Equipe de recherche ERI n°11[EP]2R : « Evaluation et prévention des risques professionnels et environnementaux »
Institut nationalde la santé et de la recherche médicale
DISTRIBUTION DE L'EXPOSITION DE LA POPULATION URBAINE
A DES POLLUANTS PARTICULAIRES GENOTOXIQUES, ET
EVALUATION DU RISQUE CANCEROGENE
- GENOTOX'ER -
(Distribution of urban populations exposure to airborne genotoxic pollutants, and cancer risk assessment)
RAPPORT SCIENTIFIQUE FINAL
Convention de recherche n° CV 03000067
Novembre 2004
Principaux responsables des travaux : Eléna Nerrière et Denis Zmirou-Navier
Avec la collaboration des laboratoires universitaires de Santé Publique de Paris-V et Rouen, de l’INERIS, de l’InVS, de l’ADERA, CENBG, des AASQA de Grenoble, Paris, Rouen et Strasbourg, du Laboratoire d’Hygiène de la Ville de Paris et du Département des sciences de l’environnement de l’Ecole de Santé Publique de l’Université de Harvard, et la participation de l’ADEME.
Faculté de Médecine B.P. 184 - 9, avenue de la Forêt de Haye
54505 Vandœuvre-Lès-Nancy Cedex - FRANCETel. +33 (0)3.83.68.39.10- Fax +33 (0)3.83.68.39.19
E-mail : [email protected]
1
Résumé :
Le projet Genotox’ER avait pour objet de décrire l’exposition de populations urbaines
françaises aux particules atmosphériques et au benzène, dans le but de procéder à une évaluation du
risque du cancer. Plusieurs études épidémiologiques récentes suggèrent en effet que le risque de
cancer est accru pour les personnes résidant dans des zones géographiques affectées par la pollution
atmosphérique, notamment du fait des particules inhalées. Le travail a été conduit dans 4
agglomérations urbaines françaises (Grenoble, Paris, Rouen et Strasbourg), auprès de 60 à 90
adultes et enfants par site. Il a permis de caractériser l’exposition de personnes volontaires à
certains métaux et composés organiques cancérigènes présents dans l'air sous forme particulaire
(PM2.5 ou PM10), ou gazeuse (benzène), selon les caractères des activités et lieux de vie des
personnes (sites industriels, zones fortement marquées par le trafic automobile proche, situations de
"fond urbain"). Une analyse de la génotoxicité des particules atmosphériques prélevées a aussi été
effectuée en fonction des caractéristiques des lieux de leur collecte et de leur composition
chimique.
Les niveaux d’exposition aux particules PM2.5 ou PM10 ne montrent pas une forte
hétérogénéité spatiale au sein des 4 agglomérations urbaines (par exemple, les ratios des
concentrations des PM2.5 mesurées en masse, entre les secteurs de proximité au trafic et le ‘fond
urbain’, sont de l’ordre de 0.9), alors que les contrastes sont plus nets pour le NO2 (de l’ordre de 2).
Mais, au total, les niveaux d’exposition sont très variables selon la ville, le secteur urbain et la
saison, pour les enfants comme pour les adultes avec, par exemple, des valeurs les plus basses des
PM2.5 observées chez l’enfant en été en zone de fond urbain en périphérie parisienne (16.7 [écart-
type 4.3] µg/m3), et les valeurs les plus élevées observées à Strasbourg (75,7 [18.4] µg/m 3). Ce
travail confirme que la mesure pondérale des particules ne donne pas une mesure optimale des
émissions liées au trafic automobile, l’indice des fumées noires (mesuré sur PM2.5 ou PM10 ou toute
autre fraction granulométrique pertinente) étant mieux associé au trafic. Pour apprécier l’exposition
de la population aux émissions du trafic automobile, il importe donc de maintenir la couverture
d’un réseau d’appareils de mesure des fumées noires sur le territoire, avec spécification
granulométrique. Il ressort également que l’utilisation des données de surveillance de la qualité de
l’air, qui approchent de façon significative l’exposition chroniques des populations urbaines, dans
le cadre d’études épidémiologiques ou de travaux d’évaluation du risque en relation avec des
expositions au long cours, présente certaines limites liées notamment à la difficulté de faire
correspondre une exposition individuelle localisée avec un niveau ambiant local (variabilité de la
répartition spatiale de la pollution extérieure) et à la contribution des sources intérieures
d’exposition. Il n’existe pas, en l’état actuel, de clé unique pour estimer l’exposition de groupes de
sujets à partir des immissions mesurées par les capteurs fixes, tant sont variables les relations entre
expositions et immissions selon les villes, les secteurs urbains, les saisons et les polluants. Cette
2
transposition doit alors s’effectuer au cas par cas, être fondée sur une classification commune des
sites de mesure, une bonne connaissance locale des réseaux et de la distribution des populations
concernées.
Pour la première fois en France, ce travail fournit des données relatives au potentiel
génotoxique des extraits organiques issus des poussières prélevées lors de la mesure de
l’exposition personnelle de volontaires. Les filtres captant les PM2.5 apparaissent chargés de
substances organiques génotoxiques puisqu’ils répondent significativement plus au test des
comètes que les filtres témoins. C’est en secteur urbain de proximité que la réponse y est la plus
forte, et singulièrement en hiver ; les contrastes en été sont moins nets. Cette réponse génotoxique
résulte de la charge organique globale, sans que l’on puisse à l’heure actuelle l’imputer
spécifiquement à tel constituant, ce qui devrait faire l’objet de nouveaux travaux. Les HAP
cangérogènes les plus représentés montrent néanmoins une forte corrélation statistique, ce qui peut
permettre de cibler les HAP à surveiller en priorité.
Dans le but d’estimer l’exposition non plus des sujets volontaires, mais de vastes populations
urbaines, les données issues des campagnes de mesure des expositions personnelles ont, dans un
premier temps, servi à alimenter un modèle statistique de régression. Dans un second temps, une
approche par Système d’Information Géographique (SIG) a été appliquée pour extrapoler ces
estimations moyennes à l’ensemble des populations urbaines dans trois des agglomérations
d’étude (de 241 012 à 5 753 650 habitants de plus de 30 ans). Le nombre total de cas de cancer du
poumon attribuable à l’exposition chronique aux particules fines (PM2.5) a été estimé au sein de la
population adulte en utilisant les valeurs du Risque Relatif issues de la cohorte américaine CSP II.
Deux “niveaux d’exposition sans risque” (B) ont été arbitrairement fixés : l’un à 4.5 µg/m3 et
l’autre à 9 µg/m3. Le nombre moyen annuel de cas de cancer varie, selon la ville, de 16 à 404
pour B=4.5 µg/m3, et de 12 à 303 pour B=9 µg/m3. La répartition des cas attribuables aux
particules atmosphériques entre les secteurs urbains dépend des niveaux d’exposition ainsi que de
la distribution géographique des populations dans les différentes agglomérations ; la proportion
atteint 60 % en Ile de France pour le secteur de proximité.
En conclusion, le projet Genotox’ER apporte des informations riches pour apprécier
l’exposition de populations urbaines aux particules en suspension et à certains de leurs
constituants, et révèle une hétérogénéité marquée, mais variable selon l’indicateur considéré,
entre agglomérations et au sein du territoire urbain. Ces informations peuvent être utiles pour
actualiser les conditions de la surveillance de la qualité de l’air et l’utilisation des données qui en
résultent du point de vue de l’évaluation du risque sanitaire. Elles montrent aussi que l’impact
sanitaire de l’exposition chronique à la pollution atmosphérique en site urbain, dans un pays
développé, mérite encore des efforts pour maîtriser les sources d’émissions de toxiques et pour
réduire l’exposition des populations. Même si son impact est beaucoup plus faible que celui de la
consommation de tabac, le trafic routier contribue de manière appréciable à la mortalité par
cancer du poumon en France.
3
Table des matières
A- INTRODUCTION
I- La pollution atmosphérique urbaine et cancers : étude bibliographique commentéeI.1- Approches épidémiologiques en milieu professionnel
I.2- Approches épidémiologiques en population généraleI.2.1- Les études écologiquesI.2.2 Les études cas témoinsI.2.3 Les études de cohortes
I.3- Les données toxicologiquesI.3.1 Les particules dieselI.3.2 Les particules atmosphériques urbaines
I.4- Le classement des cancérogènes
II- De l’estimation des expositions à l’évaluation de l’impact sanitaireII.1- Le mesurage et l’estimation des expositions des citadinsII.2- La démarche d’Évaluation du Risque Sanitaire : Bref rappel
B- LES OBJECTIFS DU PROJET DE RECHERCHE
C- MATERIEL ET METHODES
I- Les populations étudiéesI.1- Choix des villes et des sitesI.2- Populations d’étudeI.3- Procédures de recrutement
II- Le matériel technique et les documents papierII.1- Mesure des particules, des NOx et des BTX
II.1.1- Exposition personnelleII.1.2- Stations de surveillance
II.2- Les documents papier
III- L’étude de la composition chimique des particules
IV- L’étude de la génotoxicité des particules atmosphériques IV.1- Élaboration de la séquence analytique suivie par les filtres échantillonnésIV.2- Tests de la variabilité des teneurs en HAP en fonction de la température de conservation des filtres téflon (INERIS)IV.3- Tests de la résistance des cellules utilisées lors des tests génotoxiques aux solvants d’extraction des HAP (INSERM Equipe [EP]2R)IV.4-Inter comparaison Chempass / Partisol
V- Analyse des relations entre air ambiant urbain et exposition personnelleV.1- Analyse par réseau de neuronesV.2- Analyse par régression classique et multifactorielle
VI- Estimation de l’exposition des volontaires au trafic automobile par l’indice ExTra
VII- Développement d’un outil SIG pour l’extrapolation des expositions des populations explorées aux populations urbaines
4
VII.1 Sélection des secteurs géographiques de proximité au traficVII.2 Sélection des secteurs géographiques à caractère industrielVII.3 Sélection des secteurs de fondVII.4 Synthèse des secteurs sélectionnés
VII.4.1 GrenobleVII.4.2 Région parisienneVII.4.3 RouenVII.4.4 Strasbourg
VIII- Approches pour l'évaluation du risque de cancerVIII..1- Identification des dangers et choix des relations dose-réponseVIII..2- Population d’étude et estimation de son expositionVIII..3- Caractérisation du risque en terme de décès attribuables aux particules fines
D- RESULTATS
I- Validation de la mesure des particules
II- Description des populations ayant participé à Genotox’ER
III- Analyse descriptive des expositions personnellesIII.1- PM, absorbance, BTX et NO2
III.1.1- Analyse globaleIII.1.2- Analyse par agglomérationIII.1.3- Analyse par secteurIII.1.4- Analyse par saisonIII.1.5- Analyse par strate d’âge
III.2- Analyses de la composition chimique des particules : HAP et métauxIII.2.1- HAPIII.2.2- Eléments minéraux
IV- Analyses génotoxiques : résultats des tests des comètesIV.1- Analyse descriptiveIV.2- Analyse statistique
V- Analyses des relations air ambiant / expositions personnelles par régression classique et multifactorielle
VI- Analyses des relations entre l’indice Extra, les concentrations en masse et les absorbances
VII- Caractérisation du risque de cancer
E- DISCUSSION
I- La caractérisation des expositions individuellesI-1. Rappel des principaux résultats et comparaison avec les données de la littérature
I.1.1- Les niveaux d’exposition personnelle aux PM, NO2 et BTXI.1.2- La composition chimique des particulesI.1.2.1- Les HAPI.1.2.2- Les éléments minéraux
I.2- La variabilité spatiale des expositionsI.2.1- Les PM, NO2 et benzèneI.2.2- Les constituants chimiques des PMI.2.3- Bilan
5
I.3- Les relations entre niveaux ambiants et exposition personnelleI.4- De l’exposition individuelle à l’exposition des populations
II- Contribution à l’évaluation du risque sanitaireII.1- La caractérisation du dangerII.2- L’impact sanitaire
II.2.1- L’Evaluation d’Impact Sanitaire lié à l’exposition aux PM2.5
II.2.2- La comparaison des niveaux de risque individuel
III- Les limites de l’étudeIII.1- La mesure des expositions
III.1.1- La population d’étude et le choix des secteursIII.1.2- La métrologie et les techniques analytiques
III.2- L’extrapolation à de plus vastes populationsIII.3- L’estimation de l’impact sanitaire
F- CONCLUSIONS
BIBLIOGRAPHIE GÉNÉRALE
6
Abréviations
ACS : American Cancer Society
ADEME : Agence Nationale de l’Environnement et de la Maîtrise de l’Énergie
AFSSE : Agence Française de Sécurité Sanitaire Environnementale
Al : aluminium
As : arsenic
AASQA : Associations Agréées de Surveillance de la Qualité de l’air
B[a]A : Benzo[a]anthracène
B[a]P : Benzo[a]pyrène
B[b]F : Benzo[b]fluoranthène
B[g,h,i]P : Benzo[g,h,i]perylène
BET : Budget Espace Temps
Br : brome
B[k]F : Benzo[k]fluoranthène
BTX : Benzène Toluène Xylènes
Ca : calcium
CIRC : Centre International de Recherche sur le Cancer
Cl : chlore
COV : Composés Organiques Volatils
CSTB : Centre Scientifique et Technique du Bâtiment
Cr : chrome
Cu : cuivre
Dibenzo[a,h]A : Dibenzo[a,h]anthracène
DMSO : Diméthylsulfoxyde
DRIRE : Direction Régionale de l'Industrie, de la Recherche et de l'Environnement
EQRS : Évaluation Quantitative du Risque Sanitaire
ERI : Estimation du Risque Individuel
ERU : Estimation du Risque Unitaire
Fe : fer
HAP : Hydrocarbures Aromatiques Polycycliques
IGN : Institut Géographique National
INERIS : Institut National de l’Environnement Industriel et des Risques
In[1,2,3-cd]P : Indeno[1,2,3-cd]pyrène
7
INRETS : Institut National de Recherche en Environnement, Transport et Sécurité
INSERM : Institut National de la Santé et de la Recherche Médicale
InVS : Institut de Veille Sanitaire
IRIS : Integrated Risk Information System
K : potassium
LISA : Laboratoire Interuniversitaire des Systèmes Atmosphériques
LHVP : Laboratoire d’Hygiène de la Ville de Paris
Mn : manganèse
NRC : National Research Council
OQAI : Observatoire de la Qualité de l’Air Intérieur
P : phosphore
PD : Particule Diesel
Pb : plomb
PM : Particulate Matter
PNSE : Plan National santé Environnement
PST : Poussières Totales en Suspension
RR : Risque Relatif
S : soufre
SIG : Système d’Information Géographique
Si: silice
Sr : strontium
Ti : titane
V : vanadium
VTR : Valeur Toxicologique de Référence
VG : Valeur Guide
Zn : zinc
Zr : zirconium
8
A- INTRODUCTION
I- La pollution atmosphérique urbaine et cancers : étude bibliographique
commentée
Les travaux s’attachant à l’estimation du risque cancérogène lié à une exposition au
long cours à la pollution atmosphérique ambiante sont moins nombreux que ceux traitant de
l’impact sanitaire à court terme mais leurs enseignements sont très importants. Ils font appel
d’une part à des études épidémiologiques en milieu professionnel ou en population générale et
d’autre part à des études toxicologiques portant sur des polluants considérés généralement
individuellement. Les principales études sont décrites dans les paragraphes suivants.
I.1- Approches épidémiologiques en milieu professionnel
Le contexte professionnel permet souvent d’observer des expositions à des agents
auxquels est également exposée la population générale, mais à des niveaux plus élevés. De
très nombreuses études ont été consacrées à l’évaluation du risque cancérogène des effluents
diesel en milieu professionnel parmi les travailleurs des chemins de fer, de compagnies
d’autobus, les conducteurs professionnels, chauffeurs routiers, chauffeurs de taxis, les
dockers, les mineurs. Ces études ont, de manière générale, mis en évidence des augmentations
du risque pour différents cancers : vessie, prostate, poumon (Jakobsson et coll 1997, Seidler et
coll 1998, Soll-Joanning et coll 1998, Hansen et coll 1998, Bruske-Hohfeld et coll 1999,
Lipsett et Campleman 1999, Saverin et coll 1999).
D’autres études ont cherché à identifier des biomarqueurs d’exposition à des agents
génotoxiques présents dans l’air pollué en milieu professionnel, notamment les Hydrocarbures
Aromatiques Polycycliques (HAP). Certaines de ces études (Nielsen et coll 1996a, Nielsen et
coll 1996b, Yang et coll 1996, Knudsen et coll 1999, Autrup et coll 1999) ont montré
l’existence de dommages à l’ADN de type adduits et aberrations chromosomiques en quantité
accrue chez des personnes passant plus de temps exposées aux effluents du trafic dans l’air
extérieur pour des raisons professionnelles comme les chauffeurs de bus ou les facteurs. Des
observations similaires ont été constatées chez des vendeurs de journaux exposés au trafic
automobile dense (Pastorelli et coll 1996). Les résultats de Burgaz et coll (2002) ont mis en
évidence que l’exposition professionnelle à des polluants de l’air urbain induisait
9
significativement chez les policiers affectés à la circulation et les chauffeurs de taxi, des
dommages du matériel génétique des lymphocytes. D’autres études (Jongeneelen et coll 1985,
Burgaz et coll 1992, 1998, Karahalil et coll 1998, Merlo et coll 1998) ont rapporté des teneurs
élevées d’un métabolite urinaire du pyrène chez des sujets exposés professionnellement aux
fumées de bitume, de goudrons et autres.
I.2- Approches épidémiologiques en population générale
Plusieurs études épidémiologiques suggèrent que le risque de cancer, en particulier du
poumon, est accru pour les personnes résidant dans des zones géographiques affectées par la
pollution atmosphérique urbaine (Barbone et coll 1995, Beeson et coll 1998, Laden et coll
2001, Nyberg et coll 2000, Pope et coll 2002, Nafstad et coll 2003). Les excès de risque de
cancer sont voisins de 30 à 50 % dans ces zones après ajustement sur le tabagisme (Cohen et
coll 1997). De l’ordre de 75 % de cet excès de risque pourraient être attribués aux HAP, au
benzène, à certains autres composés organiques volatils, et au chrome, selon une estimation
ancienne portant sur l’air urbain des Etats Unis en 1990 (Woodruff et coll 2000).
I.2.1- Les études écologiques
Les études épidémiologiques de type écologique sont des études d’observation visant à
détecter ou à identifier des variations de la fréquence d’une maladie ou d’un facteur de risque
dans l’espace (étude écologique dite spatiale) ou le temps (dite temporelle) et à relier ces
variations à celles de facteurs environnementaux. Ces études utilisent des données agrégées,
avec pour unité d’observation un territoire (commune, département etc.) ou une segmentation
du temps (jour, année etc.) ; elles présentent bien souvent des insuffisances sur le contrôle des
facteurs confondants (Katsouyanni et coll 1997). Ces enquêtes étant nombreuses, seules les
principales sont citées ci-après.
Cohen et coll (1997) présentent une synthèse des résultats d’études écologiques
s’intéressant aux contrastes entre zones urbaines/rurales et entre zones présentant différents
niveaux de pollution. D’une manière générale, l’ensemble de ces études a montré que la
pollution urbaine ou d’origine industrielle peut avoir un effet sur le risque de cancer. Une
enquête géographique de mortalité, réalisée en Angleterre (Bhopal et coll 1998, Pless-Mulloli
et coll 1998), a mis en évidence chez les deux sexes, mais de manière non significative, un
gradient de la mortalité par cancer du poumon en rapport avec les zones de pollutions
10
industrielles très nombreuses dans la région de Teesside et Sunderland dans le nord-est de
l’Angleterre. Une autre enquête a été réalisée dans la banlieue de Rome (Michelozzi et coll
1998) au voisinage de trois sources jugées majeures de pollution (un incinérateur, une
décharge et une raffinerie). La mortalité par cancer du larynx, du rein et les lymphomes non
Hodgkiniens est, chez les hommes, légèrement plus élevée mais de manière non significative.
La mortalité par cancer du larynx diminue avec la distance des usines et aucun excès
significatif de mortalité par cancer n’a été observé dans les rayons au-delà de 3 km. Chez les
femmes, un excès significatif de mortalité par cancer du rein a été observé dans le rayon de 3
à 8 km autour des usines, après ajustement sur les conditions socio-économiques. Deux études
écologiques plus récentes, l’une anglaise (Harrisson et coll 1999) et l’autre américaine
(Pearson et coll 2000), suggèrent une association entre le fait de résider à proximité de
grandes voies de circulation ou de stations services et un risque de cancer de l’enfant et en
particulier de leucémies.
I.2.2 Les études cas témoins
Plusieurs études cas-témoins ont montré des augmentations du risque de cancer du
poumon après ajustement sur l’âge et le tabagisme (Pike et coll 1979, Vena 1982,
Jedrychowki et coll 1990, Katsouyanni et coll 1991, Barbone et coll 1995, Biggeri et coll
1996). A Trieste, une étude cas-témoins met en évidence des excès de risque (de l’ordre de 40
à 50 %) pour certains types histologiques de cancer (carcinomes à petites et à grandes
cellules) parmi les habitants du centre ville et des secteurs industriels, où les concentrations
ambiantes en particules et en autres indicateurs de la qualité de l'air sont plus élevées
(Barbone et coll 1995). L’auteur suggère que la pollution atmosphérique pourrait être à
l’origine de cet excès de risque du fait des substances cancérogènes présentes dans les gaz
d’échappement des véhicules et les fumées de chauffages domestiques ou des industries
avoisinantes.
Une autre étude cas-témoins a été publiée par une équipe suédoise qui a pu
reconstituer, par modélisation, l’exposition cumulée des personnes, selon les lieux de vie de
sujets atteints de cancer du poumon et de témoins, en utilisant les immissions de NO2 comme
indicateur des émissions associées au trafic (Nyberg et coll 2000). Ce travail montre un odds
ratio de 1,4 (IC95 % 1,0-2,0), pour des expositions estimées pour la période de vie précédant
de 20 ans la survenue du cancer. C’est une nouvelle preuve en faveur du rôle cancérogène de
11
l’air urbain pollué par les sources automobiles (aucune association n’a été trouvée pour le
dioxyde de soufre, choisi comme traceur des sources industrielles et du chauffage).
Le NO2 est particulièrement bien corrélé aux particules en zone urbaine, pour
lesquelles le trafic constitue encore une source majeure dans l’air ambiant. Il est
spécifiquement utilisé comme indicateur du trafic dans les études visant à établir le lien entre
pollution de l’air liée au trafic et effets sur la santé (Nyberg et coll 2000, Nafstad et coll
2003). Toutefois, les auteurs de ces travaux sont bien clairs sur l’absence de causalité directe
entre NO2 et les effets sanitaires observés, en particulier le cancer du poumon. Le NO2 doit
être considéré uniquement comme un indicateur de la pollution de l’air urbain liée au trafic.
Les résultats précédents ne sont donc pas incohérents avec ceux trouvés dans d’autres études
de cohorte montrant des associations entre la pollution particulaire et le cancer du poumon
(Pope et coll 2002). En effet, selon le contexte urbain et la nature du mélange atmosphérique
présent, les niveaux de NOx pourraient être un indicateur de l’exposition aux particules, aux
cancérogènes seuls ou aux cancérogènes adsorbés sur les particules (Nafstad et coll 2003).
L’éditorial récent de Seaton et Dennekamp dans la revue britannique Thorax (2003)
est, du point de vue de la relation entre NO2 et particules, très intéressant. Il défend la
plausibilité de l’hypothèse d’une association causale entre concentrations modérées de
particules et morbidité cardiovasculaire et respiratoire, ou mortalité ; mais pas celle d’une
association similaire entre NO2 et les mêmes effets. Les auteurs ont étudié les effets de
l’exposition aux particules sur la santé d’individus atteints d’une maladie respiratoire
chronique pendant une période de 6 mois, sur la base des mesures provenant d’un site de fond
urbain à Aberdeen, en Ecosse. Une association extrêmement forte entre concentrations en
NOx et nombre de particules d’un diamètre aérodynamique inférieur à 100 nm mesurées
simultanément a pu être établie. Elle est représentée dans le graphe ci-dessous (figure 1), tiré
de l’éditorial de Thorax.
12
Figure 1: Graphe extrait de Seaton et Dennekamp, Thorax, 2003, 58 :1012-1015 – Avec l’aimable permission de BMJ Publishing Group
Selon ces auteurs, l’association avec les particules ultrafines mesurées en nombre de
particules est beaucoup plus forte que celle avec les particules mesurées en masse. Ces
associations sont tellement fortes qu’il serait impossible de distinguer les effets respectifs des
particules et des NOx dans les études épidémiologiques. Donc, les associations observées
entre le NO2, considéré comme un indicateur du mélange atmosphérique, et certains
indicateurs sanitaires pourraient être comparables à celles existant entre les particules
ultrafines mesurées en nombre et ces mêmes indicateurs sanitaires (si le NO2 urbain est
mesuré comme un indicateur de pollution et est montré comme étant associé à des effets sur la
santé, ces effets pourraient être attribuables de façon équivalente aux particules ultrafines,
mesurées en nombre).
I.2.3 Les études de cohortes
Dans la cohorte Ashmog des adventistes non fumeurs de Californie, l'incidence du
cancer du poumon au bout de 15 ans de suivi était plus élevée parmi les personnes ayant subi
des expositions au long cours aux particules PM10 dans les deux sexes, mais aussi à l'ozone
chez l'homme (Beeson et coll 1998, Abbey et coll 1999). Le risque est encore plus fort
lorsque l’on considère les PM2.5 (Mc Donnel et coll 2000). Un résultat semblable a été observé
dans la cohorte de la « Six Cities Study » (Dockery et coll 1993). Les données issues du suivi
13
prospectif de 8 111 sujets de 6 villes des Etats-Unis entre 1974 et 1991 montrent une
association entre la mortalité par cancer du poumon et par maladies cardiovasculaires et la
pollution atmosphérique (mesurée par les PM10, PM2.5, SO2 et O3). Les associations les plus
fortes ont été observées pour les particules et les sulfates. Dans l’étude de la cohorte
l’American Cancer Society (ACS), Pope et coll (1995) ont reporté des associations entre les
particules fines, les sulfates et la mortalité cardio-pulmonaire. Les récentes analyses des
données complémentaires de cette cohorte et de celle de la « Six Cities Study », suivies
pendant près de 10 ans de plus, confirment et renforcent ces résultats [(le risque de cancer du
poumon devient significatif dans les deux populations (Krewski et coll 2000, Laden et coll
2001, Pope et coll 2002)].
Les données épidémiologiques en population générale semblent donc convergentes et
appuyées par les travaux conduits en milieu professionnel. Un argument important
d’interprétation causal réside dans l’analyse des données expérimentales.
I.3- Les données toxicologiques
Le rôle cancérogène de la pollution atmosphérique, et notamment des particules, serait
sans doute pour partie associé aux composés génotoxiques véhiculés, tels que certains métaux
(Fernandez et coll 2001, 2002) et HAP (Ares et coll 2000, Burgaz et coll 2002, Spinosa et coll
1999, Iwai et coll 2000, Kyrtopoulos et coll 2001). Les effluents automobiles ne sont pas les
seuls responsables de ces composés métalliques et organiques qui peuvent également provenir
d’autres sources, notamment du chauffage urbain et des émissions liées aux activités
industrielles.
I.3.1 Les particules diesel
La partie centrale des Particules Diesel (PD) est constituée d'un squelette carboné sur
lequel peuvent s'adsorber des produits organiques provenant du carburant et du lubrifiant et
comprenant notamment des HAP. Les études de génotoxicité ont montré un certain nombre de
mutations géniques sur procaryotes ainsi que sur des cellules de mammifères lors de la mise
en contact avec les PD. Des aberrations chromosomiques sur cellules de hamsters chinois ou
sur lymphocytes humains ont également été mises en évidence. La production d’espèces
radicalaires de l’oxygène a été mise en évidence dans des lignées cellulaires (Aritomo et coll
1999), chez la souris (Ichinose et coll 1997) et le rat (Tsurudome et coll 1999). La
14
contribution du corps carboné des PD à la formation de ces composés et l’implication des
macrophages alvéolaires dans ces lésions ont été évoquées (Tokiwa et coll 1999).
L’exposition chronique de rats à des concentrations élevées (au moins 1 mg/m3) de PD
entraîne la formation de tumeurs pulmonaires (Mauderly et coll 1986, EPA 2000, Kagawa
2002). Cet effet résulterait d’une combinaison d’une atteinte génotoxique et de phénomènes
de surcharge du tissu pulmonaire (Iwaï et coll 2000) ; ces mêmes auteurs montrent qu’au-delà
de 6 mois, l’incidence du cancer augmente avec la durée d’exposition. Ces résultats n’ont
cependant pas été retrouvés à doses plus faibles et sur d’autres espèces animales. Il a été
démontré que les extraits de PD ainsi que les émissions diesel elles-mêmes pouvaient se lier à
l’ADN des cellules cibles. Bond et coll (1990) montre qu’après exposition à des PD, la
formation d’adduits à l’ADN est 4 fois plus importante que dans des échantillons témoins.
Ces résultats obtenus sur les rats n’ont cependant pas été retrouvés chez d’autres espèces
animales (Heinrich et coll 1986, Mauderly et coll 1996, Lewis et coll 1989).
Les émissions de particules ultra-fines par les moteurs de type diesel pourraient alors
jouer un rôle dans l’excès de risque en population générale, si peuvent être extrapolés les
résultats des travaux toxicologiques et épidémiologiques en milieu professionnel (Garschik et
coll 1998, CNRS 1998, Bhatia et coll 1998). D’autres études suggèrent pourtant qu’il faut être
prudent dans l’interprétation de la causalité entre l’exposition aux émissions diesel et un excès
de cancer du poumon (Cox 1997, Crump 1999).
I.3.2 Les particules atmosphériques urbaines
La génotoxicité et la mutagénicité des extraits organiques des particules
atmosphériques urbaines, en particulier les PM10 et PM2.5 ont fait l’objet de plusieurs études.
In vitro, l’activité mutagénique de la fraction organique de la phase particulaire collectée dans
des villes européennes et américaines, a été évaluée dans la majorité des études par le test
d’Ames. Certaines études montrent que ces extraits entraînent des mutations sur les souches
TA 98 et TA100 de la Salmonella typhimurium (Cerna et coll, 2000). D’autres tests à court
terme, sont également utilisés, comme l’échange de chromatides sœurs (Hornberg et coll
1998), le test de micronoyaux (Monarca et coll 1999), la recherche des aberrations
chromosomiques (Hadnagy et coll 1989), le test des comètes. La réponse génotoxique des
extraits organiques particulaires peut varier en fonction de la lignée cellulaire utilisée. Comme
pour la teneur des particules atmosphériques en composés organiques, des variations
15
physiques, temporelles et spatiale influencent sur la mutagénicité et la génotoxicité des
particules atmosphériques. Sur Salmonella typhimurium, certaines équipes montrent que
l’activité mutagène des extraits de PM10 est parfois supérieure à celle des PM2.5
(Vinitketkumnuen et coll 2002). Dans l’induction d’échange des chromatides sœurs, les PM2.5
sont plus génotoxiques que les fractions PM10 (Hornberg et coll 1998). Les tests de
mutagénicité et de génotoxicité donnent des réponses différentes, et cela peut être dû au type
de lésions d’ADN détecté, aux conditions du test appliqué, ou à la réponse de l’organisme
utilisé (Miguel et coll 1990). Contrairement aux études in vitro, peu d’études in vivo ont été
réalisées. Somers et coll (2004) ont montré que la mise en place d’un système de filtration des
particules atmosphériques réduisait significativement le nombre des mutations héréditaires de
souris. Ces résultats impliquent que l’exposition aux particules est un facteur contribuant aux
mutations observées plus fréquemment chez les souris témoins. L’auteur conclut en une
preuve supplémentaire du risque génétique lié à une exposition à la pollution de l’air. Samet
et coll (2004) précise qu’il faut cependant interpréter ces conclusions avec précaution : les
tests n’ont été validés que pour 3 substances chimiques, et les mécanismes de mutation n’étant
pas clairement définis, il est probable qu’ils soient différents entre la souris et l’Homme.
Il est légitime de faire l’hypothèse qu’en fonction de la nature des particules
atmosphériques urbaines et notamment de leur charge en HAP ou en métaux, les réponses
génotoxiques peuvent être différentes. Ainsi à l’échelle d’un territoire urbain, l’exposition à
des polluants potentiellement génotoxiques pourrait varier en fonction de la proximité et des
caractéristiques des sources locales.
I.4- Le classement des cancérogènes
Les évaluations du potentiel cancérogène des polluants pris individuellement se font
sur la base des données toxicologiques in vitro et in vivo, plus rarement sur la base de travaux
épidémiologiques. Bien que les concentrations étudiées soient très supérieures à celles
observées dans l’environnement, les études toxicologiques constituent le seul moyen
d’évaluer le risque cancérogène potentiel de certaines substances à défaut de disposer de
données humaines. Les études épidémiologiques permettent de relier un excès de cancers à
une exposition à un ou des agents cancérogènes bien que cela ne soit pas toujours possible
lorsque la pollution est complexe.
16
Grâce à la synthèse de ces travaux, le Centre International de Recherche sur le Cancer
(CIRC) a pu rendre des avis sur le potentiel cancérogène des substances composant la
pollution de l’air (http://monographs.iarc.fr/htdig/search.html). Ainsi le benzène est le seul
polluant des effluents automobiles à être classés comme cancérogène certain chez l’homme,
soit appartenant au groupe 1 du CIRC. Très récemment (juin 2004), le formaldéhyde a
également été classé dans le groupe 1.
Six autres polluants atmosphériques sont classés comme probablement cancérogènes
pour l’homme (groupe 2A du CIRC), il s’agit du 1,3-butadiène, du 1,2-dibrométhane, de 3
Hydrocarbures Aromatiques Polycycliques (HAP) que sont le benz[a]anthracène, le
benzo[a]pyrène et le diben[a,h]anthracène.
Les effluents diesel sont également classés dans ce groupe dans leur ensemble.
L’acétaldéhyde, 4 nitroarènes et 7 HAP sont classés dans le groupe 2B du CIRC comme
potentiellement cancérogènes pour l’homme ; les effluents des moteurs à essence dans leur
globalité sont également classés dans ce groupe.
17
II- De l’estimation des expositions à l’évaluation de l’impact sanitaire
II.1- Le mesurage et l’estimation des expositions des citadins
Une revue des études sur la relation entre pollution atmosphérique et cancer
(Katsouyanni et Pershagen 1997) souligne les problèmes rencontrés pour évaluer
correctement les expositions, qui conduisent à de grandes difficultés dans l’évaluation des
effets. D’une manière générale, les mesures des polluants en routine n’incluent pas les
cancérogènes reconnus, et elles sont réalisées à partir de capteurs fixes. L’évaluation des
expositions individuelles est de ce fait rendue incertaine, en particulier dans le long terme.
Depuis une dizaine d’années se sont développés des outils de métrologie des
expositions personnelles aux polluants atmosphériques, dans le cadre de travaux européens ou
nationaux (EXPOLIS, VESTA). La lourdeur des explorations de l'exposition personnelle ne
permet cependant pas de réaliser de telles études à l'échelle de vastes populations. Cette voie
de recherche est pourtant fortement encouragée par le panel d’experts du National Research
Council (NRC) qui recommande que des études de modélisation des expositions individuelles
et populationnelles soient conduites en vue d’estimer les expositions personnelles de larges
populations sans avoir à mettre en œuvre de coûteuses enquêtes métrologiques individuelles
(NRC 1999). De surcroît, d’après ces mêmes experts, il est essentiel que soient caractérisés
les déterminants de l’exposition personnelle aux particules dans l’air ambiant ainsi que les
attributs spécifiques déterminant la toxicité des particules dans les études d’exposition (NRC
2004).
La métrologie personnelle du benzène s’est aussi développée. Des capteurs passifs
sont désormais disponibles et, utilisés par exemple dans le cadre du programme européen
Macbeth, ont montré une bonne sensibilité pour des niveaux de concentrations retrouvés en
site urbain (Gonzales-Flesca et coll 1999).
Ces études doivent être mises en oeuvre dans des situations urbaines contrastées afin
de dégager des systèmes de modélisation suffisamment robustes n’exigeant pas de disposer de
données individuelles détaillées d’emploi du temps dans l’espace. Des travaux de même
inspiration ont été conduits par ailleurs sur des HAP, en confrontant des données d'exposition
18
personnelle et des données de concentrations dans différents microenvironnements (Sisovic et
coll 1996).
II.2- La démarche d’Évaluation du Risque Sanitaire : bref rappel
La démarche d’Évaluation Quantitative du Risque Sanitaire (EQRS) lié à
l’exposition à un agent consiste en une synthèse de connaissances scientifiques, une
utilisation optimale des données disponibles et une modélisation permettant de guider les
décisions dans une situation d'incertitude. Elle permet également d'identifier les domaines
dans lesquels les connaissances où les données font le plus défaut (Covello et Merkhofer
1993, Dab 1994, Paustenbach 2002). Cette démarche d'analyse de risque comporte quatre
étapes (Bard 1995) à savoir :
1. l'identification des dangers : il s'agit de la détermination du potentiel toxique
intrinsèque des agents physiques, chimiques ou biologiques considérés. Cette étape repose sur
l'interprétation des résultats de l'observation médicale, des études épidémiologiques et le plus
souvent des données toxicologiques. Elle permet de dresser la liste des dangers possiblement
liés à un polluant, assortie d'un jugement qualitatif sur la vraisemblance scientifique de la
causalité. L'idéal est de disposer d'observations épidémiologiques chez l'homme. A défaut,
des résultats expérimentaux (sur l'animal) sont utilisés,
2. la détermination de la relation dose-réponse : la deuxième étape est
l'estimation des probabilités de survenue des effets associés à ces dangers. Il s'agit de
caractériser (c'est à dire qualifier et quantifier) le(s) lien(s) entre la dose (ou l'exposition) et
l'effet(s). A défaut de données épidémiologiques humaines, cette relation mathématique est
souvent extrapolée des résultats de l'expérimentation animale et des hautes doses vers les
basses doses (qui caractérisent habituellement les pollutions environnementales et pour
lesquelles l'effet est plus difficile à mesurer). Le développement récent et important des
connaissances épidémiologiques dans le domaine de la pollution atmosphérique permet
aujourd'hui, au moins dans certains domaines, de réduire l'incertitude liée à cette
extrapolation.
3. l'évaluation des expositions : il s’agit de décrire et de quantifier aussi
précisément que possible les expositions des populations, par groupe pertinent d’âge et de
sexe ou de facteurs de susceptibilité, puisque la sensibilité à une même dose unitaire peut
varier selon le groupe (par exemple selon le statut asthmatique),
4. la caractérisation du risque est l'étape de synthèse qui combine les données de
danger, d'exposition et la relation dose-réponse. Elle comporte une estimation quantitative 19
globale de l'excès de risque lié aux polluants (estimation de l'impact sanitaire), qui doit être
associée à une explicitation des incertitudes. Habituellement, les estimations de l’impact
(nombre de cas attendus) sont présentées en fonction des expositions et de différents scénarios
décisionnels.
Les deux premières étapes font appel aux connaissances scientifiques issues des études
commentées dans le paragraphe «pollution atmosphérique et cancers ». La 3ème étape est tout
autant essentielle et très délicate car une mauvaise estimation des expositions peut conduire,
selon les situations, à une sous ou une surestimation de l’impact sanitaire. Or en milieu
urbain, il est difficile d’estimer correctement les expositions des populations et tout
particulièrement de prendre en considération leur hétérogénéité. De nombreuses études
épidémiologiques utilisent comme indicateur d’exposition les niveaux ambiants mesurés par
les stations de surveillance de qualité de l’air, souvent l’ensemble des capteurs (« moyenne
réseau »), ou les seules stations de fond (Jedrychowski et coll 1990, Dockery et coll 1993,
Barbone et coll 1995, Pope et coll 1995, Pope et coll 2002, Nafstad et coll 2003). Pourtant,
l’espace urbain ne peut être considéré comme un espace homogène en terme de qualité de
l’air dans son ensemble (Levy et coll 2000, Kavouras et Koutrakis 2001, Goswami et coll
2002). L’exposition personnelle des sujets constituant une population citadine est en effet
influencée par la présence de sources locales, qu’elles soient mobiles ou fixes, telles les
industries ou les émissions du trafic automobile (Harrisson et Jones 1995, Sakai et coll 2001,
Kavouras et coll 2001, Areskoug 2000, Harrisson and Yin 2000, Nyberg et coll 2000,
Koistinen 2002, Cyrys et coll 2003).
Dans le but d’améliorer la validité des travaux épidémiologiques ou les évaluations du
risque et de l’impact de la qualité de l’air en milieu urbain, il apparaît donc nécessaire
d’apporter des éléments de réponse à la question suivante : « L’exposition et le risque sont-ils
distribués de manière hétérogène sur le territoire urbain ? ». C’est à cette problématique que
tentent de répondre les objectifs de l’étude Genotox’ER.
20
B- LES OBJECTIFS DU PROJET DE RECHERCHEL’étude Genotox’ER a pour objectif d’apporter des connaissances nouvelles sur :
1. la distribution, au sein de populations urbaines, des expositions personnelles à certains
métaux et composés organiques cancérigènes présents dans l'air sous forme particulaire
(attachés aux particules PM2.5 ou PM10), ou gazeuse (benzène), en s’attachant particulièrement
à l’étude de la distribution spatiale des expositions sur le territoire urbain selon les caractères
des lieux de vie (proximité de sites industriels, présence de sources mobiles proches,
situations de "fond" urbain...),
2. le risque pour la santé encouru par les populations urbaines, du fait des agents
cancérigènes inhalés présents en phase particulaire ou gazeuse (benzène) ; cette
caractérisation du risque portera respectivement sur les sujets ayant fait l'objet des enquêtes
d’exposition personnelle, et sur un plus large ensemble de populations urbaines françaises, en
transposant ces résultats à des sous-ensembles convenablement identifiés des populations des
agglomérations d’étude. Cette caractérisation du risque à l'échelle de populations urbaines
françaises doit permettre de situer les ordres de grandeur du risque carcinogène lié à
l'exposition chronique de la population aux niveaux actuels, devenus relativement modestes,
de la pollution atmosphérique.
Il s’agit là des objectifs principaux du projet Genotox’ER. Celui-ci comporte
également des objectifs secondaires, visant à mieux connaître :
1. la relation entre les expositions personnelles aux particules ou aux autres indicateurs de
qualité de l’air analysés dans ce projet et les valeurs d'immissions mesurées par les réseaux de
capteurs fixes de surveillance de la qualité de l'air ; l’intérêt de ce travail est d'analyser, dans
des situations diverses, les conditions de l'utilisation des données de surveillance pour estimer
l'exposition des populations, à des fins d’études épidémiologiques ou d’évaluation du risque.
2. la génotoxicité des particules atmosphériques prélevées lors des études des expositions
personnelles. Ce volet de la recherche complète l’évaluation du risque, fondée sur les données
épidémiologiques actuellement disponibles, en apportant des arguments d’ordre toxicologique
à l’argument relatif à la réalité du risque encouru ; il complète également l’étude de la
distribution spatiale des expositions à travers le territoire urbain en étudiant le lien entre la
réponse génotoxique des extraits particulaires et les caractéristiques des lieux de leur collecte
et leur composition chimique.
21
C- MATERIEL ET METHODES
I- Les populations étudiées
I.1- Choix des villes et des sites
L'étude a été réalisée dans différents sites urbains et industriels contrastés en termes de
qualité de l'air et de sources d'émission. Après une étude pilote conduite début 2001 à
Grenoble, ont été inclus les sites de Paris, Rouen et Strasbourg, agglomérations qui font partie
du programme pilote de l’Agence de l’Environnement et de la Maîtrise de l’Energie
(ADEME) sur les nouveaux polluants à surveiller dans le cadre de la mise en œuvre de la
Directive cadre de l’UE de 1996 (Directive 96/62/CE du 27 septembre 1996 concernant
l'évaluation et la gestion de la qualité de l'air ambiant).
Trois zones sont déterminées a priori, sur indication des experts locaux des réseaux de
surveillance de la qualité de l’air, dans chaque agglomération, lorsque son tissu urbain s’y
prête : (i) l’hyper-centre, exposé au trafic automobile ; (ii) une zone représentative du fond
urbain ; (iii) une zone influencée par des émissions industrielles. Les zones industrielles sont
essentiellement caractérisées par la présence de raffineries pour Strasbourg, accompagnées
d’activités chimiques à Grenoble et Rouen. En Ile de France, le secteur industriel retenu
correspond au port principal de Paris dont l’activité principale est le stockage de pétrole. Y
sont également présentes diverses activités métallurgiques.
Dans chaque zone sélectionnée se trouve une station de surveillance de la qualité de
l’air qui permet de procéder à des mesures concomitantes à celles des expositions
personnelles des sujets. La liste des différentes stations par agglomération est représentée à la
figure 2, leurs caractéristiques y sont renseignées.
22
Proximité Fond Industriel
Grenoble Le Rondeau Villeneuve et Les Fresnes Champagnier / Champ sur Drac
Ile de France Les Halles Les Ulis Gennevilliers
Rouen Palais de justice Sotteville les Rouen CHS Petit Couronne PCP
Strasbourg Clemenceau Stbg Est Reichstett
Figure 2 : Liste des stations de surveillance des sites sélectionnés
23
I.2- Populations d’étude
L'étude inclue des enfants de 6 à 12 ans non exposés au tabagisme passif au domicile,
ainsi que des adultes volontaires non-fumeurs non exposés professionnellement, à raison d’un
effectif de 30 dans chaque groupe par agglomération (45 pour le secteur de proximité de Paris
intra-muros). Dix enfants et dix adultes (15 à Paris intra-muros) seront recrutés par secteur1,
avec le souci de minimiser la variance des expositions au sein de chaque agglomération, tout
en la maximisant entre les secteurs2.
I.3- Procédures de recrutementLe recrutement des 60 (90 à Paris) sujets se fait sur la base du volontariat, en stratifiant
au sein de chaque agglomération des zones types.
Le recrutement des volontaires à Grenoble s’est fait essentiellement par les médias
locaux (presse et télévision locale), les commerces de proximité et les unions de quartier où
plusieurs messages d'appel ont été diffusés. Une permanence téléphonique a reçu les appels
des volontaires. Chaque appel a fait l'objet de rédaction d'une fiche d'inclusion. Les
volontaires d’Ile de France ont également été recrutés grâce à un appel à participation auprès
des employés municipaux ainsi que dans les centres aérés de loisirs pour enfants. A Rouen et
Strasbourg, les volontaires ont principalement été recrutés par le biais d’écoles primaires où
un appel a été diffusé après autorisation de l’inspection académique. Ce système a permis de
recruter à la fois enfants et adultes.
1 Calcul de nombre de sujets nécessaire basé sur un contraste entre le secteur de proximité et le secteur de fond,
de 10 µg/m3, un écart-type de 8 µg/m3, une puissance de 80 %, risque alpha = 5 % : n par groupe (effectifs
égaux) = 10.2 Cela revient en pratique, à privilégier les sujets se déplaçant peu au-delà de leur secteur de résidence, y compris
pour leur activité professionnelle.24
II- Le matériel technique et les documents papier
II.1- Mesure des particules, des NOx et des BTX
II.1.1- Exposition personnelle
Les enquêtes d'exposition personnelle aux particules ont utilisé un nouveau dispositif
multipolluants le Chempass® modèle 3400 (Université de Harvard) qui permet de prélever en
parallèle les PM2.5 et les PM10, afin de pouvoir étudier la relation entre les deux fractions
granulométriques et établir des corrélations entre l'exposition personnelle et les immissions
urbaines, caractérisées actuellement par les PM10.
Les particules PM10 et PM2.5 sont ainsi prélevées au moyen de l’appareillage
ChemPass® développé par le département des sciences de l’environnement de Harvard
(Demokritou et coll 2001). Les figures 2 à 5 présentent différentes vues du dispositif.
