socioéconomiques (comme le revenu, ou le niveau d'éducation) et mettre en lumière les mécanismes qui pourraient mener, par le biais de comportements d'évitement différenciés, à un différentiel d'exposition et, par extension, à un gradient social de santé. Dans un second temps, je souhaite tester empiriquement la crédibilité de ce modèle. Une approche possible consisterait à étudier l'effet de la concentration journalière en polluants de l'air extérieur dans une commune sur le nombre de déplacements à vélo en son sein et, de regarder si on observe un effet hétérogène selon le niveau de défaveur socioéconomique de la ville. Notons qu'étudier ce mode de déplacement est d'autant plus intéressant que l'activité physique est reconnue comme un facteur aggravant (à court terme) l'effet délétère de l'exposition à la pollution atmosphérique (Jiang et al., 2023). Si aucun effet n'est observé les résultats seront tout de même intéressants au sens où ils appuieraient l'hypothèse d'un manque d'information de la population sur les effets sanitaires de la pollution de l'air extérieur (Ramírez et al., 2019). Ce test empirique est rendu possible par le libre accès aux données de la Plateforme nationale des fréquentations, gérée par Vélo et Territoire et encadrée par le ministère de la Transition écologique et l'Agence de l'environnement et de la maîtrise de l'énergie (ADEME). Cette plateforme permet d'obtenir les « fréquentations cyclables » journalières dans plus de 175 communes françaises depuis septembre 2013. Ces données pourront être appariées aux données de pollution journalières de l'Ineris et aux données socioéconomiques de l'Insee. Enfin, de ce gradient social de santé, pourrait découler des différences de reste à charge entre catégories sociales. Ces différences constitueraient des inégalités environnementales au sens où les populations les plus modestes supporteraient une part disproportionnée du coût social de la pollution de l'air extérieur. Certaines études estiment l'effet de la pollution de l'air ambiant sur le reste à charge des individus. Par exemple, Xia et al. (2022) estiment qu'une augmentation de 10 microgrammes par mètre cube d'air de PM2.5 augmente de 0.4 % le reste à charge des individus. Mais, à ma connaissance, aucun papier n'étudie cet effet au regard du revenu des individus. Dans un troisième chapitre, j'aimerais donc étudier la présence d'inégalités environnementales en estimant, pour chaque décile de revenu, l'impact de la pollution atmosphérique sur le taux d'effort (défini par la Direction de la recherche des études, de l'évaluation et des statistiques (Dress) comme la part du reste à charge après remboursement de l'Assurance maladie dans le revenu disponible7). Pour ce faire, un accès à l'EDP-Santé, qui constitue un enrichissement de l'échantillon démographique permanent par les données du SNDS pourra être demandé. Cette base de données est gérée par la Dress. Elle permet, pour l'ensemble des assurés sociaux nés du 2 au 5 janvier, du 1er au 4 avril, du 1er au 4 juillet et du 1er au 4 octobre, d'avoir accès à la fois aux données présentes dans le SNDS et aux informations détaillées sur les revenus des bénéficiaires pour la période 2014-20228. Après agrégation des dépenses sur la date de soin et le pseudonyme bénéficiaire les taux d'effort journaliers entre 2014 et 2022 pourront être calculés pour chacun des assurés sociaux présents dans l'EDP-Santé. Ces données pourront ensuite être appariées aux données de pollution de l'Ineris en s'appuyant sur la date de soins et la commune de résidence de l'assuré. Je pourrais alors estimer l'effet des variations journalières de la pollution de l'air ambiant sur le taux d'effort d'un bénéficiaire selon son décile de revenu en contrôlant de son âge, de son sexe, de la défaveur socioéconomique de sa commune résidence et, par l'introduction d'effets fixes, de la saisonnalité et de ses caractéristiques individuelles inobservées et fixes dans le temps. Notons qu'on autorisera l'hétérogénéité de cet effet par des variables d'interactions entre la pollution de l'air extérieur et les indicatrices d'appartenance aux différents déciles de revenus.

