Cargando…
Variations géographiques des hospitalisations pour COVID-19 et lien avec les facteurs environnementaux du patient
INTRODUCTION: Plusieurs publications suggèrent un effet de facteurs environnementaux sur la transmission ou la gravité de la COVID-19. L'objectif de cette étude est d’étudier l'impact, sur la France, de l'environnement du patient sur le taux d'hospitalisations pour COVID-19. MÉTH...
Autores principales: | , , , , , |
---|---|
Formato: | Online Artículo Texto |
Lenguaje: | English |
Publicado: |
Published by Elsevier Masson SAS
2022
|
Materias: | |
Acceso en línea: | https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8907837/ http://dx.doi.org/10.1016/j.respe.2022.01.085 |
Sumario: | INTRODUCTION: Plusieurs publications suggèrent un effet de facteurs environnementaux sur la transmission ou la gravité de la COVID-19. L'objectif de cette étude est d’étudier l'impact, sur la France, de l'environnement du patient sur le taux d'hospitalisations pour COVID-19. MÉTHODES: Pour s'affranchir de la modélisation de la diffusion de l’épidémie entre départements par le déplacement des personnes, notre période d'intérêt est la période du premier confinement décalée de deux semaines pour tenir compte de la durée d'incubation du virus (31/03/2020-25/05/2020). Le taux standardisé par âge et sexe des patients hospitalisés pour COVID-19 cumulé sur la période d'intérêt a été modélisé en fonction : de ce même taux sur la période pré-confinement (01/01/2020-30/03/2020), de variables météorologiques, de pollution, socioéconomiques, de mobilité et d’état de santé de la population. Les données proviennent du PMSI, de Météo France, de l'Insee et de la Cnam (cartographie des pathologies). Un modèle de régression linéaire multivarié au niveau des départements de France métropolitaine a été retenu. L'autocorrélation spatiale des résidus du modèle a été testée par le test de Moran. RÉSULTATS: Après ajustement sur les variables explicatives, il n'y avait plus d'autocorrélation spatiale dans le modèle. Le taux cumulé de patients COVID sur la période d'intérêt était positivement corrélé au taux pré-confinement (0,534, p<0,001), au taux de diabétiques (0,025, p=0,001) et à l'exposition aux pics d'ozone (0,031, p=0,008). Il était négativement corrélé aux indices UV élevés (-0,033, p=0,0014). Le modèle était ajusté sur les écarts de température et d'humidité, l'index de défavorisation (Fdep), les taux de cancer actif, de maladies respiratoires chroniques et de maladies inflammatoires ou rares dans le département (différences non significatives). DISCUSSION/CONCLUSION: Cette étude suggère un effet protecteur de l'exposition UV contre les formes graves de la COVID et un effet délétère de la pollution à travers les pics d'ozone au niveau départemental. On confirme également que le diabète est corrélé avec plus d'hospitalisations pour COVID. |
---|