L’appareillage installé dans un sac à dos comporte :
1 pompe portative BGI (modèle 400). Son débit est fixé à 3,6 l/mn, ce qui lui permet
de répartir le flux entre deux têtes de prélèvement pour les PM2.5 (1,8 l/mn) et les PM10
(1,8 l/mn). L’autonomie est en théorie de 48 heures.
des filtres Téflon (Gelman®, diamètre 37mm, porosité 2µ).
Il doit être complété par un débitmètre à bulle (Buck, A.P) pour étalonner les pompes.
Les filtres vierges et échantillonnés sont pesés après déionisation (type Multistat EI-RN) pour
s'affranchir des forces électrostatiques.
Les pesées des filtres ont été effectuées à l’INERIS. Les filtres vierges et
échantillonnés ont été stabilisés pendant 24 heures dans une enceinte de pesée contrôlée en
température (20 1°C) et en humidité relative (50 3 %). Chaque filtre est pesé 3 fois au
moyen d’une microbalance de type Mettler® MT5 sensible au microgramme pour la pesée des
filtres ; c’est la moyenne de ces 3 pesées qui est considérée si leur écart type est inférieur à 4
µg. Trois filtres témoins sont laissés en permanence dans l’enceinte de pesée et sont utilisés
pour corriger les valeurs de pesée en fonction des variations de l’atmosphère de la pièce.
Les pesées ont été suivies d’une mesure de l’indice des fumées noires, bon indicateur
des suies de combustion (Kinney et coll 2000, Roemer et coll 2001). Les filtres ont pour se 25
faire été passés sous la lumière verte d’un réflectomètre (Photovolt corporation, New-York
City, model n°610). Après un temps de chauffe de 15 minutes, l’appareil est calibré à 0. Un
filtre témoin blanc permet de calibrer l’appareil à 100. Ainsi la réflectance d’un filtre vierge
témoin est de 100 %, celle d’un filtre empoussiéré n’est plus que de X %. L’absorbance d’un
filtre empoussiéré est alors égale à 100-X %.
Les filtres ont été ensuite envoyés aux autres partenaires de l’étude en charge des
analyses chimiques minérales et organiques. Les échantillons ont été, lors de toutes ces
étapes, conservés au congélateur à – 20° C et, lors des transferts, vers 0-4° C (dans des
enveloppes en aluminium pour les protéger de la lumière).
Les oxydes d’azote sont prélevés par des badges passifs simples Ogawa®. Ces badges
sont installés au nombre de 2 dans le dispositif (un pour le NO2, l’autre pour les NOx). Les
badges Ogawa®, préparés par le Laboratoire d’Hygiène de la Ville de Paris (LHVP) pour la
mesure des oxydes d’azote ont été systématiquement conservés au réfrigérateur. Ils ont été
régulièrement retournés par « Colissimo 48 heures » au LHVP pour l’analyse par
spectrophotométrie (longueur d’onde 545 nm, Beckman model 25).
Les BTX (Benzène, Toluène et Xylènes) sont prélevés par diffusion passive au moyen
d’un tube Radiello Perkin Elmer® (poids approximatif de 10 g). Il s’agit d’un tube fermé à une
extrémité et chargé d’environ 100 mg d’adsorbant contenu dans une cartouche. Les tubes ont
été préparés à l’INERIS par le Laboratoire des Composés Organiques Volatils (COV) ; ils
n’ont pas nécessité de mode de conservation particulier. Les analyses qualitatives et
quantitatives des tubes sont réalisées en Chromatographie Gaz + Détection Ionisol Flamme ou
Chromatographie Gaz-Spectrométrie de Masse sur colonne Chrompack type CPSIL 5-CB (50
m ; 0,32 mm ID ; 1,2 µm). La limite de quantification est à 0,7 µg/m3.
II.1.2- Stations de surveillance
La mesure des particules est réalisée au moyen d’une TEOM (Tapered Element
Oscillating Microbalance). Cet appareil utilise une méthode basée sur la pesée des particules à
l'aide d'une microbalance constituée d'un élément conique, oscillant à sa fréquence naturelle.
L'air prélevé est filtré par un filtre absolu au sommet du corps oscillant. Les particules ainsi
déposées augmentent la masse du système oscillant, produisant une décroissance de la
26
fréquence naturelle d'oscillation qui est convertie en variation de masse. Celle-ci s'exprime de
la façon suivante :
dm= k0 (1/f2-1/f02)
Equation dans laquelle : dm est la masse collectée
k0 : une constante propre à l'élément oscillant.
f : la fréquence d'oscillation après collection exprimée en rad s-1
f0 : la fréquence d'oscillation initiale.
La mesure des NOx est réalisée par chimiluminescence. Le principe de mesure est
fondé sur l'oxydation des molécules de monoxyde d'azote (NO) par des molécules d'ozone
(O3) conduisant à la formation de molécules de dioxyde d'azote NO2 dans un état excité ; ces
molécules reviennent à leur état fondamental par émission d'un photon qui est détecté par un
photomultiplicateur. Cette production de lumière est appelée chimiluminescence.
NO + O3 - NO2* + O2
NO2* -> NO2 + h
Un ozoneur intégré à l'appareil fournit l'O3 nécessaire à la réaction de
chimiluminescence. Cette méthode s'applique aussi à la mesure du NO2 qui doit être
préalablement réduit en NO dans un four convertisseur au molybdène selon la réaction
3 NO2 + Mo ---- 3 NO + MoO3
En utilisant un analyseur de type "bi-canal", la mesure de NO et de NOx (NO+NO 2)
est effectuée pratiquement sur le même échantillon d'air, ce qui évite les erreurs
métrologiques rencontrées par les analyseurs cycliques.
27
II.2- Les documents papier
Trois questionnaires ont été remplis par les enquêteurs à chaque participation du
volontaire. Ils comprennent :
la fiche d’inclusion détaillant un certain nombre d’éléments de l’état civil de la
personne, ainsi que la vérification des critères d’inclusion,
le questionnaire « cadre de vie » comportant un descriptif détaillé du domicile et
du lieu de travail ou de l’école du volontaire,
le carnet budget espace temps décrivant les déplacements et lieux où se trouve la
personne pendant les 5 jours ouvrés de la semaine encadrant le port du capteur
avec un pas de temps quart horaire.
Une fiche d’information destinée aux enseignants a également été remise aux parents
dont l’enfant était volontaire. Elle permet de répondre aux questions que les enseignants
peuvent se poser lorsque l’enfant se présente à l’école avec son dispositif. Cette fiche lui
explique également comment encadrer l’enfant lors sa participation.
Par ailleurs, pour chaque individu sont renseignées des fiches pour permettre
l’utilisation d’un logiciel (ExTra développé par le Centre Scientifique et Technique du
Bâtiment (CSTB) et l’Institut National de Recherche en Environnement, Transport et Sécurité
(INRETS)) afin de modéliser l’exposition aux domiciles des volontaires aux oxydes d’azote.
Le résultat est exprimé sous la forme d’un indice d’exposition au trafic automobile prenant en
compte les caractéristiques du lieu d’habitation et du lieu de travail ou école.
III- L’étude de la composition chimique des particules
Les teneurs en éléments minéraux, notamment en métaux cancérigènes, ont été analysées
par la technique physique PIXE (Particle Induced X-ray Emission) (Guégan et coll 2000). La
mesure PIXE est basée sur la détection du rayonnement X émis par une cible sous l’impact
d’un faisceau d’ions incidents. Ces rayons X proviennent du réarrangement du cortège
électronique des atomes excités. Si l’on prend l’image du modèle en couche pour décrire le
phénomène, on peut en avoir la représentation suivante : les ions incidents vont arracher un
électron sur les couches électroniques profondes de l’atome (celles qui sont le plus près du
noyau et donc les plus liées). La lacune ainsi crée va être comblée par un électron d’une
couche supérieure et cette transition sera accompagnée par un rayonnement X d’énergie égale
à la différence d’énergie entre les deux niveaux (celui d’où provient l’électron et celui où il
28
va, là où a été créée la lacune). Cette énergie est caractéristique de l’atome et permet son
identification.
L’extraction des composés organiques est réalisée à l’INERIS par 30 mL d’acétonitrile
de qualité HPLC pendant ½ heures sous ultrasons. Après concentration au rotovapor de 15 ml
de l’extrait jusqu’à un volume d’environ 1 ml ; le dosage des HAP est réalisé par
Chromatographie Liquide à Haute Performance (HPLC) à détection fluorimétrique (chaîne
DIONEX RF2000 prévue pour le dosage de traces avec un programme prévoyant 9
changements de longueur d’onde).
IV- L’étude de la génotoxicité des particules atmosphériques
Une moitié de l’extrait organique obtenu à l’INERIS est destiné à caractériser le
potentiel génotoxique de la fraction organique des particules atmosphérique. 15 ml de l’extrait
sont mis en présence de 100 µL du DMSO, puis repris par à 1 ml de DMSO. Chaque
échantillon ainsi obtenu a été envoyé à l’INSERM (Unité ESPRI ex-U420, Michel Joyeux),
chargée des tests de génotoxicité.
Le test des comètes ou « Single Cell Gel Electrophoresis » est défini comme une
technique microélectrophorétique rapide et sensible qui met en évidence les cassures de
l’ADN. C’est un test prédictif de génotoxicité. Après traitement, des cellules eucaryotes sont
emprisonnées dans un gel d’agarose et lysées dans un tampon contenant des détergents et une
forte concentration en sels. Le principe du test repose sur une phase d’électrophorèse en
milieu basique qui permet de détecter des cassures portant sur les brins de l’ADN, des lésions
dites alcali-labiles correspondant à des pertes de bases nucléiques (sites AP) ainsi que des
atteintes susceptibles de déclencher des mécanismes de réparation par excision. Après
coloration au bromure d’éthidium, l’ADN d’une cellule intacte apparaît comme une sphère de
25-35 µm de diamètre. L’ADN d’une cellule lésée s’étire vers l’anode proportionnellement au
nombre de cassures, et le noyau prend la forme d’une comète (figure 6), d’où l’appellation
donnée à ce test.
La détection des dommages de l’ADN est améliorée par l’ajout de l’aphidicoline qui
empêche les mécanismes de réparation d’être efficaces. Les applications du test ne se limitent
29
pas à l’unique étude de la génotoxicité de produits purs. En effet, des applications
écotoxicologiques, environnementales, épidémiologiques et cliniques ont été réalisées.
Les tests comètes sont réalisés en tenant compte des recommandations émises lors de
l'International Workshop on Genotoxicity Test Procedures. Des lames de microscope sont
recouvertes d’une première couche d’agarose N, puis mises à sécher. 100 µL d’agarose N sont
ensuite déposés sur la couche sèche, 100 µL de la suspension cellulaire à 5.105 cellules/mL
sont mélangés à 600 µL d’une solution d’agarose L à 37 °C, et 80 µL du mélange sont
prélevés et déposés sur la lame. Lorsque la gélose est solidifiée, les lames sont placées une
heure dans une solution de lyse. Les lames sont déposées dans la solution d’électrophorèse
pendant 20 minutes à l’obscurité et soumises à une électrophorèse pendant 20 minutes sous 20
V et 300 mA. Au terme de la phase d’électrophorèse, les lames sont lavées au tampon Tris 0,4
M puis colorées à l’aide d’une solution de bromure d’éthidium (20mg/ml) et observées sous
microscope à fluorescence. Une caméra permet transmettre l’image à une station d’analyse
d’image équipée d’un logiciel dédié afin d'effectuer mesure de luminescence plus précise. La
lecture porte sur plus de cent cellules réparties sur au moins deux lames.
Les solutions utilisées sont :
Agarose N : 110 mg d’agarose type I-B Low EEO (Sigma A-0576) dans 10 mL de
tampon phosphate (DPBS, Sigma D-5652),
Agarose L : 110 mg d’agarose type IV Low Gelling (Sigma A-4018) dans 10 mL de
tampon phosphate (DPBS),
Bromure d’éthidium (Sigma E-8751) : dilution au dixième une solution mère de
bromure d’éthidium dont la concentration 20 µg/mL, avec de l’eau UHQ,
Solution électrophorèse : 300 mM de NaOH (Probablo 28.232.363) et 1 mM de
Na2EDTA (Probablo 20.302.180) dans 2 litres d’eau UHQ, conservation à 4 °C,
Solution de lyse : 2,5 M de NaCl (Sigma S-9625), 100 mM de Na2EDTA et 10mM de
Tris (Sigma T-1378) dans 356 mL d’eau UHQ, conservation à 4°C. le jour du test, ajout
de 1% de triton X 100 (Probablo 28.817.295) et de 10 % de DMSO (Sigma D-5879),
Solution Tris 0,4 M : 48,56 g de Tris avec 1 litre d’eau UHQ.
En raison de l'absence d'un consensus fort sur le "meilleur" paramètre de suivi, plusieurs
paramètres de mesure ont été collectés, parmi eux on peut citer :
la longueur de la comète, paramètre le plus anciennement retenu, car le plus intuitif,
30
la mesure de l’intensité de la fluorescence au niveau de la tête ou de la queue de la
comète, qui représente en fait la quantité d’ADN présente dans chacune de ces
régions,
le moment de la comète, paramètre qui combine les informations sur la longueur et les
niveaux de fluorescence. C'est ce dernier paramètre qui sera utilisé pour la
présentation des résultats (IV- Élaboration du protocole analytique et validation des
mesures).
IV.1- Élaboration de la séquence analytique suivie par les filtres échantillonnés
Dans le protocole initial, il était prévu que chaque filtre subisse l’ensemble des
analyses. Or dès le début de l’étude pilote, il est apparu que l’analyse des filtres par la
méthode PIXE entraînait une perte par volatilisation des HAP lors de la mise sous vide
nécessairement opérée. Il alors été envisagé de couper le filtre en 2, pour que l’une moitié
serve en analyse des métaux et l’autre à l’extraction des composés organiques. Cela ne fut pas
possible à cause du manque de rigidité du filtre une fois la membrane périphérique rompue.
C’est pourquoi il a été décidé de faire suivre deux voies analytiques distinctes aux
filtres prélevés, respectivement, les filtres de particules PM2.5 et PM10, tout en ménageant une
part de comparaison des teneurs en métaux et HAP de ces 2 fractions granulométriques sur
des filtres appariés (même sujet), selon la séquence suivante :
pesée et mesure de la réflectance à l’INERIS
analyse des éléments minéraux par PIXE sur une partie des filtres
extraction des composés organiques des autres filtres :
o analyse des HAP sur une moitié de l’extrait
o étude de la génotoxicité sur l’autre moitié.
Dans chaque site ont été inclus 30 enfants (45 à Paris) et autant d’adultes volontaires,
qui ont été explorés au cours de deux saisons (une dite «hiver» de janvier à mars, l’autre «été»
de mai à début juillet). Le dispositif de prélèvement des particules a donné, pour chaque sujet
et pour chaque saison, un filtre de PM2.5 et un filtre de PM10, un badge NO2 et un tube pour la
mesure des BTX. Ce qui a donné un total de 420 filtres PM2.5 et autant de PM10 (540 si l’on
31
considère les filtres issus de l’étude pilote à Grenoble), qui ont été répartis3 de la manière
présentée dans la figure 3.
540 filtres PM2.5 540 filtres PM10
INERIS pesées / FN pesées / FN
Extraction (415 filtres) Extraction (125 filtres)
Culot + 1mL Surnageant Culot + 1mL Surnageant
HAP HAP
NANCY Genotox Genotox
BORDEAUX Métaux (125 filtres) Métaux (415 filtres)
Figure 3 : Séquence analytique suivie par les filtres PM2.5 et PM10.
Ainsi 415 filtres PM2.5 et autant de PM10 ont suivis leur circuit complet mais distinct,
les premiers vers les HAP et le test de genotoxicité, les seconds vers les métaux. Les HAP
sont en effet connus pour être véhiculés par les particules les plus fines tandis que les métaux
le sont par les fractions les plus grosses (Harrison et Jones 1995, Areskoug 2000).
En dérivant 125 filtres (10 à 15 enfants / 10 à 15 adultes, choisis de telle sorte qu’ils
présentent des masses de particules déposées contrastées) de chaque fraction granulométrique
vers le circuit complémentaire, nous nous sommes ainsi assurés de pouvoir analyser la
correspondance entre teneurs en HAP et métaux des filtres appariés, avec l’hypothèse de
pouvoir extrapoler les résultats obtenus sur la série complète.
3 Alors que la répartition entre filtres destinés aux analyses minérales et organiques a été de 50/10 (et
inversement, selon qu’il s’agit de PM2.5 ou de PM10) pour la première phase de l’étude pilote, elle sera de 45/15
(et inversement) à partir de la seconde phase et pour les autres villes (70/20 à Paris), afin de faciliter l’étude des
corrélations.32
Tous les badges à diffusion passive NO2 et BTX ont été analysés à l’exception des
tubes BTX de la saison estivale rouennaise suite à un problème de montage des dispositifs.
Cela représente un total 120 pour une ville -180 pour Paris -, soit 540 badges NO2 et 480
tubes BTX pour les 4 villes.
IV.2- Tests de la variabilité des teneurs en HAP en fonction de la température de conservation des filtres téflon (INERIS)
Ces tests, réalisés au cours du printemps 2001 à Grenoble, avaient pour objectif de
déterminer s’il était nécessaire de conserver les échantillons à – 20 °C ou si la conservation à
+ 4 °C permettait de conserver les HAP réputés volatils.
Ils ont été réalisés sur 4 séries de doublons obtenus en condition de terrain. Les
résultats ne mettent pas en évidence de différences significatives entre les échantillons.
Cependant, il a été convenu par précaution, de stocker les filtres prélevés à – 20°C et
d’assurer une température de + 4 °C pendant les transports d’échantillons.
IV.3- Tests de la résistance des cellules utilisées lors des tests génotoxiques aux solvants d’extraction des HAP (INSERM Equipe [EP]2R)
Les essais de tests de comètes réalisés sur des échantillons obtenus en conditions
réelles extraits par l’acétonitrile ont montré une mortalité des cellules testées. La reprise de
l’extrait par DMSO, tel qu’appliqué actuellement dans le protocole, permet de réduire le
caractère clastogène de l’acétonitrile.
IV.4-Inter comparaison Chempass / Partisol
Une campagne d’inter comparaison entre le Chempass et la méthode de référence
gravimétrique (Partisol) a été mise en place par l’INERIS au cours de l’année 2002 sur le site
de Gennevilliers en région parisienne (également retenu comme site pour l’étude Genotox’er).
Les mesures sur site ont été menées au cours de deux périodes l’une en hiver (du 6
février au 29 mars 2002) et l’autre en été (du 6 juillet au 2 septembre 2002). Les essais ont
consisté à comparer les concentrations gravimétriques PM10 et PM2.5 obtenues à partir du
Chempass 3400 et du Partisol (retenu comme échantillonneur de référence pour la mesure
33
gravimétrique des PM10 et PM2.5). La durée d’échantillonnage a été fixée à 48 heures, elle
correspond à la durée des mesures retenues dans le cadre de l’étude Genotox’ER.
Le Partisol est un échantillonneur d’air développé par Rupprecht & Patashnick. Le
système Partisol consiste en un échantillonneur d’air autonome équipé d’un porte-filtre de 47
mm, d’une pompe de prélèvement régulée en débit, d’une tête de prélèvement, d’un
programmateur à microprocesseur et d’une acquisition de données. Il permet la mesure de la
concentration en particules présentes dans l’air ambiant selon la mesure gravimétrique.
V- Analyse des relations entre air ambiant urbain et exposition personnelle
Les réseaux concernés par l’étude ont mis en place, avec le soutien financier de
l’ADEME, les équipements nécessaires à la mesure, pour les dates correspondantes aux
enquêtes, des valeurs des concentrations dans l’air ambiant des polluants qui nous intéressent
dans les différents secteurs d’étude. Deux approches d’analyse statistique de ces données ont
été suivies :
la première recourant aux outils des réseaux de neurones, dans le cadre d’une
collaboration avec le LISA (Laboratoire Inter Universitaire des Systèmes
Atmosphériques) de l’Université Paris XII,
la deuxième utilisant des méthodes de régression classiques et d’analyse
multifactorielle.
V.1 - Analyse par régression classique et multifactorielle
Ce travail fait l’objet d’une analyse et d’un article présenté au paragraphe V.2 du
chapitre Résultats. Son objectif était d’analyser les relations entre les niveaux ambiants et les
expositions personnelles en fonction des différents sites ayant participé à l’étude. Pour cette
analyse par régression linéaire multiple, nous avons utilisé une variable quantitative
correspondant au différentiel entre le niveau ambiant local ou de fond et l’exposition
individuelle respectivement aux PM2.5, PM10 et NO2 calculé pour chacun des individus.
Nous avons ainsi créé une variable spécifique par polluant (nommée delta) qui mesure
pour chaque sujet la différence entre la concentration ambiante moyenne pendant 48 heures et
l’exposition personnelle sur la même période de temps, pour un polluant donné. Cette variable
a été intégrée en tant que variable Y expliquée dans un modèle de régression linéaire multiple
où les variables explicatives transformées en variables catégorielles (« dummy » variables)
34
renseignent les items suivants : l’agglomération (Grenoble, Rouen, Ile de France ou
Strasbourg), la zone urbaine (fond, proximité ou industrielle), la saison (hiver ou été), et l’âge
(enfant ou adulte).
Chaque sujet est classé comme vivant, respectivement, au centre ville, dans les
secteurs industriel ou de fond, une première variable delta a été étudiée (∆1) ; elle correspond
à la différence entre le niveau ambiant local du secteur et l’exposition personnelle. Or, dans la
plupart des études épidémiologiques sur les effets de la pollution de l’air, l'exposition de la
population est estimée en utilisant le niveau de fond urbain. Pour cette raison, une seconde
variable delta a été construite (∆2) ; elle correspond à la différence entre le niveau ambiant
mesuré par le capteur de fond et l’exposition personnelle du sujet peu importe son secteur
d’affectation.
VI- Estimation de l’exposition des volontaires au trafic automobile par
l’indice ExTra
Cette partie du travail présente deux intérêts. Le premier est de permettre de modéliser
l’exposition aux oxydes d’azote aux domiciles des volontaires. Le résultat est en effet exprimé
sous la forme d’un indice d’exposition au trafic automobile prenant en compte les
caractéristiques du lieu d’habitation et du lieu de travail ou école. Le deuxième intérêt réside
dans l’analyse des relations entre cet indice, les fumées noires (mesure de l’opacimétrie) et les
teneurs en PM.
L’exposition des sujets à la pollution automobile a été estimée en utilisant le logiciel
ExTra conçu par le CSTB et l’INRETS (Sacré et coll 1995). Il estime les concentrations
ambiantes en façade des bâtiments des polluants liés au trafic local (pollution due aux
échappements de voiture) comme les oxydes d'azote (NOx), l'oxyde de carbone (CO) ou les
hydrocarbures volatils. Il intègre un modèle de dispersion pour les rues canyon (Modèle
OSPM : Operational Street Pollution Model) décrit par Hertel et Berkowicz (1989). Les
prédictions du modèle ExTra pour les concentrations de NOx ont été évaluées dans une étude
réalisée entre 1998 et 2001 dans quatre villes françaises (Reungoat et coll 2001, Reungoat et
coll 2003), deux d'entre elles étant communes aux villes participant également à Genotox’er
(Paris et Grenoble). Lors de cette validation, les concentrations de NOx mesurées pendant plus
de 6 semaines par des échantillonneurs passifs ont été comparées avec les concentrations
35
calculées par ExTra. Les valeurs étaient fortement corrélées (r de 0.99 à 0.95) et ont montré
des coefficients de corrélation très bons à l’intérieur des classes (de 0.86 à 0.90).
Le calcul de l’indice ExTra tient compte des émissions du trafic de proximité et des
niveaux ambiants de fond. Les concentrations calculées des polluants intègrent deux
composantes : une composante régionale correspondant à la pollution de fond, et une
composante locale due aux émissions du trafic très localement autour du bâtiment. La
pollution locale est modélisée en fonction des émissions du trafic de proximité, des
caractéristiques topographiques du site et de la rose des vents locale. Les informations
collectées sont très précises notamment concernant la topographie locale de bâtiment et de
rue, pour les lieux d’habitation et de travail ou d’école. Le logiciel intègre également le temps
passé dans chacun de ces deux microenvironnements, paramètre issu des carnets Budget
Espace Temps. Des données sur la densité du trafic (rue de l’adresse et rue communicante la
plus importante dans les 50 mètres) ont été également collectées à partir des dossiers de
statistiques du trafic des municipalités ou des Associations de Surveillance de la Qualité de
l’Air (ASQA) locales. Les niveaux ambiants de la pollution de fond ont été fournis par les
réseaux locaux de surveillance de la qualité de l’air.
VII- Développement d’un outil SIG pour la transposition des expositions
des populations explorées aux populations urbaines
L’intérêt de développer un outil tel qu’un Système d’Information Géographique (SIG)
est de permettre de transposer des mesures réalisées auprès de petits groupes de sujets à un
ensemble de populations beaucoup plus vaste. Ce travail nécessite plusieurs conditions. La
première est une bonne représentativité des populations étudiées dans le projet. Les
hypothèses qui ont servi à construire le protocole de l’étude Genotox’ER, reposent en
particulier sur l’hétérogénéité des expositions des individus aux polluants mesurés, en
fonction des profils de pollution des secteurs intra urbain. C’est pourquoi, il est nécessaire,
pour sélectionner les secteurss d’habitat (à des fins d’extrapolation), de reproduire les mêmes
approches de sectorisation que celles qui ont servi à déterminer les secteurs de recrutement
des volontaires. Ainsi des secteurs géographiques plus vastes ont été déterminées en fonction
de la proximité de sources polluantes externes, en particulier la proximité de routes à grande
circulation et de zones industrielles polluantes.
36
Aussi a été développé un SIG grâce au concours d’Adeline Maulpoix, responsable du
SIG au Département Santé Environnement de l’Institut de Veille Sanitaire, et de la société
Géocible (Patrick Desqueyroux). Le logiciel utilisé est Geoconcept®. L’objectif de ce travail
était donc de sectoriser une unité urbaine selon les 3 grandes catégories définies par les
hypothèses de l’étude, à savoir un secteur plus exposé au trafic automobile, un secteur de fond
urbain sans source de pollution particulière et une zone plus impactée par des activités
industrielles. Ce travail a nécessité un recueil préalable de données sur les 4 agglomérations
ayant participé à l’étude. Ces données concernent respectivement les réseaux et trafic routiers,
les configurations industrielles, et la population.
Pour les différentes agglomérations, l’analyse a été effectuée sur l’unité urbaine
(définition des unités urbaines selon le recensement général de la population de 1999). Une
analyse particulière a été mise en place pour la région parisienne qui a été étudiée à la fois
dans son ensemble par département, et également spécifiquement sur l’unité urbaine de Paris.
L’unité d’analyse la plus fine est l’îlot INSEE (source Recensement Général de la Population
de 1999) disponible sur les villes les plus importantes. L’îlot est l’unité de base du
recensement et permet d’obtenir des comptages de la population par âge. Les communes non
disponibles selon le découpage îlot sont prises en compte en entier (l’îlot est alors considéré
comme égal à la commune). Ces communes sont relativement étendues et ont un effet visuel
important sur les cartes, mais plus restreint en terme de population.
VII.1 Sélection des secteurs géographiques de proximité au trafic
L’impact de la pollution due au trafic a été déterminé aux secteurs situés à moins de 100
m d’un axe routier présentant un trafic supérieur à 10 000 véhicules/jour. Les procédures de
collecte de données pour la détermination des zones de proximité au trafic automobile ont été
différentes selon les sites en fonction de la disponibilité des informations. A Strasbourg et
Grenoble, nous avons obtenu directement l’identification des îlots INSEE situés à moins de
100 m du réseau (espace qualifié de « zone tampon ») avec un trafic de plus de 10 000
véhicules/jour grâce au concours des Associations de Surveillance de la Qualité de l’Air
(ASQA) qui disposent d’une cartographie du réseau routier sous format SIG. En Ile de France
via Airparif, nous avons obtenu les coordonnées des zones tampons de 100 m autour du
réseau avec un trafic de plus de 10 000 véhicules/jour, ce qui a permis d’identifier les îlots
situés dans ces zones. A Rouen, le travail a été effectué à partir d’une carte visualisant le
37
réseau routier en fonction du trafic, fournie par le Centre d’Études Techniques de
l’Équipement (CETE) ; cette carte a été digitalisée sur les fonds de plan îlots.
VII.2 Sélection des secteurs géographiques à caractère industriel
L’impact de la pollution industrielle a été déterminé par la proximité d’une source
industrielle de l’un des 3 indicateurs suivants des émissions industrielles, telles que déclarées
à l’administration (DRIRE) par les établissements dans le cadre des obligations fixées par le
système européen EPER4 (European Pollutant Emission Register) : les NOx, les COV et les
PST (Poussières Totales en Suspension). Afin de tenir compte de l’intensité de l’émission, qui
tend à élargir la zone de retombées des polluants émis, nous avons déterminé des rayons
différents selon le niveau d’émission déclaré. Les données industrielles utilisées
correspondent aux déclarations faites aux DRIRE respectives par chaque entreprise locale,
selon les règles de la législation européenne (le seuil de déclaration est de 150 t/an pour tous
les polluants considérés ici, signifiant qu’une émission inférieure à ce niveau n’a pas
d’obligation de déclaration). A partir des différents fichiers provenant des déclarations à la
DRIRE, les terciles des niveaux d’émission sur l’ensemble des agglomérations ont servi à
déterminer les rayons des cercles (tableau 1) ; tout îlot INSEE présent en tout ou partie dans
les cercles ainsi déterminés est considéré comme étant dans la zone de retombée des
émissions polluantes. Le calage des rayons a été fait au vu des données observées sur
Strasbourg à dire d’experts par les responsables des ASQA locales.
Tableau 1 : Dimension des rayons définissant les zones industrielles en fonction des émissions déclarées aux DRIRE par les industriels
Polluant Minimum
en Kg/an
Maximum
en Kg/an
Rayon
en m
NOX 150 000 400 000 500400 000 1 000 000 2 000
1 000 000 99 999 9999 3 000COV 150 000 250 000 500
250 000 750 000 2 000750 000 99 999 9999 3 000
PST 150 000 300 000 500300 000 500 000 2 000500 000 99 9999 999 3 000
4 Ce dispositif est traduit en droit français par l’arrêté du 24 décembre 2002 relatif à la déclaration annuelle des émissions polluantes des installations classées soumises à autorisation (JO du 7 mars 2003)
38
Lorsqu’un îlot est sélectionné à la fois en proximité au trafic et en zone industrielle, sa
population est, par convention, affectée au secteur de proximité au trafic automobile.
VII.3 Sélection des secteurs de fond
Elles correspondent au rassemblement géographique de tous les îlots qui n’ont pas été
sélectionnés dans les deux catégories précédemment décrites.
VII.4 Synthèse des secteurs sélectionnés
Les secteurs ainsi sélectionnés sont représentés de manière cartographique selon les
libellés figurant au tableau 2. Ces cartes sont extraites du rapport intitulé « Détection des
types d’environnement : analyse sur quatre unités urbaines » réalisé en 2004 par la Société
Géocible. Les populations résidant dans les îlots ainsi identifiés, dont les effectifs sont
retrouvées dans les bases de données de l’INSEE, sont totalisées par secteur dans chaque
agglomération et constituent les populations exposées.
Tableau 2 : Libellé des secteurs
Top final Libellé
NN Ni trafic, ni pollution industrielle
NO Pollution industrielle seule
ON Trafic seul
OO Trafic et pollution industrielle
39
Catégories regroupées
= « trafic »
VII.4.1 Grenoble
On peut noter que seules les communes avec des îlots ont des données liées au trafic,
cette carte est non exploitable sur ces communes.
Figure 4 : Représentation cartographique des différents secteurs
Tableau 3 : Effectif des populations sélectionnéesUU_99 libellé_synthèse Population % population
38701 Ni trafic, ni pollution industrielle 196649 46,91%
38701 Pollution industrielle seule 49501 11,81%
38701 Trafic seul 164760 39,30%
38701 Trafic et pollution industrielle 8415 2,01%
40
VII.4.2 Région parisienne
Figure 5 : Représentation cartographique des différents secteursDept NN % NO % ON % OO % Total pop
75 257 381 12,11% 42 192 1,99% 1 650 450 77,66% 175 224 8,24% 2 125 247
77 714 949 59,89% 23 149 1,94% 409 516 34,31% 46 130 3,86% 1 193 744
78 808 708 59,75% 39 794 2,94% 461 498 34,10% 43 530 3,22% 1 353 530
91 841 305 74,19% 292 626 25,81% 12 0,00% 1 133 943
92 773 351 54,14% 25 867 1,81% 533 025 37,31% 96 226 6,74% 1 428 469
93 780 065 56,42% 39 379 2,85% 489 562 35,41% 73 618 5,32% 1 382 624
94 660 656 53,85% 98 432 8,02% 358 529 29,22% 109 194 8,90% 1 226 811
95 775 263 70,15% 19 406 1,76% 252 505 22,85% 57 953 5,24% 1 105 127
Total 5 611 678 51,25% 288 219 2,63% 4 447 711 40,62% 601 887 5,50% 10 949 495
Tableau 4 : Effectif des populations sélectionnées au sein de la région parisienneDept NN % NO % ON % OO % Pop total
75 257381 12,11% 42192 1,99% 1650450 77,66% 175224 8,24% 2125247
77 323519 65,19% 10966 2,21% 146945 29,61% 14853 2,99% 496283
78 698808 62,94% 37379 3,37% 356125 32,07% 17998 1,62% 1110310
91 723985 76,15% 0 0,00% 226739 23,85% 12 0,00% 950736
92 773351 54,14% 25867 1,81% 533025 37,31% 96226 6,74% 1428469
93 780065 56,42% 39379 2,85% 489562 35,41% 73618 5,32% 1382624
94 660656 53,85% 98432 8,02% 358529 29,22% 109194 8,90% 1226811
95 715146 77,61% 15028 1,63% 186314 20,22% 4988 0,54% 921476
Total 4 932 911 51,16% 269 243 2,79% 3 947 689 40,94% 492 113 5,10% 9 641 956
Tableau 5 : Effectif de populations sélectionnées au sein de l’Unité Urbaine
41
VII.4.3 Rouen
Figure 6 : Représentation cartographique des différents secteurs
Tableau 6 : Effectif des populations sélectionnéesUU_99 libellé_synthèse Population % population
76702 Ni trafic, ni pollution industrielle 148740 38,14%
76702 Pollution industrielle seule 70657 18,12%
76702 Trafic seul 124375 31,90%
76702 Trafic et pollution industrielle 45057 11,55%
42
VII.4.4 Strasbourg
On peut noter que seules les communes avec des îlots ont des données liées au trafic,
cette carte est non exploitable sur ces communes.
Figure 7 : Représentation cartographique des différents secteurs
Tableau 7 : Effectif des populations sélectionnéesUU_99 libellé_synthèse Population % population
67701 Ni trafic, ni pollution industrielle 140209 32,84%
67701 Pollution industrielle seule 22616 5,30%
67701 Trafic seul 249124 58,35%
67701 Trafic et pollution industrielle 15054 3,53%
43
VIII- Approches pour l'évaluation du risque de cancer
L’ensemble des informations collectées dans ce travail aux multiples dimensions est
intégré pour servir à la caractérisation du risque de cancer. L’exposition ainsi caractérisée, le
risque et l’impact sont estimés en introduisant, pour les différentes substances identifiées, les
valeurs de risque unitaire issues, selon les cas, de travaux épidémiologiques ou publiées dans
certaines bases de données (notamment la base IRIS de l’US-EPA) à partir de données
épidémiologiques humaines ou, s’il y a lieu, des données toxicologiques sur modèle animal.
Ce travail permet la comparaison du risque ainsi estimé selon le type d’environnement urbain,
dans 4 grandes agglomérations urbaines.
L’évaluation qualitative et quantitative du risque est réalisée dans un 1er temps en
terme d’estimation de « l’Excès du Risque Individuel » (ERI, c'est-à-dire du surcroît de risque
par rapport « au bruit de fond » du fait de l’exposition spécifique considérée) pour les
échantillons ayant fait l’objet des études personnelles d’exposition (sous l’hypothèse, qui sera
faite ici, d’une situation représentative d’une longue période). Dans un 2ème temps, l’impact
sanitaire est évalué à l’échelle de plus vastes populations urbaines en France, en estimant les
données d’exposition par extrapolation de celles mesurées auprès des différents groupes de
volontaires (sous l’hypothèse d’une bonne représentativité des populations étudiées dans le
projet). Cette analyse, appliquée au cas des particules, fait l’objet d’un article présenté au
paragraphe VI.1 du chapitre Résultats.
VIII.1.1- Les particules : identification des dangers et choix des relations dose-réponse
L’effet étudié ici est la mortalité par cancer du poumon (CIM9 : code 162) liée à l’exposition
chronique aux particules fines. Le modèle de relation dose-réponse choisi est celui du Risque
Relatif (RR) établi dans le cadre de l’étude épidémiologique de cohorte de Pope et coll (2002)
dont le suivi a été assuré pendant 16 ans (remise à jour de l’étude de l’ACS aux Etats-Unis
[Pope et coll 1995]). L’étude de Pope, mais aussi celles de Nyberg et coll (2000) et Nafstad et
coll (2003), précédemment citées pour leurs résultats majeurs et innovants dans le cadre de
l’étude de la relation entre exposition chronique à la pollution atmosphérique urbaine et
cancer du poumon, sont résumées dans les tableaux 8, 9 et 10 extraits du rapport de l’AFSSE
(2004) sur l’impact sanitaire de la pollution atmosphérique urbaine.
44
Référence Contexte et objectif
SubstancesEt Cibles
Effets Méthode Facteurs d’ajustement
Résultats
Pope et al., 2002
- métropoles US- étude de cohorte prospective
- Question : relation entre exposition à long terme aux particules fines et mortalité totale, par cancer du poumon et cardiovasculaire ?
- Durée d’exposition : 16 ans (1982-1998)
PM2,5
PM10
PM15
PM15-2.5
Particules totales en suspensionSO2
NO2
SulfateCOOzone
Adultes > 30 ans
Mortalité- totale - cancer du poumon- cardiopulmonaire- autres causes
Données d’entrée :- étude de mortalité prospective de la Société Américaine de lutte contre le cancer : participants recrutés en 1982, nombre et causes de décès inventoriés entre 1984 et 1998.- Compilation des concentrations moyennes journalières dans l’air (sauf ozone : maximum horaire journalier), 1 à 2 ans avant l’année de sélection des participants, dans les métropoles de résidence : bases de données reposant sur les réseaux de surveillance, reconstruction des données manquantes - Plusieurs indices possibles par substances, en fonction du type de données disponibles pour un intervalle de temps t (entre 1979 et 2000). Analyse :- Modèle de survie de Cox étendu à l’intégration d’un facteur d’effet aléatoire spatial.
Données de sortie :- Exposition moyenne à long terme- RR ajustés et IC95%
- âge- sexe- race- tabagisme- niveau d’éducation- statut marital- indice de masse corporelle- consommation d’alcool- régime alimentaire- exposition professionnelle
PM2,5 : résultats détaillés
Exposition = variable continue ( 10 µg/m3)Indice utilisé : moyenne PM2,5 période 1979-1983 (21,1 µg/m 3 ) - Mortalité totaleRR = 1,04 [1,01 – 1,08]- Mortalité cardiopulmonaireRR = 1,06 [1,02 – 1,10]- Mortalité par cancer du poumonRR = 1,08 [1,01 – 1,16] associations significatives
- Mortalité autres causesRR = 1,01 [0,97 – 1,05] – NS
Autres polluants :
Exposition = concentrations moyennes pondérées par individu
- associations significatives pour PM2,5
(sauf avec mortalité autres causes) ; sulfates et SO2, (pour toutes les causes de mortalité étudiées).
- pour les autres substances : association très faible ou NS.
Points de conclusion majeurs : 1- L’étude démontre des associations entre la pollution de l’air par les particules fines et des risques élevés de mortalité cardiopulmonaire et par cancer du poumon. Chaque augmentation de 10 µg/m3 des concentrations ambiantes moyennes à long terme est associée à une augmentation minimale (selon l’indice d’exposition utilisé) du risque de 4%, 6% et 8% pour la mortalité totale, cardiopulmonaire et par cancer du poumon, respectivement. 2- Les particules plus grosses et les polluants gazeux, à l’exception du SO2, ne sont généralement pas associés à des risques élevés de mortalité.
Tableau 8 : Synthèse de l’étude de Pope et al. (2002)
45
Référence Contexte et objectif
SubstancesEt Cibles
Effets Méthode Facteurs d'ajustement
Résultats
Nyberg et al., 2000
- urbain (Stockholm)- étude rétrospective
- Question : association possible entre cancer du poumon et PA urbaine ?
- Durée d'exposition: - moyennée sur les 30 ans précédent l'année de sélection des individus- moyennée sur les 10 premières années, 20 ans avant l'année de sélection
NOx/NO2 (marqueur du trafic)SO2 (marqueur du chauffage résidentiel)
hommes40-75 anspas plus de 5 ans d'absence de Stockholm entre 1950 et 1990
cancer du poumon Données d'entrée : - nombre de cas de cancer entre 1985 et 1990 parmi les résidents stables de Stockholm ; 2 groupes témoins- questionnaires : mode et lieu de vie, environnement - création de 3 bases de données d'émission rétrospectives (années 60, 70 et 80) par substance source-spécifique
Analyse : - moyennes annuelles des concentrations sources-spécifiques dans l'air obtenues via des modèles de dispersion- niveaux annuels compilés pour chaque année entre 1950 et 1990 par extrapolation linéaire et interpolation des valeurs des bases de données rétrospectives- techniques SIG : géocodage des adresses des participants en lien avec les données de PA- régression logistique inconditionnelle
Données de sortie : - Expositions moyennes annuelles pondérées par le temps- RR ajustés et IC95%
- âge- année de sélection (1985 à 1990)- expositions professionnelles- radon- tabagisme- statut socio-économique
NO2 :Exposition attribuable au trafic moyennée sur 30 ans (moy=20 µg/m3): - Pour P90 >= 30,55 µg/m3 RR = 1,2 [0,8-1,6] - NS- Pour variable continue : 10 µg/m3
RR = 1,05 [0,9 - 1,2]
Exposition attribuable au trafic moyennée sur 10 ans, avec un temps de latence de 20 ans: - Pour P90 >= 29,26 µg/m3
RR = 1,4 [1,0-2,0] +++- Pour variable continue : 10 µg/m3
RR = 1,1 [0,97 - 1,2]
SO2 :Exposition attribuable au chauffage moyennée sur 30 ans (moy=53 µg/m3): - Pour P90 >= 78,20 µg/m3 RR = 1 [0,7-1,4] - NS- Pour variable continue : 10 µg/m3
RR = 1 [0,96 - 1,05]
Exposition attribuable au chauffage moyennée sur 10 ans, avec un temps de latence de 20 ans: - P90 >= 129,10 µg/m3
RR = 1,2 [0,9-1,7] - NS- variable continue : 10 µg/m3
RR = 1,01 [0,98 - 1,03]
Points de conclusion majeurs : 1- Les résultats indiquent que la pollution atmosphérique urbaine augmente le risque de cancer du poumon et que les émissions liées au trafic routier pourraient être particulièrement importantes (relation dose-réponse claire pour le NO2 attribuable au trafic lorsque une latence de 20 ans est intégrée entre exposition et effet - en particulier pour le dernier décile). 2- L'utilisation des données des réseaux de surveillance pourrait impliquer une mis-classification non différentielle importante de l'exposition, en particulier pour les polluants gazeux pour lesquels la variation locale des émissions produirait des variations importantes des niveaux d'exposition, d'où l'importance de tenir compte des contributions sources-spécifiques. 3- Les émissions de NOx/NO2 attribuables au trafic pourraient constituer une bonne approximation pour d'autres composés émis par le trafic routier comme les particules. 4- Un calcul de risque attribuable à la pollution atmosphérique liée au trafic, basé sur une exposition ayant lieu 20 ans plus tôt et supérieure au P25, suggère que la proportion de cancer du poumon (parmi les hommes fumeurs et non fumeurs, âgés de 40 à 75 ans et résidant à Stockholm) pourrait être de 10%.Tableau 9: Synthèse de l’étude de Nyberg et al. (2000)
46
Référence Contexte et objectif
SubstancesEt Cibles
Effets Méthode Facteurs d'ajustement
Résultats
Nafstad et al, 2003
- urbain (Oslo)- étude de cohorte
- Question : association entre cancer du poumon et PA urbaine ?
- Durée d’exposition :- Moyennée sur les 5 premières années du suivi sanitaire (1974-1978) qui se termine en 1998
NOx (marqueur du trafic)SO2 (marqueur du chauffage)
Hommes (16 209)40-49 ans
Cancer du poumon Données d’entrée :- recrutement sur la base d’un questionnaire à partir d’une étude de suivi des maladies cardiovasculaires en 1972/73 - informations du registre du cancer norvégien pour tous cancers et cancers du poumon entre 1974 et 1998- registre national des populations : mise à jour des adresses- concentrations moyennes annuelles des polluants dans l’air : Institut de Recherche sur l’air norvégien
Analyse :- géocodage des adresses- estimation des concentrations annuelles des polluants dans l’air à chaque adresse de 1974 à 1998. Pour SO2 : modélisations, concentrations ambiantes et émissions disponibles pour partie; pour NOx : concentrations ambiantes non disponibles, estimations à partir des concentrations en SO2 et des émissions de NOx- Modèle de Cox
Données de sortie :-Taux d’incidence des cancers dans la population étudiée sur la période de suivi- Niveaux moyens médians d’exposition sur 5 ans- RR ajustés et IC95% pour une augmentation de 10 µg/m3 de polluant dans l’air
- âge- tabagisme- éducation- activité physique- emploi/activité- poids- taille
Taux d’incidence de cancer du poumon6,77 [6,50-7,04]IC95%/1000/an
NOx :
Niveau moyen médian d’exposition sur les5 premières années :- 10,7 [0,7-168,3] IC95% µg/m3
- Pour exposition > 30 µg/m3
RR = 1,36 [1,01-1,83]-S- Pour variable continue : 10 µg/m3
RR = 1,08 [1,02-1,15]IC95%-S
SO2 :Pas d’association
Points de conclusion majeurs : Il est invraisemblable que l’exposition aux NOx et SO2 urbains dans les concentrations estimées puisse intrinsèquement être la cause du cancer. Ces agents doivent être considérés comme des indicateurs de la pollution de l’air urbaine. Ces résultats ne sont donc pas incohérents avec ceux trouvés dans d’autres études de cohorte montrant des associations entre la pollution particulaire et le cancer du poumon (dont référence à Pope, 2002). Les niveaux de NOx pourraient en fait indiquer l’exposition aux particules, aux cancérogènes ou aux cancérogènes adsorbés sur les particules. La principale source de NOx à Oslo étant les émissions des véhicules, les résultats sont donc en faveur d’une relation entre pollution de l’air liée au trafic et accroissement du risque de développer un cancer du poumon.
Tableau 10 : Synthèse de l’étude de Nafstad et al (2003)
47
La transposition des RR de Pope (tableaux 11) au contexte urbain français requiert un
certain nombre de précautions. En particulier, la population considérée est celle des adultes de plus
de 30 ans. Les intervalles de risque sont présentés dans l’article de Pope et coll (2002) pour des
estimations d’exposition correspondant à deux périodes : la première période de l’étude correspond
au suivi de la cohorte ACS pendant les années 1979-1983 ; la 2ème période correspond aux années
1999-2000. Ce même article présente ainsi, pour l’ensemble des sujets de 30 ans et plus, des RR
calculés sur la base de la moyenne des teneurs au cours des deux périodes d’étude (1979-1983 et
1999-2000). Les résultats présentés dans la suite de ce rapport sont établis sur les RR issus des
valeurs d’exposition de la première période d’étude. Nous faisons donc l’hypothèse que les niveaux
d’exposition mesurés auprès des volontaires ont été constants au cours des 16 dernières années,
correspondant au nombre d’année de suivi de la cohorte de l’ACS. Il est par ailleurs précisé dans
l’article de Pope que les RR des concentrations en PM2,5 sont statistiquement similaires, que les
estimations soient basées sur les mesures des expositions correspondant au début de la période,
juste après la fin de la période d’étude ou sur la moyenne des deux périodes.