Although primarily associated with respiratory diseases (notably asthma, chronic obstructive pulmonary disease, and lung cancer) and cardiovascular diseases (particularly strokes), ambient air pollution is also identified as a risk factor for an increasing number of health issues such as diabetes, mental disorders, and low birth weight (Dominski et al., 2021). Thus, in the first chapter, I propose to study the impact of ambient air pollution on health expenditures reimbursed by health insurance without presupposing the underlying pathologies related to this cost. This comprehensive approach is made possible by matching daily pollution data from Ineris with the National Health Data System (SNDS). Indeed, the SNDS allows us to work on the entire care pathway of individuals (in outpatient and hospital settings). It provides information on all health expenditures subject to reimbursement since 2014 (mainly their amounts, the portion reimbursed by health insurance, the pseudonym of the beneficiary, and the date of care) as well as information about beneficiaries (including their pseudonym, age, sex, and municipality of residence) and their place of residence (socioeconomic disadvantage index of the municipality) (Tuppin et al., 2017). For the period 2014-2024, daily reimbursements per insured person can be reconstructed by aggregating expenditures based on the date of care and the beneficiary's pseudonym. This data can then be matched with pollution data from Ineris based on the date of care and the insured person's municipality of residence. This panel data will allow me to estimate the effect of daily variations in ambient air pollution on reimbursements received by a beneficiary while controlling for their age, sex, socioeconomic disadvantage of their municipality of residence, and by introducing fixed effects for seasonality and unobserved individual characteristics that are constant over time. Moreover, ambient air pollution appears to be a source of a social health gradient (Deguen, 2013). A social health gradient refers to the observation that as we move through social categories from the most favored to the most disadvantaged, there is a degradation in individuals' health status. The main channels through which ambient air pollution can distinctly impact individuals' health according to their social category are exposure differentials and vulnerability differentials (Deguen, 2013). An exposure differential occurs when individuals are relatively more exposed to outdoor air pollution due to their social category, while a vulnerability differential occurs when adverse effects at a given exposure level are exacerbated in these individuals. For example, in Strasbourg, the concentration of ambient NO2 is higher in the most disadvantaged IRIS areas (exposure differential), and at a given level of NO2 concentration, there is a higher risk of myocardial infarction in IRIS areas where incomes are generally lower (vulnerability differential) (Deguen et al., 2010). In this example, the exposure differential is approached by the unequal distribution of outdoor air pollution across residential locations. However, an exposure differential could also arise from differentiated avoidance behaviors among social groups. Indeed, implementing preventive behaviors in response to outdoor air pollution seems to depend on individual characteristics. For instance, Graff Zivin and Neidell (2009) observe a decrease in attendance at the Los Angeles Zoo on smog alert days. They note that this reduction is exacerbated among Angelenos (residents of Los Angeles), children, and elderly individuals. They explain these results by different costs and benefits among groups. For Angelenos, the opportunity cost of not going to the zoo on a smog day (which represents the cost of prevention here) is lower than for non-residents because they can return another day. For children and elderly individuals, the benefit of prevention is higher than for the rest of the population because they are presumably more sensitive to the adverse effects of outdoor air pollution. In a 2013 paper, Graff Zivin and Neidell adapt Grossman's (1972) model to avoidance behavior choices. The two central hypotheses of this type of model are: a) that individuals have perfect information and b) that their health can be viewed as capital whose stock depreciates over time (aging), can be damaged by shocks (illnesses), but can also be preserved or increased through investments. In our case, shocks are illnesses caused by ambient air pollution (represented by a damage function that takes an individual's exposure as input and outputs an alteration in their health capital), while investments are behaviors aimed at avoiding outdoor air pollution. Under these assumptions, they show that a representative individual engages in avoidance behavior if expected health benefits provide them with greater well-being than its opportunity cost (in the previous example, the opportunity cost of not going to the zoo to avoid exposure to outdoor air pollution is forgoing well-being associated with visiting the zoo) (Zivin & Neidell, 2013). In my second chapter, I wish to first develop a theoretical framework that models the previously discussed vulnerability differential by making damage functions dependent on socioeconomic variables (such as income or education level) and highlight mechanisms that could lead to both exposure differentials through differentiated avoidance behaviors and consequently a social health gradient. Secondly, I aim to empirically test this model's credibility. One possible approach would be to study the effect of daily concentrations of outdoor pollutants in a municipality on bicycle trips within it and see if there is heterogeneous effect based on socioeconomic disadvantage levels in that city. Notably, studying this mode of transportation is particularly interesting since physical activity is recognized as an aggravating factor (in the short term) for adverse effects from exposure to air pollution (Jiang et al., 2023). If no effect is observed, these results would still be interesting in supporting the hypothesis that there is a lack of public awareness regarding health effects from outdoor air pollution (Ramírez et al., 2019). This empirical test is made possible by free access to data from the National Cycling Attendance Platform managed by Vélo et Territoire under supervision from the Ministry for Ecological Transition and ADEME (the Environment and Energy Management Agency). This platform provides daily cycling attendance data for over 175 French municipalities since September 2013. These data can be matched with daily pollution data from Ineris and socioeconomic data from Insee. Finally, from this social health gradient could arise differences in out-of-pocket expenses among social categories... These differences would constitute environmental inequalities in that poorer populations bear a disproportionate share of the social cost associated with outdoor air pollution. Some studies estimate the effect of ambient air pollution on individuals' out-of-pocket expenses. For example, Xia et al. (2022) estimate that an increase of 10 micrograms per cubic meter of PM2.5 raises individuals' out-of-pocket expenses by 0.4%. However, to my knowledge, no paper has studied this effect concerning individuals' income levels. In my third chapter, I would therefore like to investigate environmental inequalities by estimating for each income decile the impact of air pollution on effort rates (defined by DREES - Directorate for Research Studies Evaluation Statistics - as out-of-pocket expenses after reimbursement from health insurance relative to disposable income). To do this effectively access to EDP-Santé will be requested; this database enriches demographic samples with SNDS data managed by DREES. It allows access for all insured persons born between January 2-5th; April 1-4th; July 1-4th; October 1-4th to both SNDS data and detailed income information for beneficiaries from 2014-2022. After aggregating expenditures based on care dates and beneficiary pseudonyms daily effort rates between 2014-2022 can be calculated for each insured person present in EDP-Santé. These data can then be matched with Ineris pollution data based on care dates and beneficiaries' municipalities of residence. I could then estimate how daily variations in ambient air pollution affect beneficiaries' effort rates according to their income decile while controlling for age, sex, socioeconomic disadvantage level in their municipality of residence; additionally introducing fixed effects for seasonality along with unobserved individual characteristics constant over time. It should be noted that heterogeneity in this effect will be allowed through interaction variables between outdoor air pollution levels and indicators corresponding to different income deciles.