Tableau 11 : Risques Relatifs ajustés (RR) pour le cancer du poumon associés à un changement de concentration de 10 µg/m3 de PM2.5
RR ajusté (intervalle de confiance à 95 %)
Périodes1979-1983 1999-2000 Moyenne des 2 périodes
1,08 (1,01-1,16) 1,13 (1,04-1,22) 1,14 (1,04-1,23)
VIII.1.2- Population d’étude et estimation de son exposition
L’ensemble de l’exercice ne concerne que la population urbaine de plus de 30 ans.
L’évaluation du risque ne se fera donc que pour les volontaires adultes. Les données du
recensement INSEE de 1999 permettent de plus de caractériser cette population par âge et par sexe,
pour l’ensemble des zones géographiques retenues par transposition d’après l’approche décrite au
chapitre VII.
Les niveaux moyens des expositions personnelles de chaque secteur ne sont pas ceux
directement calculés par agglomération et secteur, mais ont été estimés par le biais des résultats
48
d’un modèle de régression linéaire multiple intégrant l’ensemble des données, et dont l’expression
est la suivante :
Expositions personnelles moyennes = β1 ville + β2 secteur + β3 âge + β3 ville*secteur
+ constante
Ce modèle permet d’ajuster les expositions moyennes sur un certain nombre de paramètres
connus dans nos différentes populations, et donc, en prenant en compte l’ensemble des données
collectées, de stabiliser les estimations. Les expositions auraient du être moyennées sur 16 ans afin
de reproduire la fenêtre d’exposition de la cohorte ACS. Ne disposant pas d’un tel recul sur les
données, nous faisons l’hypothèse que les expositions modélisées représentent celles du passé.
VIII.1.3- Caractérisation du risque en terme de décès attribuables aux particules fines
L’objectif est de calculer le nombre annuel de décès par cancer du poumon attribuables à
l’exposition chronique aux particules fines.
La méthode de calcul détaillée suivie dans cette étude reprend celle pise en œuvre dans un
rapport récent de l’AFSSE (AFSSE 2004). La fréquence PE de l’effet étudié observée à une
exposition E moyenne connue sur une agglomération a été calculée à partir des données de
mortalité de 1999 fournies par l’INSERM. Ces données ne sont pas disponibles à l’échelle des IRIS
et des Ilots INSEE pour des raisons d’anonymat mais sous la forme de données agrégées par Unité
Urbaine. Nous avons donc utilisé les données de mortalité des 4 Unités Urbaines concernées par
l’étude (Grenoble (Code INSEE = 38 701), Paris (Code INSEE = 851), Rouen (Code INSEE=76
702) et Strasbourg (Code INSEE=67 701)).
Notre méthodologie est basée sur l’étude réalisée par Künzli et coll (1999, 2000), qui s’était
attachée à estimer l’impact de la pollution extérieure totale et attribuable au trafic sur la santé
publique en Autriche, France et Suisse. L’impact de la pollution est celui des concentrations dans
l’air qui sont supérieures à une exposition dite de « référence » (la lettre B – « base » - désigne cette
valeur) ; pour chaque zone d’étude est estimé un impact dû à l’écart entre la valeur moyenne
annuelle des expositions observées (valeur E – « exposition ») et cette référence B (figure 9). Il faut
alors choisir un niveau de référence correspondant à ce niveau d’exposition B. Künzli (1999, 2000) 49
avait justifié le choix de 7,5 µg/m3 pour les PM10 soit 4,5 µg/m3 converti en PM2,5, en se fondant sur
les valeurs observées en Europe dans des villes ou régions de faible pollution. Il est proposé ici,
pour apprécier l’influence du choix de ce niveau de base, de faire 2 scénarios, en faisant varier le
niveau de référence B de PM2,5 de 4,5 µg/m3 à 9 µg/m3.
Figure 8 : Estimation de la fréquence de base P0 à partir de la fréquence observée PE
Est ainsi calculé, pour chaque zone géographique intégrée à l’étude, le nombre annuel de
décès par cancer du poumon attribuables à l’excès de pollution pendant 16 années (correspondant à
la période de suivie de la cohorte ACS) par rapport aux hypothèses de niveau de référence.
D- RESULTATS
I- Validation de la mesure des particules
Une campagne d’inter comparaison entre le Chempass et la méthode de référence
gravimétrique (Partisol) a été mise en place par l’INERIS au cours de l’année 2002. Il s’agissait de
mettre en parallèle, en position fixe, les Chempass et des Partisol pendant 48 heures et de manières
répétées en deux saisons contrastées. Les principaux résultats de cette étude sont présentés ci-après
et font l’objet d’un article présenté soumis à la revue Atmospheric Environment.
RR : Risque Relatif extrait de l’étude de Pope et coll (2002)
PE : fréquence de l’effet étudié associée à
une exposition moyenne observée E
P0 : Fréquence de base de l’effet étudiée
associée à un niveau d’exposition B
considéré comme faible
PE
P0
ExpositionB E
Pente de la droite est égale à RR-1
Cas
attr
ibua
bles
50
Au total vingt mesures comparatives pour chaque campagne ont été réalisées entre le
Chempass et le Partisol. Un total de 160 filtres a été validé pour 184 programmés. Les résultats sont
illustrés aux figures 9 et 10 respectivement pour les PM10 et les PM2.5.
Figure 9 : Comparaison des concentrations en PM10 mesurées par le ChemPass et le Partisol
Figure 10 : Comparaison des concentrations en PM2.5 mesurées par le ChemPass et le Partisol
Nous pouvons constater que les concentrations mesurées par le Chempass (PM10 et PM2.5)
sont plus élevées que celles obtenues par le Partisol. L’analyse par régression linéaire pour les PM2.5
montre un biais positif pour le Chempass de plus de 28 %, il convient de noter également que la
constante est supérieure à 0.
y = 1,282 x + 0,588R2 = 0,96
N = 40
0
20
40
60
80
100
0 20 40 60 80 100PARTISOL (µg/m3)
Chem
Pass
TM (µ
g/m
3 )
wintersummer1:1 line regression lineLinéaire (winter)
y = 1,223 x + 2,271R2 = 0,96
N = 40
0
20
40
60
80
100
0 20 40 60 80 100PARTISOL (µg/m 3)
Che
mPa
ssTM
(µg/
m3 )
wintersummer1:1 lineregression lineLinéaire (winter)
51
Chempass PM10 = 1,282 Partisol + 0,588
Chempass PM2.5 = 1,223 Partisol + 2.271
Cependant, elle montre également une très bonne corrélation entre les deux échantillonneurs
(R² PM10 et PM2.5 = 0,96).
Une analyse statistique descriptive des différentes mesures est résumée dans le tableau 12.
Elle confirme bien les résultats présentés précédemment, les concentrations moyennes observées au
cours des deux campagnes sont plus fortes avec le Chempass (43,5 µg/m3 en hiver et 30,4 µg/m3 en
été) contre (33,4 µg/m3 et 23,4 µg/m3) pour le Partisol sur la fraction PM10. Le même constat peut
être fait sur la fraction PM2.5 (31,5 µg/m3 en hiver et 21,7 µg/m3 en été) avec le Chempass, contre
(24,1 µg/m3 et 15,6 µg/m3) pour le Partisol.
Tableau 12 : Analyse descriptive des concentrations en PM10 et PM2.5 mesurées par le Chempass et le Partisol pendant chaque période
HiverÉchantillonneur N Moyenne
(µg/m3)
Médiane
(µg/m3)
Ecart type
(µg/m3)
Min
(µg/m3)
Max
(µg/m3) (ET)
ChemPass PM10 20 43,5 32,8 24,3 14,2 94,1
1,3 (0,1)Partisol PM10 20 33,4 25,4 18,3 11,0 76,7
ChemPass PM2.5 20 31,5 22,6 21,1 8,8 77,2
1,3 (0,2)Partisol PM2.5 20 24,1 16,9 16,6 6,2 59,8
ÉtéChemPass PM10 20 30,4 27,6 9,7 16,8 53,8
1,3 (0,2)Partisol PM10 20 23,4 20,3 8,1 13,7 43,0
ChemPass PM2.5 20 21,7 21,0 8,2 9,2 36,8
1,4 (0,2)Partisol PM2.5 20 15,6 14,4 6,7 6,8 31,9
52
II- Description des populations ayant participé à Genotox’ER
Les tableaux 13 et 14 présentent les caractéristiques démographiques des différents groupes
de populations qui ont participé à l’étude. L’âge moyen est de 10,5 ans chez les enfants et 43,6 ans
chez les adultes. Il y a plus de garçons chez les enfants, tandis qu’il y a plus de femmes parmi les
volontaires adultes.
Tableau 13 : Démographie de la population des enfants selon l’agglomération et la saisonHIVER ETE
AgglomérationSecteur
urbainN.
Age
moyen
(écart
type)
Sex
ratio.N.
Age
moyen
(écart
type)
Sex
ratio.
Ile de France
Proximité 21 9,7 (1,6) 1,3 18 9,6 (1,3) 1
Fond 12 11,9 (1,3) 1,4 10 11,5 (1,1) 4
Industriel 11 10,7 (2,0) 2,6 9 10,9 (1,9) 2
Grenoble
Proximité 10 10,0 (2,0) 2,3 10 10,0 (2,0) 2,3
Fond 10 10,0 (2,5) 1 10 11,0 (2,1) 0,6
Industriel 8 12,1 (2,2) 1 9 12,1 (2,3) 1,2
Rouen
Proximité 10 10,0 (0) 0,3 10 10,0 (0) 1,2
Fond 9 10,2 (0,4) 1,5 5 10,2 (0,4) 1,5
Industriel 7 9,4 (0,5) 0,2 7 9,6 (0,5) 2,5
Strasbourg
Proximité 10 10,4 (1,0) 1,5 10 10,4 (1,0) 1,5
Fond 10 10,7 (0,7) 1,25 10 10,7 (0,7) 1,25
Industriel 10 9,9 (1,5) 0,83 10 9,9 (1,5) 0,83
53
Tableau 14 : Démographie de la population des adultes selon l’agglomération et la saisonHIVER ETE
AgglomérationSecteur
urbainN.
Age
moyen
(écart
type)
Sex
ratio.N.
Age
moyen
(écart
type)
Sex
ratio.
Paris
Proximité 22 47,7 (10,6) 0,3 19 47,2 (9,6) 0,3
Fond 11 42,4 (6,9) 0,2 11 43,3 (8,0) 0,2
Industriel 12 43,3 (10,0) 0,3 11 45,6 (9,1) 0,4
Grenoble
Proximité 9 48,3 (9,0) 0,1 10 48,7 (9,0) 0,1
Fond 10 41,7 (13,4) 1 9 41,9 (13,9) 1,2
Industriel 10 46,4 (11,0) 0,6 9 48,5 (8,7) 0,5
Rouen
Proximité 8 40,7 (6,9) 1,5 10 37,7 (9,2) 0,2
Fond 11 36,6 (12,8) 0,2 12 36,6 (12,8) 0,3
Industriel 9 43,8 (4,2) 1,2 9 43,7 (3,7) 0,23
Strasbourg
Proximité 10 42,6 (7,0) 0,28 10 42,6 (7,0) 0,28
Fond 10 40,8 (8,1) 0,11 10 40,8 (8,1) 0,11
Industriel 10 46,8 (13,0) 0,66 10 46,8 (13,0) 0,66
54
III- Analyse descriptive des expositions personnelles
Les résultats présentés ci après portent sur l’ensemble des données collectées dans les quatre
agglomérations et intègrent les deux saisons. Les 2 participations d’un même sujet sont considérées
comme indépendantes et traitées comme s’il s’agissait de sujets différents.
III.1- PM, absorbance, BTX et NO2
III.1.1- Analyse globale
Les tableaux 15 et 16 présentent une synthèse descriptive des expositions personnelles aux
différents polluants mesurés lors de l’ensemble des enquêtes (toute ville et saison confondues, tout
âge et secteur confondus). La moyenne des expositions personnelles est de 29 µg/m3 pour les PM2.5
et de 48 µg/m3 pour les PM10, ce qui correspond un ratio moyen PM2.5/PM10 de 0,61. Les
pourcentages d’absorbances associés aux PM sont sensiblement équivalents entre les deux fractions
granulométriques de l’ordre de 29 %. Les expositions moyennes au NO2 et au benzène sont
respectivement de 30,95 et 6,95 µg/m3. Il faut noter qu’une douzaine d’individus ont présenté des
niveaux d’exposition au benzène supérieurs à 20 µg/m3.
55
Tableau 15 : Statistiques descriptives des expositions personnelles aux particules PM 2.5 et PM10 (en µg/m3), des ratios PM2.5/PM10, et des pourcentages d’absorbances associées aux deux fractions granulométriques.
PolluantNombre
d’observations
Moyenne*en µg/m3
‡en pourcentageÉcart type Minimum Maximum
PM25 466 29,29* 15,80 5,54 94,62
PM10 466 48,16* 21,38 13,10 123,97
Ratio PM2.5/PM10 466 0,61 0,15 0,17 0,96
Absorbance PM25 466 29,13‡ 13,92 0 92
Absorbance PM10 466 28,54‡ 13,63 0 91
Tableau 16 : Statistiques descriptives des expositions personnelles au NO2 (en µg/m3) et aux BTX (µg/m3).
PolluantNombre
d’observations
Moyenne
en µg/m3Écart type Minimum Maximum
NO2 474 30,45 12,79 1 98
Benzène 415 6,95 4,88 0,70 36,3
Toluène 413 34,86 64,87 2,62 813,19
Ethylbenzène 310 5,14 6,60 0,72 65,85
m+p-xylène 412 16,98 23,42 1,23 233,23
o-xylène 412 6,21 9,20 0,70 130,51
Les histogrammes de distributions des expositions aux particules PM2.5 et PM10 exprimées en
µg/m3 semblent log normales, ainsi que la distribution des ratios PM2.5/PM10 alors que les
pourcentages de réflectance qui leur sont associés présentent une distribution de type plutôt
Gaussienne. Les expositions personnelles au NO2 et au benzène exprimées en µg/m3 suivent une
distribution log normale.
Les données obtenues pour le benzène feront l’objet d’une analyse statistique plus
développée pendant l’été dans le cadre d’une collaboration avec Norbert Gonzales-Flesca
56
(INERIS). Ce travail fera sans doute l’objet d’une publication ultérieure A revoir. La figure 11
permet de visualiser qu’une partie des individus explorés présentent des expositions personnelles au
benzène supérieures à la Valeur Guide (VG) de l’Union Européenne fixée à 5 µg/m3 pour l’air
extérieur (CE/2000/69). Environ 16 % des individus (autant d’enfants que d’adultes) présentent des
expositions moyennes supérieures à 2 fois la VG.
0.1
.2
0 10 20 30 40 0 10 20 30 40
adulte enf ant
Den
sity
benzeneGraphs by age
Figure 11 : Distribution des expositions au benzène en fonction des catégories d’âge.
Dans les analyses qui suivent par sous groupe, seules les concentrations du benzène sont
prises en compte (et pas celles des autres COV).
III.1.2- Analyse par agglomération
Les différences entre les niveaux d’expositions moyens observés dans les 4 agglomérations
sont significatives (p=0,0001) pour les PM2.5, les PM10, les absorbances associées, les ratio
PM2.5/PM10, le NO2 et le benzène. Les figures 12 à 15 représentent les différents niveaux
d’exposition selon l’agglomération pour les indicateurs mesurés auprès des volontaires. Les
expositions personnelles aux PM2.5 et PM10 sont sensiblement plus fortes à Strasbourg
(respectivement 47 et 68 µg/m3) que dans les 3 autres sites où elles sont plus homogènes (en
moyenne 25 et 43 µg/m3). Les absorbances les plus fortes associées aux PM sont observées à
Strasbourg (33 %) et en Ile de France (29 %). Les ratios sont plus élevés à Strasbourg (0,69) et 57
Grenoble (0,67). Les expositions personnelles au NO2 sont très légèrement plus fortes en Ile de
France (34 µg/m3) qu’ailleurs (de 25 à 32 µg/m3). Les expositions au benzène sont plus fortes à
Grenoble et Strasbourg (7,65 et 7,21 µg/m3) qu’en Ile de France et à Rouen (6,5 µg/m3).
050
100
150
Exp
ositi
ons
pers
onne
lles
en µ
g/m
3
Strasbourg Rouen Ile de France Grenoble
PM2.5 PM10
0
2040
60P
ourc
enta
ges
d'ab
sorb
ance
ass
ocié
eStrasbourg Rouen Ile de France Grenoble
Abs2.5 Abs10
Figure 12 : Expositions personnelles aux PM2.5 et PM10 (en µg/m3) et absorbances associées (en pourcentage) en fonction des agglomérations d’études tout secteur, catégorie d’âge et saison confondus
.2.4
.6.8
1R
atio
PM
2.5/
PM
10
Strasbourg Rouen Ile de France Grenoble
Figure 13 : Ratios PM2.5/PM10 en fonction des agglomérations tout secteur, catégorie d’âge et saison confondus
020
4060
8010
0E
xpos
ition
s pe
rson
nelle
s en
µg/
m3
Strasbourg Rouen Ile de France Grenoble
Figure 14 : Expositions personnelles au NO2 (en µg/m3) en fonction des agglomérations tout secteur, catégorie d’âge et saison confondus
58
05
1015
20co
ncen
tratio
ns e
n µg
/m3
grenoble ile de france rouen strasbourgexcludes outside values
Figure 15 : Expositions personnelles au benzène (en µg/m3) en fonction des agglomérations tout secteur, catégorie d’âge et saison confondus
III.1.3- Analyse par secteur
Aucune différence significative n’est observée entre les niveaux d’exposition personnelle
aux PM2.5 et PM10 des 3 secteurs (respectivement p=0,69 et p=0,11) en moyenne sur l’ensemble des
agglomérations. En revanche, les différences sont significatives pour les ratio PM2.5/PM10 (p=0,02),
les absorbances associées aux PM (p=0,0001), le NO2 (p=0,0001) et le benzène (p=0.0076). Les
figures 16 à 19 présentent le même type de données que précédemment en comparant les niveaux
entre secteurs toutes agglomérations confondues. On observe qu’il existe effectivement moins de
contraste entre les expositions personnelles exprimées en concentration volumique de PM qu’entre
les absorbances associées. Ces dernières sont plus fortes dans le secteur de proximité au trafic
automobile. Les ratios PM2.5/PM10 sont un peu plus forts en zone industrielle. Les expositions au
NO2 sont plus fortes dans le secteur de proximité au trafic automobile. Les expositions au benzène
sont plus fortes en moyenne dans les secteurs industriels (8 µg/m3 contre 6,7 µg/m3 en zone de
proximité au trafic et seulement 3,9 µg/m3 en zone de fond).
050
100
150
Exp
ositi
ons
pers
onne
lles
en µ
g/m
3
Proximite Industriel Fond
PM2.5 PM10
020
4060
Pou
rcen
tage
s d'
abso
rban
ce a
ssoc
iée
Proximite Industriel Fond
Abs2.5 Abs10
Figure 16 : Expositions personnelles aux PM2.5 et PM10 (en µg/m3) et absorbances associées (en pourcentage) en fonction des secteurs, toute agglomération, catégorie d’âge et saison confondues
59
.2.4
.6.8
1R
atio
PM
2.5/
PM
10
Proximite Industriel Fond
Figure 17 : Ratios PM2.5/PM10 en fonction des secteurs, toute agglomération, catégorie d’âge et saison confondues
020
4060
8010
0E
xpos
ition
s pe
rson
nelle
s en
µg/
m3
Proximite Industriel Fond
Figure 18 : Expositions personnelles au NO2 (en µg/m3) en fonction des secteurs, toute agglomération, catégorie d’âge et saison confondues
05
1015
20co
ncen
tratio
ns e
n µg
/m3
fond industriel proximiteexcludes outside values
Figure 19 : Expositions personnelles au benzène (en µg/m3) en fonction des secteurs, toute agglomération, catégorie d’âge et saison confondues
III.1.4- Analyse par saison
Les expositions personnelles aux PM et au benzène diffèrent significativement d’une saison
à l’autre (respectivement p=0,0001 et p=0,0002), ainsi que le ratio PM2.5/PM10 (p=0,003). Les
absorbances PM2.5, PM10 et les expositions au NO2 sont peu différentes (respectivement p=0,06 ;
60
p=0,11 et p=0,26). Les figures 20 à 23 illustrent les ordres de grandeurs des variations entre saison.
Les expositions personnelles aux PM et au benzène, ainsi que le ratio PM2.5/PM10 sont un peu plus
fortes pendant la saison froide que la saison chaude. Les absorbances associées et les expositions au
NO2 sont homogènes entre les 2 saisons.
050
100
150
Exp
ositi
ons
pers
onne
lles
en µ
g/m
3
Hiver Ete
PM2.5 PM10
020
4060
Pou
rcen
tage
s d'
abso
rban
ce a
ssoc
iée
Hiver Ete
Abs2.5 Abs10
Figure 20 : Expositions personnelles aux PM2.5 et PM10 (en µg/m3) et des absorbances associées (en pourcentage) en fonction des saisons, toute agglomération, secteur, catégorie d’âge confondus
.2.4
.6.8
1R
atio
PM
2.5/
PM
10
Hiver Ete
Figure 21 : Ratios PM2.5/PM10 en fonction des saisons, toute agglomération, secteur, catégorie d’âge confondus
020
4060
8010
0E
xpos
ition
s pe
rson
nelle
s en
µg/
m3
Hiver Ete
Figure 22 : Expositions personnelles au NO2 (en µg/m3) en fonction des saisons, toute agglomération, secteur, catégorie d’âge confondus
61
05
1015
conc
entra
tions
en
µg/m
3
hiver eteexcludes outside values
Figure 23 : Expositions personnelles au benzène (en µg/m3) en fonction des saisons, toute agglomération, secteur, catégorie d’âge confondus
III.1.5- Analyse par strate d’âge
Lorsque l’on compare les différents niveaux d’exposition par catégorie d’âge (enfant versus
adulte), on observe qu’ils sont statistiquement différents pour les PM10 (p=0,0001), le ratio
PM2.5/PM10 (p=0,0001) et les absorbances PM2.5 et PM10 (respectivement p=0,001 et p=0,009) alors
qu’ils ne sont le sont pas pour les PM2.5 (p=0,07), le benzène (p=0,22) et le NO2 (p=0,54). Les
figures 24 à 27 illustrent ces variations. Les expositions aux PM10 sont légèrement plus élevées dans
le groupe des volontaires adultes par rapport au groupe des enfants, c’est l’inverse pour les ratios
PM2.5/PM10. Les expositions aux PM2.5, NO2 et benzène sont effectivement proches entre les 2
catégories d’âge.
050
100
150
Exp
ositi
ons
pers
onne
lles
en µ
g/m
3
Enfant Adulte
PM2.5 PM10
020
4060
Pou
rcen
tage
d'a
bsor
banc
e as
soci
ée
Enfant Adulte
Abs2.5 Abs10
Figure 24 : Expositions personnelles en PM2.5 et PM10 (en µg/m3) et des absorbances associées (en pourcentage) en fonction des catégories d’âge, toute agglomération, secteur, et saisons confondus
62
.2.4
.6.8
1R
atio
PM
2.5/
PM
10
Enfant Adulte
Figure 25 : Ratios PM2.5/PM10 en fonction des catégories d’âge, toute agglomération, secteur, et saison confondus
020
4060
8010
0E
xpos
ition
s pe
rson
nelle
s en
µg/
m3
Enfant Adulte
Figure 26 : Expositions personnelles en NO2 (en µg/m3) en fonction des catégories d’âge, toute agglomération, secteur et saisons confondus
05
1015
conc
entra
tions
en
µg/m
3
adulte enfantexcludes outside values
Figure 27 : Expositions personnelles en benzène (en µg/m3) en fonction des catégories d’âge, toute agglomération, secteur et saisons confondus
63
III.2- Analyses de la composition chimique des particules : HAP et métaux
III.2.1- HAP
Le tableau 17 présente une synthèse descriptive des concentrations des différents HAP
particulaires5 obtenues à partir des extraits organiques des PM2.5 et PM10 (toute ville et saison
confondues, tout âge et secteur confondus). Le tableau permet de comparer les teneurs des PM2.5 par
rapport à celle des PM10. La moyenne des concentrations en HAP totaux particulaires sont
sensiblement équivalentes entre les 2 classes granulométriques à savoir 2,1 ng/m3 pour les PM2.5 et
2,9 ng/m3 pour les PM10. Les valeurs inférieures au seuil de détection X (variable selon le polluant et
les séries d’analyse) se sont vues attribuer la valeur X/2. Cette démarche est préconisée par l’US-
EPA (US EPA 1998).
Tableau 17 : Statistiques descriptives des concentrations en HAP particulaires (en ng/m3) extraits des PM2.5
(n=361) et PM10 (n=93).
Polluant en ng/m3 Fractions Moyenne Écart-type Minimum Maximum
Acenaphtène♦ PM2.5 0,07 0,02 0,01 0,21
PM10 0,09 0,01 0,01 0,21
Anthracène◘♦ PM2.5 0,01 0,01 0,01 0,06
PM10 0,01 0,01 0,01 0,11
Fluoranthène◘♦ PM2.5 0,25 0,21 0,04 2,07
PM10 0,26 0,26 0,04 2,26
Pyrène◘♦ PM2.5 0,10 0,13 0,02 1,54
PM10 0,13 0,10 0,03 0,58
Benzo[a]anthracènePM2.5 0,07 0,08 0,01 0,65
PM10 0,10 0,12 0,01 0,65
Chrysène◘● PM2.5 0,11 0,13 0,01 1,16
PM10 0,17 0,19 0,02 1,18
Benzo[b]fluoranthène● PM2.5 0,29 0,31 0,02 1,98
PM10 0,41 0,44 0,03 2,05
Benzo[k]fluoranthène٭ ● PM2.5 0,11 0,12 0,01 0,83
PM10 0,16 0,18 0,01 0,86
Benzo[a]pyrène‡● PM2.5 0,21 0,26 0,01 1,85
5 On rappellera qu’il s’agit des HAP considérés comme cancérogènes (catégorie 2A ou 2B) par le
CIRC ou par l’US EPA (voir tableau 10 pour le détail)64
PM10 0,33 0,44 0,02 2,06
Dibenzo[a,h]anthracène‡● PM2.5 0,07 0,06 0,01 0,50
PM10 0,10 0,11 0,01 0,62
Benzo[g,h,i]perylène◘♦ PM2.5 0,43 0,39 0,03 2,50
PM10 0,61 0,68 0,04 3,75
Indeno[1,2,3-cd]pyrène٭ ● PM2.5 0,35 0,38 0,03 2,67
PM10 0,45 0,52 0,03 2,39
SommePM2.5 2,09 1,71 0,46 11,65
PM10 2,88 2,74 0,57 13,21‡: Classés comme probablement cancérigènes pour l’homme (groupe 2A) par le CIRCClassés comme potentiellement cancérogènes pour l’homme (groupe 2B) par le CIRC :٭◘: Inclassables quant à leur cancérogénicité pour l’homme (groupe 3) par le CIRC●: Classés comme probablement cancérigènes pour l’homme par l’US EPA♦: Inclassables quant à leur cancérogénicité pour l’homme par l’US EPA
Les tableaux 18 et 19 présentent les coefficients de corrélation, respectivement en fonction
des agglomérations et des secteurs, entre la concentration en HAP totaux des couples PM2.5/PM10
portés par un même sujet. Les corrélations sont dans l’ensemble très bonnes.Tableau 18 : Analyse des corrélations de la concentration en HAP totaux entre les extraits organiques de couples PM2.5/PM10 portés par les mêmes sujets en fonction des agglomérations.
Nombre de couples d’observations
Coefficient de corrélation de Spearman‡
Grenoble 12 0,67
Ile de France 31 0,96
Rouen 20 0,94
Strasbourg 19 0,95
Total 82 0,96‡ : il s’agit de la corrélation de la concentration en HAP totaux des PM10 par rapport à celle des PM2.5
Tableau 19 : Analyse des corrélations de la concentration en HAP totaux entre les extraits organiques de couples PM2.5/PM10 portés par les mêmes sujets en fonction des secteurs intra urbain.
Nombre de couples
d’observations
Coefficient de
corrélation de Spearman‡
Proximité 34 0,96
Fond 24 0,95
Industriel 24 0,95
Total 82 0,96‡ : il s’agit de la corrélation de la concentration en HAP totaux des PM10 par rapport à celle des PM2.5
65
Le B[a]P est mieux corrélé avec les HAP peu ou pas volatils (coefficient de Spearman égal à
0,93 pour les PM2.5 entre le B[a]P et le B[b]F contre 0,54 entre le B[a]P et le pyrène).
Les concentrations en HAP totaux particulaires (les 2 classes granulométriques confondues)
diffèrent statistiquement entre les 4 agglomérations (p=0,003). La figure 28 présente ces
concentrations en fonction des différentes agglomérations selon les 2 classes granulométriques. Les
concentrations des PM10 sont sensiblement plus élevées à Grenoble et Strasbourg, alors que sur la
fraction PM2.5, les contrastes sont bien moindre entre les sites ; à Grenoble et en Ile de France les
valeurs sont légèrement plus fortes.
02
46
Grenoble Rouen Strasbourg ile de France Grenoble Rouen Strasbourg ile de Franceexcludes outside values excludes outside values
PM10 PM2,5
Con
cent
ratio
ns e
n ng
/m3
Graphs by FRACTIONS
Figure 28 : Concentrations des HAP particulaires totaux (en ng/m3) en fonction des agglomérations et des fractions granulométriquesNB : les valeurs extrêmes ont été retirées de manière automatique par le logiciel STATA® de manière à mieux visualiser
les contrastes
Les différences entre les concentrations en HAP totaux particulaires observés dans les 3
secteurs (les 2 classes granulométriques confondues) sont statistiquement significatives (p=0.04).
La figure 29 représente ces concentrations en fonction des secteurs intra urbains (toutes
agglomérations confondues) toujours en fonction des 2 classes granulométriques. Les
concentrations en HAP totaux des PM10 sont plus fortes en zone industrielle et de proximité au
trafic tandis que pour les PM2.5 seule la concentration moyenne du secteur de proximité se détache
nettement de celle des 2 autres secteurs.
66
02
46
Proximite fond industriel Proximite fond industrielexcludes outside values excludes outside values
PM10 PM2,5
Con
cent
ratio
ns e
n ng
/m3
Graphs by FRACTIONS
Figure 29 : Concentrations en HAP particulaires totaux (en ng/m3) en fonction des secteurs et des fractions granulométriquesNB : les valeurs extrêmes ont été retirées de manière automatique par le logiciel STATA® de manière à mieux visualiser
les contrastes
La figure 30 présente les concentrations en HAP totaux particulaires en fonction des deux
saisons (froide et chaude) et des classes granulométriques. Les concentrations sont nettement plus
fortes en hiver qu’en été (p=0,0001).
02
46
8
Ete Hiver Ete Hiverexcludes outside values excludes outside values
PM10 PM2,5
Con
cent
ratio
ns e
n ng
/m3
Graphs by FRACTIONS
Figure 30 : Concentrations en HAP particulaires totaux (en ng/m3) en fonction des saisons et des fractions granulométriquesNB : les valeurs extrêmes ont été retirées de manière automatique par le logiciel STATA® de manière à mieux visualiser
les contrastes
La figure 31 résume les concentrations en HAP (In[1,2,3-cd]P, B[g,h,i]P, B[b]F et B[k]F)
considérés comme marqueurs de la pollution automobile (Masclet et coll 1986, Masclet et coll
67
1987, Khalili et coll 1995, Chiuang et coll 1996, Fromme et coll 1998) issus des extraits organiques
de PM2.5 seulement, en fonction des secteurs. Les concentrations en B[g,h,i]P, B[b]F sont
sensiblement plus fortes à proximité du trafic que pour les 2 autres secteurs. Les différences de leurs
concentrations entre les 3 secteurs sont statistiquement significatives (respectivement p=0,01 et
p=0,03). Les concentrations en B[k]F et en In[1,2,3-cd]P sont plus homogènes entre les 3 secteurs.
Aucune différence statistique n’est d’ailleurs observée entre les 3 secteurs pour ces 2 HAP
(respectivement p= 0,09 et 0,35).
0.2
.4.6
.81
Con
cent
ratio
ns e
n ng
/m3
Proximite fond industrielexcludes outside values
0.5
11.
5C
once
ntra
tions
en
ng/m
3
Proximite fond industrielexcludes outside values
a) indeno[1,2,3-cd]pyrène b) benzo[g,h,i]perylène
0.2
.4.6
.8C
once
ntra
tions
en
ng/m
3
Proximite fond industrielexcludes outside values
0.1
.2.3
.4C
once
ntra
tions
en
ng/m
3
Proximite fond industrielexcludes outside values
c) benzo[b]fluoranthène d) benzo[k]fluoranthèneFigure 31 : Concentrations en HAP marqueurs de la pollution par l’automobile (en ng/m3) extraits des PM2.5 en fonction secteurNB : les valeurs extrêmes ont été retirées de manière automatique par le logiciel STATA® de manière à mieux visualiser
les contrastes
68
La figure 32 compare les concentrations en B[a]P et en fluoranthène issus des extraits de
PM2.5 en fonction des secteurs. Leurs concentrations sont sensiblement plus fortes en secteur de
proximité au trafic que dans les 2 autres secteurs. Les différences observées sont statistiquement
significatives pour le fluroranthène (p=0,01) mais pas pour le B[a]P (p=0,06). Le fluoranthène est
considéré comme marqueur des combustions, et notamment du chauffage urbain. Aussi, à titre de
complément, la figure 33 permet de comparer les niveaux moyens en fluoranthène (les deux
fractions granulométriques confondues) entre les deux saisons. Les différences peu évidentes
d’après le graphique sont pourtant statistiquement significatives (p=0,02) et sont à mettre en
relation avec une turbulence atmosphérique plus réduite en hiver.
0.2
.4.6
Proximite fond industriel Proximite fond industrielexcludes outside values excludes outside values
B(a)P Fluoranthene
Con
cent
ratio
ns e
n ng
/m3
Graphs by HAP
Figure 32 : Concentrations en fluoranthène et benzo[a]pyrène (en ng/m3) extraits des PM2.5 en fonction des secteursNB : les valeurs extrêmes ont été retirées de manière automatique par le logiciel STATA® de manière à mieux visualiser
les contrastes
69
0.2
.4.6
Fluo
rant
hene
Ete Hiverexcludes outside values
Figure 33 : Concentrations en fluoranthène (en ng/m3) en fonction des saisons sur les extraits PM2.5
III.2.2- Eléments minéraux
Les teneurs en minéraux estimées par la technique PIXE sont présentées par agglomération
dans le tableau 20. Ces tableaux présentent une synthèse descriptive des concentrations des
différents éléments particulaires dosés sur les filtres PM2.5 et PM10 (toutes villes et saisons
confondues, tous âges et secteurs confondus). Les valeurs inférieures au seuil de détection X
(variable selon les éléments et les séries d’analyse) se sont vues attribuer la valeur X/2. La moyenne
des concentrations des éléments totaux particulaires sont plus élevées pour les PM10 que les PM2.5
(respectivement 8124 ng/m3 contre 4138 ng/m3).
70
Tableau 20 : Statistiques descriptives des concentrations en éléments minéraux particulaires (en ng/m3) véhiculés par les PM2.5 (n=96) et les PM10 (n=355) Polluant en ng/m3 Fractions Moyenne Écart-type Minimum Maximum
AluminiumPM2.5 296 344 18 1846
PM10 862 932 8 5671
SilicePM2.5 1261 1469 85 7303
PM10 2551 2115 103 14322
PhosphorePM2.5 58 154 5 1446
PM10 105 100 6 635
SoufrePM2.5 1491 990 11 4366
PM10 1781 1307 277 14169
ChlorePM2.5 197 228 7 1143
PM10 401 372 32 3020
PotassiumPM2.5 193 155 7 825
PM10 336 230 10 1667
CalciumPM2.5 400 635 26 4566
PM10 1448 1296 35 9514
TitanePM2.5 8 13 1 102
PM10 36 30 1 324
VanadiumPM2.5 2 3 1 29
PM10 3 3 1 31
ChromePM2.5 2 2 1 16
PM10 5 10 1 116
ManganèsePM2.5 4 5 1 33
PM10 17 102 1 1844
FerPM2.5 135 179 16 1348
PM10 379 378 23 3818
NickelPM2.5 2 4 1 33
PM10 3 4 1 54
CuivrePM2.5 12 10 1 74
PM10 83 1146 1 21615
71
Suite Tableau 20
Polluant en ng/m3 Fractions Moyenne Écart-type Minimum Maximum
ZincPM2.5 39 43 1 280
PM10 70 92 4 914
ArsenicPM2.5 1 1 1 7
PM10 2 1 1 17
BromePM2.5 5 3 1 25
PM10 3 4 1 37
StrontiumPM2.5 3 4 1 25
PM10 7 9 1 91
ZirconiumPM2.5 5 3 1 25
PM10 9 11 3 192
PlombPM2.5 9 12 1 77
PM10 15 24 1 271
SommePM2.5 4138 2705 259 20793
PM10 8124 4554 1339 29805
Les tableaux 21 et 22 présentent les coefficients de corrélation respectivement en fonction
des agglomérations et des secteurs entre les concentrations de différents éléments minéraux des
couples PM2.5-PM10 portés par un même sujet. Contrairement à celles observées pour les HAP, les
corrélations sont très variables d’un élément à l’autre, d’une ville à l’autre, et d’un secteur à l’autre.
Tableau 21 : Analyse des corrélations (Spearman) de la concentration des différents éléments minéraux des couples PM2.5/PM10 portés par les mêmes sujets en fonction des agglomérations
Fe Al Si K Ca Cr Ni As Somme
Grenoble -0,28 0,30 0,08 0,09 0,57 -0,06 0,39 -0,22 -0,03
Ile de France 0,81 0,72 0,05 0,32 0,89 0,70 0,50 0,28 0,31
Rouen 0,65 0,80 0,44 0,87 0,87 0,51 0,47 0,40 0,82
Strasbourg -0,51 -0,45 0,11 -0,43 -0,24 -0,31 0,02 -0,23 -0,31
Total 0,27 0,40 0,40 0,30 0,29 0,29 0,42 0,24 0,25
Il s’agit de la corrélation entre concentrations des PM10 et celles des PM2.5
72
Tableau 22 : Analyse des corrélations (Spearman) de la concentration des différents éléments minéraux des couples PM2.5/PM10 portés par les mêmes sujets en fonction des secteurs intra urbains
Fe Al Si K Ca Cr Ni As Somme
Proximité 0,10 0,19 0,53 0,22 -0,08 0,25 0,37 0,10 0,16
Fond 0,25 0,41 0,26 0,64 0,57 0,07 0,49 0,32 0,22
Industriel 0,46 0,62 0,27 0,27 0,34 0,55 0,34 0,22 0,29
Total 0,27 0,40 0,40 0,30 0,29 0,29 0,42 0,24 0,25
Il s’agit de la corrélation entre concentrations des PM10 et celles des PM2.5
La figure 34 montre que les éléments minéraux totaux sont davantage concentrés sur les
fractions PM10 que les PM2.5 lorsque l’on compare des couples PM10-PM2.5 portés par les mêmes
sujets.
05,
000
10,0
0015
,000
20,0
00C
once
ntra
tions
en
ng/m
3
PM10 PM25excludes outside values
Figure 34 : Comparaisons des concentrations en éléments minéraux particulaires totaux (en ng/m3) mesurées sur des couples PM10-PM2.5 portés par les mêmes sujetsNB : les valeurs extrêmes ont été retirées de manière automatique par le logiciel STATA® de manière à mieux visualiser
les contrastes
La figure 35 montre que, lorsqu’ils sont comparés entre PM10/PM2.5 portés par les mêmes
sujets, les éléments minéraux telluriques sont dans l’ensemble bien plus concentrés sur les fractions
PM10 que les PM2.5.
73
01,
000
2,00
03,
000
4,00
05,
000
Con
cent
ratio
ns e
n ng
/m3
PM10 PM25
excludes outside values
Al SiCa K
Figure 35 : Comparaisons des concentrations en éléments telluriques (en ng/m3) mesurées sur des couples PM10-PM2.5 portés par les mêmes sujetsNB : les valeurs extrêmes ont été retirées de manière automatique par le logiciel STATA® de manière à mieux visualiser
les contrastes
Il en est de même pour les métaux cancérogènes (figure 36) bien que les contrastes soient
plus faibles pour l’arsenic compte tenu de sa plus faible présence.
05
1015
Con
cent
ratio
ns e
n ng
/m3
PM10 PM25
excludes outside values
Cr NiAs
Figure 36 : Comparaisons des concentrations en éléments cancérogènes (en ng/m3) mesurées sur des couples PM10-PM2.5 portés par les mêmes sujetsNB : les valeurs extrêmes ont été retirées de manière automatique par le logiciel STATA® de manière à mieux visualiser
les contrastes
Les concentrations en métaux totaux particulaires (les 2 classes granulométriques
confondues) diffèrent statistiquement entre les 4 agglomérations (p=0,0001). La figure 37 présente
les concentrations en éléments totaux particulaires en fonction des différentes agglomérations et
74
selon les 2 classes granulométriques. Les concentrations sont plus élevées en Ile de France et à
Grenoble, de manière moins nette pour les PM2.5 que les PM10.0
5,00
010
,000
15,0
0020
,000
grenoble ile de france rouen strasbourg grenoble ile de france rouen strasbourgexcludes outside values excludes outside values
PM10 PM25
Con
cent
ratio
ns e
n ng
/m3
Graphs by fraction
Figure 37 : Concentrations en éléments minéraux particulaires totaux (en ng/m3) en fonction des agglomérations et des fractions granulométriquesNB : les valeurs extrêmes ont été retirées de manière automatique par le logiciel STATA® de manière à mieux visualiser
les contrastes
Les concentrations en métaux totaux particulaires (les 2 classes granulométriques
confondues) ne diffèrent pas statistiquement entre les 3 secteurs (p=0,55). La figure 38 compare les
concentrations en éléments totaux particulaires en fonction des 3 secteurs intra urbain toujours selon
les 2 classes granulométriques. Les concentrations sont très homogènes d’un secteur à l’autre bien
que l’écart type observé pour les PM10 industriels soit plus étendu.
75
05,
000
10,0
0015
,000
20,0
00
fond industriel proximite fond industriel proximiteexcludes outside values excludes outside values
PM10 PM25
Con
cent
ratio
ns e
n ng
/m3
Graphs by fraction
Figure 38 : Concentrations en éléments minéraux particulaires totaux (en ng/m3) en fonction des secteurs et des fractions granulométriquesNB : les valeurs extrêmes ont été retirées de manière automatique par le logiciel STATA® de manière à mieux visualiser
les contrastes
La figure 39 résume les concentrations en éléments totaux particulaires en fonction des 2
profils de saison selon les 2 classes granulométriques. Les concentrations sont bien plus élevées en
hiver qu’en été. Les différences sont effectivement statistiquement significatives (p=0,0001).
05,
000
10,0
0015
,000
20,0
00
ete hiver ete hiverexcludes outside values excludes outside values
PM10 PM25
Con
cent
ratio
ns e
n ng
/m3
Graphs by fraction
Figure 39 : Concentrations en éléments minéraux particulaires totaux (en ng/m3) en fonction des saisons et des fractions granulométriques.
76
NB : les valeurs extrêmes ont été retirées de manière automatique par le logiciel STATA® de manière à mieux visualiser
les contrastes
La figure 40 représente les concentrations en métaux cancérigènes (nickel, arsenic et
chrome) issus des filtres PM10 en fonction des secteurs. Les niveaux sont assez homogènes entre les
3 secteurs. Les différences observées entre les secteurs sont statistiquement significatives pour le
chrome (p=0,0001), mais ne le sont pas pour le nickel (p=0,17) ni pour l’arsenic (p=0,94). Les
concentrations en chrome sont plus élevées en zone de proximité au trafic qu’ailleurs. Les
concentrations en nickel sont un peu plus élevées en zone industrielle.
01
23
4C
once
ntra
tions
en
ng/m
3
fond industriel proximiteexcludes outside values
05
1015
Con
cent
ratio
ns e
n ng
/m3
fond industriel proximiteexcludes outside values
a) arsenic b) chrome
02
46
810
Con
cent
ratio
ns e
n ng
/m3
fond industriel proximiteexcludes outside values
c) nickelFigure 40 : Concentrations en éléments minéraux particulaires cancérigènes (en ng/m3) véhiculés par les PM10 en fonction des secteurs et des fractions granulométriquesNB : les valeurs extrêmes ont été retirées de manière automatique par le logiciel STATA® de manière à mieux visualiser
les contrastes
La figure 41 compare les niveaux de concentrations en éléments minéraux ayant des profils
telluriques (donc non produits a priori par des sources particulières). Il s’agit de l’aluminium, du 77
titane, du fer, de la silice, du calcium et du manganèse. Les concentrations présentées sont celles
issus des filtres PM10 uniquement en fonction des secteurs. Les niveaux sont relativement
comparables pour l’ensemble de ces éléments entre les 3 secteurs, avec quelquefois des teneurs
légèrement plus élevées en fond qu’ailleurs à l’instar de la silice et du titane. Les concentrations en
éléments telluriques des PM10 ne diffèrent pas statistiquement entre les 3 secteurs (0,05<p<0,99).
02,
0004,
0006,
0008,
000
02,
0004,
0006,
0008,
000
fond industriel proximite fond industriel proximite
fond industriel proximite
excludes outside values excludes outside values
excludes outside values
Al Ca
Si
Con
cent
ratio
ns e
n ng
/m3
Graphs by element
020
4060
8010
0
fond industriel proximite fond industriel proximiteexcludes outside values excludes outside values
Mn Ti
Con
cent
ratio
ns e
n ng
/m3
Graphs by element
020
040
060
080
0
fond industriel proximiteexcludes outside values
Fe
Con
cent
ratio
ns e
n ng
/m3
Graphs by element
Figure 41 : Concentrations en éléments minéraux particulaires telluriques (en ng/m3) véhiculés par les PM10 en fonction des secteurs et des fractions granulométriquesNB : les valeurs extrêmes ont été retirées de manière automatique par le logiciel STATA® de manière à mieux visualiser
les contrastes
La figure 42 représente les niveaux de concentrations PM10 en éléments considérés comme
indicateurs de la pollution par l’automobile (émissions et abrasion) (Koistinen 2002). Il s’agit du
brome, du plomb, du cuivre et du zinc. Les niveaux moyens de cuivre et de zinc sont plus élevés en
zone de proximité au trafic qu’ailleurs. Les différences entre les concentrations observées dans les 3
secteurs sont de plus statistiquement significatives pour ces 2 métaux (respectivement p=0,0001 et
p=0, 04). Les différences observées pour le brome et le plomb sont non significatives
(respectivement p=0,12 et p=0,14). Bien que les concentrations moyennes en brome soient
78
homogènes entre les 3 secteurs, l’écart type est bien plus étendu en secteur de proximité à la
pollution automobile. Les niveaux de concentrations en plomb et leurs écarts types sont peu
différents d’un secteur à l’autre. Ceci est cohérent avec le fait que le plomb ne représente plus un
indicateur pertinent de la pollution par l’automobile depuis qu’il a été interdit dans l’essence.
020
4060
Con
cent
ratio
ns e
n ng
/m3
fond industriel proximiteexcludes outside values
050
100
150
Con
cent
ratio
ns e
n ng
/m3
fond industriel proximiteexcludes outside values
a) cuivre b) zinc
24
68
1012
Con
cent
ratio
ns e
n ng
/m3
fond industriel proximiteexcludes outside values
010
2030
4050
Con
cent
ratio
ns e
n ng
/m3
fond industriel proximiteexcludes outside values
c) brome d) plombFigure 42 : Concentrations en éléments minéraux particulaires liés à la pollution automobile (en ng/m3) véhiculés par les PM10 en fonction des secteurs et des fractions granulométriquesNB : les valeurs extrêmes ont été retirées de manière automatique par le logiciel STATA® de manière à mieux visualiser
les contrastes
La figure 43 résume les niveaux de concentrations issues des filtres PM10 en éléments
considérés comme indicateur de la pollution plutôt à caractère industriel (Koistinen 2002). Il s’agit
du phosphore, du chlore, du soufre et du vanadium. Les niveaux en chlore, phosphore et soufre sont
relativement comparables dans l’ensemble entre les 3 secteurs. Les différences ne sont pas
statistiquement significatives (respectivement p=0,08 ; p= 0,54 et p=0,27). Les différences
observées entre les 3 secteurs ne sont significatives que pour le vanadium (p=0,007), les
concentrations moyennes en vanadium étant plus élevées dans les secteurs industriels qu’ailleurs.
79
050
01,
000
Con
cent
ratio
ns e
n ng
/m3
fond industriel proximiteexcludes outside values
010
020
030
040
0C
once
ntra
tions
en
ng/m
3
fond industriel proximiteexcludes outside values
a) chlore b) phosphore
01,
000
2,00
03,
000
4,00
0C
once
ntra
tions
en
ng/m
3
fond industriel proximiteexcludes outside values
05
10C
once
ntra
tions
en
ng/m
3
fond industriel proximiteexcludes outside values
c) soufre d) vanadiumFigure 43 : Concentrations en éléments minéraux particulaires liés à la pollution industrielle (en ng/m3) véhiculés par les PM10 en fonction des secteurs et des fractions granulométriquesNB : les valeurs extrêmes ont été retirées de manière automatique par le logiciel STATA® de manière à mieux visualiser
les contrastes
IV- Étude de la génotoxicité des extraits organiques des particules
Cette partie est structurée sous forme d’un article mais est encore à l’état d’ébauche.
Introduction
Les particules en suspension (PS) constituent un ensemble très hétérogène dont les
caractéristiques physico-chimiques et biologiques sont influencées par leurs sources d’émission
(pour les particules primaires) ou par leur processus de formation dans l’atmosphère (pour les
particules secondaires). Leur phase organique est très complexe, contenant plusieurs centaines de
80
composés différents. Parmi les composés associés aux particules atmosphériques, on retrouve les
hydrocarbures aromatiques polycycliques (HAP) et leurs dérivés, en particulier nitrés et oxygénés.
La génotoxicité et la mutagénicité des extraits organiques des particules atmosphériques, en
particulier les PM10 et PM2,5, ont fait l’objet de plusieurs études. In vitro, l’activité mutagénique de
la fraction organique de la phase particulaire collectée dans des villes européennes et américaines, a
été évaluée dans la majorité des études par le test d’Ames. Certaines études montrent que ces
extraits entraînent des mutations sur les souches TA 98 et TA100 de la Salmonella typhimurium
(Cerna et al., 2000). D’autres tests à court terme sont également utilisés, comme l’échange de
chromatides sœurs (Hornberg et al., 1998), le test de micronoyaux (Monarca et al., 1999), la
recherche des aberrations chromosomiques (Hadnagy et al., 1989), le test des comètes (voir infra).
La réponse génotoxique des extraits organiques particulaires peut varier en fonction de la lignée
cellulaire utilisée. Des variations physiques, temporelles et spatiales influent sur la mutagénicité et
la génotoxicité des particules atmosphériques. Sur Salmonella typhimurium, certaines équipes
montrent que l’activité mutagène des extraits de PM10 est parfois supérieure à celle des PM2,5
(Vinitketkumnuen et al., 2002). Dans l’induction d’échange des chromatides sœurs, les PM2,5 sont
plus génotoxiques que les fractions PM10 (Hornberg et al., 1998). Les tests de mutagénicité et de
génotoxicité donnent des réponses différentes, et cela peut être dû au type de lésions d’ADN
détectées, aux conditions du test appliqué, ou à la réponse de l’organisme utilisé (Miguel et al.,
1990). Le test utilisé au cours de cette étude est le test des comètes.
L’objet de ce travail est d’étudier la génotoxicité des particules atmosphériques prélevées
lors des études des expositions personnelles. Ce volet de la recherche complète l’évaluation du
risque, fondée sur les données épidémiologiques actuellement disponibles, en apportant des
arguments d’ordre toxicologique à l’argument relatif à la réalité du risque encouru. Il complète
également l’étude de la distribution spatiale des expositions à travers le territoire urbain en étudiant
le lien entre la réponse génotoxique des extraits particulaires et les caractéristiques des lieux de leur
collecte et leur composition chimique.
Matériel & Méthodes
Collecte des particules
L'étude multicentrique est réalisée dans différents sites urbains et industriels, contrastés en 81
termes de qualité de l'air et de sources d'émission. L'étude porte sur des enfants de 6 à 12 ans non
exposés au tabagisme passif au domicile, ainsi que sur des adultes non-fumeurs non exposés
professionnellement. Le protocole est détaillé dans d’autres articles (Nerriere et coll, sous presse).
La mesure de l'exposition personnelle aux polluants, réalisée pendant 48 heures et répétée en 2
saisons contrastées, utilise le dispositif développé par le département des sciences de
l’environnement de l’Ecole de Santé Publique de Harvard : le modèle Chempass 3400®
(Demokritou et al., 2001), permettant de prélever en parallèle PM2.5, PM10.
Extraction et analyse de la fraction organique
L’extraction des composés organiques est réalisée par 30 mL d’acétonitrile de qualité
HPLC pendant ½ heures sous ultrasons. Après concentration au rotovapor de 15 l de l’extrait
jusqu’à un volume d’environ 1ml; le dosage des hydrocarbures aromatiques polycycliques (HAP)
est réalisé par HPLC et détection fluorimétrique (chaîne DIONEX RF2000). Afin de caractériser le
potentiel génotoxique de la fraction organique des particules atmosphériques, les 15 d’extrait
restant sont concentrés, en présence de 100 µL du DMSO, puis repris par 1 l de DMSO.
Test des comètes
Les tests comètes sont réalisés en tenant compte des recommandations émises lors de
l'International Workshop on Genotoxicity Test Procedures. Des lames de microscope sont
recouvertes d’une première couche d’agarose N, puis mises à sécher. 100 µL d’agarose N sont
ensuite déposés sur la couche sèche, 100 µL de la suspension cellulaire à 5.105 cellules/mL sont
mélangés à 600 µL d’une solution d’agarose L à 37°C, et 80 µL du mélange sont prélevés et
déposés sur la lame. Lorsque la gélose est solidifiée, les lames sont placées une heure dans une
solution de lyse. Les lames sont déposées dans la solution d’électrophorèse pendant 20 minutes à
l’obscurité. Les lames sont alors soumise à une électrophorèse pendant 20 minutes sous 20 V et
300 mA, puis lavées dans la solution Tris 0,4 M. Au terme de la phase d’électrophorèse, les lames
sont lavées au tampon Tris 0,4 M puis colorées à l’aide d’une solution de bromure d’éthidium
(20mg/ml) et observées sous microscope à fluorescence. Une caméra permet de transmettre
l’image à une station d’analyse d’image équipée d’un logiciel dédié afin d'effectuer une mesure de
luminescence plus précise. La lecture porte sur plus de cent cellules réparties sur au moins deux
lames.
Solutions utilisées82
Agarose N : 110 mg d’agarose type I-B Low EEO (Sigma A-0576) dans 10 mL de
tampon phosphate (DPBS, Sigma D-5652)
Agarose L : 110 mg d’agarose type IV Low Gelling (Sigma A-4018) dans 10 mL de
tampon phosphate (DPBS)
Bromure d’éthidium (Sigma E-8751) : dilution au dixième une solution mère de bromure
d’éthidium dont la concentration 20 µg/mL, avec de l’eau UHQ.
Solution électrophorèse : 300 mM de NaOH (Probablo 28.232.363) et 1mM de
Na2EDTA (Probablo 20.302.180) dans 2 litres d’eau UHQ, conservation à 4°C
Solution de lyse : 2,5 M de NaCl (Sigma S-9625), 100 mM de Na2EDTA et 10 mM de
Tris (Sigma T-1378) dans 356 mL d’eau UHQ, conservation à 4°C. le jour du test, ajout
de 1% de triton X 100 (Probablo 28.817.295) et de 10% de DMSO (Sigma D-5879).
Solution Tris 0,4 M : 48,56 g de Tris avec 1 litre d’eau UHQ.
Matériel utilisé
Les cuves d'électrophorèse sont des cuves Maxicell EC 340 et EC360M de chez EC
Apparatus Corporation, elles sont alimentées par un générateur PS 600-800 Polylabo. La ligne de
lecture et d'analyse d'image comprend un microscope (Olympus BX), une caméra Cohu et un
compatible PC équipé du logiciel Komet 5.0 de Kinetic Imaging.
Expression des résultats et traitement statistique
En raison de l'absence d'un consensus fort sur le "meilleur" paramètre de suivi, plusieurs
paramètres de mesure ont été collectés, parmi eux on peut citer :
la longueur de la comète; paramètre le plus anciennement retenu, car le plus intuitif
la mesure de l’intensité de la fluorescence au niveau de la tête ou de la queue de la
comète, qui représente en fait la quantité d’ADN présente dans chacune de ces régions
le moment de la comète, paramètre qui combine les informations sur la longueur et les
niveaux de fluorescence. C'est ce dernier paramètre qui sera utilisé pour la présentation
des résultats.
Les analyses statistiques sont réalisées à l'aide de régression linéaires mutilvariées sous
STATA®. La variable expliquée est le moment de la comète, elle a été logtransformée.
Un 1er modèle (tableau 3) utilise les variables explicatives catégorielles suivantes : la ville
83
(Ile de France, Rouen et Strasbourg), le secteur intra urbain (Proximité, Fond et Industriel), la
saison (Hiver, Été), l’âge (Enfant, Adulte) et la granulométrie de la fraction (PM2.5, PM10).
Un 2ème modèle (tableau 4) tient compte des moments obtenus uniquement sur les
échantillons PM2.5. Y Sont également introduits les résultats obtenus pour des prélèvements
témoins. Ces témoins correspondent à des filtres qui sont restés dans leur boite et qui ont été mis
dans le sac à dos d’un échantillon de volontaires, le modèle est alors ajusté sur les variables
suivantes : la ville (Ile de France, Rouen et Strasbourg), le secteur intra urbain (Témoins,
Proximité, Fond et Industriel).
Résultats
Les résultats présentés ici ne portent que sur trois zones d’étude l’Ile de France, Rouen et
Strasbourg. Les données de l’agglomération de Grenoble, qui avait fait l’objet des premières
investigations, ne peuvent être analysée ici car la méthode du test des comètes (conditions de
conservation des fractions organiques extraites, nature du solvant…) faisait alors l’objet d’essais.
Analyse descriptive
Le tableau 1 présente une synthèse descriptive des résultats du test des comètes obtenus à
partir des extraits organiques des PM2.5 et PM10 (toutes villes et saisons confondues, tous âges et
secteurs confondus). Le paramètre présenté ici correspond au moment de la comète. La moyenne
des moments de la comète sont sensiblement équivalentes entre les 3 groupes témoins (solvant,
témoins de culture et blancs de terrain) à savoir environ 0,42. La moyenne des moments de la
comète est sensiblement plus élevée pour les extraits organiques issus des PM2.5 que pour les PM10
(respectivement 0,66 contre 0,48).
La figure 1 compare les résultats du test sur les extraits organiques de PM2.5 selon la saison.
On n’observe pas de différences très nettes entre les deux périodes bien que la variabilité des
valeurs pour l’hiver soit plus grande.
84
Analyse des corrélations entre HAP et moment de la comète
Dans le tableau 2 sont reportés les cœfficients de corrélation entre la génotoxicité des
extraits organiques et leurs teneurs en HAP. Les corrélations entre moment de la comète et
indicateurs de la présence de HAP (B[a]P ou HAP totaux) sont plus fortes pour les extraits
organiques issus des PM2.5 que des PM10.
Analyse par régression linéaire multivariée
Le tableau 3 présente les paramètres du modèle de régression linéaire multiple sur
l’ensemble des échantillons PM2.5 et PM10. Sur l’ensemble des 3 villes, c’est en site proximité au
trafic que les réponses génotoxiques sont les plus fortes, suivies du site de fond et de la zone
industrielle. L’Ile de France se détache nettement des agglomérations de Rouen et de Strasbourg qui
présentent des réponses équivalentes. L’effet génotoxique est plus fort pour les fines particules
(PM2.5) que pour les plus grosses. L’effet est plus fort en hiver (mais cet effet saisonnier est plus
faible que l’effet ville, il est du même ordre de grandeur que l’effet secteur). La réponse
génotoxique est légèrement plus forte pour les filtres prélevés chez les adultes.
La figure 2 présente les prédictions du moment de la comète obtenues à partir du modèle
présenté au tableau 4. Ces prédictions ne portent que sur les filtres PM2.5, et présentent les valeurs
moyennes des moments de la comète selon les secteurs urbains sur l’ensemble des 3 villes, par
comparaison aux valeurs obtenues avec les échantillons témoins de terrain. Elle montre que la réponse
génotoxique est, en moyenne, sur les 3 agglos, plus forte dans le secteur de proximité au trafic
automobile.
Discussion
L’effet génotoxique est plus fort pour les fines particules (PM2.5) que pour les plus grosses.
Les réponses sont notamment plus fortes pour les échantillons provenant du secteur de proximité au
trafic automobile. Les résultats observés en Ile de France sont sensiblement plus forts que dans les
deux autres agglomérations, qui sont très proches.
Nous ne pouvons déterminer quel polluant spécifique est responsable de cet effet secteur. Le
rôle des métaux particulaires n’a pas pu être étudié ici du fait des contraintes analytiques. Cette
hétérogénéité spatiale est, au moins pour partie, liée aux émissions du trafic mais le fait que la 85
génotoxicité des particules soit supérieure en hiver, alors que le trafic automobile n’est pas plus
intense que ce qu’il est durant le reste de l’année, suggère que d’autres polluants sont également en
cause. Aucun des indicateurs mesurés dans cette étude n’est relié fortement avec la réponse
génotoxique. Malgré leur signification statistique, les corrélations entre le B[a]P (ou les HAP
totaux) et le moment de la comète sont très modestes. Les contrastes entre les expositions moyennes
des volontaires au NO2 ou aux fumées noires associées aux PM2.5 entre les 3 secteurs, sur l’ensemble
des 3 agglomérations d’étude, sont également réduites [secteur de fond : 27 µg/m3 (± 14 µg/m3)
pour le NO2 et 22 % (± 13 %) pour l’absorbance liée aux PM2.5 ; secteur industriel : 29 µg/m3 (± 13
µg/m3) et 27 % (± 14 %) et secteur de proximité . 37 µg/m3 (± 12 µg/m3) et 34 % (± 10 %)].
Les PM2.5 présentent de meilleures corrélations entre teneurs en HAP et moment de la
comète que les PM10. Ces HAP sont représentés ici par le benzo(a)pyrène qui est bien corrélé aux
autres HAP cancérogènes (Barale et coll 1991), ce qui est par ailleurs confirmé par nos données. La
composition de la phase organique particulaire est très complexe. Elle contient en effet plusieurs
centaines de composés différents susceptibles d’entraîner une réponse génotoxique et qui peuvent
agir en synergie. Certains HAP et leurs dérivés nitrés et oxydés ont été reconnus comme mutagènes
lors d’études sur bactéries et mammifères et cancérogènes lors d’études animales (WHO 2003),
mais la plupart des composés organiques responsables de la mutagénicité de l’air ambiant n’ont pas
encore été identifiés (WHO 2000, US EPA 2002). D’après de Martinis et coll (1999), les fractions
d’extraits organiques de PM10 les plus mutagènes contiennent des cétones, des aldéhydes, des
quinones et des acides carboxyliques, composés qui n’ont pas été mesurés dans le cadre de ce
travail. Les aldéhydes et les cétones constituent en moyenne près de 10 % de la quantité des extraits
organiques dans une zone urbaine, alors que la proportion des alcools fluctue entre 7 et 25 % (Alves
et coll 2001, Pio et coll 2001). Les nitro-HAP ont également été reconnus comme étant
extrêmement mutagènes (Crebelli et coll 1991, Ball et coll 1992). Le 1-nitropyrène, le 2-
nitrofluoranthène, le 9-nitroanthracène, et le 6-nitrobenzo[a]pyrène sont les nitro-HAP les plus
abondants dans les particules atmosphériques. La formation atmosphérique des nitro-HAP est due à
l’action des radicaux hydroxydes (OH) et nitrates NO3sur les HAP (Fleiberg et coll 2001,
Bamford et coll 2003).
86
Conclusion
Ce travail a permis de mettre en évidence que les particules atmosphériques auxquelles sont
exposés les habitants des grandes cités sont génotoxiques. La réponse génotoxique semble plus
marquée en secteur urbain fortement influencé par le trafic automobile, mais les effluents du trafic
ne peuvent être considérés comme les seuls facteurs responsables de cette réponse qui est liée à un
ensemble de composés adsorbés sur les particules. Ces phénomènes appellent de nombreuses
interrogations : quels sont les attributs physico-chimiques des agents dangereux ? Quels sont les
composés organiques (autres que les HAP) qui y contribuent ? Les futures études devront tenter
d’apporter des éléments de réponse à ces questions.
Remerciements
Ce programme bénéficie d’une bourse de thèse ADEME co-financée par l’INERIS et
l’Institut de Veille Sanitaire, d’un financement PRIMEQUAL-PREDIT 2, du PRQA Rhônes-Alpes
et de la Fondation de France. Nous remercions également les réseaux de surveillance de la qualité
de l’air des villes de Grenoble, Paris, Rouen et Strasbourg pour leur participation active.
Bibliographie
Alves C, Plo C, Durate A.. Composition of extractable organic matter of air particles from rural and
urban Portuguese areas. Atmos. Environ. 2001, 35: 5485-5496.
Bamford HA, Bezabeh DZ, Schantz S, Wise SA, Baker JE. Determination and comparison of
nitrated-polycyclic aromatic hydrocarbons measured in air and diesel particulate reference
materials. Chemosphere 2003, 50: 575-587.
Ball JC and Young WC. Evidence for a new calss of mutagenic in diesel particulatre extracts,
Mutat. Res. 1992, 346: 2181-2186.
Barale R, Giromini L, Ghelardini G, Scapoli C, Loprieno N, Pala M, Valerio F, Bhatia R, Lopipero
P, Smith AH. Diesel exhaust exposure and lung cancer. Epidemiology 1998, vol 9: 84-91.
87
Cerna M, Pochmanova D, Pastorkova A, Bencs I, Lenicek J, Topinka J, Binkova B. Genotoxicity of
urban air pollutants in the Czech Republic. Part 1. Bacterial mutagenic potencies of organic
compounds adsorbed on PM10 particulates. Mutat. Res. 2000, 469: 71-82.
Crebelly R, fuselli G, Conti G, Conti L, Carere A. Mutagenicity spectra in bacterial strains of
airborne and engine exhaust particulate extracts. Mut. Res. 1991, 261: 237-248.
De Martinis B, Kado NY, De Carvalho LRF. Genotoxicity of fractionated organic material in
airborne particles from Sao Paulo, Brazil. Mutation Res. 1999, 446: 83-94.
Demokritou P, Kavouras IG, Ferguson ST, Koutrakis P. Development and laboratory performance
evaluation of a personal multipollutant sampler for simultaneous measurements of particulate
and gaseous pollutants. Aerosol Sci. Technol. 2001, 35: 741-752.
Fleiberg A, Poulsen M, Nielsen T, Skov H. Occurence and sources of particulate nitro-polycylic
aromatic hydrocarbons in ambient air in Denmark. Atmos. Environ. 2001, 35: 353-366.
Hadnagy W, Seemaye NH, Tomingas R, Ivanfy K. Comparative study of sister-chromatid
exchanges and chromosomal aberrations induced by airborne particulates from an urban and a
highly industrialized location in human lymphocyte cultures. Mutat. Res. 1989, 225: 27-32.
Hornberg C, Macluleviclute L, Scemayer NH, Kainka E. Induction of sister chromatid exchanges
(SCE) in human tracheal epithelial cells by the fractions PM-10 and PM-2.5 of airborne
particulates. Toxicol. Letters 1998, 96-97: 215-220.
Monarca S, Feretti D, Zanardini A, Falistocco E, Nardi G. Monitoring of mutagens in urban air
samples. Mutat. Res. 1999, 426: 189-192.
Miguel AG, Daisey JM, Sousa JA. Comparative study of the mutagenic and genotoxic activity
associated with inhalable particulate matter in Rio de Janeiro air. Environ. Mol. Mutagen. 1990,
15: 36-43.
88
Nerriere E, Zmirou-Navier D, Blanchard O, Momas I, Ladner J, Le Moullec Y, Personnaz MB,
Lameloise P, Delmas V, Target A, Desqueyroux H. Can we use fixed ambient air monitors to
estimate population long-term exposure to air pollutants? The case of spatial variability in the
Genotox’ER study. Environ. Res., in press.
Pio C, Alves C, Duarte C. Indentification, abundance and origin of atmospheric organic particulate
matter in a portuguese rural area. Atm. Environ. 2001, 35: 1365-1375.
US EPA. Air Quality Criteria for Particulate Matter (Third Extrernal Review draft) EPA 2002,
600/P-99/002aB. http://cfpub-epa.gov/ncea/cfm?ActType=default.
Vinitketkumnuen U, Kalayanarnitra K, Chewonarin T, Kamens R. Particulate matter, PM 10 & PM
2.5 levels, and airborne mutagenicity in Chiang Mai, Thailand. Mutat. Res.2002, 519: 121-131.
WHO. Health aspects of air pollution with particulate matter, ozone and nitrogen dioxide. Bonn,
WHO 2003, 57.
WHO. Air Quality Guidelines for Europe, Second edition. Copenhagen, WHO Regional Office for
Europe, 2000, WHO Regional Publications, european series, N°91.
Tableau 1 : Statistiques descriptives du moment de la comèteGroupe Nombre
d’observations
Moyenne Écart-type Minimum Maximum
Blancs de terrain 26 0,41 0,20 0,17 1,20
Culture 71 0,42 0,21 0,14 1,26
Solvant 19 0,45 0,25 0,24 1,09
Extraits organiques
PM10 76 0,48 0,25 0,22 1,40
Extraits organiques
PM2.5 284 0,64 0,47 0,09 3,34
89
Tableau 2 : Analyse des corrélations (Cœfficient de Spearman) entre le moment de la comète
(observé avec les échantillons PM2.5 et PM10) et les autres paramètres.
PM2.5
N=284
PM10
N=76Moment‡ BaP‡ Moment‡ BaP‡
BaP‡ 0,18* -0,02
HAP totaux‡ 0,20* 0,94 *** 0,02 0,96 ***‡ variables logtransformées
BaP : quantité de BaP présent sur le filtre PM2.5 (exprimé en ng)
HAP totaux : quantité de HAP présents sur le filtre PM2.5 (exprimé en ng)
* p<5%, **p < 1%, *** p < 10-3 %
90
Tableau 3: Paramètres du modèle de régression linéaire expliquant le moment de la comète
(logtranformé) observé après contact avec les extraits organiques issus des échantillons PM2.5
et PM10 (R2 = 0,53)
Coefficient Ecart type t P [intervalle de
confiance à 95%]
Rouen -0,78 0,05 -14,72 0,000 -0,89 -0,68
Strasbourg -0,77 0,05 -14,34 0,000 -0,87 -0,66
Fond -0,11 0,05 -2,15 0,032 -0,21 -0,01
Industriel -0,16 0,05 -3,17 0,002 -0,27 -0,06
Eté -0,141 0,04 -3,20 0,002 -0,228 -0,05
Adulte 0,07 0,04 1,77 0,077 -0,01 0,16
PM2,5 0,19 0,05 3,76 0,000 0,09 0,30
Constante -0,27 0,06 -4,30 0,000 -0,40 -0,15
Tableau 4: Paramètres du modèle de régression linéaire expliquant le moment de la comète
(logtranformé) observé après contact avec les extraits organiques issus des échantillons PM2.5
(R2 = 0,52)
Coefficient Ecart type t P [intervalle de
confiance à 95%]
Rouen -0,85 0,06 -13,81 0,000 -0,97 -0,73
Strasbourg -0,83 0,06 -13,78 0,000 -0,95 -0,71
Fond 0,22 0,09 2,27 0,024 0,03 0,40
Industriel 0,20 0,09 2,05 0,041 0,01 0,38
Proximité 0,31 0,09 3,35 0,001 0,13 0,49
91
Constante -0,41 0,09 -4,63 0,000 -0,59 -0,230
12
34
Mom
ent d
e la
com
ète
hiver ete culture BT
Figure 1 : Moments de la comète des extraits organiques PM2.5 en fonction des saisons et
comparaison avec les témoins (de culture et blancs de terrain)
0,37770,469 0,4598
0,516
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
Mom
ent d
e la
com
ète
Résultats ajustés sur la ville et le secteur
Figure 2 : Prédictions du moment des témoins versus les 3 secteurs obtenues à partir du
modèle présenté au tableau 4.
92
V- Relations air ambiant / expositions personnelles
Cette partie du travail vise à mieux connaître la relation entre les expositions personnelles
aux particules et au NO2 et les valeurs d’immissions mesurées par les réseaux de capteurs fixes. Il
fait l’objet d’un article sous presse dans la revue «Environmental Research».
Les associations entre les expositions personnelles moyennes en PM2.5, le PM10 et le NO2 et les
concentrations extérieures concomitantes ont été évaluées dans le cadre de l'étude de Genotox’ER. Cette
étude a été menée dans quatre agglomérations urbaines françaises (Grenoble, Paris, Rouen et Strasbourg)
avec la participation, sur chaque site, de 60 à 90 volontaires (adultes et enfants) non fumeurs. Les volontaires
ont porté l'échantillonneur personnel multi-polluant Chempass pendant 48 heures à deux reprises en deux
saisons différentes (été et hiver). Sur chaque site, les sujets ont été choisis de manière à ce qu’ils vivent
(domicile et travail/école) dans 3 secteurs urbains différents contrastés en terme de pollution atmosphérique
(un fortement exposé aux émissions du trafic, un influencé par des sources industrielles locales, et un autre
ayant le profil de fond urbain). En parallèle des mesures d'exposition personnelle, les concentrations
ambiantes extérieures ont été mesurées par une station fixe dans chaque secteur intra urbain. Un modèle de
régression linéaire a été construit avec comme variable dépendante spécifique au polluant correspond à la
différence, pour chaque sujet, entre les concentrations ambiantes extérieures moyennes pendant les 48 heures
et l’exposition personnelle pendant la même période. Les variables explicatives correspondent aux quatre
agglomérations urbaines, aux trois secteurs urbains, à la saison et à la catégorie d'âge.
Tandis que des expositions moyennes aux particules sont sous-estimées par les moniteurs extérieurs,
dans presque toutes les villes, selon les saisons et les catégories d'âge, les différences sont inférieures pour le
NO2 et, en général, dans l'autre sens. Les rapports entre les expositions personnelles moyennes et les niveaux
ambiants extérieurs varient selon les agglomérations et les secteurs urbains. Ces résultats suggèrent que le
fait d’utiliser les concentrations ambiantes extérieures pour évaluer l'exposition moyenne des populations,
dans les études épidémiologiques sur les effets à long terme ou dans les études d’évaluation du risque, doit
faire appel à certaine attention. Les différences entre les dispositifs de mesure, les sources locales et
régionales de pollution, les pollutions intérieures et les budgets espaces temps peuvent fortement influencer
les relations entre concentrations ambiantes extérieures et exposition de la population. Beaucoup de
précaution doit être portée au choix des sites de surveillance les plus appropriés selon les objectifs de l’étude
en question.
93
Can we use fixed ambient air monitors to
estimate population long-term exposure to air
pollutants? The case of spatial variability in the
Genotox’ER study.
Éléna NERRIERE1, Denis ZMIROU-NAVIER1, Olivier BLANCHARD2, Isabelle MOMAS3, Joël
LADNER4, Yvon LE MOULLEC5, Marie-Blanche PERSONNAZ6, Philippe LAMELOISE7,
Véronique DELMAS8, Alain TARGET9, Hélène DESQUEYROUX10
1 INSERM, Faculté de médecine, 9 avenue de la Forêt de Haye, 54 505 Nancy, France
2 INERIS, Parc Technologique ALATA, 60 550 Verneuil-en-Halatte, France
3 Faculté de pharmacie Paris 5, 4 avenue de l’observatoire, 75 006 Paris, France
4 Département d’Epidémiologie et Santé Publique, CHU, 76000 Rouen, France
5 Laboratoire d’Hygiène de la ville de Paris, 11 rue George Eastman, 75 013 Paris, France
6 ASCOPARG, 44 avenue Marcellin Berthelot, BP 2734, 38 037 Grenoble cedex 2, France
7 AIRPARIF, 7 rue Crillon, 75 004 Paris, France
8 Air Normand, 21 avenue de la Porte des Champs, 76 000 Rouen, France
9 ASPA, 5, rue de Madrid, 67309 Schiltigheim Cedex, France
10 ADEME, 27 rue Louis Vicat, 75 737 Paris cedex 15, France
Address for correspondence: Denis ZMIROU-NAVIER, School of Medicine, 9 av de la Forêt de HayeBP 184 - 54505 Vandoeuvre-les-Nancy Cedex, FranceE-mail : [email protected]
94
Abstract
Associations between average personal exposures to PM2.5, PM10 and NO2 and concomitant outdoor
concentrations were assessed within the framework of the Genotox’ER study. It was carried out in
four French metropolitan areas (Grenoble, Paris, Rouen and Strasbourg) with the participation, in
each site, of 60 to 90 non-smoking volunteers composed of two groups of equal size (adults and
children) who carried the personal Harvard Chempass multi-pollutant sampler during 48 hours
along two different seasons (‘hot’ and ‘cold’). In each center, volunteers were selected so as to live
(home and work/school) in 3 different urban sectors contrasted in terms of air pollution (one highly
exposed to traffic emissions, one influenced by local industrial sources, and a background urban
environment). In parallel to personal exposure measurements, a fixed ambient air monitoring station
surveyed the same pollutants in each local sector. A linear regression model was accommodated
where the dependent pollutant-specific variable was the difference, for each subject, between the
average ambient air concentrations over 48 hours and the personal exposure over the same period.
The explanatory variables were the metropolitan areas, the three urban sectors, season, and age
group.
While average exposures to particles were underestimated by outdoor monitors, in almost all cities,
seasons and age groups, differences were lower for NO2 and, in general, in the other direction.
Relationships between average personal exposures and ambient air levels varied across
metropolitan areas and local urban sectors. These results suggest that using ambient air
concentrations to assess average exposure of populations, in epidemiological studies of long term
effects or in a risk assessment setting, calls for some caution. Discrepancies between measurement
devices, local and regional sources of pollution, indoor exposures or activity patterns may strongly
influence how the ambient air concentrations relate to population exposure. Much attention should
be given to the selection of the most appropriate monitoring sites according to the study objectives.
95
Key-words: PM2.5, PM10, NO2, personal exposure, ambient air quality monitoring.
Funding sources
We provide the formal assurance that any studies involving humans and experimental animals were
conducted in accordance with national and institutional guidelines for the protection of human
subjects and animal welfare.
Introduction
Several epidemiologic studies suggest that the risk of lung cancer is increased among populations
living in geographical areas affected by air pollution (Barbone et al., 1995; Beeson et al., 1998;
Laden et al., 2001; Nyberg et al., 2000; Pope et al., 2002; Nafstad et al., 2003). Fine particles were
significantly associated with the risk of cancer in the extended follow-up of the Six Cities and ACS
cohorts (Laden et al., 2001; Pope et al., 2002). The carcinogenic potency of particles may be partly
due to the genotoxic compounds they convey, such as some metals (Fernandez et al., 2001; 2002)
and Polycyclic Aromatic Hydrocarbons (PAHs) (Ares et al., 2000; Burgaz et al., 2002; Iwai et al.,
2000; Kyrtopoulos et al., 2001; Spinosa et al., 1999).
These epidemiologic studies of long term effects of air pollution assessed exposure using
measurements by outdoor fixed-site monitors or a combination of measurement and modelling data.
Several studies aimed at evaluating the link between PM (Particulate Matter) personal exposures
and PM ambient air concentrations measured by the air quality networks, and this issue is a priority
of the PM research agenda in the U.S. (Lippmann et al., 2003). Some studies on PM10 and PM2.5
found weak cross-sectional associations between individual short term exposures and ambient air
levels (Lioy et al., 1990; Clayton et al., 1993; Özkaynak et al., 1996; Pellizzari et al., 1999; Boudet
et al., 2000; Linaker et al., 2000). However, these associations may vary according to the type (and
origin) of particle air pollution. In a study in Basel (Öglesby et al., 2000), ambient air
concentrations of indicators for regional particle air pollution (sulfates, potassium) were highly
96
correlated to personal exposures, while the associations were weaker for indicators of primary
traffic-related (lead, bromine) and crustal (calcium) particles. Stronger personal-outdoor PM
correlations are found when personal data are analysed over time, although with high between-
subjects differences (Janssen et al., 1999; Rojas-Bracho et al., 2000; Williams et al., 2000). These
correlations are further enhanced when calculated over average group exposures (Janssen et al.,
1998; Williams et al 2000), and may reach high levels when calculated between groups over long (a
year or so) periods (Jantunen et al., 2000).
In addition to the well known influence of indoor sources on personal PM exposures, that vary
considerably across subjects, their home and work characteristics, and time-activity patterns (Elbett
et al., 2000; Wallace et al., 1996), another factor that might explain the interpersonal differences
between outdoor and indoor concentrations and exposures relate to spatial variability of outdoor
concentrations of pollutants. This spatial variability depends on the pollutant, its source and make-
up (Goswami et al., 2002; Ito et al., 2001; Zhu et al., 2002).
In this setting, we present some results of the Genotox’ER study which was designed to describe
exposure of French urban populations to ambient air suspended particles and their carcinogenic
components (genotoxic metals and organic compounds – PAHs) and to benzene, in a view to assess
the risk of cancer. Personal exposures were measured among small groups of subjects living in
distinct urban sectors that were assumed to be contrasted in terms of air quality. Collection of
personal exposure data was spread out over time in order to accrue information on two distinct
seasons. This paper will focus on PM2.5, PM10 and NO2 exposures (NO2 as an indicator of pollution
by traffic), and will describe the links between personal exposures and outdoor concentrations
measured in parallel by the ambient air quality monitoring networks.
97
Methods
Study design
Places and population
This multicenter study was carried out in four French metropolitan areas (Grenoble, Paris, Rouen
and Strasbourg) that were chosen because they were contrasted in terms of urban setting, air quality
and emission sources. The sites were also selected because monitoring stations could be set in
appropriate locations in the framework of a pilot program conducted by the French Agency for
Energy Management (ADEME) which funds the air quality monitoring equipment throughout the
country. In each metropolitan area, three sectors were determined a priori: (i) «traffic proximity»,
i.e. the urban sector most exposed to traffic emissions; (ii) a sector which is representative of urban
background air quality; (iii) a sector which is influenced by industrial emissions. Hence, presence of
an urban sector with industrial activities was also a city selection criterion for this study. These
activities comprised mostly chemical and petroleum plants in Grenoble and Rouen, refinery in
Strasbourg; in the Paris metropolitan area, the ‘industrial sector’ hosted the Paris main harbour, with
petroleum storage and a variety of metallurgy plants. We retrieved annual emission data (year 2000
for Paris and Strasbourg, 2001 for Grenoble and 2002 for Rouen) for NOx and Total Suspended
Particles (TSP) from the local Industry and Environment administration for each factory whose
emission was above a given level set by the European Union regulations (EU 2000). In the
Grenoble industrial sector, 10 factories emitted 5 827 tons of NOx (declaration threshold: 150 t) and
1 factory emitted 200 t of TSP (threshold: 150 t). In the Paris area industrial sector, 25 factories
emitted 21 160 t of NOx and 9 factories emitted 8 733 t of TSP. The corresponding Rouen data were
3 258 t of NOx by 3 factories, and 346 t of TSP (1 factory). In Strasbourg, 2 factories emitted 1 426
t of NOx and 1 factory emitted 234 t of TSP. Partitioning each metropolitan area into these sectors
was done after expert judgment (the heads of the air quality monitoring networks).
The study included 6-13 years old children not exposed to passive smoking, and non-smoking 20-98
71 years old adults, the latter not being exposed to occupational air pollution (e.g. no taxi drivers or
chemical factory workers). All were volunteers and were mostly recruited through school teachers
(children and parents) or local municipalities’ administrations. A key selection criterion was that
they dwelt and worked (including at school) in the same urban sector within their metropolitan area,
with a view to sharpen contrasts between average exposures across urban sectors, if any. The
sample size was 20 subjects (10 children and 10 adults) in each sector in Grenoble, Rouen and
Strasbourg, and 30 ([15+15] in the downtown sector of the Paris metropolitan area).
With a few exceptions, all volunteers contributed to two series of personal exposure measurements:
during the ‘cold season’, from February to March, and during the ‘hot season’ (however,
measurements were taken before the holiday period), from May to the beginning of July. Since the
study could not take place in parallel across cities, due to logistic and financial reasons, they were
scattered over 3 years, starting in Grenoble (pilot study in 2001), then Paris (2002), Rouen (2002-
2003) and finally Strasbourg (2003) (see map in figure 1).
Personal exposure and ambient air concentrations measurements
Particles were sampled during 48 hours with the Harvard ChemPass® (Demokritou et al., 2001)
installed in a rucksack. Benzene and NO2 were sampled by passive diffusion (Radiello Perkin
Elemer® and Ogawa® samplers). The equipment comprised a portable pump BGI® (model 400)
providing a flow in each head of 1.8 l/min. Particles were collected on Teflon filters (Gelman®,
diameter 37 mm, porosity 2 µm). The filters were weighed using a microbalance (Mettler Toledo
MT5) with a sensitivity of 1 µg. Sampled filters were stored in a room controlled for temperature
(20 1°C) and relative humidity (50 3%) and were equilibrated with these conditions for at least
24-h prior weighing. The balance was first calibrated and zeroed, and the electrostatic charges on
the filters were eliminated using an ionization system (HAUG Discharge system, Multistat). Each
filter was weighed thrice and the mean of the three values was recorded with a standard deviation
(S.D) lower than 4 µg. Three control filters were weighed during each weighing session and used to
99
correct for weight changes in the sampled filters cause by variations in the balance room
atmosphere. The mineral constituents of the particles were analysed using the PIXE technique
(Particle Induced X-ray Emission). The concentrations of PAHs were determined using the NIOSH
(National Institute for Occupational Safety and Health) reference method. All analyses, for a given
pollutant, were conducted in the same laboratory. NO2 is analyzed by photometry at 545 nm.
Analyses for benzene were performed on an automatic thermal desorption apparatus linked to a
Chromopack Column. Results for benzene, PAHs and metals are not presented in this paper.
In each sector of the three metropolitan areas, a fixed station monitored the same pollutants as those
measured by the study subjects, and sampled air during the same 48 hours periods when the
personal exposure measurements took place. Particles were measured by a TEOM monitor (Tapered
Element Oscillating Microbalance) and NO2 was measured by chimiluminescence. Due to a delay
in the equipment of the air quality surveillance organism, particles could not be measured in the
industrial sector in Grenoble, the first study city.
Statistical analysis
The aim of this paper is to relate personal exposures and ambient air quality. To do so, we created a
pollutant-specific variable Δ (delta) for each subject that measures the difference between the
average ambient air concentrations over 48 hours and the personal exposure value over the same
time period, for a given pollutant. This was introduced as the y variable in multiple linear regression
models where the explanatory variables were: the three metropolitan areas, the three sectors within
each metropolitan area, season, and age (children versus adults); first order interaction terms were
tested. Because each subject is indexed as living, respectively, downtown, in the industrial or the
background sector, a first Δ variable was tested (Δ1), where this difference was calculated with the
corresponding ‘local’ monitor. Now, in most air pollution epidemiology studies, population
exposure is assessed using a ‘city average’ of all monitoring sites or of ‘background’ monitors only.
100
For this reason, a second Δ variable was computed (Δ2), where the difference was calculated
according to the same background monitor for all subjects, in their metropolitan area.
Results
Population characteristics in each study area are presented in table 1. The average age was 10.5
years in the children group and 43.6 for adults. Children were mainly boys whereas adults were
mainly women. In table 2 are exhibited crude pollution parameters, i.e. average (standard deviation)
personal exposures and ambient air concentrations, according to city, sector, and age, respectively
for the ‘cold’ and the ‘hot’ season.
Table 3 presents the parameters of the multiple linear regression models that estimate Δ1 for PM10,
PM2.5 and NO2 respectively. No interaction was found with age (the lowest p for interaction was
0.37); a season effect was demonstrated that depended upon the metropolitan area (interaction p =
0.06). Figures 2 display the main results for PM2.5 and NO2 (PM10 data resemble the PM2.5 patterns,
but with always greater Δ values). Respectively, Δ1 (local station) and Δ2 (background station) data
are split according to city and season and, for the sake of clarity, are presented for children alone
(similar results were demonstrated for adults). Expected average differences between ambient air
monitors measurements and personal exposures, adjusted on the model parameters, show different
patterns according to the pollutant. While PM Δ values are mostly negative, meaning that average
exposures to particles are underestimated by outdoor monitors in all cities (with the exception of
Grenoble, in summer and the proximity sector), differences are lower for NO2 (except in Grenoble
and Strasbourg) and often in the other direction (with the exception of Paris and Strasbourg in
summer). In general, Δ values are lower in summer that in winter. Another striking observation is
that the differences show discrepancies according to the city and to the urban sector: particles Δ
values are lower in Grenoble than in Paris, the differences being greater in the metropolitan areas of
Rouen and Strasbourg. Between cities fluctuations of average Δs can exceed 25 µg/m3 for PM2.5,
101
and reach 15 µg/m3 across sectors within a metropolitan area. These Δs are essentially unchanged
whether considering local monitors (Δ1) or only background (Δ2) PM2.5 or PM10 monitoring stations.
The pattern for NO2 is quite different, with low and most often positive delta values, the monitors in
the sector influenced by traffic emissions giving values that overestimate the most average
exposures (in particular in Grenoble and Strasbourg).
Discussion
1-The main results of this study are the following. The difference between ambient air
concentrations and average personal exposures is pollutant-specific. While PM2.5 and, to a larger
extent, PM10 concentrations, underestimate population exposures across almost all cities, seasons
and age categories, the contrary tends to hold true for NO2, but contrasts are much milder. These
differences vary between cities and, to a lesser extent, within cities, according to the urban sector
using monitors that measure background urban air quality or located in sectors more influenced by
local emission sources does not alter these results for particles, but contrasts are enhanced for NO2.
2- Personal exposures to particles greater than ambient air measurements were already found in
several other studies (Janssen et al, 1998; 1999; Elbett et al., 2000; Rojas-Bracho et al., 2000;
Koistinen et al., in press). A similar study was carried out among 62 Paris office workers
(Mosqueron et al., 2002), whose characteristics were close to the adult volunteers explored in Paris
in the present study. The results showed that average personal exposures to PM2.5 (30.4 µg/m3) were
greater than concomitant local ambient air concentrations (16.7 µg/m3). Differences have also been
shown for NO2 (Raaschou-Nielson et al, 1997; Linaker et al, 2000; Mosqueron et al., 2002). What
this study adds to this evidence is that the relation between ambient air measurements and personal
exposures varies according to cities and, within a given metropolitan area, to the type of outdoor
environment.
102
3- Some limitations of this study are reckoned. The population sample (about 270 persons) is not
large, when split into city-sector and age categories. However, despite a high between-subjects
variability of personal exposure measures, the confidence intervals in figure 2 are narrow,
suggesting that the differences between exposures and concomitant ambient air levels are stable.
Also, the study sample is not representative of the general population; the sampling design was
based upon volunteering and location of subjects (work and home) in pre-selected urban sectors, so
as to sharpen exposure contrasts, if any. Now, it is well known that volunteers tend to be more
educated than the general population, a character that may relate to exposure (Oglesby et al., 2000).
An important factor that might contribute artifactually to the observed gaps between exposures and
ambient air concentrations relates to measurements methods. For particles, the former was assessed
after particle mass deposition on filters set in the Harvard personal Chempass sampler (model 3400;
Demokritou et al., 2001), while the latter used a TEOM monitor (Tapered Element Oscillating
Microbalance). NO2 air concentrations were measured by chemiluminescence, and personal
exposures were assessed by spectrophotometry on the passive Ogawa samplers impregnated with
triethanolamine. Two aspects should be considered, dealing with the particles’ measurement
technology, which may have distinct consequences. Because of an increase in temperature, the
TEOM methodology may induce volatilization of the most volatile particles compounds and, in
particular, of ammonium nitrates (Allen et al., 1997; APEG, 1999; Soutar et al., 1999). Now, in
particular during winter, it is common to observe episodes of high ammonium nitrates pollution;
this occurred in Rouen and in Strasbourg during winter of year 2003. This volatilization
phenomenon induces an underestimation of the TEOM particles levels, compared to the Chempass
gravimetric method, whose amplitude may vary along time and according to the air pollution make-
up (personal communication from INERIS). A second aspect relates to the Chempass
measurements. A comparison of the Chempass with a gravimetric reference method (Partisol) for
PM10 and PM2.5 concentrations in ambient air was carried out during the study for internal validation
103
purposes. The results showed a positive Chempass bias reaching up to 30 %. In a view to evaluate
the possible impact of this factor in the prediction of average differences between personal
exposures and ambient air measurements, we assumed, as an extreme scenario, a 30 % over-
estimation of the particles levels measured by the Chempass sampler, and reran the statistical
models. The average differences between background ambient air concentrations and personal
exposures (∆2) for PM2.5 and the children were reduced in Paris from -6.51 µg/m3 (before correction)
to –1.77 µg/m3 (after correction) in winter, and from -7.87 µg/m3 to -4.13 µg/m3 in summer; in
Grenoble, the corresponding figures were –12.52 µg/m3 to –5.61 µg/m3 in winter and –4.27 µg/m3 to
0.84 µg/m3 in summer; in Rouen, from -28.38 µg/m3 to -17.73 µg/m3 in winter and –11.66 µg/m3 to
–6.89 µg/m3 in summer, and in Strasbourg, from -39.02 µg/m3 to -26.22 µg/m3 in winter and -35.08
µg/m3 to -23.93 µg/m3 in summer. The same trend was observed for PM10. The conclusion of this
sensitivity analysis is that the differences between ambient air concentrations and exposures remain,
after consideration of the positive Chempass bias, even according to this extreme scenario. The
pattern of heterogeneity between sectors and cities still holds true, however more discrete.
4- In addition to measurement technology, other important factors explain the differences that are
observed between ambient air concentrations and personal exposures. The latter highly depend on
air quality in micro-environments that fixed site monitors cannot capture. They do not take into
account micro-environmental determinants of exposures (indoor sources, transfer rates between
outdoor and indoor air, the “personal cloud”) whose influence on personal exposures depend on
individual time activities patterns. The personal cloud involves the gross fraction of PM10 rather
PM2.5 (Clayton et al, 1993; Wallace et al, 1996; Levy et al, 2000). Our data confirm this, since our
delta values are, on average, greater for PM10 across all cities and sectors (26 µg/m3) than for PM2.5
(15 µg/m3). Differences in time activity patterns across sectors might also influence our results.
Time activity diaries were completed by all participants (15 minutes resolution during all week days
including the study 48 hours) for micro-environments (e.g. time spent indoor / outdoor at home, at
104
work etc) and showed no difference between sectors (data nor showed). For all these reasons,
personal exposure studies are of great importance, despite the limitations of the current
technologies, and the cumbersome nature of these studies for those who are willing to participate.
5- Caution was given to retrieve ambient air concentrations monitored during the same 48 h period
as the personal exposure measurements, for each subject; however, due to when subjects could be
equipped with their personal sampler, there could be up to 4 hours gap between the two time
frames. Some degree of misclassification in the allocation of volunteers between the 3 pre-defined
urban sectors cannot be ruled out. Partitioning each metropolitan area into these sectors was done
after expert judgment (the heads of the air quality monitoring networks) based on where laid the
most active inner-city roads, and were located the most important industrial facilities. Also,
irrespective of their sector allocation individuals could commute within the city (adults rather than
children), although provision was given so as to select subjects who declared living and working in
the same urban area. Further, while the monitoring stations that were selected in Paris and Rouen to
measure the “proximity” sector ambient air concentrations can be viewed as background monitors
in urban areas with high traffic density, the corresponding monitors in Grenoble and Strasbourg
were more directly influenced by traffic emissions, hence explaining why NO2 Δ values were
greater (and highly positive) compared to Paris and Rouen.
6- What may be the consequences of the spatial heterogeneity underscored by this study between
ambient air concentrations and population exposures, in the course of air pollution epidemiology or
risk assessment studies? These consequences are liable to differ according to the design of the
studies (Jantunen et al, 2000; Gauvin. et al., 2002). While cross-sectional correlations between
ambient air levels of particulates and personal exposures measured over short time periods
(typically 24 to 48 hours) are weak, lending to a high degree of exposure misclassification, these
correlations are greater when calculated in a longitudinal design, with repeated measurements over
time (say a week), and they are even greater when average population exposures are compared to
105
average ambient air values measured over longer periods, as it is typically the case in studies of
long term effects of chronic exposures. Our study design combines the 2 latter features, since
exposures were averaged over groups of subjects who, collectively, participated to the study across
two successive periods of 3 months, although each subject contributed only to two 48 hours
sampling periods. Hence, in addition to these population sizes and time-related characteristics, one
should evaluate with care how populations included in epidemiological or risk assessment studies
may differ in their spatial characteristics with respect to air quality according to the distribution of
local emission sources across the metropolitan areas that are under consideration. As an example,
the ACS cohort study that took place across 150 American metropolitan areas showed that long
term exposure to fine particulate air pollution was associated with an increased risk of lung cancer
(Pope et al., 2002); this effect was more evident among subjects with the lowest level of education.
One reason for this effect modification might relate to heterogeneity in the geographical distribution
of subjects within cities, a reasonable assumption being that less educated people reside in urban
sectors more exposed to traffic emissions and to industrial fumes, a feature that may not be fully
captured when exposures are estimated through average values of fixed sites monitoring stations
(Finkelstein, 2002). Our study suggests that differences of average exposures across urban sectors
may not be negligible. An obvious factor that also influences how fixed monitors “represent”
population exposures lays in the very design of the monitoring networks, in relation to what patterns
of air quality they are meant to capture (regional factors and/or local sources) and to how the
population densities are distributed about the locations of the monitors. Efforts are made by national
and international bodies (ADEME, 2002) to set rules to harmonize the design of air quality
networks and, accordingly, to enhance the ability to compare results across cities; however
discrepancies may still exist between cities and across countries. Much attention should be given to
the selection of the most appropriate monitoring sites according to the study objectives.
106
Conclusion
Using ambient air monitoring data to assess population exposure in an epidemiological or risk
assessment setting in order to study effects of long term exposures is convenient and showed very
valuable. However, the present study suggests that some caution is called upon. Personal and
population exposures are greatly influenced by indoor sources and time-activity patterns. Further,
air quality is uneven within cities, under the influence of local sources and urbanistic characteristics,
a heterogeneity that should be studied with care to select appropriate ambient air monitors. The
design of the monitoring networks across cities and countries may also influence how ambient air
concentrations relate to population exposures. For these reasons, it is presently difficult to propose a
general approach in order to derive population exposure estimates from ambient air monitoring
data, that would be hold true for all urban settings. A site specific analysis is recommended to meet
the study objectives and requirements.
Acknowledgements
This project was funded by the PRIMEQUAL-PREDIT 2 national research programme on air
quality, the Ministry of Health, the Rhône-Alpes region air quality programme and by the
Foundation of France. Éléna Nerrière received a Ph.D. grant by ADEME, INERIS and the National
Health Surveillance Institute (InVS). The authors thank all the volunteers who participated in this
study.
107
References
ADEME, 2002. Classification and criteria for setting up air-quality monitoring stations. ADEME
(in French), Paris, France, 63 pp.
Allen, G., Sioutas, C., Koutrakis, P., Reiss, R., Lurmann, F.W., Roberts, P.T., 1997. Evaluation of
the TEOM method for measurement of ambient particulate mass in urban areas. J. Air.Waste
Manage. Assoc. 47, 682-689.
Airborne Particles Expert Group (APEG), 1999. Source Apportionnement of Airborne Particulate
Matter in the United Kingdom, Department of the Environment Transport and the Regions
(DETR), United Kingdom.
Ares, A., Eckl, P.M., Raffelsberger, I., 2000. Genotoxicity at low-level dose of inspirable urban
ambient air particulate in a semiarid regime. Environ. Monit. and Assess. 63, 389-408.
Barbone, F., Bovenzi, M., Cavallieri, F., Stanta G., 1995. Air pollution and lung cancer in Trieste,
Italy. Am. J. Epidemiol. 141, 1161-1169.
Beeson, W.L., Abbey, D.E., Knutsen, S.F., 1998. Long term concentrations of ambient air
pollutants and incident lung cancer in California adults: results from the ASMOGH study.
Environ. Health. Perspect. 106, 813-822.
Boudet, C., Zmirou, D., and Poizeau, D., 2000. Fraction of PM2.5 personal exposure attributable to
urban traffic: a modelling approach. Inhal. Toxicol. 12, 41-53.
Burgaz, S., Demercigil, G.C., Karahalil, B., Karakaya, A.E., 2002. Chromosomal damage in
peripheral blood lymphocytes of traffic policemen and taxi drivers exposed to urban air
pollution. Chemosphere 47, 57-64.
Clayton, A., Perrit, R.I., Pellizzari, E.D., Thomas, K.W., Whitemore, R.W., Wallace, L.A.,
Özkaynak, H., Spengler, J.D., 1993. Particle total exposure assessment methodology (PTEAM)
108
study: distribution of aerosol and elemental concentrations in personal, indoor, and outdoor air
samples in a southern California community. J. Expos. Anal. Environ. Epidemiol. 3, 227-250.
Demokritou, P., Kavouras, I.G., Ferguson, S.T., Koutrakis, P., 2001. Development and laboratory
performance evaluation of a personal multipollutant sampler for simultaneous measurements of
particulate and gaseous pollutants. Aerosol Sci. Technol. 35, 741-752.
Elbett, S., Petkau, J., Vedal, S., Fisher, T., Brauer, M., 2000. Exposure of chronic obstructive
pulmonary disease patients to particulate matter: relationships between personal and ambient air
concentrations. J. Air Waste Manage. Assoc. 50, 1081-1094.
European Union. Document d’orientation pour la mise en oeuvre du registre EPER. Conformément
à l’article 3 de la décision 2000/499.CE de la Commission du 17 juillet 2000. European
Commission, DG Environment, November 2000. ISBN 92-894-3066-4.
Fernandez, A.J., Ternero, M., Barragan, F.J. Jimenez, J.C., 2001. Size distribution of metals in
urban aerosols in Seville (Spain). Atmos. Environ. 35, 2595-2601.
Fernandez, A.J., Ternero, M., Barragan, F.J., Jimenez, J.C., 2002. A chemical speciation of trace
metals for fine urban particles. Atmos. Environ. 36, 773-780.
Finkelstein, M.M, 2002. Pollution-related mortality and educational level (letter to the editor).
JAMA 288, 830.
Gauvin, S., Zmirou, D., Le Moullec, Y., Cassadou, S., Lauvergne, N., Reungoat, P., Vestri, V.,
Momas, I., 2002. Surveillance de la qualité de l'air. Étude de l'exposition personnelle d'enfants au
NO2 et aux particules fines. Rev. Epidemiol. Sante Publique 50, 307-319.
Goswani, E., Larson, T., Lumley, T., Liu, L.J.S., 2002. Spatial characteristics of fine particulate
matter: identifying representative monitoring locations in Seattle. J Air Waste Manage Assoc.
52, 324-333.
109
Ito, K., Thurston, G.D., Nadas, A., Lipmann, M., 2001. Monitor-to-monitor temporal correlation of
air pollution and weather variables in the North-Central U.S. J. Expo. Anal. Environ. Epidemiol.
11, 21-32.
Iwai, K., Adachi, S., Takahashi, M., Möller, L., Udagawa, T., Mizuno, S., Sugawara, I., 2000. Early
oxidative DNA damage and late development of lung cancer in diesel exhaust-exposed rats.
Environ. Res. Sect. 84, 255-264.
Janssen, N.A., Hoek, G., Brunekreef, B., Harssema, H., Mensink, I., Zuidhof, A., 1998. Personal
sampling of PM10 in adults: relation between personal, indoor and outdoor concentrations. Am .J.
Epidemiol. 147, 537-547.
Janssen, N.A., Hoek, G., Harssema, H., Brunekreef, B., 1999. Personal exposure to fine particles in
children correlates closely with ambient fine particles. Arch. Environ. Health 54, 95-101.
Jantunen, M.J., Kousa, A., Hänninen, O., Koistinen, K., Sram, R., Lanki, T. et al. Evaluation of
current evidence on the relationships between short term individual ... long term population PM
exposures and respective outdoor PM concentrations. PM200 International Conference
Proceedings. Particulate matter and health. The scientific basis for regulatory decision making.
January 24-28, 2000. Charleston SC.
Koistinen, K., Edwards, R.D., Ruuskanen, J., Jantunen, M. (in press). Sources of PM2.5 in personal
exposures and residential indoor, outdoor and workplace microenvironments in EXPOLIS-
Helsinki, Finland. Scand J Work Environ Health.
Krytopoulos, S.A., Georgiadis, P., Autrup, H., 2001. Biomarkers of genotoxicty of urban air
pollution overview and descriptive data from a molecular epidemiology study on populations
exposed to moderate-to-low levels of polycyclic aromatic hydrocarbons: the AULIS project.
Mutat. Res. 496, 207-228.
Laden, F., Schwartz, J., Speizer, F.E., Dockery, D., 2001. Air pollution and mortality: a continued
follow-up in the Harvard Six Cities study. (Abstracts). Epidemiology 12, S81.
110
Levy, J.I., Houseman, E.A., Ryan, L., Richardson D., 2000. Students from the 1998 Summer
program in Biostatistics, Spengler J.D. Particle concentrations in urban microenvironments.
Environ. Health Perspect. 108 (11), 1051-1057.
Linaker, C., Chauhan, A., Inskip, H., Holgate, S., Coggon, D., 2000. Personal exposures of children
to nitrogen dioxide relative to concentrations in outdoor air. Occup. Environ. Med. 57, 472-476.
Lioy, P.J., Waldam, J.M., Buckley, T., Butler, J., Pietarinen, C., 1990. The personal, indoor and
outdoor concentrations of PM10 measured in an industrial community during the winter. Atmo.
Environ. 24B, 57-66.
Lippmann, M., Frampton, M., Schwartz, J., 2003. The U.S. Environmental Protection Agency
Particulate Matter health effects research centers program: a midcourse report of status, progress,
and plans. Environ. Health Perspect. 111, 1074-1092.
Mosqueron, L., Momas, I., Le Moullec, Y., 2002. Personal exposure of Paris office workers to
nitrogen dioxide and fine particles. Occup. Environ. Med. 59, 550-556.
Nafstad, P., Haheim, L.L., Oftedal, B., Gram, F., Holme, I., Hjermann, I., Leren, P., 2003. Lung
cancer and air pollution: a 27 years follow-up of 16 209 Norwegian men. Thorax 58, 1071-1076.
Nyberg, F., Gustavsson, P., Järup, L., Bellander, T., Berglind, N., Jakobsson, R., Pershagen, G.,
2000. Urban air pollution and lung cancer in Stocklom. Epidemiology 11, 487-495.
Oglesby, L., Kuenzli, N., Röösli, M., Braun-Fahrländer, C., Mathys, P., Stern, W., Jantunen, M.,
Kousa, A., 2000. Validity of ambient levels of fine particles as surrogate for personal exposure to
outdoor air pollution: results of the European EXPOLIS-EAS study (Swiss center Basel). J. Air
Waste Manage. Assoc. 50, 1251-1261.
Oglesby L., Nino Künzli N., Tuulia Rotko T., 2000. Personal exposure assessment studies may
suffer from exposure relevant selection bias. J Expo Anal Environ Epidemiol ; 10:251-256.
111
Özkaynak, H., Xue, J., Spengler, J., Wallace, L., Pellizzari, E., Jenkins, P., 1996. Personal exposure
to airborne particles and metals: results from the particle TEAM study in Riverside, California
pilot study. J. Expos. Anal. Environ. Epidemiol. 6, 57-78.
Pellizzari, E.D., Clayton, C.A., Rodes, C.E., Mason, R.E., Piper, L.L., Fort, B., Pfeifer, G., Lynam,
D., 1999. Particulate matter manganese exposure in Toronto, Canada. Atmo. Environ. 33, 721-
734.
Pope, C.A., Burnett, R.T., Thun, M.J., Calle, E.E., Krewski ,D., Ito, K., Thurston, G.D., 2002. Lung
cancer, cardiopulmonary mortality and long term exposure to fine particulate air pollution.
JAMA 287, 1132-1141.
Raaschou-Nielson, O., Skov, H., Lohse, C., Thomsen, N.B.L., Olsen, J.H., 1997. Front-door
concentrations and personal exposures of Danish children to nitrogen dioxide. Environ. Health
Perspect. 105, 964-970.
Rojas-Bracho, L., Koutrakis, P., Suh, H., 2000. Relationships among personal, indoor, and outdoor
fine and coarse particle concentrations for individuals with COPD. J Exp. Anal. Environ.
Epidemiol. 10, 294-306.
Sacre, C., Chiron, M., Flori, J.P., 1995. Development of an exposure index of air pollution caused
by motor vehicles for use in epidemiological studies. Sci. Total Environ. 169, 63-69.
Soutar, A., Watt, M., Cherrie, J.W., Seaton, A., 1999. Comparison between a personal PM10
sampling head and the tapered element oscillating microbalance (TEOM) system. Atm. Env. 33,
4373-4377.
Spinosa De Martinis, B., Kado, N.Y., De Carvalho, L.R.F., Okamoto, R.A., Gundel, L.A., 1999.
Genotoxicy of fractioned organic material in airborne particles from São Paulo, Brazil. Mutat.
Res. 446, 83-94.
Wallace, L., 1996. Indoor particles: a review. J. Air Waste Manage. Assoc. 46, 98-126.
112
Williams, R., Suggs, J., Creason, J., Rodes, C., Lawless, P., Kwok, R., 2000. The 1998 Baltimore
particulate matter epidemiology-exposure study: part 2. Personal exposure assessment associated
with an elderly study population. J. Expos. Anal. Environ. Epidemiol. 10, 533-543.
Zhu, Y., Hinds, W.C., Kim, S., Sioutas, C., 2002. Concentration and size distribution of ultrafine
particles near a major highway. J Air Waste Manage. Assoc. 52, 1032-1042.
113
Table 1: Demographics of the study population, according to study area and season (Child.: children; Ad.: adults)
WINTER SUMMER
N Average age
(Std Err)
Average
sex ratio
N Average age
(Std Err)
Average
sex ratioCity Urban sector Child. Ad. Child. Ad. Child. Ad. Child. Ad. Child. Ad. Child. Ad.
Paris Proximity 21 22 9.7 (1.1) 47.7 (10.6) 1.3 0.3 18 19 9.6 (1.3) 47.2 (9.6) 1 0.3
Background 12 11 11.9 (1.3) 42.4 (6.9) 1.4 0.2 10 11 11.5 (1.1) 43.3 (8.0) 4 0.2
Industrial 11 12 10.7 (2.0) 43.3 (10.0) 2.6 0.3 9 11 10.9 (1.9) 45.6 (9.1) 2 0.4
Grenoble Proximity 10 9 10.0 (2.0) 48.3 (9.0) 2.3 0.1 10 10 10.0 (2.0) 48.7 (9.0) 2.3 0.1
Background 10 10 10.0 (2.5) 41.7 (13.4) 1 1 10 9 11.0 (2.1) 41.9 (13.9) 0.6 1.2
Industrial 8 10 12.1 (2.2) 46.4 (11.0) 1 0.6 9 9 12.1 (2.3) 48.5 (8.7) 1.2 0.5
Rouen Proximity 10 8 10.0 (0) 40.7 (6.9) 0.3 1.5 10 10 10.0 (0) 37.7 (9.2) 1.2 0.2
Background 9 11 10.2 (0.4) 36.6 (12.8) 1.5 0.2 5 12 10.2 (0.4) 36.6 (12.8) 1.5 0.3
Industrial 7 9 9.4 (0.5) 43.8 (4.2) 0.2 1.2 7 9 9.6 (0.5) 43.7 (3.7) 2.5 0.23
Strasbourg Proximity 10 10 10.4 (1.0) 42.6 (7.0) 1.5 0.28 10 10 10.4 (1.0) 42.6 (7.0) 1.5 0.28
Background 10 10 10.7 (0.7) 40.8 (8.1) 1.25 0.11 10 10 10.7 (0.7) 40.8 (8.1) 1.25 0.11
Industrial 10 10 9.9 (1.5) 46.8 (13.0) 0.83 0.66 10 10 9.9 (1.5) 46.8 (13.0) 0.83 0.66
NB: “proximity”: the urban sector most exposed to traffic emissions; “background”: sector which is representative of urban background air
quality; “industry”: sector which is influenced by industrial emissions.114
Table 2: Crude personal exposures (PE) and ambient air concentrations (AAC) (averages
[and standard deviations]) of, by city, urban sector, age category (Child.: children; Ad.:
adults) and season (in µg/m3)
WINTER SUMMER
Proximity Background Industrial Proximity Background Industrial
Paris
Child.PE 27.28 (10.45) 21.64 (11.06) 38.23 (11.14) 21.73 (4.88) 16.76 (4.26) 18.51 (5.44)
AAC 15.02 (6.52) 14.85 (6.63) 20.83 (6.76) 14.67 (6.47) 8.89 (3.15) 23.65 (6.80)
Ad.PE 26.64 (13.34) 15.05 (6.70) 25.88 (10.24) 23.22 (7.82) 17.31 (4.76) 25.00 (7.16)
AAC 15.69 (8.94) 9.56 (5.62) 13.06 (8.97) 12.62 (4.53) 9.23 (3.18) 12.31 (6.19)
Grenoble
Child.PE 25.07 (8.28) 31.63 (15.25) 29.43 (9.00) 19.86 (3.93) 27.28 (11.96) 29.10 (11.73)
AAC 21.98 (6.72) 16.51 (5.34) ND 21.24 (3.77) 20.84 (8.52) ND
Ad.PE 19.94 (6.24) 23.84 (8.66) 36.53 (18.19) 22.04 (7.15) 17.94 (4.98 20.01 (6.44)
AAC 20.62 (5.56) 14.39 (4.78) ND 24.03 (4.76) 17.25 (3.96) ND
Rouen
Child.PE 22.86 (7.20) 43.95 (19.45) 33.74 (13.33) 19.95 (7.66) 20.08(13.76) 17.75 (6.33)
AAC 15.40 (6.74) 15.44 (8.26) 16.29 (8.36) 13.50 (4.74) 10.02 (2.55) 12.29 (2.56)
Ad.PE 41.12 (19.67) 43.20 (36.56) 36.54 (15.87) 17.92 (7.03) 22.38 (12.90) 15.45 (3.80)
AAC 16.88 (7.57) 15.91 (8.23) 19.25 (5.52) 11.80 (1.62) 10.11 (2.39) 10.91 (3.34)
Strasbourg
Child.PE 55.85 (21.09) 56.79 (22.85) 47.57 (21.94) 39.24 (13.72) 75.54 (18.37) 63.88 (17.00)
AAC 22.53 (8.44) 15.83 (6.06) 17.65 (6.67) 17.49 (5.42) 13.69 (5.10) 13.47 (5.10)
Ad.PE 48.37 (22.74) 49.37 (26.98) 60.05 (29.26) 54.10 (16.16) 64.22 (11.76) 57.76 (22.80)
AAC 22.53 (12.79) 18.69 (12.77) 19.25 (12.20) 17.49 (5.42) 13.69 (5.10) 13.47 (5.10)
A- PM2.5 ND: no data (in the Grenoble
industrial sector)
NB: “proximity”: the urban sector most exposed to traffic emissions; “background”: sector which is
representative of urban background air quality; “industry”: sector which is influenced by industrial
emissions.
115
WINTER SUMMER
Proximity Background Industrial Proximity Background Industrial
Paris
Child.PE 51.44 (14.46) 43.73 (9.77) 59.38 (27.30) 47.85 (23.39) 39.44 (7.80) 36.86 (11.43)
AAC 24.42 (10.09) 21.51 (9.24) 29.13 (9.67) 25.69 (10.53) 14.83 (5.27) 21.77 (10.90)
Ad.PE 47.19 (18.27) 36.48 (18.73) 51.59 (21.24) 42.13 (12.05) 31.08 (6.45) 39.33 (9.36)
AAC 27.31 (14.33) 15.06 (6.92) 15.42 (6.05) 22.56 (6.99) 14.75 (4.07) 20.86 (9.12)
Grenoble
Child.PE 41.32 (14.60) 48.16 (21.21) 43.16 (11.70) 32.40 (6.52) 40.26 (11.60) 43.84 (13.58)
AAC 33.15 (9.04) 20.70 (6.68) ND 31.54 (4.66) 25.87 (11.41) ND
Ad.PE 25.69 (6.13) 30.26 (7.19) 56.68 (27.18) 32.39 (11.91) 23.90 (4.70) 31.16 (10.66)
AAC 34.07 (3.88) 19.37 (6.76) ND 35.75 (7.68) 21.83 (5.25) ND
Rouen
Child.PE 55.97 (21.28) 67.64 (31.99) 58.41 (25.07) 45.51 (12.90) 40.83 (15.22) 32.25 (6.59)
AAC 24.10 (8.84) 22.89 (11.56) 18.86 (6.49) 22.40 (6.47) 15.15 (3.55) 19.57 (4.28)
Ad.PE 48.43 (17.70) 69.05 (40.51) 51.43 (22.93) 33.08 (14.25) 43.04 (23.65) 28.99 (12.19)
AAC 25.63 (7.93) 24.27 (12.15) 21.22 (8.98) 20.00 (2.31) 16.03 (3.85) 17.46 (4.74)
Strasbourg
Child.PE 78.45 (27.35) 73.66 (20.47) 73.44 (24.17) 66.61 (22.00) 75.54 (18.37) 63.88 (17.00)
AAC 30.39 (11.23) 22.92 (8.51) 23.01 (8.05) 29.36 (8.76) 25.90 (10.86) 20.67 (7.80)
Ad.PE 61.64 (37.39) 78.75 (44.34) 73.64 (26.75) 54.10 (16.16) 64.22 (11.76) 57.76 (22.80)
AAC 31.10 (17.88) 27.42 (18.32) 25.95 (16.24) 29.36 (8.76) 25.90 (10.86) 20.67 (7.80)
B- PM10 ND: no data (in the Grenoble
industrial sector)
NB: “proximity”: the urban sector most exposed to traffic emissions; “background”: sector which is
representative of urban background air quality; “industry”: sector which is influenced by industrial
emissions.
116
WINTER SUMMER
Proximity Background Industrial Proximity Background Industrial
Paris
Child.PE 39.62 (16.26) 26.77 (22.14) 37.73 (9.65) 41.60 (11.57) 20.09 (9.53) 37.27 (14.77)
AAC 51.18 (13.85) 31.74 (21.74) 48.35 (17.28) 46.16 (12.63) 16.19 (5.76) 36.50 (9.77)
Ad.PE 38.27 (8.64) 14.68 (8.44) 34.58 (13.45) 41.98 (9.43) 22.44 (6.70) 38.52 (13.42)
AAC 48.71 (14.32) 18.04 (13.20) 31.86 (14.44) 43.14 (12.99) 17.20 (6.17) 35.74 (8.75)
Grenoble
Child.PE 24.20 (10.86) 25.30 (17.02) 19.13 (7.55) 32.20 (8.34) 26.33 (10.41) 21.00 (5.77)
AAC 58.39 (13.37) 37.59 (7.34) 31.47 (16.64) 58.11 (5.25) 29.23 (5.53) 23.22 (3.37)
Ad.PE 27.88 (4.05) 29.90 (10.89) 26.40 (11.02) 40.38 (5.85) 25.63 (10.41) 19.13 (4.26)
AAC 49.90 (19.00) 35.38 (9.81) 44.80 (16.19) 65.07 (7.76) 29.16 (3.06) 23.23 (3.62)
Rouen
Child.PE 33.36 (8.51) 36.90 (30.71) 19.97 (7.00) 25.67 (16.24) 18.00 (3.00) 24.00 (4.64)
AAC 35.50 (13.86) 33.75 (9.73) 26.57 (9.69) 33.60 (5.50) 23.85 (7.14) 21.71 (5.15)
Ad.PE 30.42 (7.47) 35.78 (27.11) 24.15 (10.30) 23.70 (12.04) 26.86 (7.86) 18.80 (8.64)
AAC 47.00 (9.24) 34.66 (9.70) 27.20 (8.21) 31.60 (5.50) 21.56 (5.12) 18.49 (5.73)
Strasbourg
Child.PE 33.20 (6.67) 36.01 (9.45) 22.15 (9.89) 38.10 (10.64) 36.00 (12.49) 25.20 (10.69)
AAC 70.01 (7.24) 48.44 (6.73) 42.97 (9.10) 74.45 (13.03) 33.37 (6.53) 34.44 (9.28)
Ad.PE 35.84 (8.16) 36.69 (15.43) 24.47 (13.22) 39.30 (13.01) 40.40 (15.92) 23.90 (11.10)
AAC 72.02 (13.73) 51.99 (15.86) 45.29 (16.33) 74.45 (13.03) 33.37 (6.53) 31.44 (9.28)
C- NO2
NB: “proximity”: the urban sector most exposed to traffic emissions; “background”: sector which is
representative of urban background air quality; “industry”: sector which is influenced by industrial
emissions.
117
Table 3: Model parameters estimating Delta 1 for PM2.5, PM10 and NO2
WINTER R-squared = 0.30
SUMMERR-squared = 0.57
deltapm25 Coef. (Std. Err.) t value P>|t| Coef. (Std. Err.) t value P>|t|
Grenoble 11.70 (4.77) 2.45 0.01 9.85 (2.71) 3.63 0.00Rouen -3.37 (5.07) -0.67 0.51 2.74 (2.71) 1.01 0.31
Strasbourg -17.73 (4.97) -3.57 0.00 -14.45 (2.76) -5.23 0.00Background 6.71 (4.54) 1.48 0.14 0.90 (2.63) 0.34 0.73
Industrial -1.87 (4.54) -0.41 0.68 0.20 (2.71) 0.07 0.94Adult 0.47 (2.31) 0.20 0.84 -0.21 (1.33) -0.16 0.88
Grenoble background -17.71 (7.17) -2.47 0.01 -6.25 (4.23) -1.48 0.14Rouen background -18.50 (7.49) -2.47 0.01 -6.52 (4.25) -1.54 0.13
Rouen industrial 1.52 (7.71) 0.20 0.84 0.90 (4.29) 0.21 0.84Strasbourg background -14.78 (7.55) -1.96 0.05 -12.75 (4.18) -3.05 0.00
Strasbourg industrial -3.26 (7.41) -0.44 0.66 -7.75 (4.17) -1.86 0.06Constant -13.22 (2.89) -4.57 0.00 -8.77 (1.72) -5.09 0.00
NB: deltapm25 = difference between the PM2.5 ambient air concentration measured by the local station and PM2.5 personal exposure
WINTER R-squared = 0.32
SUMMERR-squared = 0.40
deltapm10 Coef. (Std. Err.) t value P>|t| Coef. (Std. Err.) t value P>|t|
Grenoble 23.31 (6.22) 3.74 0.00 21.94 (4.51) 4.86 0.00Rouen -6.90 (6.62) -1.04 0.30 4.52 (4.51) 1.00 0.32
Strasbourg -18.09 (6.47) -2.79 0.01 -10.53 (4.60) -2.29 0.02Background 3.05 (5.92) 0.52 0.61 0.98 (4.37) 0.22 0.82
Industrial -10.29 (5.92) -1.74 0.08 3.54 (4.51) 0.78 0.43Adult 8.24 (3.02) 2.73 0.01 6.42 (2.22) 2.90 0.00
Grenoble background -22.12 (9.35) -2.37 0.02 -10.67 (7.04) -1.52 0.13Rouen background -19.86 (9.77) -2.03 0.04 -13.76 (7.07) -1.95 0.05
Rouen industrial 7.37 (10.05) 0.73 0.46 1.04 (7.13) 0.15 0.88Strasbourg background -17.30 (9.96) -1.74 0.08 -12.42 (6.95) -1.79 0.08
Strasbourg industrial 1.63 (9.67) 0.17 0.87 -12.67 (6.93) -1.83 0.07Constant -27.54 (3.77) -7.29 0.00 -24.29 (2.87) -8.48 0.00
118
NB: deltapm10 = difference between the PM10 ambient air concentration measured by the local station and PM10 personal exposure
WINTER R-squared = 0.31
SUMMERR-squared = 0.54
deltano2 Coef. (Std. Err.) t value P>|t| Coef. (Std. Err.) t value P>|t|
Grenoble 17.40 (4.51) 3.86 0.00 21.90 (3.16) 6.92 0.00Rouen -5.28 (4.82) -1.10 0.27 4.16 (3.30) 1.26 0.21
Strasbourg 25.45 (4.28) 5.95 0.00 32.91 (3.11) 10.59 0.00Background -8.06 (4.21) -1.91 0.06 -7.40 (3.05) -2.42 0.02
Industrial -7.33 (4.19) -1.77 0.08 -4.63 (3.05) -1.52 0.13Adult -1.45 (2.02) -0.72 0.47 -1.41 (1.48) -0.95 0.34
Grenoble background -11.48 (6.70) -1.71 0.09 -14.35 (4.82) -2.98 0.00Grenoble industrial -5.30 (6.77) -0.78 0.43 -17.07 (4.82) -3.54 0.00Rouen background 0.31 (7.08) 0.04 0.97 -0.21 (5.39) -0.04 0.97
Rouen industrial 6.28 (7.11) 0.88 0.38 -1.89 (5.39) -0.35 0.73Strasbourg background -14.54 (6.55) -2.22 0.03 -33.17 (4.67) -7.11 0.00
Strasbourg industrial 8.35 (6.46) -1.29 0.20 -24.21 (4.67) -5.19 0.00Constant 11.74 (2.66) 4.42 0.00 3.54 (1.96) 1.80 0.07
NB: deltano2 = difference between the NO2 ambient air concentration measured by the local station and NO2 personal exposure
119
Figure 1: Location of the four study areas in France
Figure 2: Prediction of average delta 1 and delta 2 (s. d.) for the children and PM2.5 and
NO2 in winter and summer, by city.
Figure 1
120
Figure 1
-45
-35
-25
-15
-5
5
15
25
35
PM2,5 NO2
Aver
age
delta
in µ
g/m
3
Proximity Background Industrial Proximity Background Industrial
-45
-35
-25
-15
-5
5
15
25
35
PM2,5 NO2
Aver
age
delta
in µ
g/m
3
Proximity Background Industrial Proximity Background Industrial
A-Paris in Winter B-Paris in summer
-45
-35
-25
-15
-5
5
15
25
35
PM2,5 NO2
Aver
age
delta
in µ
g/m
3
Proximity Background Industrial Proximity Background Industrial
-45
-35
-25
-15
-5
5
15
25
35
PM2,5 NO2
Aver
age
delta
in µ
g/m
3
Proximity Background Industrial Proximity Background Industrial
C-Grenoble in Winter D-Grenoble in Summer
ND: no data (in the Grenoble industrial sector)
Delta 1 (local station)
Delta 2 (background station)
ND ND
121
-45
-35
-25
-15
-5
5
15
25
35
PM2,5 NO2Av
erag
e de
lta in
µg/
m3
Proximity Background Industrial Proximity Background Industrial
-45
-35
-25
-15
-5
5
15
25
35
PM2,5 NO2
Aver
age
delta
in µ
g/m
3
Proximity Background Industrial Proximity Background Industrial
E-Rouen in Winter D-Rouen in Summer
-45
-35
-25
-15
-5
5
15
25
35
PM2,5 NO2
Aver
age
delta
in µ
g/m
3
Proximity Background Industrial Proximity Background Industrial
-45
-35
-25
-15
-5
5
15
25
35
PM2,5 NO2
Aver
age
delta
in µ
g/m
3
Proximity Background Industrial Proximity Background Industrial
C-Strasbourg in Winter D-Strasbourg in Summer
Delta 1 (local station)
Delta 2 (background station)
122
123
VI- Analyses des relations entre l’indice Extra, les concentrations en masse et les
absorbances
Ce travail a fait l’objet d’un article, présenté ci-après et soumis à la revue «Journal of
Exposure Analysis and Environmental Epidemiology».
En zone urbaine, le trafic automobile est la principale source de pollution atmosphérique
particulaire. Il est donc utile, pour l’épidémiologie, l'évaluation de risque sanitaire et sa gestion,
d’identifier des approches appropriées pour estimer l’exposition des populations aux polluants dus
au trafic. Les particules diesel contribuent de manière importante à cette pollution. La mesure en
routine des concentrations ambiantes dans l’air ou celle des expositions personnelles aux particules
fines au sein d’une population générale ne semble pas permettre d’estimer de manière satisfaisante
la pollution par les suies de combustion. L’étude présentée ici se propose de vérifier quel est
l’indicateur le mieux associé à la pollution automobile : est-ce l’exposition personnelle exprimée en
concentrations en masse de PM10 et PM2.5 ou l’absorbance qui leur est associée ? Dans quatre
agglomérations urbaines, 177 sujets ont participé pendant deux saisons à une étude d'exposition
personnelle et ont porté le dispositif multipolluants Chempass pour le prélèvement des particules
PM10 et PM2.5. Les filtres ont été pesés et leur absorbance a été mesurée. L'exposition à la pollution
d’origine automobile a été évaluée en utilisant le modèle ExTra. Il modélise les concentrations
ambiantes des polluants dus au trafic selon l'intensité du trafic local et les caractéristiques
topographiques du site. Les volontaires de l'étude vivent dans des secteurs intra urbains distincts
contrastés en terme de sources d'émission. Les absorbances sont plus fortes dans le secteur urbain
où les intensités de trafic et les valeurs de l’indice ExTra sont hautes, tandis que les concentrations
en masse sont plus homogènes entre les différents secteurs. Les coefficients de corrélation entre les
valeurs ExTra et la mesure des expositions personnelles sont plus forts pour les mesures
d'absorbance (entre 0,36 et 0,40) alors que les coefficients sont plus faibles pour les concentrations
en masse (entre 0,17 et 0,21). Les résultats de l'analyse par régression linéaire ajustée sur un
ensemble de facteurs de confusion ont prouvé que l'index ExTra est mieux associé à la mesure de
l'exposition par les absorbances. Ces résultats suggèrent que dans des situations contrastées
d'exposition personnelle, l’absorbance associée aux PM est un meilleur indicateur d'exposition à la
phase particulaire des émissions automobiles que les mesures gravimétriques. L'index d'absorbance
est une technique simple peu coûteuse dont l'utilité dans le cadre des études des expositions et
d’évaluation du risque lié à la pollution atmosphérique d’origine automobile devrait être réévaluée.
124
PM mass or PM absorbance: which best
measures exposure to traffic tail pipe emissions?
Eléna Nerrière1, Denis Zmirou-Navier1, Isabelle Momas2, Mireille Chiron3, Nathalie Leclerc4, Joel
Ladner5, Yvon Le Moullec6, Patrice Reungoat7, Olivier Blanchard8
1 INSERM, Faculté de médecine, 9 avenue de la Forêt de Haye, 54 505 Nancy, France
2 Faculté de pharmacie Paris 5, 4 avenue de l’observatoire, 75 006 Paris, France
3 INRETS, 25 avenue François Mitterrand Case 24 69675 Bron cedex, France
4 ASPA, 5, rue de Madrid, 67309 Schiltigheim Cedex, France
5 Département d’Epidémiologie et Santé Publique, CHU, 76000 Rouen, France
6 Laboratoire d’Hygiène de la ville de Paris, 11 rue George Eastman, 75 013 Paris, France
8 Laboratoire Santé Travail Environnement, CHU, 33 000 Bordeaux, France
8 INERIS, Parc Technologique ALATA, 60 550 Verneuil-en-Halatte, France
Address for correspondance : Denis ZMIROU-NAVIER, INSERM, School of Medicine,
9 av de la Forêt de Haye - BP 184 - 54505 Vandoeuvre-les-Nancy Cedex, France
E-mail: [email protected]
125
Soumis à Journal Exposure Analysis and Environmental Epidemiology
126
AbstractIn urban areas, road traffic is the main source of particulate air pollution. It is therefore useful, for
epidemiological, health risk assessment and management matters, to identify appropriate ways to
measure population exposures to traffic-related pollutants. Diesel exhaust particles are important
components of the particle phase of traffic exhausts. Current metrics of ambient air concentrations
or of personal exposures to fine particles do not assess satisfactorily tail pipe soot traffic emissions.
This study is an attempt to evaluate which of personal measurements of PM10 and PM2.5 mass or of
PM10 and PM2.5 absorbance indexes is best associated to traffic exhaust.
In four metropolitan areas, 177 subjects participated during two seasons in a personal exposure
study and carried the Harvard Chempass PM10 and PM2.5 particles monitor. Filters were weighed
and their absorbance was measured. Exposure to traffic exhausts was assessed using the ExTra
model that evaluates ambient air concentrations of transport-related pollutants at specific addresses
according to local traffic intensity and detailed area topography data. Subjects enrolled in the study
lived in contrasted distinct urban sectors in terms of emission sources.
PM absorbance values are greater in the urban sector where traffic intensity and the Extra index
values are high, whereas mass concentrations are more even across the various sectors. Correlation
coefficients between ExTra values and personal exposure metrics are greater for the absorbance
measures (between 0.36 and 0.40) with weaker coefficients for the mass concentrations (between
0.17 and 0.21). Results from linear regression analysis controlling for a set of confounders showed
that the ExTra index is best associated with absorbance exposure measure.
These results suggest that in contrasted situations of personal exposure, PM absorbance is a better
indicator of exposure to the particulate phase of tail pipe emissions than gravimetric measures. The
absorbance index is a simple and inexpensive technique whose usefulness for exposure and risk
assessment studies related to combustion-related air pollution should be re-evaluated.
Key-words: air pollution, traffic emissions, exposure, PM2.5, PM10, Black Smoke.
127
IntroductionIn urban areas, road traffic is the main source of air pollution. Diesel Exhausts Particles (DEP) are
important components of the particle phase of traffic exhausts. Road traffic also yields other
particles, e.g. originated from friction phenomena in the engine, from breaks or wires abrasion, or
by resuspension of deposited particles. The physicochemical characteristics and the toxicological
properties of these different kinds of particles are heterogeneous. It is therefore useful, for
epidemiological and risk assessment and management matters, to identify appropriate ways to
measure population exposures to these types of traffic-related pollutants.
Monitoring of particles concentrations in ambient air currently rests on direct or indirect
measurement of the PM10 or PM2.5 mass (US-EPA 2002; WHO 2003). Similarly, personal exposure
studies most often use particle mass as the exposure index (Williams et al. 2000; Keeler et al. 2002;
Jinsart et al. 2002; Mosqueron et al. 2002; Zmirou et al. 2002; Liu et al 2003; Lung et al. 2004;
Rojas-Bracho et al. 2004). One may also find measures of traffic-related combustion soot such as
Black Smoke (BS) or Elemental Carbon (EC) which have been shown to contrast more sharply
ambient air concentrations of particles between background locations and areas influenced by heavy
traffic than mass concentrations (Janssen et al. 1997; Roemer et al. 2001; Cyrys et al. 2003). Most
EC emissions in urban environments originate from diesel exhaust engines (Hamilton and
Mansfield 1991; Gray and Cass 1998). How best evaluate exposure to traffic-related particles ? If
one is interested in the carcinogenic potency of diesel exhausts, or in their possible role in the
induction of immunologic disorders in the respiratory track, for example, then measures of soot is
appropriate. An array of methods exists to measure the EC content of the particles; its analytical
determination is complex, however (Schauer 2003). Results from the study of Cyrys et al. (2003)
suggest that measuring the PM absorbance is an alternative way to evaluate concentrations of
incomplete combustion-derived particulate matter. Other studies have also documented that BS
derived from the absorbance index is well correlated with the concentrations of EC or soot (Ulrich
128
and Israel 1992; Kinney et al. 2000; Janssen et al. 2001). Absorbance measurements are easy to do
and cheap; they can be adapted to different granulometric fractions of particles.
To evaluate the relationship between PM mass concentrations, PM absorbance and an independent
measure of exposure to traffic exhausts, we used data collected during a study designed to assess
personal exposures of urban dwellers to particles and their carcinogenic constituents (the
Genotox'ER study).
MethodsStudy design
The multicenter Genotox'ER study was carried out in four French metropolitan areas (Grenoble,
Paris, Rouen and Strasbourg, figure 1) that were chosen because they were contrasted in terms of
urban setting, air quality and emission sources. In each city, the study took place in three sectors
that were selected a priori: (i) « downtown », i.e. the urban sector most exposed to traffic
emissions; (ii) a sector which is representative of urban background air quality; (iii) a sector which
is influenced by industrial emissions. In the latter sector industrial activities comprised mostly
chemical and petroleum plants in Grenoble and Rouen, refinery in Strasbourg; in the Paris
metropolitan area, the ‘industrial sector’ hosted the Paris main harbour, with petroleum storage and
a variety of metallurgy plants.
The study included 6-13 years old children not exposed to Environmental Tobacco Smoke (ETS),
and non-smoking 20-71 years old adults, the latter not being exposed to occupational air pollution
(e.g. no taxi drivers, chemical factory workers and alike). All were volunteers and were mostly
recruited through school teachers (children and parents) or local municipalities’ administrations. A
key selection criteria was that they dwelt and worked (or attended school) in the same urban sector
within their metropolitan area, with a view to sharpen contrasts between average exposures across
urban sectors, if any. The sample size was 20 subjects (10 children and 10 adults) in each sector in
Grenoble, Rouen and Strasbourg, and 30 ([15+15] in the downtown sector of the Paris metropolitan
129
area).
With a few exceptions, all volunteers contributed to two series of personal exposure measurements:
during the ‘cold season’, from February to March, and during the ‘hot season’, from May to the
beginning of July. Since the study could not take place in parallel across cities, due to logistic and
financial reasons, it spanned over 3 years, starting in Grenoble (2001), then Paris (2002), Rouen
(2002-2003) and finally Strasbourg (2003)
Each volunteer filled in questionnaires on his (her) life environments (at home, at work or school)
as well as a detailed (15 minutes resolution) time-activity diary.
Personal exposure
Particles (PM2.5 and PM10) were sampled during 48 hours with the Harvard ChemPass® (Demokritou
et al. 2001) installed in a rucksack. The equipment comprised a portable pump BGI® (model 400)
providing a 1.8 l/min air flow in each head. Particles were collected on Teflon filters (Gelman®,
diameter 37 mm, porosity 2 µm).
The filters were weighed using a microbalance (Mettler Toledo MT5) with a sensitivity of 1 µg.
Sampled filters were stored in a room controlled for temperature (20 1°C) and relative
hygrometry (50 3%) and were equilibrated with these conditions for at least 24-h prior weighing.
The balance was first calibrated and zeroed, and the electrostatic charges on the filters were
eliminated using an ionization system (HAUG Discharge system, Multistat). Each filter was
weighed thrice and the mean of the three values was recorded with a standard deviation (S.D) lower
than 4 µg. Three control filters were weighed during each weighing session and used to correct for
weight changes in the sampled filters caused by variations in the balance room atmosphere. The
PM2.5 and PM10 mass concentrations (abbreviated here respectively as M2.5 and M10) were
determined by the ratio between the weight of collected particles and the air volume collected
during the sampling.
130
After weighing, the reflectance of all Teflon filters was measured by a reflectometer (Photovolt
corporation, New-York City, model n°610) using a green light. After warming up for at least 15
minutes, the reflection meter is set to zero. A control filter was used in each analysis session to set
the reflection meter to 100; thus the reflectance of a control filter being of 100 %, that of a dusty
filter is X %. Thus the absorbance of a dusty filter is equal to (100- X) %. The PM2.5 and PM10
absorbances are abbreviated here as A2.5 and A10.
The Extra Index ; a measure of exposure to traffic exhausts
The ExTra index is computed using a software that was designed by the French Scientific Center
for Building Physics (CSTB) and the French National Institute for Transport and Safety Research
(INRETS) (Sacré et al. 1995). It estimates ambient concentrations of traffic-related pollutants
(pollution due to car pipe exhausts) such as nitrogen oxides (NOx), carbon monoxide (CO) or
volatile hydrocarbons in front of buildings. It incorporates a dispersion model for canyon streets
(the Operational Street Pollution Model: OSPM) model described elsewhere (Hertel and Berkowicz.
1989). Shortly, the calculation the ExTra index takes into account both proximity traffic emissions
and local dispersion conditions. Calculated concentrations of pollutants have two components: a
regional component corresponding to the background pollution, and a local component due to
traffic emissions in front of the building. This locally generated pollution is modelled according to
traffic conditions, topography, and meteorology. To feed the ExTra software with these data, very
precise information was collected on the local building and street topography, for all locations
where volunteers worked and lived. Data on traffic density for the front door street and the largest
street within 50 meters were also retrieved from municipalities’ traffic statistics files. The levels of
background pollution were provided by the nearest local air monitoring networks.
The performance of the ExTra model to predict NOx concentrations was evaluated in a study
conducted between 1998 and 2001 in four French cities (Reungoat et al 2001; Reungoat et al.
2003), two of them being in the present study (Paris and Grenoble). In this validation study, NO x
131
concentrations measured over 6 weeks with passive samplers, and NOx calculated concentrations
using the ExTra index were compared. The two sets of values were highly correlated (r from 0.99 to
0.95) and showed very good intraclass correlation coefficients (from 0.86 to 0.90).
The model was used to evaluate ambient concentrations of transport-related pollutants in front of
the work and living places of each volunteer of the Genotox’ER study. These estimates were
combined with the fraction of time passed at school or work to compute, for each subject, an
exposure to traffic-related pollution which is expressed as time-weighted NOx concentrations.
Statistical analysis
This paper relates M2.5, M10, A2.5, A10 values, respectively, with the ExTra index for each
subject, and aims at evaluating the personal exposure variable that most closely relates to the ExTra
index, controlling for a set of other personal or ecological variables. As a first step, simple Pearson
correlations were computed across all subjects, and by sector. Then four linear regression models
were built, one for each personal exposure metric (M2.5, M10, A2.5 and A10). To compare the
strengths of the associations, the y variables were, respectively M2.5, M10, A2.5 and A10 and the
explanatory variable was the ExTra index. Since the ExTra index and the PM mass concentrations
did not follow a normal distribution, they were log-transformed. The absorbances followed a
normal distribution. Many other explanatory variables were tested as confounders of this
association, or effect modifiers, and selected using a stepwise backwards selection procedure
(STATA® software), with the significance level for removal from the model set to 0.15. The
variables that were selected in most models were the following: city, season (hot/cold), age category
of the subject (adult/child), time spent outdoor, and some home characteristics (living in an
apartment or a house, type of ventilation). To compare the performance of the mass (M2.5, M10)
and of the corresponding absorbance exposure metrics (A2.5, A10), it is important that the models
incorporate the same set of confounders. To do so, a first series of models were built on the basis of
the variables selected with the R2.5 (respectively the R10) exposure metric, and the corresponding
132
mass models were forced to incorporate the same variables. Conversely, the variable selection
enforcement procedure was also conducted based on the mass models. Finally the urban sectors
variables were introduced into the ‘final’ models to assess their influence.
Results The distribution of the ExTra index values across all study subjects, PM mass concentrations and
absorbances are presented, by urban sector, in table 1 and in figures 2, 3 and 4. The ExTra index is
greater in the proximity sector than in the background area, the industrial area being in an
intermediate position. Identical contrasts are observed for the absorbance index but not for the PM
mass concentrations.
Table 2 summarizes the Pearson correlation coefficients between the different exposure variables
parameters. Correlations are strong between the two size fractions PM mass concentrations (0.82)
and absorbance (0.78). Stronger correlations with the ExTra index are observed for the two
absorbance metrics (0.36 and 0.40, respectively for A2.5 and A10) than for the mass concentrations
metrics (0.21 and 0.17).
Table 3 summarizes the linear regression model parameters, irrespective of the urban sectors.
Contrasts between the predictive value of absorbance and mass concentrations metrics for PM10 are
striking, indicating that the ExTra index is more closely associated with absorbance exposure
measures than with mass concentration measures, controlling for the confounders in the models.
Similar contrasts were observed for PM2.5 (results not shown).
Now, when the models are also adjusted on urban sectors, a substantial part of the association
between the ExTra index and absorbances is captured by the traffic proximity sector variable (table
4). By contrast, the association parameters of mass concentrations are hardly altered.
133
DiscussionThis study is an attempt to evaluate which of personal measurements of PM10 and PM2.5 mass or of
PM10 and PM2.5 absorbance indexes is best associated to traffic exhaust. The statistical models were
not built for explanatory purposes (i.e. : which are the determinants of exposure ?), which are out of
the scope of this paper ; rather, they aim at comparing the strengths of the associations between an
independant index of exposure to traffic exhausts and different personal exposure variables, while
controlling for a set of confounders. The results suggest that PM10 and PM2.5 absorbance indexes are
more closely related to an indirect measure of traffic exhausts, the ExTra index, than the
corresponding gravimetric measures. While absorbance measures, like the ExTra index, are greater
in the urban sector more influenced by traffic, mass concentrations are more evenly distributed
across the various urban sectors. To illustrate this, proximity/background ratios were about 0.87 for
PM2.5 mass concentrations whereas this ratio was about 1.34 for PM2.5 absorbance. This is in line
with several other studies that have documented a stronger influence of traffic on filter “blackness”
or EC, compared to PM2.5 or PM10 mass concentrations, with ratios from 1.8 to 4.1 for “soot” or EC
and spanning from 0.9 to 1.3 for PM mass concentrations (Janssen et al. 1997; Fischer et al. 2000;
Kinney et al. 2000; Janssen et al. 2001; Roemer et al. 2001; Cyrys et al. 2003).
In this study, we used ambient air concentrations computed by the ExTra model to track exposures to traffic exhausts.
The ExTra model was designed by the French Scientific Center for Building Physics and the National Institute for
Transport and Safety Research (Sacré et al. 1995). A validation study conducted by Reungoat et al showed that ambient
air concentrations of NOx measured at 100 urban addresses in four cities were well predicted by the ExTra model,
suggesting that it could be a useful tool for studying, in an epidemiological or risk assessment setting, the long term
health effects of transport-related emissions (Reungoat et al 2003). Do the conclusions of the ExTra validation study
that relate to NOx data apply to particles? A definitive answer to this question would require a similar study with
particles measurements. However, NOx were shown as very closely related to ultra-fine particles number
concentrations (Nafstad et al 2003; Seaton and Dennekamp 2003). Ultra fine particles, stemming from incomplete
combustion processes in the engine, rather than NOx, at environmental concentrations, may induce an array of short
term or long term health effects (Duhme et al. 1996; Brunekreef et al. 1997; Diaz-Sanchez 1997; Bayram et al. 1998;
134
US-EPA 2002, WHO 2003). Ultra fine particles are poorly associated with the total particles mass measurements
because they are over-weighted by larger particles from other origins, such as erosion or re-suspension of deposited
particles. Therefore, the EC portion, indirectly measured by the filters blackness seems a better indicator of the diesel
particles. Gotschi et al. (2002) also concluded that BS measured on PM2.5 filters can be recommended as a valid and
cheap additional indicator in studies on combustion-related air pollution and health.
In the study by Suvendrini Lena et al. (2002), strong correlations were showed between EC concentrations and traffic
density of diesel vehicles, suggesting that EC concentrations could be used as marker of the diesel particles presence.
The reliability of the assay techniques of EC is still questionable, however, lending some appeal to more simple
techniques such as absorbance techniques. Several studies have documented that BS, derived from absorbance
coefficients, is well correlated with the concentrations of EC or soot (Ulrich and Israel 1992; Kinney et al. 2000;
Janssen et al. 2001; Cyrys et al. 2003). The absorbance measurement would thus be a simple, inexpensive and well
controlled technique to estimate the EC proportion in airborne particles.
One could argue that, to evaluate the relative relevance of mass or blackness measures of particles
to assess the influence of automobile soot emissions, one would be better off with fixed sites
pollution measurements in locations more or less influenced by traffic emissions. Rather, with an
epidemiological or risk assessment perspective, our aim was to evaluate whether exposure metrics,
not only ambient air concentrations, showed differential associations with traffic density in the
living places of urban dwellers. For this, personal exposure data were used. Consequently, the
statistical analysis was conducted so as to control for possible confounders, ie factors both related to
personal exposure and to the ExTra index that could obscure the association between the parameters
of interest. Scaling the models on the variables that best influence the absorbance-ExTra association
or the mass-ExTra association does not alter the results of the analysis (data not shown). Also,
choosing the PM2.5 or the PM10 granulometric fraction has no effect on these conclusions.
Another limitation of our data is that personal exposures, in the study, were only measured during
48 hours periods. The ExTra index, on the other side, is essentially based on data that remain
unchanged throughout the year. In addition to the fact that we compared NOx results computed by
the ExTra model to measured particles exposures, the relatively poor predictive performances of our 135
regression models might also be due to this time scale discrepancy. Moreover, while most
volunteers participated twice in the study (hot/cold season), the regression models accommodated
each measurement as independent, a feature that should have no effect on the observed contrasts
between the absorbance and mass association parameters.
Interestingly, comparing the models with or without the urban sector indicators (all other variables
being unchanged), shows that the association between absorbances and the ExTra variables is partly
captured by the indicator of the urban sector the most influenced by traffic emissions; nonetheless,
above the effect of this proximity sector (which indicates a greater average exposure level than in
the other urban environments), there is still a significant association with the ExTra index. By
contrast, the proximity sector variable is only mildly associated with PM mass exposures (and, here,
negatively, which tends to increase artifactually the effect parameter of the ExTra index compared
to its value without the urban sectors variables). To our view, this observation confirms that
combustion soot emitted by traffic exhauts is better measured using an absorbance index than by
particle mass concentrations (at least within this PM2.5-PM10 granulometric domain).
136
ConclusionSurveillance of ambient air quality yields data that are used, among others, by epidemiologists and
risk assessors to study health impacts. If one wants to evaluate health consequences of automobile
engine particles emissions, indicators of combustion-related particles are more appropriate than the
current mass-derived PM indicators. Absorbance methods applied to appropriate granulometric
particles fractions are easy and cheap to implement. These methods, for which many European
countries have a long lasting experience and large data sets, have been neglected and substituted by
mass metrics. Their appropriateness for health risk assessment and traffic-related risk management
policies should be re-evaluated in the course of the of air quality standards revision processes
AcknowledgementsThis project was funded by the PRIMEQUAL-PREDIT 2 national research programme on air
quality, the Ministry of Health, the Rhône-Alpes region air quality programme and by the
Foundation of France. Éléna Nerrière received a Ph.D. grant by ADEME, INERIS and the National
Health Surveillance Institute (InVS). The authors thank all the volunteers who participated in this
study, and the air quality network. The contribution of the air quality monitoring networks is also
acknowledged (Ascoparg, Airparif, Air Normand, ASPA).
137
ReferencesBayram H, Devalia JL, Sapsford RJ, Ohtoshi T, Miyabara Y, Sagai M and Davies RJ. The effect of
DEP on cell function and release of inflammatory mediators from human bronchial epithelial cells
in vitro. J Respir Cell Mol Biol 1998; 18:441-448.
Brunekreef B, Janssen NAH, Hartog de J, Harssema H., Knape M, and van Vliet P. Air pollution
from truck traffic and lung function in children living near motorways. Epidemiology 1997; 8:298-
303.
Cyrys J, Heinrich J, Hoek G, Meliefeste K, Lewne M, Gehring U, Bellander T, Fischer P, Vliet van
P, Brauer M, Wichmann HE and Brunekreef B. Comparison between different traffic-related
particle indicators: Elemental carbon (EC), PM2.5 mass, and absorbance. J Expos Anal Environ
Epidemiol 2003; 13:134-143.
Demokritou P, Kavouras IG, Ferguson ST and Koutrakis P,. Development and laboratory
performance evaluation of a personal multipollutant sampler for simultaneous measurements of
particulate and gaseous pollutants. Aerosol Sci. Technol 2001;. 35:741-752.
Diaz-Sanchez D. The role of DEP and their associated polyaromatic hydrocarbons in the induction
of allergic airway disease. Allergy 1997; 52 (38 Suppl):52-56.
Dhume H, Weiland SK, Keil U, Kraemer B, Schmid M, Stender M and Chambless L. The
associations between self-reported symptoms of asthma and allergic rhinitis and self-reported traffic
density on street of residence in Adolescents. Epidemiology 1996; 7 (6):761-767.
Fisher PH, Hoek G, van Reeuwiijk H, Briggs DJ, Lebret E, van Wijnen JH, Kingham S and Elliott
PE. Traffic-related differences in outdoor concentrations of particles and volatile organic
compounds in Amsterdam. Atmos Environ 2000; 34:3713-3722.
138
Gotschi T, Oglesby L, Mathys P, Monn C, Manalis N, Koistinen K, Jantunen M, Hanninen O,
Polanska L and Kunzli N. Comparison of black smoke and PM2.5 levels in indoor and outdoor
environments of four European cities. Environ Sci Technol 2002; 36 (6):1191-1197.
Gray HA and Cass GR. Source contributions to atmospheric fine carbon particle concentrations.
Atmo Environ 1998; 32 (22):3805-3825.
Hamilton R and Mansfield T. Airborne particulate elemental carbon: Its sources, transport and
contribution to dark smoke and soiling. Atmo Environ 1991; 25A:715-723.
Hertel O and Berkowicz R. Modelling pollution from traffic in a street canyon. Evaluation of data
and model development. National Environmental Research Institute, DK-4000. Rosklide.
Jansen NAH, van Mansom DFM, van Jagt K, Harssema H, and Hoek G. Mass concentration and
elemental composition of airborne particulate matter at street and background locations. Atmos
Environ 1997; 31:1185-1193.
Jansen NAH, van Vliet P, van Aarts F, Harssema H, and Brunekreef B. Assessment of exposure to
traffic-related air pollution of children attending schools near motorways. Atmos Environ 2001;
35:3875-3884.
Jinsart W, Tamura K, Loetkamonwit S, Thepanondh S, Karita K and Yano E. Roadside particulate
air pollution in Bangkok. J Air Waste Manag Assoc 2002; 52 (9):1102-1010.
Keeler GJ, Dvonch T, Yip FY, parker EA, Isreal BA, Marsik FJ, Morishita M, Barres JA, Robins
TG, Brakefield-Caldwell W and Sam M. Assessment of personal and community-level exposures to
particulate matter among children with asthma in Detroit, Michigan, as part of Community Action
Against Asthma (CAAA). Environ Health Perspect 2002; 110 (Suppl 2):173-181.
Kinney PL, Aggarwal M, Northridge ME, Janssen NAH and Shepard P. Airborne concentrations of
PM2.5 and DEP on Harlem sidewalks: A community-based pilot study. Environ health Perspect
2000; 108 (3):213-218.
Mosqueron L, Momas I and Le Moullec Y. Personal exposure of Paris office workers to nitrogen
139
dioxide and fine particles. Occup and Environl Med 2002; 59 (8):550-555.
Nafstad P, Haheim LL, Oftedal B, Gram F, Holme I, Hjermann I and Leren P. Lung cancer and air
pollution : a 27 years follow-up of 16 209 Norwegian men. Thorax 2003; 58:1071-1076.
Lena ST, Ochieng V, Carter M, Holguin-Vreas J and Kinney PL. Elemental carbon and PM2.5
levels in a urban community heavely impacted by truck traffic. Environ Health Perspec 2002; 110
(10):1009-1015.
Liu LJ, Box M, Kalman D, Kaufman J, Koenig J, Larson T, Sheppard L and Wallace L. Exposure
assessment of particulate matter for susceptible populations in Seattle. Environ Health Perspect
2003; 111 (7):909-918.
Lung SC, Guo KJ, Chen PY, Tsai PF and Chen PC. Participants’ exposure to PM2.5 and
gaseous/particulate polycyclic aromatic hydrocarbons during the Ma-tsu Goddess parade. J Expos
Anal Environ Epidemiol 2004 [Epud ahead of print].
Reungoat P, Chiron M, Le Moullec Y, Gauvin S, Zmirou D, Flori JP and Momas I. Validation of
ExTra index in Grenoble. Int J Vehicle Design 2001; 27 (1-4):286-295.
Reungoat P, Chiron M, Gauvin S, Le Moullec Y and Momas I. Assessment of exposure to traffic
pollution using the ExTra index: study of validation. Environ Res 2003; 93:67-78.
Roemer WH and van Wijnen JH. Differences among Black Smoke, and PM10, and PM1.0 levels at
Urban Measurement Sites. Environ Health Perspect 2001; 2:151-154.
Rojas- Bracho L, Suh HH, Catlano PJ and Koutrakis P. Personal exposures to particles and their
relationships with personal activities for chronic obstructive pulmonary disease patients living in
Boston. J Air Waste Manag Assoc 2004; 54 (2):207-217.
Sacré C, Chiron M, and Flori JP. Development of an exposure index of air pollution caused by
motor vehicles for use in epidemiological studies. Sci Total Environ 1995; 169:63-69.
Schauer JJ. Evaluation of elemental carbon as a marker for diesel particulate matter. J Expos Anal
Environ Epidemiol 2003; 13:443-453.
140
Seaton A and Dennekamp M. Hypothesis: ill health associated with low concentrations of nitrogen
dioxide - an effect of ultrafine particles? Thorax 2003; 58:1012-1015.
Ulrich E and Israel GW. Diesel soot measurement under traffic conditions. J Aerosol Sci 1992; 1
(Suppl 23):S925-928.
US-EPA (2002). Health assessment document for diesel engine exhaust. EPA/600/8-90/057F.
WHO (2003). Health aspects of air pollution with particulate matter, ozone and nitrogen dioxide.
Report on a WHO working group. Bonn, 13-15 January 2003.
Williams R, Suggs J, Creason J, Rodes C, Lawless P and Kwok R. The 1998 Baltimore particulate
matter epidemiology-exposure study: part 2. Personal exposure assessment associated with an
elderly study population. J. Expos. Anal. Environ. Epidemiol 2000; 10:533-543.
Zmirou D, Gauvin S, Pin I, Momas I, Just J, Sahraoui F, Le Moullec Y, Bremont F, Cassadou S,
Albertini M, Lauvergne N, Chiron M, Labbe A and VESTA investigators. Five epidemiological
studies on transport and asthma: objectives, design and descriptive results. J Expos Anal Environ
Epidemiol 2002; 12 (3):186-196.
141
Sector
(number of subjects)
ExTra
Index*
M2.5
(µ/m3)
M10
(µ/m3)
A2.5
(% of light )
A10
(% of light)
Mean
(standard
deviation)
Proximity (162)
Background (108)
Industry (107)
1.0 (0.4)
0.6 (0.3)
0.7 (0.3)
28.6 (15.0)
32.8(22.0)
32.2 (17.2)
48.9 (20.9)
54.1 (30.5)
50.7 (22.6)
33.5 (10.4)
24.9 (12.8)
24.7 (12.4)
35.4 (10.2)
25.4 (13.5)
24.9 (13.2)
*ExTra index is equivalent to ambient air NOx concentrations divided by 100
Table 1: Summarised descriptive statistics of personal exposure parameters across all cities,
by urban sector.
Table 2: Pearson correlation coefficients between PM mass concentrations, corresponding
absorbances and ExTra Index, across all cities and sectors. (M2.5, M10 and ExTra are log
transformed)
M2.5 M10 A2.5 A10
M10 0.82
A2.5 0.32 0.28
A10 0.26 0.21 0.78
ExTra 0.21 0.17 0.36 0.40
142
ß coefficients (standard deviation) Student t p valueA10 LogM10 A10 LogM10 A10 LogM10
LogExTra 8.36 (1.33) 0.08 (0.04) 6.25 1.74 0.00 0.08Grenoble 1.13 (1.66) 0.14 (0.06) 0.68 2.60 0.50 0.01Rouen -1.76 (1.93) 0.17 (0.07) -0.91 2.65 0.36 0.01Strasbourg 3.25 (1.79) 0.60 (0.06) 1.82 9.88 0.07 0.00Season -1.78 (1.21) -0.17 (0.04) -1.47 -4.23 0.14 0.00Apartment 6.45 (1.42) 0.01 (0.05) 4.55 0.13 0.00 0.90Time-outside 1.09 (0.74) 0.04 (0.02) 1.47 1.50 0.14 0.13Constant 26.10 (2.25) 3.63 (0.07) 11.61 48.06 0.00 0.01Table3: Linear regression model parameters with PM10 mass concentration or absorbance (unadjusted for urban sectors).
ß coefficients (standard deviation) Student test values p valuesA10 LogM10 A10 LogM10 A10 LogM10
LogExTra 5.74 (1.57) 0.13 (0.5) 3.65 2.44 0.00 0.01Grenoble 0.96 (1.65) 0.15 (0.06) 0.58 2.71 0.56 0.01Rouen -2.58 (1.93) 0.18 (0.06) -1.34 2.74 0.18 0.01Strasbourg 3.94 (1.79) 0.58 (0.06) 2.20 9.57 0.03 0.00Proximity 5.36 (1.76) -0.11 (0.06) 3.05 -1.80 0.00 0.08Industry -0.02 (1.77) -0.06 (0.06) -0.01 -0.94 0.99 0.35Season -1.80 (1.20) -0.17 (0.04) -1.51 -4.26 0.13 0.00Apartment 4.39 (1.68) 0.01 (0.06) 2.61 0.26 0.0.1 0.80Time-outside 0.79 (0.74) 0.04 (0.02) 1.08 1.66 0.28 0.10_cons 24.89 (2.71) 3.70 (0.09) 9.18 40.11 0.00 0.00Table 4: Linear regression model parameters with PM10 mass concentration or absorbance, adjusted for urban sectors.
143
Figure 1: Location of the four study areas in France
Figure 2: Distribution of the ExTra Index according to urban sectors (all cities).
Figure 3: Distribution of the absorbances associated to PM (R2.5 and R10) according to
urban sectors (all cities).
Figure 4: Distribution of PM mass concentrations (M2.5 and M10, in µg/m3) according
to urban sectors (all cities).
Figure 1
144
0.5
11.
52
2.5
EX
TRA
proximity industry background
Figure 2
020
4060
proximity industry background
A25 A10
Figure 3
050
100
150
200
proximity industry background
M25 M10
Figure 4
145
VII- Caractérisation du risque de cancer
VII.1- Application au cas des particules (populations de l’étude et extrapolation par SIG)
Ce travail a fait l’objet d’un article qui sera prochainement soumis à une revue dont le
choix est encore indéterminé.
L’objectif de l'étude Genotox'ER est de décrire les niveaux d'exposition aux particules
ambiantes et à leurs composants cancérogènes (les métaux génotoxiques et des composés
organiques -HAP) parmi 4 populations urbaines françaises. Les expositions personnelles ont
été mesurées auprès de petits groupes de volontaires vivant dans 3 secteurs urbains distincts
supposés contrastés en terme de qualité de l’air : fond urbain, environnement industriel, et
secteur fortement influencé par les émissions du trafic ("secteur de proximité"). Les
expositions moyennes ont été estimées par ville et secteur urbain en utilisant un modèle
multiple de régression linéaire basé sur les expositions personnelles mesurées. Un Système
d'Information Géographique (SIG) a été utilisé pour transposer les expositions moyennes à
l’ensemble de la population de chaque agglomération participante (de 241 012 à 5 753 650
habitants de plus de 30 ans). A partir des estimations du Risque Relatif (RR) établies dans le
cadre de l'étude de l’ACS, nous avons évalué le nombre de décès par cancer du poumon
attribuables à l'exposition chronique aux particules fines (PM2.5) parmi les adultes. Il est
proposé ici, pour apprécier l’influence du choix du niveau de base correspondant à un « risque
nul », de faire 2 scénarios, faisant varier le niveau de référence B de PM2,5 à 4,5 µg/m3 ou 9
µg/m3. Les expositions moyennes de la population varient de 17 à 47 µg/m3, selon les villes.
Les variations entre secteurs sont plus faibles ; c’est en Ile de France où elles sont le plus
marquées entre la zone de fond (17 µg/m3) et le secteur industriel ou de proximité au trafic
(26 et 25 µg/m3). Le nombre annuel moyen de décès par cancer de poumon attribuables à
l’exposition aux particules varie selon la ville de 16 à 404 pour B=4.5 µg/m3, et de 12 à 303
pour B=9 µg/m3. La proportion des cas attribuables par secteur intra urbain dépend de la
distribution des populations et des niveaux d'exposition ; elle atteint 60 % dans le secteur de
proximité de Strasbourg. L'impact sanitaire des expositions chroniques à la pollution
atmosphérique en zones urbaines des pays développés justifie la poursuite des efforts pour
diminuer les sources de ces polluants et réduire les expositions. Les émissions par le trafic
contribuent encore de manière significative à la mortalité par cancer de poumon en France.
146
Lung cancer risk assessment in relation with
personal exposure to airborne particles in
four French metropolitan areas.
Éléna NERRIERE1, Denis ZMIROU-NAVIER1, Patrick DESQUEYROUX2, Adeline
MAULPOIX3, Nathalie LECLERC4, Isabelle MOMAS5, Pierre CZERNICHOW6
1 INSERM, Faculté de médecine, 9 avenue de la Forêt de Haye, 54 505 Nancy, France
2 Géocible 5 avenue de la villa Antony 94410 Saint Maurice, France
3 Institut de Veille Sanitaire 12, rue du Val d'Osne 94415 Saint Maurice, France
4 ASPA, 5, rue de Madrid, 67309 Schiltigheim Cedex, France
5 Faculté de pharmacie Paris 5, 4 avenue de l’observatoire, 75 006 Paris, France
6 Département d’Epidémiologie et Santé Publique, CHU, 76000 Rouen, France
Address for correspondence: Denis ZMIROU-NAVIER, School of Medicine, INSERM, 9 av de la Forêt de HayeBP 184 - 54505 Vandoeuvre-les-Nancy Cedex, FranceE-mail : [email protected]
147
Abstract
The Genotox’ER study was designed to describe exposure levels to ambient air particles and
their carcinogenic components (genotoxic metals and organic compounds – PAHs) among
four French urban populations. Personal exposures were measured among small groups of
volunteers living in three distinct urban sectors that were expected to be contrasted in terms of
air quality: urban background, industrial environment, and urban area highly influenced by
traffic emissions (“proximity sector”). Average population exposures by city and urban sector
were estimated using a multiple linear regression model based on measured personal
exposures. A Geographic Information System (GIS) was used to extrapolate average
exposures to the total population of each metropolitan area (from 241 012 to 5 753 650
inhabitants 30 years or older). We assessed the total number of lung cancer deaths attributable
to chronic exposure to fine particles (PM2.5) among adult populations using the Relative Risk
(RR) estimates established within the framework of the CSP II study. The “no risk” baseline
(B) exposure level was set at 4.5 µg/m3 and 9 µg/m3, respectively.
Average population exposures ranged from 17 to 47 µg/m3, according to cities, with little
differences across sectors, except in Ile de France where subjects living in the proximity and
industrial sectors were most exposed (25 and 26 vs 17 µg/m3). The attributable annual number
of lung cancer cases ranged from 16 to 404 for B=4.5 µg/m3, and from 12 to 303 for B=9
µg/m3. The proportion of estimated attributable cases across the 3 urban sectors combines the
effects of population distribution and of exposure levels; it reaches 60 % in the Ile de France
proximity sector. The health impact of chronic exposures to urban air pollution in
metropolitan areas of developed countries warrants further efforts to abate sources of
toxicants and to reduce exposure. Traffic emissions still contribute significantly to the total
lung cancer burden in France.
Key-words: PM2.5, personal exposure, GIS, lung cancer, risk assessment
148
Funding sources
We provide the formal assurance that any studies involving humans and experimental animals
were conducted in accordance with national and institutional guidelines for the protection of
human subjects and animal welfare.
Introduction
Several epidemiologic studies suggest that the risk of lung cancer is increased among
populations living in geographical areas affected by air pollution (Barbone et al., 1995;
Beeson et al., 1998; Laden et al., 2001; Nyberg et al., 2000; Pope et al., 2002; Nafstad et al.,
2003). Fine particles were significantly associated with the risk of cancer in the extended
follow-up of the Six Cities and ACS cohorts (Laden et al., 2001; Pope et al., 2002). The
carcinogenic potency of particles may be partly due to the genotoxic compounds they convey,
such as some metals (Fernandez et al., 2001; 2002) and Polycyclic Aromatic Hydrocarbons
(PAHs) (Ares et al., 2000; Burgaz et al., 2002; Iwai et al., 2000; Kyrtopoulos et al., 2001;
Spinosa et al., 1999).
A major limitation of many epidemiologic studies is assessment of exposures. Many
published studies have used levels of pollutants monitored by background stations of ambient
air quality surveillance as an indicator of personal exposure (Jedrychowski et al., 1990;
Dockery et al., 1993; Barbone et al., 1995; Pope et al., 1995; Pope et al., 2002; Nafstad et al.,
2003). Doing so, the spatial heterogeneity of air quality may be overlooked (Katsoutanni et
al., 1997; Levy et al., 2000a; Kavouras et al., 2001; Goswami et al., 2002). Personal
exposures are influenced by indoor environments and by local sources of emissions in
ambient air, such as cars and trucks engine exhausts, building heating and industries
(Harrisson et al., 1997; Kavouras et al., 2001; Areskoug et al., 2000; Harrisson and Yin, 2000;
Nyberg et al., 2000; Koistinen, 2002; Cyrys et al., 2003).
149
The Genotox' ER project is an attempt to study spatial heterogeneity of personal and
population exposures across urban environments. It was designed to describe exposure of
French urban populations to ambient air suspended particles and their carcinogenic
components (genotoxic metals and organic compounds – PAHs). In four metropolitan areas,
personal exposures were measured among groups of subjects living in distinct urban sectors
that were chosen a priori to be contrasted in terms of air quality. A Geographic Information
Systems (GIS) approach was used to extrapolate average personal exposures to the total
population of each metropolitan area. We then undertook a lung cancer impact assessment
and estimated the number of lung cancer deaths that could be attributable to fine particles in
ambient air.
Methods
To assess the health impact of an environmental toxicant, one needs exposure and dose-
response estimates. The effect that is studied is mortality by lung cancer related to chronic
exposure to fine particles (PM2.5). The model of dose-response relationship that we chose is
that of the Relative Risk (RR) established within the framework of the Pope et al. study
(2002) (updated from the ACS study in the United States [Pope et al. 1995]). Covering the
1979-2000 period, this cohort study among adults 30 years old and over controlled for many
confounding factors such as sex, age, race, education, marital status, smoking, body mass,
alcohol consumption, occupational exposure, and diet, while accounting for spatial trends.
The magnitude of the effect depended on how the time frame of exposure was considered, and
ranged from 1.08 (95% CI 1.01 – 1.16) for the 1979-1983 period to 1.13 (95% CI 1.04 – 1.22)
for the 1999-2000 period and 1.14 (95% CI 1.04 – 1.23) when the two periods were averaged.
We used here the RR from the first period.
150
Study subjects
The Genotox’ER multicenter study was carried out in four French metropolitan areas
(Grenoble, Ile de France, Rouen and Strasbourg) that were chosen because they were
contrasted in terms of urban setting, air quality and emission sources. The sites were also
selected because monitoring stations could be set in appropriate locations in the framework of
a pilot program conducted by the French Agency for Environment and Energy Management
(ADEME) which funds the air quality monitoring equipment throughout the country. In each
metropolitan area, three sectors were determined a priori: (i) «traffic proximity», i.e. the urban
sector most exposed to traffic emissions; (ii) a sector which is representative of urban
background air quality; (iii) a sector which is influenced by industrial emissions. These
industrial activities comprised mostly chemical and petroleum plants in Grenoble and Rouen,
refinery in Strasbourg; in the Paris metropolitan area, the ‘industrial sector’ hosted the Paris
main harbour, with petroleum storage and a variety of metallurgy plants. Partitioning each
metropolitan area into these sectors was done after expert judgment (the heads of the air
quality monitoring networks).
The exposure study included 6-13 years old children not exposed to passive smoking, and
non-smoking 30-71 years old adults, the latter not being exposed to occupational air pollution
(e.g. no taxi drivers or chemical factory workers). All were volunteers and were mostly
recruited through school teachers (children and parents) or local municipalities’
administrations. A key selection criterion was that they dwelt and worked (including at
school, dealing with children) in the same urban sector within their metropolitan area, with a
view to sharpen contrasts between average exposures across urban sectors, if any. The sample
size was 20 subjects (10 children and 10 adults) in each sector in Grenoble, Rouen and
Strasbourg, and 30 ([15+15] in the downtown sector of the Paris metropolitan area). The
present impact assessment concerns only the adult population, in accordance with the RR
construction by Pope et al.
151
With a few exceptions, all volunteers contributed to two series of personal exposure
measurements: during the ‘cold season’, from February to March, and during the ‘hot season’,
from May to the beginning of July. Since the study could not take place in parallel across
cities, due to logistic and financial reasons, they were scattered over 3 years, starting in
Grenoble (pilot study in 2001), then Ile de France (the metropolitan area of Paris, in 2002),
Rouen (2002-2003) and finally Strasbourg (2003) (see map in figure 1).
Exposure assessment
Personal exposure to PM2.5 particles
Particles were sampled during 48 hours with the Harvard ChemPass® (Demokritou et al.,
2001) installed in a rucksack. The equipment comprised a portable pump BGI® (model 400)
providing a flow in each head of 1.8 l/min. Particles were collected on Teflon filters
(Gelman®, diameter 37 mm, porosity 2 µm). The filters were weighed using a microbalance
(Mettler Toledo MT5) with a sensitivity of 1 µg. Sampled filters were stored in a room
controlled for temperature (20 1°C) and relative humidity (50 3%) and were equilibrated
with these conditions for at least 24-h prior weighing. The balance was first calibrated and
zeroed, and the electrostatic charges on the filters were eliminated using an ionization system
(HAUG Discharge system, Multistat). Each filter was weighed thrice and the mean of the
three values was recorded with a standard deviation (S.D) lower than 4 µg. Three control
filters were weighed during each weighing session and used to correct for weight changes in
the sampled filters cause by variations in the balance room atmosphere.
Population exposures
Personal exposure data were used to derive average population estimates. Rather than
computing crude averages by city and urban sector, a multiple linear regression model was
accommodated, in a view to stabilize the average exposure estimates using the whole set of
data. The explained Y variable was the expected personal exposure averaged over the two
study seasons, and the explanatory variables informed the city (one of the four metropolitan
152
areas), the urban sector (respectively background, proximity or industrial), the age category
(child or adult) and allowed for an interaction city*sector. Using this model parameters,
predictions of modelled population exposures by city and urban sector were computed for
adults.
Geographic Information Systems approach
A GIS approach was used in order to assess population sizes so as to apply the population
exposure estimates derived from the preceding step to the metropolitan area population en
large. The software that we used is Geoconcept®. The French National Institute for Statistic
and Economic Studies (INSEE) subdivides the whole country into elemental spatial units. In
each metropolitan area, each elemental unit were allotted to one of 3 urban sets that mimicked
the study volunteers subgroups, ie,: 1- a set highly influenced by traffic; 2- a set influenced by
industrial activities; 3- a urban “background” set that was defined as the total metropolitan
area but sets 1 and 2. Our operational definition for set 1 was the following: all elemental
spatial units located in a stripe about 100 m from city roads where traffic intensity is greater
than 10 000 vehicles/day. Segment 2 was the area under the influence of industrial emissions.
To define this area, we retrieved annual emission data for NOx, Volatile Organic Compounds
(VOC) and Total Suspended Particles (TSP) from the local Industry and Environment
administration (year 2000 for Paris and Strasbourg, 2001 for Grenoble and 2002 for Rouen).
According to European Union regulations, all factories whose emissions exceed a given level
have to declare annual emission estimates for several pollutants (EU 2000). In the Grenoble
industrial sector, 10 factories emitted a total of 5 827 tons of NOx (declaration threshold: 150
t), 13 factories emitted 4 688 t of VOC and 1 factory emitted 200 t of TSP (threshold: 150 t).
In the Paris area industrial sector, 25 factories emitted 21 160 t of NOx, 13 factories emitted
10 288 t of VOC and 9 factories emitted 8 733 t of TSP. The corresponding Rouen data were
3 258 t of NOx by 3 factories, and 346 t of TSP (1 factory). In Strasbourg, 2 factories emitted
1 426 t of NOx, 5 factories emitted 1634 t of VOC and 1 factory emitted 234 t of TSP. Using
153
the GIS, we defined around each single factory a circle area whose ray was 250, 1000 or 2000
meters according to its emission levels (see table 1). Eventually, segment 2 was composed of
all elemental spatial units that were included (totally or partially) within an ‘industrial circle’
for any one of the 3 pollutants. A unit that pertained both to segment 1 and to segment 2 was
regarded as belonging to segment 1. As indicated above, segment 3 was defined by difference.
Population data were obtained from the French Office of Population Censuses for the 1999
census. These data were detailed by 5 years age groups for all urban units, and we worked on
subjects aged 30 or older.
Lung cancer mortality
The baseline frequency of deaths per year was restricted to the number of deaths occurring
among those aged 30 and older. The number of deaths from lung cancer by gender and year of
age (code 162 in the 9th revised International Classification of Diseases) that occurred during
the year 1999 were obtained from the French National Medical Research Institute (INSERM).
Because of French privacy laws and confidentiality requirements these mortality data were
provided by metropolitan areas, not by individual city within the metropolitan areas.
Impact assessment
To derive the number of cases attributable to air pollution, we applied the model described by
Künzli et al. (2000). We deliberately chose a conservative approach, thus consistently
selecting the methodological assumptions in a way to get an impact which may be expected to
be ‘at least’ that attributable to air pollution. Using the exposure-response function, expressed
as a RR per 10 µg/m3, we calculated the attributable number of cases (D10) for an increase of
10 µg/m3 PM2.5. The calculation of D10 requires, however, prior definition of P0, the lung
cancer mortality, given a reference level of exposure E0. We derived P0 applying the risk
function backwards from PE (the observed mortality rate in a given metropolitan area) and E0
(the current population average exposure in a given metropolitan area) with the following
formula:
154
Then With D10 and the number of people living in each area, the number of cases attributable to air
pollution could be calculated. Then we summed up the estimates over all the metropolitan
areas.
Since there is no evidence of any threshold, we carried out a sensitivity analysis, using two
‘reference values’: 4.5 and 9 µg/m3 PM2.5. Moreover, since the study by Pope et al. did not
include population living in regions with PM2.5 levels below 5 µg/m3, we did not extrapolate
the risk function down to zero.
Results
The adult volunteers contributed to a set of 262 personal exposure data over the two study
seasons; they are partitioned by metropolitan area and urban sector in table 2. The total
population in the study metropolitan areas consisted of 6 464 610 inhabitants, aged 30 years
and older, representing 24 % of the French urban adult population, and 18 % of France,
including rural populations. Table 3 apportions the total population according to city and
urban sector, following the rationale explained in the methods section.
In this population, 3 977 lung cancer deaths occurred in 1999, yielding a crude incidence rate
of 61.51 per 100 000 for his age category. The average modelled personal exposure was about
30 µg/m3 PM2.5 (95 % CI=10) in the 4 metropolitan areas.
Exposure levels are exhibited in table 4, with crude personal exposures and modelled
population exposures, according to city and sector. Multiple linear regression model
parameters are exposed in table 5. Average population exposures range from 17 to 47 µg/m3,
according to cities, with little differences across sectors, except in Ile de France where
155
subjects living in the proximity and industrial sectors are most exposed (25 and 26 vs 17
µg/m3).
Table 6 summarizes the estimated annual number of attributable cases by city, as well as their
corresponding attributable fractions. Results are presented for the Pope et al RR estimates
based on mean concentrations for 1979-1983, under two different assumptions regarding the
reference level (4.5 and 9 µg/m3 respectively). According to the city, the attributable number
of lung cancer cases range from 16 to 404 for B=4.5 µg/m3, and from 12 to 303 for B=9
µg/m3. Their related attributable fractions span respectively from 12 to 27 % (B = 4.5 µg/m3)
and from 8 to 24 % for (B = 9 µg/m3).
Figure 2 apportions estimated lung cancer deaths counts attributable to PM2.5 exposure by city
and sector. These proportions are relatively similar across the 4 metropolitan areas. According
to the site, 34 to 50 % of the cases are assigned to the urban background sector, 37 to 60 % to
the traffic proximity sector, and 3 to 16 % to the industrial sector. It is in Strasbourg that the
percentage is strongest in the industrial sector. In Ile de France and Strasbourg, the
percentages assigned to the proximity sector are the largest.
Discussion
The main results of this study, based on the lowest reference level (4.5 µg/m3) are the
following: the estimated annual number of attributable lung cancer deaths is 404 in Ile de
France, 16 in Grenoble, 48 in Rouen and 25 in Strasbourg, which corresponds respectively to
attributable fractions of 12, 14, 27 and 13 %. The attributable number of cases depends not
only on exposure levels but also on the size of the exposed population. Thus, it is greater in
Ile de France than in Strasbourg whereas exposure levels are weaker, because the population
is much larger. The distribution of cases by sector shows relatively even across metropolitan
areas, except in Ile de France, the traffic sector exhibits a greater proportion of cases (57 %)
while this area represents 46 % of the population.
156
Several issues warrant comments. Some relate to the procedure that we followed to estimate
population exposure and to the assumptions that were made along this process. Obviously, the
personal exposure study sample size is not very large (from 10 to 15), and may be seen as
minute when divided into city and sector subgroups. In comparison, some studies included
many more subjects, as the EXPOLIS study which included about 500 subjects distributed in
6 countries (Rotko et al., 2000) or the PTEAM study which included 178 participants
(Ozkaynak et al., 1996). It is well established that personal exposure studies are extremely
time and resource consuming, and require a strong cooperation from volunteers. In addition to
small sample sizes, this may result in poor representativeness of the general population
(Oglesby et al., 2000). The impact of such biases may then multiply when it comes to
extrapolate exposure figures to large population sets. The proposed GIS approach to
extrapolate the personal exposure data to much larger metropolitan areas’ populations is
debatable in many points (Brauer et al., 2003; Levy et al., 2000b; Nyberg et al., 2000). Now,
PM2.5 data did not show sharp contrasts between subgroups, suggesting that resulting errors
might not be large, but this may not hold true for other pollutants.
An important point relates to usage of personal exposure data to compute risk estimates. First,
the explanatory capacity of the model predicting personal exposures appears rather weak
(R²=0,35); as a consequence its interpretation must be prudent. Secondly, RR values from
Pope et al are based on ambient air levels. It is well known that, dealing with particles,
measured personal exposures are greater than ambient air concentrations (Janssen et al., 1998;
1999; Elbett et al., 2000; Rojas-Bracho et al., 2000; Koistinen et al., in press, Nerriere et al,
submitted). The latter do not take into account micro-environmental determinants of
exposures (indoor sources, transfer rates between outdoor and indoor air, the “personal
cloud”) whose influence on personal exposures depend on individual time activities patterns.
Now, the personal cloud mostly involves the gross fraction of PM10 rather PM2.5 (Clayton et
al., 1993; Wallace et al., 1996; Levy et al., 2000a). A consequence of this discrepancy is that
157
risk estimates and related attributable risk fractions may be overestimated in this study. In
another paper, Genotox’ER personal exposure values and ambient air concentrations
measured during the same 48 hours where compared and showed that, should one relies only
on air quality monitoring data, this overestimation might reach up to 50 % (Nerriere et al,
submitted).
Another limitation of this study rests in that lung cancer cases attributable to air pollution are
related to long term exposures (typically 16 years in Pope et al, up to 30 years in Nyberg et al
2000). Our study informs on much shorter time periods: each subject contributed only to two
48 hours sampling periods and exposures were averaged over groups of subjects who,
collectively, participated to the study across two successive periods of 3 months. A strong
assumption is made as to how current exposures relate to the previous long term values, both
quantitatively and qualitatively. Particulate air pollution in the past is liable to have been not
only different in air concentration levels and spatial distribution, but also in nature and
toxicity, as shown in former Eastern Germany (Pitz et al, 2001; Ebelt et al, 2001).
Levels are relatively homogenous across sectors, except in Ile de France where pollution is
weaker in the background sector (about 17 µg/m3). Although PM2.5 is a good indicator of air
pollution from a variety of sources, there is clear evidence that other indicators better
represent contrast between sectors in relation with local sources. Other authors and the present
study suggest that PM absorbance is a better indicator of exposure to the particulate phase of
tail pipe emissions than gravimetric measures (Cyrys et al, 2003; Gotschi et al , 2002;
Nerriere et al, submitted). Unfortunately, one cannot use these data for health impact
assessment, in the absence of corresponding dose-response relationships.
We used lung cancer mortality data rather than lung cancer incidence for two reasons. First,
French cancer registries do not cover the entire population and do not provide a representative
sample of the national population. Second, we wanted to be in line with the methods and
populations of the CPS II study. Accordingly, the baseline frequency of deaths per year was
158
restricted to the number of deaths occurring among those aged 30 and older. For lung cancer
mortality, the national source may be considered accurate, although reliability of cause
specific death certificates could vary across different age groups, and regions.
This study heavily relied upon effect estimates derived from the CPS II conducted in the
USA, whose validity in the French context could be challenged in case of differences in the
particle sources and mixture, their size distribution, or their chemical nature (Spix et al 1998)
as well of differences in population characteristics. This transposition was considered to be a
non-quantifiable uncertainty which may lead to under- or overestimation of the results.
To conclude, this study adds to the evidence that the health impact of chronic exposures to
urban air pollution in metropolitan areas of developed countries warrants further efforts to
abate sources of toxicants. Traffic emissions still contribute significantly to the total lung
cancer burden.
Acknowledgements
This project was funded by the PRIMEQUAL-PREDIT 2 national research programme on air
quality, the Ministry of Health, the Rhône-Alpes region air quality programme, by Nancy
University and by the Foundation of France. Éléna Nerrière received a Ph.D. grant by
ADEME, INERIS and the National Health Surveillance Institute (InVS). The authors thank
all the volunteers who participated in this study. The contribution of the air quality monitoring
networks and ADEME is also acknowledged (Ascoparg, Airparif, Air Normand, ASPA).
159
References
Ares A, Eckl PM, Raffelsberger I. Genotoxicity at low-level dose of inspirable urban ambient
air particulate in a semiarid regime. Environ. Monit. Assess. 200, 63, 389-408.
Areskoug H. Particles in the ambient atmosphere. Scand J Work Environ Health. 2000,;26
Suppl 1: 5-22.
Barbone F, Bovenzi M, Cavallieri F, Stanta G. Air pollution and lung cancer in Trieste, Italy.
Am. J. Epidemiol. 1995, 141: 1161-1169.
Beeson WL, Abbey DE, Knutsen SF. Long term concentrations of ambient air pollutants and
incident lung cancer in California adults: results from the ASMOGH study. Environ. Health
Perspect. 1998, 106: 813-822.
Brauer M, Hoek G, van Vliet P, Meliefste K, Fischer P, Gehring U, Heinrich J, Cyrys J,
Bellander T, Lewne M, Brunekreef B. Estimating long-term average particulate air pollution
concentrations: applications of traffic indicators and geographic information systems.
Epidemiology 2003, 14 (2): 228-238.
Burgaz S, Demercigil GC, Karahalil B, Karakaya AE. Chromosomal damage in peripheral
blood lymphocytes of traffic policemen and taxi drivers exposed to urban air pollution.
Chemosphere 2002, 47: 57-64.
Clayton A, Perrit RI, Pellizzari ED, Thomas KW, Whitemore RW, Wallace LA, Özkaynak H,
Spengler JD. Particle total exposure assessment methodology (PTEAM) study: distribution of
aerosol and elemental concentrations in personal, indoor, and outdoor air samples in a
southern California community. J. Expos. Anal. Environ. Epidemiol. 1993, 3: 227-250.
Cyrys J, Heinrich J, Hoek G, Meliefeste K, Lewne M, Gehring U, Bellander T, Fischer P,
Vliet van P, Brauer M, Wichmann HE and Brunekreef B. Comparison between different
160
traffic-related particle indicators: Elemental carbon (EC), PM2.5 mass, and absorbance. J
Expos Anal Environ 2003, 13: 134-143.
Demokritou P, Kavouras IG, Ferguson ST, Koutrakis P. Development and laboratory
performance evaluation of a personal multipollutant sampler for simultaneous measurements
of particulate and gaseous pollutants. Aerosol Sci. Technol. 2001, 35: 741-752.
Dockery DW, Pope CA, Xu X et al. An association between air pollution and mortality in six
US cities. New Engl. J. Med. 1993, 329 (24): 1753-1759.
Fernandez AJ, Ternero M, Barragan FJ, Jimenez JC. Size distribution of metals in urban
aerosols in Seville (Spain). Atmos. Environ. 2001, 35: 2595-2601.
Fernandez AJ, Ternero M, Barragan FJ, Jimenez JC. A chemical speciation of trace metals for
fine urban particles. Atmos. Environ. 2002, 36: 773-780.
Goswami E, Larson T, Lumley T, Liu LJ.Spatial characteristics of fine particulate matter:
identifying representative monitoring locations in Seattle, Washington. J Air Waste Manag.
Assoc. 2002;52 (3): 324-33.
Gotschi T, Oglesby L, Mathys P, Monn C, Manalis N, Koistinen K, Jantunen M, Hanninen O,
Polanska L and Kunzli N. Comparison of black smoke and PM2.5 levels in indoor and
outdoor environments of four European cities. Environ. Sci. Technol. 2002, 36 (6): 1191-
1197.
Harrisson RM, Deacon AR, Jones MR, Appleby RS. Sources and processes affecting
concentrations of PM10 aand PM2.5 particulate matter in Birmingham (UK). Atmo. Environ.
1997, 31: 4103-4117.
Harrison RM, Yin J. Particulate matter in the atmosphere: which particle properties are
important for its effects on health? Sci. Total Environ. 2000, 249 (1-3): 85-101.
Hoek G, Brunekreef B, Goldbohm S, Fischer P and van der Brandt PA. "Association between
mortality and indicators of traffic-related air pollution in the Netherlands : a cohort study."
The Lancet 2002, 360: 1203-1209.
161
Ebelt S, Brauer M, Cyris J, Tuch Th, Kreyling WG et al. Air quality in postunification Erfurt,
East Germany: associating changes in pollutant concentrations with changes in emissions.
Environ. Health Perspect. 2001, 109: 325-333.
Elbett S, Petkau J, Vedal S, Fisher T, Brauer M. Exposure of chronic obstructive pulmonary
disease patients to particulate matter: relationships between personal and ambient air
concentrations. J. Air Waste Manage. Assoc. 2000, 50: 1081-1094.
Iwai K, Adachi S, Takahashi M, Möller L, Udagawa T, Mizuno S, Sugawara I. Early
oxidative DNA damage and late development of lung cancer in diesel exhaust-exposed rats.
Environ. Res. Sect. 2000, 84: 255-264.
Janssen NA, Hoek G, Brunekreef B, Harssema H, Mensink I, Zuidhof,A. Personal sampling
of PM10 in adults: relation between personal, indoor and outdoor concentrations. Am .J.
Epidemiol. 1998, 147: 537-547.
Jedrychowski W, Becher H, Wahrendorf J, Basa-Cierpialek Z. Case control study of lung
cancer with special reference to the effect of air pollution in Poland. J Epidemiol. Commun.
Health, 1990, 44: 114-120.
Katsouyanni K and Pershagen G. Ambient air pollution exposure and cancer. Cancer Causes
and Control 1997, 8: 284-291.
Kavouras IG, Koutrakis P, Cereceda-Balic F, Oyola P. Source apportionment of PM10 and
PM2.5 in five Chilean cities using factor analysis J Air Waste Manag. Assoc. 2001, 51(3): 451-
464.
Koistinen, K. (2002) Exposure of an urban adult population to PM2.5: methods, determinants
and sources. Ph.D. thesis, National Public Health Institute, Finland.
Koistinen K, Edwards RD, Ruuskanen J, Jantunen M. Sources of PM2.5 in personal exposures
and residential indoor, outdoor and workplace microenvironments in EXPOLIS-Helsinki,
Finland. Scand. J. Work Environ. Health (in press).
162
Krytopoulos SA, Georgiadis P, Autrup H. Biomarkers of genotoxicty of urban air pollution
overview and descriptive data from a molecular epidemiology study on populations exposed
to moderate-to-low levels of polycyclic aromatic hydrocarbons: the AULIS project. Mutat.
Res. 2001, 496: 207-228.
Künzli N, Kaiser R, Medina S, Studnicka M, Chanel O, Filliger P, Herry M, Horak F,
Puybonnieux-Texier V, Quénel P, Schneider J, Seethaler R, Vergnaud JC and Sommer H.
"Public-health impact of outdoor and traffic-related air pollution : a European assessment."
The Lancet 2000, 356: 795-801.
Laden F, Schwartz J, Speizer FE, Dockery D. Air pollution and mortality: a continued follow-
up in the Harvard Six Cities study. (Abstracts). Epidemiology 2001, 12, S81.
Levy JI, Houseman EA, Ryan L, Richardson D. Students from the 1998 Summer program in
Biostatistics, Spengler J.D. Particle concentrations in urban microenvironments. Environ.
Health Perspect. 2000a, 108 (11): 1051-1057.
Levy JI, Houseman EA, Spengler JD, Loh P, Ryan L. Fine particulate matter and polycyclic
hydrocarbon concentration patterns in Roxbury, Massachusetts: a community-based GIS
analysis. Environ. Health Perspect. 2000b, 109 (4): 341347.
Nafstad P, Haheim LL, Oftedal B, Gram F, Holme I, Hjermann I, Leren P. Lung cancer and
air pollution: a 27 years follow-up of 16 209 Norwegian men. Thorax 2003, 58: 1071-1076.
Nerriere E, Zmirou-Navier D, Blanchard O, Momas I, Ladner J, Le Moullec Y, Personnaz
MB, Lameloise P, Delmas V, Target A, Desqueyroux H. Can we use fixed ambient air
monitors to estimate population long-term exposure to air pollutants? The case of spatial
variability in the Genotox’ER study, submitted.
Nerriere E, Zmirou-Navier D, Blanchard O, Momas I, Ladner J, Le Moullec Y, Personnaz
MB, Lameloise P, Delmas V, Target A, Desqueyroux H. Can we use fixed ambient air
ambient air monitors to estimate population long-term exposure to air pollutants? The case of
spatial variability in the Genotox’ER study. Submitted.
163
Nerriere E, Zmirou-Navier D, Momas I, Chrion M, Leclerc N, Ladner J, Le Moullec Y,
Reungoat P, Blanchard O. PM mass or PM absorbance: which best measures exposure to
traffic tail pipe emissions? Submitted.
Nyberg F, Gustavsson P, Järup L, Bellander T, Berglind N, Jakobsson R, Pershagen G. Urban
air pollution and lung cancer in Stocklom. Epidemiology 2000, 11: 487-495.
Oglesby L, Rotko T, Krütli P, Boudet C, Kruize H, Jantunen M et al. Personal exposure
assessment studies may suffer from exposure relevant selection bias. J. Expo. Anal. Environ.
Epidemio. 2000, 10: 251-266.
Ozkaynak H, Xue J, Spengler J, Wallace L, Pellizzari E, Jenkins P. Personal exposure to
airborne particles and metals results from the particle TEAM study in Riverside, California, J.
Expos. Anal. Environ. Epidemiol. 1996, 6 (1): 57.78.
Pope CA, Thun MJ, Namboodiri MM, Dockery DW, Evans JS, Speizer FE and Heath CW
"Particulate air pollution as a predictor of mortality in a prospective study of U.S. adults." Am
J. Respir. Crit. Care Med. 1995, 151: 669-674.
Pope CA, Burnett RT, Thun MJ, Calle EE, Krewski D, Ito K, Thurston GD Lung cancer,
cardiopulmonary mortality and long term exposure to fine particulate air pollution. JAMA
2002, 287: 1132-1141.
Pitz M, Kreyling WG, Hölscher B, Cyris J, Wichmann HE, Heinrich J. Change of the ambient
particle size distribution in East Germany between 1993 an 1999. Atmos. Environ. 2001, 35:
4357-4366.
Raaschou-Nielsen O, Hertel O, Thomsen BL and Olsen JH. "Air pollution from traffic at the
residence of children with cancer." Am. J. Epidemiol. 2001, 153(5): 433-443.
Reynolds P, Von Behren J, Gunier RB, Goldberg DE, Hertz A and Smith D. Traffic patterns
and childhood cancer incidence rates in California, United States. Cancer Causes Control
2002, 13 (7): 665-673.
164
Rojas-Bracho L, Koutrakis P, Suh H. Relationships among personal, indoor, and outdoor fine
and coarse particle concentrations for individuals with COPD. J Exp. Anal. Environ.
Epidemiol. 2000, 10: 294-306.
Rotko T, Oglesby L, Kunzli N, Jantunen MJ. Population sampling in European air pollution
exposure study EXPOLIS: comparisons between the cities and representativeness of the
samples. J. Expo. Anal. Environ. Epidemiol. 2000, 10 (4): 355-364.
Seaton A. and Dennekamp M. Hypothesis : ill health associated with low concentrations of
nitrogen dioxide - an effect of ultrafine particles ? Thorax 2003, 58: 1012-1015.
Spinosa De Martinis B, Kado NY, De Carvalho LRF, Okamoto RA, Gundel LA. Genotoxicy
of fractioned organic material in airborne particles from São Paulo, Brazil. Mut. Res. 1999,
446: 83-94.
Spix C, Anderson HR, Schwartz J, Vigotti MA, LeTertre A, Vonk JM, et al. Short-term
effects of air pollution on hospital admissions of respiratory diseases in Europe: a quantitative
summary of APHEA study results. Air Pollution and Health: a European Approach. Arch
Environ Health 1998, 53 (1): 54-64.
Wallace L. Indoor particles: a review. J. Air Waste Manage. Assoc. 1996, 46: 98-126.
Table 1: Circle rays size according to the terciles emissions
Pollutant Minimum
(Kg/y)
Maximum (kg/y) Ray (m)
NOX 150 000 400 000 250
NOX 400 000 1 000 000 1 000
NOX 1 000 000 99 999 9999 2 000
VOC 150 000 250 000 250
VOC 250 000 750 000 1 000
VOC 750 000 99 999 9999 2 000
TSP 150 000 300 000 250
TSP 300 000 500 000 1 000
TSP 500 000 99 9999 999 2 000
VOC: Volatile Organic Compound, TSP: Total Suspended Particles.
165
Table 2: Demographics of the adult population who took part to exposure assessment, according to study area and season
WINTER SUMMER
N Average age
(Std Err)
Average
sex ratio
N Average age
(Std Err)
Average
sex ratio
Ile de
France
Proximity 22 47.7 (10.6) 0.3 19 47.2 (9.6) 0.3
Background 11 42.4 (6.9) 0.2 11 43.3 (8.0) 0.2
Industrial 12 43.3 (10.0) 0.3 11 45.6 (9.1) 0.4
Grenoble
Proximity 9 48.3 (9.0) 0.1 10 48.7 (9.0) 0.1
Background 10 41.7 (13.4) 1 9 41.9 (13.9) 1.2
Industrial 10 46.4 (11.0) 0.6 9 48.5 (8.7) 0.5
Rouen
Proximity 8 40.7 (6.9) 1.5 10 37.7 (9.2) 0.2
Background 11 36.6 (12.8) 0.2 12 36.6 (12.8) 0.3
Industrial 9 43.8 (4.2) 1.2 9 43.7 (3.7) 0.23
Strasbourg
Proximity 10 42.6 (7.0) 0.28 10 42.6 (7.0) 0.28
Background 10 40.8 (8.1) 0.11 10 40.8 (8.1) 0.11
Industrial 10 46.8 (13.0) 0.66 10 46.8 (13.0) 0.66
NB: “proximity”: the urban sector most exposed to traffic emissions; “background”: sector which is representative of urban
background air quality; “industry”: sector which is influenced by industrial emissions.
166
Table 3: Number of subjects aged 30 years or older selected by GIS approach according to the
city and the sector
Number of subjects aged 30 or
older
Proportion of city population by
urban sector
Ile de France
Proximity 2 684 883 46.6
Background 2 909 466 50.6
Industrial 159 301 2.8
Grenoble
Proximity 97 536 40.4
Background 114 083 47.3
Industrial 29 573 12.3
Rouen
Proximity 98 727 43.7
Background 87 916 38.9
Industrial 39 397 17.5
Strasbourg
Proximity 148 718 61.0
Background 81 114 33.3
Industrial 13 896 5.7
Table 4: PM2.5 crude personal exposures (CPE) and modelled personal exposure (MPE)
(averages [and standard deviations]) for adults by city and urban sector (in µg/m3)
Proximity Background Industrial
Ile de FranceCPE 27 (11) 17 (5) 24(9)
MPE 25 (1) 17 (2) 26 (2)
GrenobleCPE 22 (7) 21 (8) 29 (16)
MPE 21 (2) 24 (2) 28 (2)
RouenCPE 24 (13) 27 (16) 24 (14)
MPE 22 (2) 28 (2) 24 (2)
Strasbourg CPE 45 (18) 44 (13) 49 (24)
MPE 46 (2) 47 (2) 45 (2)
167
Table 5: Model parameters estimating PM2.5 personal exposure.
R-squared = 0.35
Coef. (Std. Err.) t value P>|t|
Grenoble -3.60 (2.50) -1.44 0.15
Rouen -3.11 (2.65) -1.17 0.24
Strasbourg 20.48 (2.68) 7.62 0.00
Background -7.63 (2.44) -3.12 0.00
Industrial 1.29 (2.48) 0.52 0.60
Adult -1.32 (1.19) 1.11 0.26
Grenoble background 10.41 (3.88) 2.68 0.01
Grenoble industrial 5.80 (3.89) 1.49 0.13
Rouen background 0.90 (4.29) 3.44 0.00
Rouen industrial 13.79 (4.02) 0.16 0.87
Strasbourg background 0.64 (4.06) 2.36 0.02
Strasbourg industrial -1.73 (4.04) -0.43 0.66
Constant 26.40 (1.55) 16.94 0.00
Table 6: Lung cancer deaths attributable to air pollution (PM2.5) [95% CI] by city
according to the B reference value.
B=4.5 µg/m3 B=9 µg/m3
Attributable
number of cases
(95 % CI)†
Attributable
fraction (%) (95
% CI)
Attributable
number of cases
(95 % CI)
Attributable
fraction (%) (95 %
CI)
Ile de
France
404 [57-722] 12 [2-21] 303 [42-553] 8 [1-16]
Grenoble 16 [3-27] 14 [3-23] 12 [3-22] 10 [3-19]
Rouen 25 [4-43] 13 [2-23] 19 [3-35] 10 [2-19]
Strasbourg 48 [9-76] 27 [5-42] 43 [7-71] 24 [4-40]
RR=1.08 (1.01 – 1.16) †95% Confidence Interval
168
Figure 1: Apportionment of annual attributable lung cancer cases by city and sector
(B=4.5 µg/m3)
Figure 1
0%
20%
40%
60%
80%
100%
Ile de France Grenoble Rouen Strasbourg
proximity background industrial
169
E- DISCUSSION
La discussion de ce travail traitera successivement des résultats relatifs à
l’appréciation de l’exposition des individus et des populations, puis à ceux relatifs à
l’évaluation du risque de cancer du poumon. L’interprétation que l’on peut faire de ces
résultats sera ensuite éclairée par une analyse critique des limites des outils et méthodes
utilisés.
I- La caractérisation des expositions individuelles
I-1. Rappel des principaux résultats et comparaison avec les données de la littérature
I.1.1- Les niveaux d’exposition personnelle aux PM, NO2 et BTX
Les expositions personnelles aux PM2.5 et PM10 mesurées auprès des volontaires dans
l’ensemble des 4 agglomérations d’étude sont en moyenne, respectivement, égales à 29,3
µg/m3 ± 15,8 µg/m3 et 48,2 µg/m3 ± 21,4 µg/m3. Le ratio moyen PM2.5 / PM10 observé est de
0,60 ± 0,15. Les absorbances associées sont en moyenne de l’ordre de 29 %. Les expositions
personnelles aux NO2 sont en moyenne de 30,4 µg/m3 ± 12,8 µg/m3. Les expositions
personnelles au benzène sont en moyenne de 6,95 µg/m3 ± 4,88 µg/m3, ce qui est supérieur à
la valeur guide de l’Union Européenne de 5 µg/m3 (CE/2000/69). Environ 16 % des individus
explorés présentent une exposition moyenne supérieure à 2 fois cette valeur.
Peu d’études nous permettent de comparer simultanément en France, en population
générale, les expositions aux PM2.5 et PM10 d’enfants et adultes non exposés à un
environnement tabagique. Les expositions aux PM2.5 observées sont proches de celles
observées dans le cadre de l’étude EXPOLIS sur des adultes non fumeurs à Grenoble, qui
s’étendaient en moyenne de 21,9 à 36,7 µg/m3 (Boudet et coll 2000). Cette même étude a
montré des niveaux d’exposition aux PM2.5 beaucoup plus contrastés dans plusieurs villes
européennes (de 10 à 72 µg/m3) du fait notamment de la participation de fumeurs (Koistinen
2002). Les niveaux d’exposition observés chez les enfants aux PM2.5 (30,4 µg/m3 ± 5,9 µg/m3)
et au NO2 (30,2 µg/m3 ± 12,9 µg/m3) sont proches de celles observées dans le cadre de l’étude
VESTA (Zmirou et coll 2002), variant de 18,2 µg/m3 à 29,6 µg/m3 pour les PM2.5 et de 25,7
µg/m3 à 38,4 µg/m3 pour le NO2. Une étude réalisée auprès de 62 employés de bureau
170
parisiens (Mosqueron et coll 2002) a montré que les niveaux d’exposition personnelle aux
PM2.5 étaient de 30,4 µg/m3, valeur légèrement supérieure à celle obtenue dans notre groupe
d’adultes parisiens (27 µg/m3). De la même manière, l’exposition personnelle au NO2 de ces
employés s’élevait à 43,6 µg/m3 contre 33 µg/m3 en hiver et 35 µg/m3 en été dans notre
groupe. Les expositions au benzène mesurées dans l’étude Genotox’ER (7 µg/m3) sont
également inférieures à la valeur moyenne (10,3 µg/m3) obtenue auprès de 50 sujets adultes
non-fumeurs avec le même dispositif de prélèvement lors du programme Macbeth (Gonzales-
Flesca et coll 2000). Cette évolution à la baisse des expositions est cohérente avec la baisse
des teneurs en benzène dans l’essence imposée par la réglementation européenne.
Dans l’ensemble, les expositions de nos volontaires semblent être plus faibles que
celles des études françaises référencées précédemment. Tous les sujets de l’étude ont été
recrutés pour la faible distance qui sépare leur domicile de leur lieu professionnel ou scolaire,
ce qui pourrait expliquer que leur exposition à la pollution automobile lors des déplacements
est plus limitée que dans d’autres études. Au niveau international, d’autres études ont montré
des niveaux similaires d’exposition. C’est le cas d’une étude réalisée par la Community
Action Against Asthma (CAAA) qui a mis en évidence des niveaux d’exposition aux PM2.5 et
PM10 de l’ordre de 25,8 et 68,4 µg/m3 chez des enfants de Détroit (Keeler et coll 2002).
L’étude PTEAM (Ozkayanak et coll 1996) a mesuré des niveaux d’exposition personnelle
bien plus élevés de l’ordre de 150 µg/m3 pour les PM10 auprès de 178 sujets californiens.
Rochas-Bracho et coll (2002) ont montré des niveaux d’exposition très forts (69,5 µg/m3 pour
les PM2.5 et 146,3 µg/m3 pour les PM10) chez des enfants âgés de 10 à 12 ans à Santiago au
Chili.
D’autres études étrangères ont mis au contraire en évidence des expositions plus
faibles que celles observées dans le cadre de Genotox’er. Sorenson et coll (2003) ont mesuré
une exposition personnelle aux PM2.5 moyenne de l’ordre de 16 µg/m3 auprès 50 étudiants du
centre de Copenhague. Liu et coll (2003) se sont intéressés aux expositions de retraités de
Seattle présentant différentes pathologies (maladies cardiorespiratoire et asthme). Les niveaux
mesurés se sont avérés très faibles, en moyenne de l’ordre de 8 µg/m3 pour les PM2.5 par
comparaison avec d’autres travaux sur le même type de population (Elbett et coll 2000, Evans
et coll 2000, Janssen et coll 2000, Williams et coll 2000a, 2000b). Les niveaux mesurés
auprès d’étudiants de New York dans l’étude TEACH (Toxic Exposure Asssessment, a
Columbia/Harvard) sont de l’ordre de 17 à 18,5 µg/m3 pour les PM2.5 selon la saison (Kinney
171
et coll 2002). Ces auteurs ont également mesuré l’exposition au benzène qui est également
plus faible (comprise entre 3 et 4,7 µg/m3) que celle observée dans notre étude (en moyenne 7
µg/m3).
I.1.2- La composition chimique des particules
I.1.2.1- Les HAP
La moyenne des concentrations en HAP « totaux » particulaires (en réalité la moyenne
de la somme des 12 des 16 HAP de la liste de l’US-EPA) sont sensiblement équivalentes
entre les 2 classes granulométriques, à savoir 2,1 ng/m3 pour les PM2.5 et 2,9 ng/m3 pour les
PM10. Nos résultats sont cohérents avec ceux de la littérature en ce qui concerne les HAP les
plus fréquemment retrouvés dans les études, qui sont le pyrène, le benzo[a]pyrène, le
fluoranthène, les benzo[b] et benzo[k]fluoranthène, le benzo[g,h,i]perylène et l’indeno[1,2,3-
c,d]perylène (Mastral et coll 2003; Vera Castellano et coll 2003).
La figure 44 décrit les pourcentages de chaque HAP par rapport à l’ensemble des HAP
détectés dans les extraits organiques des PM2.5. On observe ainsi que les HAP les plus
importants par rapport à la somme des HAP présents sont le benzo[g,h,i]perylène (19 %),
l’indeno[1,2,3-cd]pyrène (15 %),le fluoranthène (15 %), benzo[b]fluoranthène (12 %).
Viennent ensuite le benzo[a]pyrène (8 %), le pyrène (6 %) et l’acénaphtène (6 %). Les
proportions des autres sont inférieures à 5 %. Les résultats des études concernant la
composition des particules en HAP sont loin d’être uniformes. Certaines montrent que les
HAP cancérigènes constituent en moyenne annuelle 80 à 85 % de la totalité des HAP, 21 %
des HAP cancérigènes étant attribuables au benzo[a]anthracène (Kendall et coll 2001);
d’autres indiquent que le phénanthrène, le pyrène et le fluoranthène forment la majeure partie
(50-90 %) des HAP (Wingfors et coll 2001).
172
Figure 44 : Répartition moyenne des HAP en pourcentage par rapport aux 12 HAP « totaux » mesurés dans les extraits organiques de PM2.5.
Dans la section I.2, les différences ou similitudes constatées entre agglomérations et
secteurs urbains sont commentées.
I.1.2.2- Les éléments minéraux
La moyenne des concentrations des éléments totaux particulaires est bien plus élevée
pour les PM10 que les PM2.5 (respectivement 8 124 ng/m3 contre 4 138 ng/m3). Les éléments
minéraux sont donc principalement présents dans la fraction « grosse » des particules,
composées principalement d’éléments d’origine tellurique, constat qui est renforcé par
l’analyse plus fine des compositions.
Les éléments les plus importants en terme de proportion par rapport à la quantité totale
des éléments détectés (tableau 23) sont en effet la silice (de l’ordre de 30 %), le soufre (24 %)
173
5.765%1.258%
14.92%
5.662%
3.79%
5.368%
12.01%4.646%
8.296%
3.904%
19.52%
14.87%
acenaphtene AnthraceneFluoranthene PyreneB(a)A ChryseneB(b)F B(k)FB(a)P D(a,h)AB(g,h,i)P In(1,2,3,c,d)P
et le calcium (17 %). La silice et le calcium sont issus principalement des phénomènes
d’érosion et sont liés aux constituants des bâtiments et revêtements en milieu urbain. Ils sont
suivis par un groupe dont les valeurs sont comprises entre 2 et 10 %, il s’agit du phosphore,
du potassium, du fer, du chlore et de l’aluminium. Les autres ont des valeurs inférieures à 1
%. Cyrys et coll (2003) se sont intéressés à la composition élémentaire des particules
ultrafines de l’aérosol urbain d’Erfurt (Allemagne) pendant la période 1995-1998 en utilisant
la même technique analytique (PIXE). Nos résultats en terme de distribution sont cohérents
avec ceux de cette étude bien que les quantités qu’ils rapportent soient inférieures d’un facteur
20 en moyenne par rapport aux nôtres. Cet écart est sans doute expliqué par le fait que leurs
analyses ne portent que sur la fraction ultrafine (0,05-1,62 µm). S’il l’on compare les teneurs
que nous avons mesurées sur la fraction PM2.5 à celles mesurées dans l’étude TEACH (Kinney
el coll 2002) sur la même fraction, elles sont comparables pour le chrome et le manganèse.
Celles observées dans notre étude sont plus fortes (d’un facteur de 1,5 à 1000) pour l’arsenic,
l’aluminium, le calcium, le cuivre, le fer, le potassium, le titane et le vanadium. Elles sont au
contraire plus faibles (facteur 2 à 10) pour le plomb et le zinc.
Tableau 23 : Répartition moyenne des éléments minéraux détectés sur les filtres PM 10 en pourcentage (n= 355).Elément Al Si P S Cl K Ca Ti V Cr
Pourcentage 9,7 30,3 1,4 23,8 6 4,4 16,8 0,5 0,1 0,1
Elément Mn Fe Ni Cu Zn As Br Sr Zr Pb
Pourcentage 0,2 4,8 0,1 0,5 1 0,1 0,1 0,1 0,1 0,2
I.2- La variabilité spatiale des expositions
I.2.1- Les PM, NO2 et benzène
Les expositions personnelles aux PM sont sensiblement plus fortes à Strasbourg que
dans les 3 autres sites, où elles sont plus similaires. Les absorbances associées les plus fortes
sont également observées à Strasbourg, mais aussi en Ile de France. Les ratios PM2.5/PM10
sont plus élevés à Strasbourg et Grenoble. Les expositions personnelles en NO2 sont très
légèrement plus fortes en Ile de France qu’ailleurs.
On observe des contrastes plus modestes entre les expositions personnelles exprimées
en concentration volumique de PM qu’entre les absorbances associées. Ces dernières sont en
effet plus fortes dans le secteur de proximité au trafic automobile. Ces résultats sont cohérents
174
avec ceux d’autres études qui montrent la pertinence d’utiliser comme indicateurs
d’exposition au trafic les fumées noires ou la mesure du carbone élémentaire plutôt que les
concentrations en masse des PM (Pakkanen et coll 2000, Roemer et coll 2001, Cyrys et coll
2003). Les ratios PM2.5/PM10 diffèrent entre les 3 secteurs urbains (plus forts en secteur
industriel). Les expositions en NO2 sont plus fortes dans le secteur de proximité au trafic
automobile. D’autres études ont montré des résultats similaires en comparant des niveaux de
situations contrastées en terme de densité de trafic (Monn et coll 1998, Alm et coll 2000,
Rinjders et coll 2001, Carr 2002, Kousa et coll 2002, Briggs et coll 2003, Gilbert et coll
2003). Les expositions au benzène sont bien plus fortes dans les secteurs industriels et de
proximité au trafic qu’en zone de fond.
I.2.2- Les constituants chimiques des PM, une synthèse des distributions spatiales
Concernant la composition chimique globale des particules, les teneurs en HAP totaux
sont plus élevées à Grenoble et en Ile de France pour les PM2.5 et à Grenoble et Strasbourg
pour les PM10. Les teneurs en éléments minéraux totaux sont plus faibles à Rouen par rapport
aux autres agglomérations. Les concentrations en HAP totaux des PM10 sont plus fortes en
zone industrielle et de proximité au trafic tandis que pour les PM2.5 seule la concentration
moyenne observée en proximité se détache nettement de celle des 2 autres secteurs. Les
concentrations en éléments minéraux totaux des PM sont très homogènes d’un secteur à
l’autre bien que l’écart type observé pour les PM10 industriels soit plus étendu.
Quelques unes des substances véhiculées par les particules sont reconnues comme
étant des traceurs de certaines sources de pollution (trafic, industrielle ou de combustion).
Parmi les HAP, nous pouvons identifier (Masclet et coll 1986, Masclet et coll 1987, Khalili et
coll 1995, Chiuang et coll 1996, Fromme et coll 1998) :
l’Indeno[1,2,3-cd]pyrène, le benzo[g,h,i]perylène qui sont traceurs des émissions par les
véhicules essence,
le benzo[a]pyrène produit lors des combustions incomplètes, quelle que soit la source,
le benzo[b]fluoranthène et le benzo[k]floranthène reconnus comme traceurs des émissions
diesel,
le fluoranthène produit par les combustions et considéré notamment comme traceur de la
pollution par le chauffage urbain.
175
Les teneurs particulaires en B[g,h,i]P, B[b]F, B[a]P et fluoranthène observées en
secteur de proximité au trafic sont effectivement plus élevées que dans les autres secteurs
intra urbains. D’autres études ont montré qu’en général, les concentrations en HAP sont plus
fortes en proximité au trafic par rapport à des zones de fond (DG-Environnement 2001, Smith
et Harrisson 2001, EC 2001, EMEP 2003).
Parmi les éléments minéraux reconnus comme traceurs de certaines sources (Koistinen
2002), figurent :
le brome, le plomb (avant son interdiction au sein de l’UE et en Amérique du Nord), le
cuivre et le zinc pour la pollution automobile ;
le phosphore, le chlore, le soufre et le vanadium pour la pollution industrielle.
D’autres éléments sont considérés comme telluriques (sans sources d’émissions
anthropogéniques particulières, sauf au voisinage de cimenteries ou carrières) comme
l’aluminium, le potassium, le titane, le fer, la silice, le calcium et le manganèse.
L’étude des teneurs des traceurs de la pollution automobile montre que les PM10
collectées dans le secteur de proximité au trafic contiennent effectivement plus de cuivre, de
zinc et de brome que celles collectées en zone de fond ou industrielle. Les niveaux moyens de
concentrations en plomb sont peu différents d’un secteur à l’autre. Ceci est cohérent avec le
fait que le plomb ne représente plus un indicateur pertinent de la pollution par l’automobile
depuis qu’il a été éliminé des carburants.
Les niveaux moyens en soufre et vanadium sont légèrement plus élevés en zone
industrielle que dans les 2 autres secteurs. Les teneurs en éléments telluriques sont, quant à
elles, relativement comparables entre les 3 secteurs, témoignant de leur non spécificité à une
source émettrice particulière.
L’analyse a également porté sur 3 métaux cancérogènes que sont le nickel, le chrome
et l’arsenic. On rappellera que la technique analytique retenue ne permettait pas de mesurer de
manière valide le cadmium. Les PM10 collectées dans les différents secteurs industriels
semblent être plus concentrées en nickel que celles collectées dans les autres secteurs. Deux
types d’activité prédominent majoritairement dans les émissions de nickel (CITEPA 2004) : la
transformation d'énergie (en particulier le raffinage de pétrole et la production d'électricité) et
176
l'industrie manufacturière (les principaux sous-secteurs visés sont la métallurgie des métaux
ferreux, l'agro-alimentaire, la chimie), avec respectivement 48 % et 46 % des émissions
totales de la France métropolitaine en 2002. Les zones industrielles retenues pour le
recrutement des volontaires répondent à ces caractéristiques puisque s’y trouvent selon les
agglomérations raffineries, stockage de pétrole, mais également usines chimiques et
métallurgiques.
Les teneurs des PM10 en chrome sont très légèrement plus fortes en secteur de
proximité au trafic automobile. On aurait pu s’attendre à ce qu’elles le soient en zone
industrielle, du moins en présence d’industries manufacturières. En effet 3 activités
contribuent à la totalité des émissions de ce polluant (CITEPA 2004), dont l'industrie
manufacturière (93 % des émissions de la France métropolitaine en 2002), le
résidentiel/tertiaire (6 %) et la transformation de l'énergie (2 %). Les autres secteurs
d’activités ont une contribution nulle ou très faible (l'agriculture/sylviculture, le transport
routier, les autres transports et les autres secteurs anthropiques). Dans le secteur de l'industrie
manufacturière, les émissions de chrome dans l'atmosphère sont issues principalement de la
sidérurgie (85 % des émissions totales de chrome pour la France métropolitaine en 2002).
D'autres secteurs tels que la production de verre, de ciment, les fonderies représentent une part
bien moindre par rapport au total national : 8 % en 2002.
Les niveaux moyens en arsenic sont assez homogènes entre les 3 secteurs intra
urbains. Les émissions de ce polluant dans l'atmosphère proviennent, d'une part, de la
présence de traces de ce métal dans les combustibles minéraux solides ainsi que dans le fioul
lourd et, d'autre part, de la présence de ce composé dans certaines matières premières comme
par exemple dans les installations de production de verre, de métaux ferreux ou non ferreux
(CITEPA 2004). Le principal secteur, l'industrie manufacturière, représentait en 2002 plus de
80 % des émissions de la France métropolitaine. Le secteur résidentiel/tertiaire et celui de la
transformation d'énergie représentent chacun moins de 10 % des émissions de la France
métropolitaine. Les autres secteurs ont une contribution nulle voire très faible
(l'agriculture/sylviculture, le transport routier, les autres transports, les autres sources
anthropiques).
177
I.2.3- Bilan
Dans des situations contrastées d'exposition personnelle, l’absorbance associée aux
PM est un meilleur indicateur d'exposition à la phase particulaire des émissions automobiles
que les mesures gravimétriques (voir la discussion de l’article présenté au paragraphe V de la
partie résultats). Le NO2 demeure également un bon indicateur de l’exposition à la pollution
automobile, comme en attestent les contrastes observés entre les expositions personnelles
mesurées dans les secteurs de proximité au trafic par rapport aux 2 autres types de secteurs
urbains.
L’analyse descriptive de la composition chimique des particules permet, bien que les
contrastes soient souvent de faible amplitude, de souligner une certaine hétérogénéité des
teneurs en éléments organiques ou minéraux des particules collectées dans les différents
secteurs. Cette hétérogénéité est vraisemblablement due à la présence de sources locales fixes
ou mobiles auxquelles sont exposées les populations avoisinantes.
I.3- Les relations entre niveaux ambiants et exposition personnelle
Tandis que les expositions individuelles moyennes aux particules sont sous-estimées
par les moniteurs extérieurs, dans presque toutes les villes, selon les saisons et les catégories
d'âge, les différences sont modestes pour le NO2 et, en général, dans l'autre sens. Les rapports
entre les expositions personnelles moyennes et les niveaux ambiants extérieurs sont de plus
variables selon les agglomérations et les secteurs urbains. D’autres études ont également mis
en évidence des expositions personnelles plus fortes pour les particules que les niveaux d’air
ambiant extérieurs (Janssen et coll 1998; 1999; Elbett et coll 2000; Rojas-Bracho et coll 2000;
Koistinen et coll sous presse). Une étude similaire a été réalisée auprès 62 employés de
bureau parisiens (Mosqueron et coll 2002) dont les caractéristiques étaient proches de celles
des volontaires adultes suivis à Paris dans l’étude Genotox’er. Leurs résultats ont montré que
les expositions personnelles aux PM2.5 (30,4 µg/m3) étaient supérieures aux niveaux ambiants
locaux concomitants (16,7 µg/m3). Dans ces travaux, des écarts ont également été observés
pour le NO2 (Mosqueron et coll, 2002) et confirmés par d’autres auteurs (Raaschou-Nielson et
coll 1997; Linaker et coll 2000). Les résultats de l’étude Genotox’ER montrent que ces écarts
sont en plus variables selon les villes, les secteurs intra urbains et semblent ainsi fonction du
type d’environnement extérieur.
178
Ces résultats suggèrent que l’utilisation des concentrations ambiantes extérieures pour
évaluer l'exposition moyenne des populations dans les études épidémiologiques sur les effets
à long terme ou dans les études d’évaluation du risque, doit se faire avec prudence et être bien
argumenté, notamment à l’échelle infra urbaine. Il n’est pas possible effectivement, à l’heure
actuelle, de déterminer une « clé de conversion » unique entre expositions et immissions qui
tienne dans toute ville et secteur urbain. Les différences entre les dispositifs de mesure, les
sources locales et régionales de pollution, les pollutions intérieures et les budgets espaces
temps peuvent fortement influencer les relations entre concentrations ambiantes extérieures et
exposition de la population.
Les conséquences de cette hétérogénéité spatiale des relations entre niveaux ambiants
et expositions personnelles sont susceptibles de varier selon le profil de l’étude
épidémiologique ou d’évaluation des risques (Jantunen et coll 2000; Gauvin. et coll 2002).
Les corrélations entre les immissions des particules et les expositions personnelles mesurées
pendant des courtes périodes de temps (en général 24 à 48 heures) selon une approche
« transversale » (études de prévalence) sont généralement faibles, et conduisent souvent à une
mauvaise estimation de l’exposition. Les corrélations sont nettement meilleures lorsqu’elles
sont estimées de manière longitudinale avec des mesures répétées (comme c’est le cas dans
les études sur les effets à court terme en analyse des séries chronologiques). Elles sont
également meilleures lorsque les expositions sont estimées sur des périodes plus longues ou
moyennées sur des groupes d’individus. Notre protocole d'étude combine ces 2 derniers
éléments, puisque les expositions ont été moyennées par groupes de sujets qui,
collectivement, ont participé à l'étude en deux périodes successives de 3 mois, bien que
chaque sujet ait contribué seulement à deux périodes de prélèvement de 48 heures.
L'étude de cohorte ACS réalisée dans 150 agglomérations américaines a montré que
l'exposition à long terme aux particules fines était associée à un plus grand risque de cancer
du poumon (Pope et coll 2002), cet effet étant plus marqué parmi les sujets ayant le niveau
d'éducation le plus faible. Une hypothèse raisonnable pour expliquer cette observation serait
de supposer que ces personnes moins instruites résident dans les secteurs urbains davantage
exposés aux émissions industrielles et automobiles. Une revue récente sur la santé, le revenu
et la pollution de l’air réalisée par O’Neill et coll (2003) suggère effectivement que le statut
socio économique et sa relation avec un état de santé médiocre pourraient être partiellement
expliqués par les différences d’exposition à la pollution. Or ce phénomène ne peut être
179
entièrement perçu lorsque les expositions sont estimées à partir des niveaux ambiants moyens
mesurés par les stations de surveillance (Finkelstein, 2002). Il pourrait donc être pertinent,
lors de l’inclusion de populations à ce type d’études, d’étudier avec soin comment les
populations peuvent être exposées à des sources locales.
La densité de population locale et la conception de l’implantation de ces stations,
conditionnée par les paramètres qu’elles doivent surveiller (par exemple des facteurs
régionaux et/ou des sources locales très spécifiques), peuvent interférer sur l’estimation des
expositions par les stations de surveillance. Bien que des efforts soient faits par les
organismes nationaux et internationaux (ADEME, 2002) pour harmoniser la classification des
sites de mesure et ainsi permettre de comparer les niveaux, une certaine variabilité peut
subsister entre villes et pays. Beaucoup d'attention doit donc être portée au choix des sites de
surveillance de manière à ce qu’ils soient appropriés aux objectifs des différentes études.
I.4- De l’exposition individuelle à l’exposition des populations
Les expositions aux PM2.5 mesurées auprès des volontaires, ont été intégrées dans un
modèle de régression linéaire multiple afin de tenter une transposition des résultats de ce
travail à un ensemble de populations beaucoup plus vaste. Ce modèle a permis d’ajuster les
expositions sur un certain nombre de paramètres connus dans nos différentes populations
(ville, secteur, interaction ville*secteur, catégorie d’âge), et ainsi, en prenant en compte
l’ensemble des données collectées, de stabiliser les estimations. Un SIG a été développé pour
sélectionner les zones d’habitat en reproduisant les mêmes approches de sectorisation que
celles qui ont servi à déterminer les zones de recrutement des volontaires. C’est aux
populations adultes de ces différentes zones qu’ont été appliquées respectivement les valeurs
modélisées pour estimer l’impact sanitaire de l’exposition chronique aux PM2.5. Les
expositions ainsi modélisées varient de 17 µg/m3 à 47 µg/m3 (respectivement pour le secteur
de fond en Ile de France et pour le secteur de proximité à Strasbourg).
II- Contribution à l’évaluation du risque sanitaire
II.1- La caractérisation du danger
Cette partie est discutée dans le projet d’article présenté au chapitre IV des Résultats
relatif à l’étude de la génotoxicité des extraits organiques des particules.
180
II.2- L’impact sanitaire lié à l’exposition aux PM2.5
Nous avons choisi d’étudier la mortalité de cancer de poumon plutôt que l'incidence de
cancer de poumon pour deux raisons. En premier lieu, les registres français de cancer ne
couvrent pas la population entière et ne correspondent pas un groupe représentatif de la
population nationale. En second lieu, nous souhaitions être cohérents avec les méthodes
choisies et les populations étudiées aux USA. C’est pourquoi, la fréquence de base des décès
annuels a été limitée au nombre de décès chez les sujets de plus de 30 ans. La source sur les
données nationales de mortalité par cancer de poumon peut être considérée comme précise,
bien que la fiabilité des certificats de décès par cause ait pu varier selon les catégories d'âge et
les régions.
Les résultats principaux de cette estimation de l’impact sanitaire, selon le plus bas des
deux niveaux de référence retenus (4.5 µg/m3) sont les suivants : par année, le nombre de
décès attribuables à l’exposition aux PM2.5 est estimé à 404 en Ile de France, 25 à Rouen, 48 à
Strasbourg et 16 à Grenoble, ce qui correspond respectivement à une fraction attribuable de
l’ordre de 12, 13, 27 et 14 %.
Le nombre de cas attribuables dépend non seulement du niveau d'exposition mais
également de la taille de la population exposée. Ainsi nous concluons à un plus grand nombre
de cas en Ile de France où la densité de population est plus grande qu'à Strasbourg alors que
les niveaux d'exposition y sont plus faibles. Les niveaux d’expositions personnelles bruts aux
PM2.5 sont en effet plus forts à Strasbourg (en moyenne 46 µg/m3) qu’ailleurs (en moyenne 24
µg/m3). La répartition des cas par secteur intra urbain est relativement homogène entre les 4
agglomérations. Cela est dû au fait que les expositions aux PM2.5 observées sont relativement
homogènes entre les secteurs, excepté dans le secteur de fond en Ile de France qui est plus
faible (environ 17 µg/m3). Cependant, nous observons qu’en Ile de France, le secteur de
proximité au trafic représente 57 % des cas alors que sa population ne représente que 46 % de
celle de l’agglomération.
Bien que les PM2.5 représentent un bon indicateur de la pollution atmosphérique pour
une variété de sources, il est clair que d'autres indicateurs pourraient mieux représenter les
contrastes entre les secteurs notamment dans la mise en évidence de certaines sources locales
de combustion. Les résultats obtenus dans l’étude présentée au paragraphe V du chapitre
Résultats, suggèrent que les absorbances associées aux PM sont de meilleurs indicateurs
181
d'exposition à la phase particulaire des émissions diesel que les mesures gravimétriques.
Cependant, en l’état actuel des données disponibles, nous ne pouvons faire aucune estimation
d'impact sanitaire à partir de ces indicateurs car il n’existe pas de fonction dose / réponse
connue pour les fumées noires comme celle proposée par Pope et coll (2002) pour les PM2.5.
III- Les limites de l’étude
Ces résultats doivent être critiqués maintenant sous l’angle de la qualité des données
collectées et des méthodes d’analyse suivies.
III.1- La mesure des expositions
III.1.1- La population d’étude et le choix des secteurs
L’échantillon de population (environ 270 sujets) n’est pas très grand, une fois réparti
entre les villes, sous secteurs et catégories d’âge. L’échantillon d’étude n’est pas représentatif
de la population générale, la stratégie d’échantillonnage reposant sur le fait que les volontaires
doivent vivre et travailler dans une zone géographique bien définie de manière à représenter
un secteur intra urbain spécifique. Il est de plus maintenant bien connu que les volontaires
participant à ces études tendent à être plus éduqués que la population générale, une
caractéristique dont l’exposition peut dépendre dans une certaine mesure (Oglesby et coll
2000).
Les données collectées chez le même sujet en hiver et en été ont été traitées comme
indépendantes dans les différentes analyses statistiques. Cela est discutable et pourrait avoir
comme conséquences une sous-estimation de la variance et une sur-estimation de la
significativité des résultats.
Le choix des secteurs intra urbain a été fait d’après le jugement d’experts (les
responsables des réseaux de surveillance de la qualité de l’air), sur la base de leur
connaissance des zones exposées à des forts trafics et des industries émettrices. En outre,
indépendamment de leur affectation à un secteur, les individus ont pu se déplacer dans la ville
(les adultes certainement davantage que les enfants), bien qu’ils aient été choisis parce qu’ils
ont déclaré vivre et travailler dans le même secteur urbain.
182
Alors que les stations de surveillance choisies à Paris et à Rouen pour représenter la
proximité au trafic sont plutôt définies, selon les critères de l’ADEME (ADEME, 2002),
comme représentatives du fond urbain dense, les stations retenues à Grenoble et à Strasbourg
sont quant à elles influencées plus directement par les émissions de trafic. Cela peut expliquer
pourquoi les écarts pour le NO2 entre les expositions personnelles et les niveaux ambiants
(article présenté au paragraphe IV du chapitre Résultats) observés dans les secteurs de
proximité à Paris et à Rouen sont plus faibles que ceux observés à Grenoble et Strasbourg.
L’étude par SIG montre que, selon les critères retenus pour classer les îlots urbains
dans les 3 strates de l’étude (fond urbain ; secteur industriel ; secteur de proximité), la fraction
des populations résidant dans ces secteurs urbains est variable selon l’agglomération (par
exemple, la proportion de la population résidant dans la zone d’influence des émissions
industrielles passe de 2,8 % à 17,5 % entre l’Ile de France et Rouen). L’estimation de
l’exposition moyenne de l’ensemble de la population d’une agglomération urbaine doit tenir
compte de cette distribution inégale de la population. C’est ce qui a été fait pour l’évaluation
de l’impact sanitaire. Cette question revêt une importance plus ou moins grande selon que le
polluant considéré connaît une distribution homogène (par exemple les PM2.5) ou au contraire
hétérogène (pax exemple le NO2) sur le territoire urbain.
III.1.2- La métrologie et les techniques analytiques
Une comparaison des concentrations PM2.5 et les PM10 mesurées par le Chempass et
par la méthode gravimétrique de référence (Partisol) a été conduite par l’INERIS. Les
résultats ont montré un biais positif de surestimation des concentrations par le Chempass
allant jusqu’à 30 %. Les corrélations sont cependant très bonnes (de l’ordre de 0,80 à 0,90).
Les écarts observés peuvent être en partie expliqués par le fait que les mesures aient été
réalisées à l’extérieur dans des conditions différentes de celles dans lesquelles le dispositif de
métrologie personnelle est normalement utilisé. Les écarts peuvent également aussi être
expliqués par la fiabilité des dispositifs Chempass et notamment au niveau des points de
coupure (Demokritou et coll 2001).
Comme cela a été décrit dans le chapitre III du Matériel et Méthode, il n’a pas été
possible de mettre au point un protocole permettant de conduire l’ensemble des analyses
chimiques à partir du même prélèvement (analyse des éléments minéraux et extraction des
183
composés organiques). En effet, la méthode PIXE utilisée pour doser les minéraux ne
s’applique pas aux composés complexes tels les HAP, et l’extraction des composés
organiques implique la destruction du filtre. De plus, la nature du support (filtre téflon) ne
permettait pas sa séparation physique en 2 parties.
Les volumes prélevés pendant 48 heures sont relativement faibles (de l’ordre de 5 à 6
m3) et ne permettent pas de préparer une quantité de matière très importante. C’est pourquoi,
les teneurs se situent souvent en limite de détection des composés particulaires. Les
sensibilités obtenues ici pour le plomb, l’arsenic et le nickel sont relativement fortes et
variables (de 2 à 5 ng/m3) et dépendent en partie du volume prélevé et de la quantité de
matière présente sur le filtre. Elles ont été obtenues en optimisant les conditions opératoires
compte tenu de l’énergie utilisable avec le support téflon et pour une durée d’analyse
difficilement augmentable (1 heure d’acquisition par cible). Pour comparaison, sur filtres
polycarbonate avec des prélèvements de 12 m3 en provenance de réseaux, et en limitant
l’analyse aux seuls métaux, les sensibilités obtenues sont les suivantes : Pb : 0,25 ng/m3, Cd :
0,3ng/m3, As : 0,3 ng/m3, Ni : 0,05 ng/m3, ce qui est nettement meilleur.
Si la technique analytique PIXE permet de mesurer un très grand nombre d’éléments
minéraux, le cadmium n’est pas mesurable avec fiabilité. Pourtant, connaître ses teneurs nous
aurait intéressés à cause de son pouvoir cancérogène et de ses nombreuses sources d’émission
majeures (usines d’incinération d’ordures ménagères, fonderies, production d’énergie). Le
rayonnement réémis par l’atome de Cd est en effet parasité par d’autres longueurs d’onde, ce
qui empêche le détecteur de le différencier du bruit de fond aux concentrations auxquelles il
est présent et dans ces conditions de prélèvement.
III.2- La transposition à de plus vastes populations
L'extrapolation par SIG de l'exposition des volontaires à de plus vastes populations
urbaines repose sur un certain nombre d’hypothèses. L’extrapolation suppose que l'exposition
mesurée auprès des volontaires adultes représente l'exposition de tous les adultes vivant dans
ces agglomérations. Or les volontaires ont été choisis parce qu'ils travaillent et vivent dans un
secteur géographique délimité. Cela implique que leurs déplacements sont a priori plus
réduits que ceux de la population générale. Il est connu que le temps passé dans un véhicule
ou les transports en commun contribuent de manière importante à l'exposition personnelle
(Janssen et coll 1998, Levy et col 2000). Cette caractéristique, tributaire de notre mode de
184
recrutement des sujets, pourrait avoir comme conséquence de sous estimer l'exposition des
individus vivant dans le même secteur géographique mais qui sont amenés à utiliser les
transports de manière plus importante.
Le choix des critères pour définir les zones industrielles et de proximité au trafic peut
également être discuté. Cela a d’ailleurs fait l’objet, lors de l’élaboration de la méthodologie à
suivre, de nombreuses discussions au sein du groupe de travail réunissant les experts SIG, les
épidémiologistes impliqués dans l’étude et les experts locaux de la qualité de l’air. La
difficulté majeure pour la détermination des « zones de trafic » était liée à la disponibilité des
données sur le réseau routier et le trafic, ainsi qu’à leur format (parfois non numérisé). La
discussion s’est ensuite portée sur la définition des critères des zones industrielles. Un premier
travail a été réalisé pour sélectionner les zones industrielles à partir de la base de données
Géoroute® développée par l’Institut Géographique Nationale (IGN). Cette approche s’est
avérée imprécise car le caractère polluant n’est pas un élément constitutif de cette base. Il a
alors été envisagé de compléter cette approche en introduisant une sélection des entreprises
par code NAF (Nomenclature d’Activité Française) qui permet de connaître le type d’activité
principale des entreprises. Les activités sélectionnées par les experts du groupe étaient les
suivantes : activités d’extraction, de raffinage et industrielles. Sur la base de cette sélection
d’entreprise, nous avons travaillé à partir du fichier SIREN qui renseigne sur leurs effectifs.
L’hypothèse était que la taille de l’entreprise permet de qualifier l’importance de pollution
potentielle associée. La comparaison des zones industrielles sélectionnées avec les cadastres
d’émission (quant il existe), ou l’avis d’experts, nous ont conduit a abandonner cette
approche. En effet la sélection par code NAF et effectif des entreprises s’est avérée imprécise
dans certains cas. Nous avons alors travaillé à partir des déclarations faites par les entreprises
aux DRIRE et avons tenu compte des niveaux des émissions pour définir la taille des « zones
d’influence industrielle ». Cette approche est bien entendu dépendante de la fiabilité des
déclarations faites aux DRIRE ; la base des informations fournies dans le cadre du dispositif
européen EPER peut être de la mesure (procédure privilégiée), de la modélisation (à partir de
facteurs d’impacts), parfois aussi d’estimations « à dire d’expert ».
La taille des rayons autour des usines a fait l’objet d'une analyse de sensibilité et a été
proposé ici à titre expérimental. Des travaux de validation et l’étude de stratégies plus
sophistiquées (avec prise en compte, par exemple, des conditions météorologiques locales au
travers de l’emploi de codes de dispersions des émissions tenant compte de la rose des vents)
185
mériteraient d’être conduits. Utiliser de plus grands rayons autour des industries aurait pour
conséquence d’augmenter les îlots sélectionnés en zone industrielle (la taille de population est
alors augmentée) et d’en diminuer le nombre dans les zones de fond urbain.
III.3- L’estimation de l’impact sanitaire
Cette étude est basée sur les résultats des études dérivées de la cohorte ACS conduites
aux Etats-Unis, dont l’application au contexte français peut être discutée. En effet, la nature
des particules, leurs sources, leur distribution granulométrique (Spix et coll 1998) ainsi que
les caractéristiques des populations peuvent varier d’un pays à l’autre. Cette transposition est
source d’incertitudes difficilement quantifiables car elles peuvent mener très variablement à
sous ou sur estimer les résultats. Si l’on en juge par les travaux épidémiologiques conduits en
Europe du nord (Nyberg et colll 2001, Nafstad et coll 2003), il y a lieu de penser qu’une part
de l’excès de risque de cancer lié aux particules est occasionné par les composants
cancérogènes qu’ils véhiculent, et tout spécialement aux toxiques associés aux effluents
nanoparticulaires des pots d’échappement. Or ces effluents sont très corrélés aux teneurs en
NO2, ainsi que l’a montré l’étude réalisée en Ecosse par Seaton et coll (2003) (voir la figure
1).
Notre estimation des expositions repose sur les niveaux d’exposition personnelle. Cela
est discutable. D’une part, le pouvoir explicatif du modèle ajustant l'exposition personnelle
sur les données collectées apparaît assez faible (R²=0,35) ; aussi son interprétation doit être
très prudente car elle est affectée d’une incertitude non négligeable. D’autre part, l’étude de la
cohorte ACS utilise les niveaux moyens ambiants extérieurs pour définir leur fonction dose-
réponse (Pope et coll 2002). Nos travaux montrent que les immissions sous-estiment les
expositions personnelles de 50 % en moyenne (article présenté au paragraphe V des résultats).
Cela se répercute automatiquement sur l’estimation d’impact et sur la fraction attribuable.
Cette différence pourrait expliquer pourquoi les fractions attribuables sont aussi élevées et
atteignent la valeur de 40 % (en borne supérieure de l’intervalle de confiance) à Strasbourg
pour une exposition moyenne de 46 µg/m3. La concentration moyenne en PM2.5 qui a servi à
Pope et coll pour définir le RR pour la période 1979-1983 était en effet de 21 µg/m 3, soit
moins de la moitié. Le travail récent de l’AFSSE (AFSSE 2004) conduit selon une approche
méthodologique semblable à celle que nous présentons ici, mais à partir des données
d’immission moyennes des particules de 12 µg/m3, donne des estimations des fractions
attribuables de l’impact de l’ordre de 6 % pour le même RR.
186
L’application de la fonction dose-réponse définie à partir des niveaux ambiants à des
expositions personnelles ne nous paraît pas constituer un élément critique, dans la mesure où
la fonction retenue est de type linéaire dans la gamme relativement faible des concentrations
des particules ambiantes. Cependant, les PM d’origine personnelle représentent un mélange
complexe provenant de sources extérieures et intérieures avec des toxicités potentiellement
différentes des PM ambiants. L’utilisation du modèle de risque de Pope pourrait alors causer
des erreurs car il n’intègre pas le fait que les PM « personnels » peuvent être potentiellement
plus ou moins cancérogènes que les PM « ambiants ». Les expositions personnelles sont
supérieures aux niveaux ambiants mais qu’en est-il de la nature des particules : la proportion
relative des éléments cancérogènes est-elle la même ? Il faudrait pour quantifier cette marge
d’erreur comparer les analyses physico-chimiques des PM issues des expositions personnelles
avec celles issues des niveaux ambiants mesurés par les réseaux. Sous cette hypothèse, c’est
bel et bien le choix des valeurs d’exposition personnelle qui entraînerait les différences fortes
que nous observons. Dans le cadre des études utilisant les RR établis à partir des niveaux
ambiants, le problème repose alors sur la configuration des réseaux de mesure qui peut être
différente entre la France et les Etats-Unis.
Il existence une différence d’échelles communautaires entre l’étude de l’ACS (à partir
de laquelle ont été estimé la fonction dose réponse de Pope) et l’étude Genotox’Er. L’étude de
l’ACS repose sur des estimations des niveaux ambiants sur de grands territoires. On notera à
ce sujet que, comme le confirment nos propres données, la distribution spatiale des PM 2.5 sur
le territoire urbain est assez homogène. Or les expositions des groupes de populations dans le
cadre de l’étude Genotox’ER sont estimées à partir d’expositions personnelles mesurées à de
bien plus petites échelles. Aussi, il sera intéressant de refaire cet exercice d’évaluation de
l’impact sanitaire à partir de fonctions dose réponse issues d’études dont l’estimation de
l’exposition sera plus comparable (données encore non disponibles).
Utiliser l’exposition personnelle estimée sur 48 heures peut paraître inadéquat lorsque
il s’agit d’étudier des effets chroniques. Néanmoins, les niveaux d’exposition qui ont servi à
l’estimation de l’impact sanitaire ont été moyennés par groupe de plusieurs sujets. Ces sujets
ont, collectivement, participé à l'étude pendant 2 périodes successives de 3 mois, bien
qu’effectivement chaque sujet ait seulement contribué à 2 périodes de 48 heures de
prélèvement. De plus l'utilisation d'un modèle de régression linéaire a permis d’ajuster les
expositions moyennes sur un certain nombre de paramètres connus dans nos diverses
187
populations et ainsi, par la prise du compte la totalité de données rassemblées, de stabiliser
nos estimations.
L’exposition personnelle dans notre étude est ici au mieux estimée sur quelques mois
alors que les RR de Pope résultent d’une estimation de l’exposition faite sur 16 ans (période
de suivie de la cohorte). En réalité, les mesures des immissions urbaines dans l’étude de Pope
n’ont pas porté sur la totalité du suivi de la cohorte, mais sur deux périodes, respectivement au
début (1979-1983) et à la fin (1999-2000). De plus, la pollution particulaire atmosphérique à
laquelle sont exposées actuellement les populations peut être non seulement différente dans
les niveaux de concentration et leur distribution spatiale, mais également dans sa nature et
toxicité, comme cela a été montré dans l’ancienne Allemagne de l’Est (Pitz et coll 2001, Ebelt
et coll 2001).
188
F- CONCLUSIONS
Ce travail apporte des connaissances scientifiques nouvelles. Il contribue à une
meilleure compréhension des facteurs contribuant au risque de cancer du fait de la pollution
de l’air en milieu urbain, notamment :
en décrivant les niveaux d’exposition à des agents connus pour être cancérogènes ;
en appréciant le niveau de risque de cancer dans de grandes agglomérations urbaines
françaises, ce qui permet de situer les enjeux de santé publique ;
en mettant en évidence un pouvoir génotoxique (certes faible selon les méthodes utilisées)
des particules atmosphériques, qui semble variable selon les secteurs intra urbains ;
en éclairant l’hétérogénéité de la qualité de l’air au sein du territoire urbain, hétérogénéité
qui varie fortement selon les indicateurs de qualité.
Sur ces bases, les perspectives de recherche qui se dessinent et que notre travail invite
à développer sont nombreuses :
compléter et préciser l’inventaire des émissions de particules, d’origine anthropique et non
anthropique, qui est nettement moins développé que celui d’autres polluants ou
indicateurs (SO2, NOx, COV notamment) ;
mieux apprécier le rôle respectif des divers microenvironnements de vie (domicile, travail,
lieux accueillant du public, air extérieur) dans l’exposition totale aux agents cancérogènes.
Pour se faire, il faut développer des études ciblées et recueillir des données plus précises, à
l’exemple de ce qui est fait pour l’air intérieur dans le cadre de l’Observatoire de la
Qualité de l’Air Intérieur (OQAI). Une partie de données collectées dans le cadre du
programme Genotox’ER pourront faire l’objet d’analyses complémentaires (par exemple,
l’analyse du rôle des déterminants des environnements intérieurs sur l’exposition
personnelle aux métaux et HAP),
la réponse génotoxique étant liée à un ensemble de composés adsorbés sur les particules
et/ou les constituants, quels sont les attributs physico-chimiques des agents dangereux ?
Sur quelle fraction granulométrique sont-ils le plus présents ? Les métaux particulaires
contribuent-ils à la génotoxicité de l’aérosol urbain (ce que n’a pas pu être étudié finement
ici du fait des contraintes analytiques) ? Quels sont les composés organiques (autres que
HAP) qui y contribuent ? Si le présent travail apporte des éclairages utiles, les
approfondissements nécessaires sont encore nombreux,
189
comparer la nature et les proportions des constituants des particules collectées en
exposition personnelle et de celles collectées en air ambiant,
la connaissance de la génotoxicité des effluents des nouveaux types de moteurs avec pots
catalytiques et filtres à particules devrait aussi être développée ; certes les masses émises
seront beaucoup plus faibles, mais que sait-on sur le danger intrinsèque de ces
nanoparticules qui seront créées ?
Ce travail nous a aussi apporté plusieurs enseignements qui peuvent contribuer à
améliorer la gestion du risque, notamment en matière de choix des résultats de la surveillance
de la qualité de l’air qui paraissent les plus pertinents en vue d’une utilisation pour
l’appréciation des risques sanitaires :
l’effort engagé pour l’harmonisation au plan national et européen des conditions
d’implantation des capteurs et de définition des sites d’implantation doit être poursuivi.
Les résultats d’une analyse spécifique des données collectées ont montré que la mesure
des fumées noires (ou de divers indices d’opacimétrie qui peuvent être spécifiques de
divers profils granulométriques) demeurait un indicateur pertinent de l’exposition au trafic
automobile et ne devait pas être abandonnée dans les mesures en routine. Il s’agit à cet
égard de reconsidérer les décisions prises au plan européen au cours des années 90. En
conséquence, la recherche épidémiologique visant à établir des fonctions dose/réponse
devrait s’intéresser de nouveau à ces indicateurs d’exposition afin que les études d’impact
sanitaire disposent d’estimation des risques relatifs, à l’image de celle réalisée pour les
PM2.5 sur la base de Pope et coll (2002),
les enseignements apportés par cette étude pourraient ainsi permettre à la France de
disposer de données utiles à la discussion collective lors de la préparation des échéances
européennes relatives à la révision des valeurs de référence de la qualité de l'air pour les
particules (prévue en 2005).
Ces perspectives s’inscrivent, nous semble-t-il, dans le cadre du Plan National Santé
Environnement 2004-2008 (PNSE) qui préconise de garantir un air de bonne qualité (intérieur
comme extérieur) et de prévenir les pathologies d’origine environnementale, et notamment les
cancers. L’étude épidémiologique, décrite dans le PNSE et prévue en 2008 sur les enfants,
devrait nous permettre de disposer de connaissances nouvelles sur les relations
expositions/pathologies spécifiques à cette population. Ces éléments seront précieux dans les
futures études d’impact sanitaire.
190
1 BIBLIOGRAPHIE GÉNÉRALE
Abbey DE, Nishino N, McDonnell WF, Burchette RJ, Knutsen SF, Lawrence Beeson W,
Yang JX. Long-term inhalable particles and others pollutants related to mortality in
nonsmokers. Am. J. Crit. Care Med. 1999, 159: 373-382.
ADEME, 2002. Classification and criteria for setting up air-quality monitoring stations.
ADEME (in French), Paris, France, 63 pp.
AFSSE 2004. Impact sanitaire de la pollution atmosphérique urbaine : Estimation de l’impact
lié à l’exposition chronique aux particules fines sur la mortalité par cancer du poumon et
par maladies cardio-respiratoires en 2002, et projections d’ici 2020 ».
Alves C, Plo C, Durate A. Composition of extractable organic matter of air particles from
rural and urban Portuguese areas. Atmos. Environ. 2001, 35: 5485-5496.
Ares A, Eckl PM, Raffelsberger I. Genotoxicity at low-level dose of inspirable urban ambient air particulate in a semiarid regime. Environ. Monit. and Assess. 2000, 63: 389-408.
Areskoug H. Particles in the ambient atmosphere. Scand J Work Environ Health. 2000, 26
Suppl 1: 5-22.
Aritomo T, Yoshikawa T, Takano H, Kohno M. Generation of reactive oxygen species and 8-
hydroxy-2i-deoxyguanosine formation from diesel exhaust particle components in L1210
cells. Jpn J. Pharmacol. 1999, 80: 49-54.
Autrup H, Daneshvar LO, Dragsted LO, Gamborg M, Hansen H, Loft S, Okkels H, Nielsen F,
Nielsen PS, Raffn E, WallinH, Knudsen LE. Biomarkers for exposure to ambient air
pollution – comparison of carcigen-DNA adduct levels with other exposure markers and
markers for oxidative stress. Env. Health Perspect.1999, 107 : 233-238.
Ball JC and Young WC. Evidence for a new calss of mutagenic in diesel particulatre extracts,
Mutat. Res. 1992, 346: 2181-2186.
191
Bamford HA, Bezabeh DZ, Schantz S, Wise SA, Baker JE. Determination and comparison of
nitrated-polycyclic aromatic hydrocarbons measured in air and diesel particulate reference
materials. Chemosphere 2003, 50: 575-587.
Bard D. Principes de l’évaluation des risques pour la santé publique lies aux expositions
environnementales. Rev. Epidemiol. Santé Publique.1995, 43 : 423-431.
Barrai I.. Correlations between 15 polycyclic aromatic hydrocarbons (PAH) and the
mutagenicity of the total PAH fraction in ambient air particles in La Spezia (Italy). Mutat.
Res. 1991, 249: 227-241.
Barale R, Giromini L, Ghelardini G, Scapoli C, Loprieno N, Pala M, Valerio F, Bhatia R,
Lopipero P, Smith AH. Diesel exhaust exposure and lung cancer. Epidemiology 1998, vol
9: 84-91.
Bruske-Holhfeld I, Mohner M, Ahrens W, Pohlobeln H, Kreuzer M, Jockel KH, Wichmann
HE. Lung cancers in male workers occupationally exposed to diesel motor emissions in
Germany. Am. J. Ind. Med. 1999, 36: 405-414.
Barbone F, Bovenzi M, Cavallieri F, Stanta G. Air pollution and lung cancer in Trieste, Italy. Am. J. Epidemiol. 1995,141: 1161-1169.
Beeson WL, Abbey DE, Knutsen SF. Long term concentrations of ambient air pollutants and incident lung cancer in California adults: results from the ASMOGH study. Environ. Health. Perspect. 1998, 106: 813-822.
Bhopal RS, Moffatt S, Pless-Mulloli T, Phillimore PR, Foy C, Dunn CE, Tate JA. Does living
near a constellation of petrochemichal, steel, and other industries impair health? Occup.
Environ. Med. 1998, 55: 812-822.
Biggeri A, Barbone F, Lagazio C, Bovenzi M, Stanta G. Air pollution and lung cancer in
Trieste, Italy: Spatial analysis of risk as a function of distance from sources. Environ.
Health Perspec. 1996, 104: 750-754.
Bond JA, Johnson NF, Snipes MB. DNA adduct formation in a rat alveolar type II cell: cell
192
potentially at risk for inhaled diesel exhaust. Environ. Mol. Mutagen 1990, 16(2): 64-69.
Boudet C, Zmirou D, Déchenaux J. Exposition personnelle aux particules fines (PM2.5) de la population grenobloise : l’étude européenne EXPOLIS. Rev.Epidémiol. Santé Publique 2000, 48 (4) : 341-350.
Burgaz S, Demercigil GC, Karahalil B, Karakaya AE. Chromosomal damage in peripheral blood lymphocytes of traffic policemen and taxi drivers exposed to urban air pollution. Chemosphere 2002, 47: 57-64.
Burgaz S, Erdem O, Karahalil B, Karakaya AE. Cytogenic biomonitoring of workers exposed
to bitumen fumes. Mutat. Res. 1998, 419: 123-130.
CE/2000/69. Limit values for the protection of human health from the directive on CO and
benzene.
Cerna M, Pochmanova D, Pastorkova A, Bencs I, Lenicek J, Topinka J, Binkova B.
Genotoxicity of urban air pollutants in the Czech Republic. Part 1. Bacterial mutagenic
potencies of organic compounds adsorbed on PM10 particulates. Mutat. Res. 2000, 469:
71-82.
Chiang FO, Chiang YC. Characterisations of hazardous air pollutants emitted from motor
vehicles. Toxicol. Environ. Chemistry, 1996, 56: 85-104.
CITEPA2004. Emissions dans l’air en France métropole de métaux lourds, 27 p, disponible à
l’adresse http://www.citepa.org/emissions/nationale/ML/Emissions_FRmt_MLavr04.pdf
Cohen AJ, Pope CA, Speizer FE. Ambient air pollution as a risk factor for lung cancer. Salud
publica de Mexico 1997, 39 (4): 346-355.
CNRS. Expertise collective Diesel et Santé, 1998.
Covello VT, Merkhofer MW. Risk assessment methods. Approaches for assessing health and
environmental risks. Plenum Press, 1993, New-York.
193
Cox LA. Jr. Does diesel exhaust cause human lung cancer? Risk Anal. 1997, 17: 807-829.
Crebelly R, Fuselli G, Conti G, Conti L, Carere A. Mutagenicity spectra in bacterial strains of
airborne and engine exhaust particulate extracts. Mut. Res. 1991, 261: 237-248.
Crump KS. Lung cancer mortality and diesel exhaust: reanalysis of a retrospective cohort
study of US railroad workers. Inhal. Toxicol. 1999, 11: 1-17.
Cyrys J, Heinrich J, Hoek G, Meliefeste K, Lewne M, Gehring U, Bellander T, Fischer P, Vliet van P, Brauer M, Wichmann HE, Brunekreef B. Comparison between different traffic-related particle indicators: Elemental carbon (EC), PM2.5 mass, and absorbance. J Expos Anal Environ 2003, 13:134-143.
Dab W. Evaluation des risques sanitaires liés à l’environnement et décision en santé publique.
Volume 1. Ecole Nationale de la Santé Publique, Rennes 1994.
De Martinis B, Kado NY, De Carvalho LRF. Genotoxicity of fractionated organic material in
airborne particles from Sao Paulo, Brazil. Mutation Res. 1999, 446: 83-94.
Demokritou P, Kavouras IG, Ferguson ST, Koutrakis P. Development and laboratory performance evaluation of a personal multipollutant sampler for simultaneous measurements of particulate and gaseous pollutants. Aerosol Sci. Technol. 2001, 35: 741-752.
DG-Environment 2001. Economic evaluation of air quality targets for PAHs. Report No.
AEAT/ENV/R0593.
Dockery DW, Pope CA, Xu X. An association between air pollution and mortality in six US
cities. New Engl. J Med. 1993, 329 (24): 1753-1759.
EC 2001. Ambient air pollution by polycyclic hydrocarbons (PAH). Position paper, 2001.
Elbett S, Petkau J, Veda, S, Fisher T, Brauer M.. Exposure of chronic obstructive pulmonary
disease patients to particulate matter: relationships between personal and ambient air
concentrations. J. Air Waste Manage. Assoc. 2000, 50: 1081-1094.
194
EMEP 2003. Persistent organic pollutants in the environment. Status report 3/2003.
Evans G, Highsmith R, Sheldon L, suggs J, Williams R, Zweidinger R et al. The 1999 Fresno particulate matter exposure studies, comparaison of community, outdoor, and residential PM mass measurements. J. Air Waste Manag. Assoc. 2000, 50: 1887-1896.
Fernandez AJ, Ternero M, Barragan FJ, Jimenez JC. Size distribution of metals in urban aerosols in Seville (Spain). Atmos. Environ. 2001,35: 2595-2601.
Fernandez AJ, Ternero M, Barragan FJ, Jimenez JC A chemical speciation of trace metals for fine urban particles. Atmos. Environ. 2002, 36: 773-780.
Finkelstein MM. Pollution-related mortality and educational level (letter to the editor). JAMA
2002, 288: 830.
Fleiberg A, Poulsen M, Nielsen T, Skov H. Occurence and sources of particulate nitro-
polycylic aromatic hydrocarbons in ambient air in Denmark. Atmos. Environ. 2001, 35:
353-366.
Fromme H, Oddoy A, Piloty M, Kauss P, Lahrz T. Polycyclic aromatic hydrocarbons (PAHs).
Regulat. Toxicol. And Pharmacol. 1992, 16: 290-300.
Garshick E, Schenker MB, Munoz A. A retrospective cohort study of lung cancer and diesel
echaust exposure in railroad workers. Am. Rev. Respir. Dis. 1988, 137: 820-825
Gauvin S, Zmirou D, Le Moullec Y, Cassadou S, Lauvergne N, Reungoat P, Vestri V, Momas
I. Surveillance de la qualité de l'air. Étude de l'exposition personnelle d'enfants au NO2 et
aux particules fines. Rev. Epidemiol. Sante Publique 2002, 50: 307-319.
Glorennec P, Quénel P. et coll. Evaluation de l'impact sanitaire de la pollution atmosphérique
urbaine : guide méthodologique. Institut de veille sanitaire, France,1999, 48 pages.
Gonzalez-Flesca N, Cicolella A, Bates M, Bastin E. Pilot study of personal indoor and
outdoor exposure to benzene, formaldehyde and acetaldehyde. Env. Sci. Pol Res. 1999, 6
(2): 95-102.
Goswami E, Larson T, Lumley T, Liu LJ. Spatial characteristics of fine particulate matter:
195
identifying representative monitoring locations in Seattle, Washington. J Air Waste
Manag Assoc. 2002, 52 (3): 324-33.
Guégan H, Fleury A, Dementhon JB. Analyse multi-élémentaire par sonde PIXE des
particules fines. Recherche de la contribution respective de différentes sources. Colloque
Primequal, Toulouse, 29/11-1/12/2000.
Hadnagy W, Seemaye NH, Tomingas R, Ivanfy K. Comparative study of sister-chromatid
exchanges and chromosomal aberrations induced by airborne particulates from an urban
and a highly industrialized location in human lymphocyte cultures. Mutat. Res. 1989, 225:
27-32.
Hansen J, Raasschou-Nielsen O, Olsen JH. Increased cancer risk of lung cancer among
different types of professional drivers in denmark. Occup. Environ. Med. 1998, 55: 115-
118.
Harrisson RM, Deacon AR, Jones MR, Appleby RS. Sources and processes affecting
concentrations of PM10 and PM2.5 particulate matter in Birmingham (UK). Atmos. Environ
1997, 31: 4103-4117.
Harrisson RM, Leung PL, Somervaille L, Smith R, Gilman E. Analysis of incidence of
childhood cancer in the West Midlands of the United Kingdom in relation to proximity to
main roads and petrols stations. Occup. Environ. Med. 1999, 56: 774-780.
Harrisson RM and Jones M. The chemical composition of airborne particles in the UK
atmosphere. Sci. Tot. Environ.1995, 168: 195-214.
Harrisson RM, Yin J. Particulate matter in the atmosphere: which particle properties are
important for its effects on health? Sci. Tot. Environ. 2000, 249(1-3):85-101.
Heinrich U, Muhle H, Takena S. Chronic effects on the respiratory tract of hamster, mice and
rats after long term inhalation of high concentrations of filtered and unfiltered diesel
engine emissions. J. Appl. Toxicol. 1986, 6 (6): 383-395.
196
Hertel O and Berkowicz R. Modelling pollution from traffic in a street canyon. Evaluation of
data and model development. National Environmental Research Institute, DK-4000.
Rosklide.
Hornberg C, Macluleviclute L, Scemayer NH, Kainka E. Induction of sister chromatid
exchanges (SCE) in human tracheal epithelial cells by the fractions PM-10 and PM-2.5 of
airborne particulates. Toxicol. Letters 1998, 96-97: 215-220.
Jakobsson R, Gustavsson P, Lundberg I. Increased risk of lung cancer among male
professional drivers in urban but not rural areas of Swedeen. Occup. Environ. Med. 1997,
54: 189-193.
Janssen NA. Personal exposure to fine particles in children correlates clodely with ambient
fine particles. Arch. Environ. Health 1999, 54: 95-101.
Janssen NA, de Hartog JJ, Hoek G, Brunekreef B, Lanki T, Timonen KL. Personal exposure
to fine particulate matter in ederly subjects; relations between personal, indoor, and
outdoor concentrations. J. Air Waste Manag. Assoc. 2000, 50: 1133-1143.
Janssen NA, Hoek G, Brunekreef B, Harssema H, Mensink I, Zuidhof A. Personal sampling
of PM10 in adults: relation between personal, indoor and outdoor concentrations. Am. J.
Epidemiol. 1998, 147: 537-547.
Janssen NA, Hoek G, Harssema H, Brunekreef B. Personal exposure to fine particles in
children correlates closely with ambient fine particles. Arch. Environ. Health 1999, 54:
95-101.
Jantunen MJ, Kousa A, Hänninen O, Koistinen K, Sram R, Lanki T. Evaluation of current
evidence on the relationships between short term individual ... long term population PM
exposures and respective outdoor PM concentrations. PM200 International Conference
Proceedings. Particulate matter and health. The scientific basis for regulatory decision
making. January 24-28, 2000. Charleston SC.
197
Jongeneelen FJ, Anzion RBM, Leijdekkeers CM, Bos RP, Henderson PT. 1-Hydroxypyrene
in human urine after exposure to coal tar and a coal tar derived product. Int. Arch. Occup.
Environ. Health 1985, 57: 47-55.
Ichinoses T, Yajima Y, Nagashima M, Takenoschita S, Nagamachi Y, Sagai M. Lung
carcinogenesis and formation of 8-hydroxy-deoxyguanosine in mice by diesel exhaust
particles. Carcinogenesis 1997, 18: 185-192.
Iwai K, Adachi S, Takahashi M. Early oxidative DNA damage and late development of lung
cancer in diesel exhaust-exposed rats. Environ. Res. 2000, Sect. 84: 255-264.
Karahalil B, Burgaz S, Fisek G, Karakaya AE. Biological monitoring of young workers
exposed to polycclic aromatic hydrocarbons in engine repair workshops. Mutat. Res.
1998, 412: 261-269.
Katsouyanni K and Pershagen G. Ambient air pollution and cancer. Cancer Causes and
Controls 1997, 8: 284-291.
Katsouyanni K, Trichopoulos D, Kalandidi A, Tomos P, Riboli E. A case-control study of air
pollution and tobacco smoking in lung cancer among women in Athens. Prev. Med. 1991,
20: 217-278.
Kagawa J. Health effects of diesel exhaust emissions-a mixture of air pollutants of worldwide
concern. Toxicology 2002, 181-182: 349-353.
Kavouras IG, Koutrakis P, Cereceda-Balic F, Oyola P. Source apportionment of PM10 and
PM2.5 in five Chilean cities using factor analysis J Air Waste Manag Assoc. 2001, 51 (3):
451-64.
Kendall M, Hamilton RS, Watt J, Williams ID. Characterisation of selected speciated organic
compounds associated with particulate matter in London. Atmos. Environ. 2001, 35:
2483-2495.
198
Khalili NR, Scheff PA, Holsen TM. PAH source fingerprints for coke ovens, diesel and
gasoline engines, highway tunnels, and wood combustion emissions. Atmos. Environ.
1995, 29: 533-542.
Kinney PL, Aggarwal M, Northridge ME, Janssen NAH, Shepard P. Airborne concentrations
of PM2.5 and DEP on Harlem sidewalks: A community-based pilot study. Environ. health
Perspect. 2000; 108 (3): 213-218.
Knudsen LE, Norppa H, Gamborg PS, Nielsen H, Okkels H, Soll-Johanning H, raffn E,
jarventaus H, Autrup H. Chromosomal aberrations in humans induced by urban air
pollution: influence of DNA repair and by polymorphisms of glutathione-S-transferase
M1 and N-acetyltransferase 2. Cancer Epidemiol. Biom. Prev. 1999, 8: 303-310.
Koistinen, K. Exposure of an urban adult population to PM2.5: methods, determinants and sources. Ph.D. thesis 2002, National Public Health Institute, Finland.
Koistinen K, Edwards RD, Ruuskanen J, Jantunen M (in press). Sources of PM2.5 in personal
exposures and residential indoor, outdoor and workplace microenvironments in
EXPOLIS-Helsinki, Finland. Scand J Work Environ Health.
Kreswski D. Reanalysis of the Harvard Six Cities Study and the American Cancer Society of
particulate air pollution and mortality. Health Effects Institute Special report, July 2000.
Krytopoulos SA, Georgiadis P, Autrup H. Biomarkers of genotoxicity of urban air pollution overview and descriptive data from a molecular epidemiology study on populations exposed to moderate-to-low levels of polycyclic aromatic hydrocarbons: the AULIS project. Mutat. Res. 2001, 496: 207-228.
Krzyzanowski M. Methods for assessing the extent of exposure and effects of air pollution.
Occup. Environ. Med. 1997, 54: 145-151.
Künzli N, Kaiser R, Medina S, Studnicka M, Chanel O, Filliger P, Herry M, Horak F, Puybonnieux-Texier V, Quénel P, Schneider J, Seethaler R, Vergnaud JC, Sommer H. "Public-health impact of outdoor and traffic-related air pollution : a European assessment." The Lancet 2000, 356: 795-801.
Künzli N, Kaiser R, Medina S, Studnicka M, Oberfeld G, Horak F. Health costs due to road
traffic-related air pollution : an impact assessment project of Austria, France and
199
Switzerland - Air pollution attributable cases : technical report on epidemiology. Bern,
WHO-Europe 1999, 76.
Laden F, Schwartz J, Speizer FE, Dockery D. Air pollution and mortality: a continued follow-up in the Harvard Six Cities study. Epidemiology 2001, 12, S81.
Lewis TR, Green FHY, Moorman WJ. A chronic inhalation study of diesel engine emissions
and coal dust, alone and combined. J. Am. Cell. Toxicol. 1989, 8: 345-375.
Linaker C, Chauhan A, Inskip H, Holgate S, Coggon D. Personal exposures of children to
nitrogen dioxide relative to concentrations in outdoor air. Occup. Environ. Med. 2000, 57:
472-476.
Lipsett M and Campleman S. Occupational exposure to diesel exhaust and lung cancer: a
meta-analysis. Am. J. Public Health 1999, 89: 1009-1017.
Liu LJS, Box M, Kalman D, Kaufman J, Koening J, Larson T, Lumley T, Sheppard L,
Wallace L; Exposure assessment of particulate matter for susceptible populations in
Seattle. Environ. Health Perspec. 2003, 111 (7): 909-918.
Masclet P, Mouvier G, Nikolaou K. Relative decay index and sources of PAH. Atmos.
Environ. 1986, 20: 439.
Masclet P, Bresson MA, Mouvier G. PAH emitted by power stations and influence of
combustion parameters. Fuel 1987, 66: 556.
Mastral AM, Lopez JM, Callen MS, Garcia T, Murillo R, Navarro MV. Spatial and temporal
PAH concentrations in Zaragoza, Spain. Sci. Total Environ. 2003, 307: 111-124.
Mauderly JL, Banas DA, Griffith WC. Diesel exhaust is not a pulmonary carcinogen in CD-1
mice exposed under conditions carcinogenic to F344 rats. Fundam. Appl. Toxicol. 1996,
30: 233-242.
Mauderly JL, Jones RK, McClallan RO et al. Carcinogenicity of diesel exhaust chronically by
200
rats. Dev Toxicol Environ Sci. 1986, 13 : 397-409.
McDonnel WF et al. Relationships of mortality with the fine and coarse fractions of long-term
ambient PM10 concentrations in nonsmokers. J. Exposure An. Environ. Epidemiol. 2000,
10:427-436.
Merlo F, Andreassen A, Weston A, Pan CF, Haugen A, Valerio F, Reggiardo G, Fontana V,
Garte S, Puntoni R, Abbondandolo A. Urinary excretion of 1-hydroxypyrene as a marker
for exposure to urban air levels of polycyclic aromatic hydrocarbons. Cancer Epidemiol.
Biomarkers Prev. 1998,7: 147-155.
Michelozzi P, Fusco D, Forstiere F, Ancona C, Dell’Orco V, Perucci CA. Small area study of
mortality among people living near multiple sources of air pollution. Occup. Environ.
Med. 1998, 55: 611-615.
Miguel AG, Daisey JM, Sousa JA. Comparative study of the mutagenic and genotoxic
activity associated with inhalable particulate matter in Rio de Janeiro air. Environ. Mol.
Mutagen. 1990, 15: 36-43.
Monarca S, Feretti D, Zanardini A, Falistocco E, Nardi G. Monitoring of mutagens in urban
air samples. Mutat. Res. 1999, 426: 189-192.
Mosqueron L, Momas I, Le Moullec Y. Personal exposure of Paris office workers to nitrogen dioxide and fine particles. Occup. Environ. Med. 2002, 59 (8): 550-555.
Nafstad P, Haheim LL, Oftedal B, Gram F, Holme I, Hjermann I, Leren P. Lung cancer and air pollution: a 27 years follow-up of 16 209 Norwegian men. Thorax 2003, 58: 1071-1076.
National Research Council. Research priorities for airborne particulate matter. II. Evaluating
research progress and updating the portfolio. 1999, Nat. Acad. Science, Washington DC.
National Research Council. Research priorities for airborne particulate matter. IV. Continuing
Research Progress.2004, Nat. Acad. Press, Washington DC.
201
Nielsen PS, de Pater N, Okkels H, Autrup H. Environmental air pollution and DNA adducts
in Copenhagen bus drivers – effect o GSTM1 and NAT2 genotypes on adduct levels.
Carcinogenesis,1996a, 17: 1021-1027.
Nielsen PS, Okkels H, sigsgaard T, Kyrtopoulos S, Autrup H. Exposure to urban and rural air
pollution: DNA and protein adducts and effetc of glutathione-S-transferase genotype on
adduct levels. Int. Arch. Occup. Environ. Health 1996b: 170-176.
Nyberg F, Gustavsson P, Järup L, Bellander T, Berglind N, Jakobsson R, Pershagen G. Urban air pollution and lung cancer in Stocklom. Epidemiology 2000, 11: 487-495.
Oglesby L, Künzli N, Rotko T. Personal exposure assessment studies may suffer from
exposure relevant selection bias. J. Expo. Anal. Environ. Epidemiol. 2000, 10: 251-256.
Oldstein BD. (1995). The need to restore the public health base for environmental control.
Am J Pub Health 1995, 85: 481-483.
O’Neill et coll. Health, wealth, and air pollution: advancing theory and methods. Environ.
Health Perspec. 2003, 111: 1861-1870.
Pakkanen TA et al. Atmospheric black carbon in Helsinki. Atmos. Environ. 2000, 34: 1497-
1506.
Pastorelli R, Restano J, Guanci M, Maramonte M, Magagnotti C, Allevi R, Lauri D, Fanelli
R, Airoldi L. Hemoglobin adducts of benzo|a]pyrene-diol-epoxide in newspaper vendors :
association with traffic exhaust. Carcinogenesis 1996, 17: 1389-2394.
Paustenbach DJ. Human and ecological risk assessment, theory and practice. NY City, edited
by DJ Paustenbach 2002, 1556 p.
Pearson RL, Watchel H, Ebi KL. Distance-weigheted traffic density in proximity to home is a
risk factor for leukaemia and other childhood cancers. J. Air Waste Manag. Assoc. 2000,
50: 175-180.
202
Pike MC, Jing JS, Rosario IP. Occupation: explanation of an apparent air pollution related
localized excess of lung cancer in Los Angeles County. In: Breslow L, Whittemore A,
eds. Energy and health. Philadelphie: SIAM-SIMS Conference Series, 1979: 3-16.
Pio C, Alves C, Duarte C. Indentification, abundance and origin of atmospheric organic
particulate matter in a portuguese rural area. Atm. Environ. 2001, 35: 1365-1375.
Pless-Mulloli T, Phillimore P, Moffatt S, Bhopal RS, Foy C, Dunn C, Tate J. Lung cancer,
proximity to industry, and poverty in Northeast England. Environ. Health Perspec. 2000,
106: 189-196.
Pope CA, Burnett RT, Thun MJ, Calle EE, Krewski D, Ito K, Thurston GD. Lung cancer, cardiopulmonary mortality and long term exposure to fine particulate air pollution. JAMA 2002, 287: 1132-1141.
Pope CA, Thun MJ, Namboodiri MM, Dockery DW, Evans JS, Speizer FE Heath CW.
"Particulate air pollution as a predictor of mortality in a prospective study of U.S. adults."
Am J. Respir. Crit. Care Med. 1995, 151: 669-674.
Raaschou-Nielson O, Skov H, Lohse C, Thomsen NBL, Olsen JH. Front-door concentrations
and personal exposures of Danish children to nitrogen dioxide. Environ. Health Perspect.
1997, 105: 964-970.
Reungoat P, Chiron M, Le Moullec Y, Gauvin S, Zmirou D, Flori JP, Momas I. Validation of
ExTra index in Grenoble. Int. J. Vehicle Design 2001, 27 (1-4): 286-295.
Reungoat P, Chiron M, Gauvin S, Le Moullec Y, Momas I. Assessment of exposure to traffic
pollution using the ExTra index: study of validation. Environ. Res. 2003, 93: 67-78.
Roemer WH and van Wijnen JH. Differences among Black Smoke, and PM10, and PM1.0
levels at Urban Measurement Sites. Environ. Health Perspect. 2001, 2: 151-154.
203
Rojas-Bracho L, Koutrakis P, Suh H. Relationships among personal, indoor, and outdoor fine
and coarse particle concentrations for individuals with COPD. J Exp. Anal. Environ.
Epidemiol. 2000, 10, 294-306.
Rojas-Bracho L, Suh H, oyola P, Koutrakis P. Measurements of children’s exposures to
particles and nitrogen dioxide in santiago, Chile. Sci. Tot. Environ. 2002, 287: 249-264.
Röösli M, Künzli N, Schindler C, Theis G, Oglesby L, Mathys P, Camenzind M, Braun-Fahrländer C. Single pollutant versus surrogate measure approaches : Do single pollutant risk assessments underestimate the impact of air pollution on lung cancer risk. J Occup. Environ. Med. 2003, 45 (7): 715-723.
Sacré C, Chiron M, Flori JP. Development of an exposure index of air pollution caused by
motor vehicles for use in epidemiological studies. Sci Total Environ 1995, 169: 63-69.
Sakai R, Siegmann HC, Sato H, Voorhees AS. Particulate matter and particle-attached
polycyclic aromatic hydrocarbons in the indoor and outdoor air of Tokyo measured with
personal monitors. Environ. Res. 2002, 89: 66-71.
Samet JM, DeMarini DM, Malling HV. Do airborne particles induce heritable mutations?
Science 2004, 304: 971-972.
Saverin R, Braunlich A, Dahmann D, Enderlein G, Heuchert G. Diesel exhaust and lung
cancer mortality in potash mining. Am. J. Ind. Med 1999, 36: 415-422.
Seaton A and Dennekamp M. "Hypothesis: ill health associated with low concentrations of
nitrogen dioxide - an effect of ultrafine particles ?" Thorax 2003, 58: 1012-1015.
Sisovic A, Fugas M, Sega K. Assessment of human inhalation exposure to Polycyclic
Aromatic Hydrocarbons. J. Expos. Anal. Environ. Epidemiol. 1996, 6: 439-47.
Somers CM, McCarry BE, Malek F, Quinn JS. Reduction of particulate air pollution lowers
the risk of heritable mutations in mice. Science 2004, 304: 1008-1010.
204
Sleiler A, Heiskel H, Bickeboller R, Elsner G. Association between diesel exposure and
prostate cancer. Scand. J. Environ. Health 1998, 24: 486-494.
Smith DJT, Harrisson RM. Polycyclic aromatic hydrocarbons in atmospheric particles. In: Sorenson M, Daneshvar B, Hansen M, dragsted LO, Hertel O, Knudsen L, Loft S. personal PM2.5 exposure and markers of oxidative stress in blood. Environ. Health Perspec. 2003, 111 (2): 161-165.
Harrisson RM, Van Grieken R (Eds), Atmospheric particles. John Wiley and Son, 1998, NY, pp 253-294.
Spinosa De Martinis B, Kado NY, De Carvalho LRF, Okamoto RA, Gundel LA. Genotoxicy of fractioned organic material in airborne particles from São Paulo, Brazil. Mut. Res. 1999, 446: 83-94.
Spix C, Anderson HR, Schwartz J, Vigotti MA, LeTertre A, Vonk JM. Short-term effects of
air pollution on hospital admissions of respiratory diseases in Europe: a quantitative
summary of APHEA study results. Air Pollution and Health: a European Approach. Arch.
Environ. Health 1998, 53 (1): 54-64.
Soll-Johanning H, Bach E, Olsen JH, Tüschen F. Cancer incidence in urban bus drivers and
tramway employees: a retrospective cohort study. Occup. Environ. Med. 1998, 55: 594-
598.
Tokiwaa H, Sera N, Nakanishi Y, Sagai M. 8-Hydroxyguanosine formed in human lung
tissues and the association with diesel exhaust particles. Free Radic. Biol. Med. 1999, 27:
1251-1258.
Tsurudome Y, Hirano T, Yamato H, Tanaka I, Sagai M, Hirano N, Nagata N, Itoh H, Kasai
H. Changes in levels of 8-hydroxyguanine in DNA, its repair and OGG1 mRNA in rat
lungs after intratacheal administration of diesel exhaust particles. Carcinogenesis 1999,
20: 1573-1576.
US EPA. Guidance for Data Quality Assessment: practical methods for data analysis. 1998.
US EPA. Health assessment document fir diesel exhaust, Washington DC. 2000.
205
US EPA. Air Quality Criteria for Particulate Matter (Third Extrernal Review draft) EPA
2002, 600/P-99/002aB. http://cfpub-epa.gov/ncea/cfm?ActType=default.
Yang K, Airoldi R, Pastorelli J, Restano J, Guanci M, Hemminki K. Aromatic DNA adducts
in lymphocytes of humans working at high and low traffic density areas, Chem. Biol.
Interac. 1996, 10: 127-136.
Valberg PA. Is PM more toxic than the sum of its parts? Risk-assessment toxicity factors vs.
PM-mortality "effect functions". Inhal Toxicol. 2004; 16 Suppl 1:19-29.
Vena JE. Air pollution as a risk factor in lung cancer. Am. J. Epidemiol. 1982, 116: 42-56.
Jedrychowski W, Becher H, Wahrendhorf J, Basa-Cierpialek Z. A Case-control study of lung
cancer with special reference to the effect of air pollution in Poland. J. Epidemiol.
Community Health 1990, 44: 114-120.
Vera Castellano A, Lopez Canclo J, Santana Aleman P, Santana Rodriguez J. Polycyclic
aromatic hydrocarbons in ambient air particles in the city of Las Palmas de Gran Canaria.
Environ. Int. 2003, 29: 475-480.
Vinitketkumnuen U, Kalayanarnitra K, Chewonarin T, Kamens R. Particulate matter, PM10 &
PM2.5 levels, and airborne mutagenicity in Chiang Mai, Thailand. Mutat. Res.2002, 519:
121-131.
WHO. Health aspects of air pollution with particulate matter, ozone and nitrogen dioxide.
Bonn, WHO 2003, 57.
WHO. Air Quality Guidelines for Europe, Second edition. Copenhagen, WHO Regional
Office for Europe, 2000, WHO Regional Publications, european series, N°91.
WHO. Exposure assessment in studies on the exposure chronic effects of long-term exposure
to air pollution. Report on a WHO/HEI Workshop, Bonn, Germany, 4-5 February 2002.
206
Williams R, Suggs J, Creason J, Rodes C, Lawless P, Kwok R et al. The 1998 Baltimore
Particulate Matter epidemiology - exposure study: part 2. Personal exposure assessment
associated with an elderly study population. J. Expo. Anal. Environ. Epidemiol. 2000a,
10: 533-543.
Williams R, Suggs J, Zweidinger R, Evans G, Creason J, Kwok R et l. The 1998 Baltimore
Particulate Matter epidemiology - exposure study: part 1. Comparaison of ambient,
residential outdoor, indoor and apartment particulate matter monitoring. J. Expo. Anal.
Environ. Epidemiol. 20006, 10: 518-532.
Wingfors H, Sjôdin X, Haglund P, Brorstrôm-Lundén E. Characterisation and determination
of profiles of polycyclic aromatic hydrocarbons in a traffic tunnel in Gothenburg, Sweden.
Atmos. Environ. 2001, 35: 6361-6369.
Woodruff TJ, Caldwell J, Cogliano VJ, Axelrad D. Estimating cancer risk from outdoor
concentrations of hazardous air pollutants in 1990. Environ. Res. 2000, section A, 83:
194-206.
Zmirou D, Gauvin S, Pin I, Momas I, Just J, Sahraoui F, Le Moullec Y, Bremont F, Cassadou
S, Albertini M, Lauvergne N, Chiron M, Labbe A; VESTA Investigators. Five
epidemiological studies on transport and asthma: objectives, design and descriptive results.J
Expo Anal Environ Epidemiol. 2002, 12(3): 186-196.
207