L'arrêt cardiaque est un problème majeur de santé publique. Il se caractérise par une perte subite des fonctions cardiaques, de la respiration et de l’état de conscience et est habituellement causé par une perturbation électrique au niveau du coeur. Les arrêts cardiaques hors hôpital (ACHH) concernent plus de 85% des arrêts cardiaques. Les taux de survie, tout en restant bas, varient largement à travers le monde, de 2 à 20%. Dans la population générale, l'incidence de la mort subite par arrêt cardiaque serait estimée à 4-5 millions de cas par an. La pollution de l'air est un problème environnemental majeur pour la santé. En 2013, elle était le quatrième facteur de risque de mortalité globale et était estimée être à l'origine de 5,5 millions de décès par an à travers le monde. Dans la littérature, l'exposition à court terme à la pollution de l'air, notamment en ce qui concerne les particules en suspension, est retrouvée en association avec la morbidité et la mortalité cardiovasculaire. Plusieurs études trouvent une association positive entre les particules fines notées PM2,5 (de diamètre aérodynamique inférieur à 2,5 μm) et les arrêts cardiaques hors hôpital (ACHH) bien que l'association soit non significative dans d'autres études. En ce qui concerne les particules en suspension notées PM10 (de diamètre aérodynamique inférieur à 10 μm), le dioxyde d'azote (NO2), l'ozone (O3) et le dioxyde de soufre (SO2), l'évaluation du risque d'ACHH conduit à des résultats discordants. Les mécanismes impliqués dans la relation entre la pollution de l'air et les ACHH ne sont pas clairement connus. Ils pourraient mettre en jeu des perturbations électriques et des réactions inflammatoires. Le but de notre travail est d'étudier l'effet de l'exposition à ces différents polluants à des échelles de temps horaire et journalière sur la survenue d'ACHH dans la région Nord-Pas de Calais, France. De plus, nous nous sommes intéressés plus spécifiquement aux ACHH survenant en période scolaire avec des analyses en sous-groupes notamment par sexe, âge, cause de l'arrêt, statut diabétique, afin de pouvoir révéler des sous-groupes potentiellement plus vulnérables. L'étude a collecté les ACHH qui sont survenus dans la région Nord-Pas-de-Calais, France, en 2015. Une étude de cas-croisé stratifiée sur le temps couplée à une régression logistique conditionnelle a été principalement utilisée pour évaluer l'association entre les ACHH et les polluants de l'air (PM2,5, PM10, NO2, O3, SO2) mesurés dans l'heure de l'arrêt jusqu'à 5 jours avant l'arrêt. 1039 cas ont été inclus dans l'étude. La plupart des associations positives significatives ont été observées pour les expositions aux PM2,5 et PM10 et pour les ACHH en période scolaire. Pour la plus petite p-value, le plus grand OR était : pour l'ensemble des ACHH et dans le sous-groupe des hommes, pour la moyenne cumulée sur 12 heures avant l'arrêt des PM10 (OR=1,33, p<0,001 et OR=1,34, p=0,001 respectivement) ; dans le sous-groupe des âges de 50 à 75 ans, pour la moyenne le jour de l'arrêt des PM2,5 (OR=1,27, p<0,001) ; dans le sous-groupe des arrêts de cause cardiaque, pour la moyenne quatre jours avant l'arrêt des PM2,5 (OR=1,26, p<0,001) ; dans le sous-groupe des cas avec diabète, pour la moyenne cumulée sur quatre heures avant l'arrêt des PM2,5 (OR=1,55, p=0,002). Les résultats montrent des associations significatives entre les particules en suspension et les ACHH en période scolaire, avec des sous-groupes de susceptibilité (hommes, âge de 50 à 75 ans, ACHH de cause cardiaque, et les diabétiques). L'exploration de sous-groupes de vulnérabilité est d'autant plus importante dans les études épidémiologiques des polluants de l'air du fait des risques peu élevés à l'échelle de la population habituellement observés. L'ensemble de ces informations pourraient encourager les autorités publiques à émettre des politiques de recommandations spécifiques ciblées pour les sous-groupes de susceptibilité. / Cardiac arrest is an important public issue. It refers to the sudden, unexpected loss of heart function, breathing and consciousness and usually results from an electrical disturbance in the heart. More than 85% of cardiac arrests are out-of-hospital cardiac arrests (OHCA). Overall survival rates remain low in most countries but vary widely across the world (range: 2–20%). In the general population, sudden cardiac death rates range from 4 to 5 million cases per year. Outdoor air pollution is a major environmental health problem. In 2013, it ranked as the fourth risk factor for global mortality and was estimated to cause 5,5 million deaths worldwide per year. Short-term exposure to air pollution especially with regard to fine particulate matter is increasingly associated in the literature with cardiovascular morbidity and mortality. A positive association can be found between fine particulate matter with an aerodynamic diameter under 2.5 μm (PM2.5) and OHCA in several studies, though the association remains insignificant in others. With respect to PM smaller than 10 microns (PM10), nitrogen dioxide (NO2), ozone (O3) and sulfur dioxide (SO2), the evaluation of risk of OHCA brings out inconsistent results. The way ambient air pollution and OHCA are related is still unclear. It might involve electrical disturbances and inflammatory reactions. The aim of our study is to investigate the effect of exposure to air pollution, on an hourly and daily scale, on the incidence of OHCA in Nord-Pas-de-Calais, France. Additional objectives were to investigate, among OHCA occurring during non-holiday periods, susceptible subgroups by sex, age, cause of the OHCA, diabetes status. The study included OHCA that occurred in the Nord-Pas-de-Calais region, France, in 2015. A time-stratified casecrossover study design coupled with a conditional logistic regression was primarily used to evaluate the association between OHCA and air pollutants (PM2,5, PM10, NO2, O3, SO2) measured within the hour of the arrest up to 5 days before. In all, 1039 cases were included. Most of the significant positive associations were found for PM2,5 and PM10 exposures and for OHCA during non-holiday periods. For the smallest p-value, the largest OR was : for all OHCA and within the subgroup of men, for the cumulative average twelve hours before the arrest of PM10 (OR=1,33, p<0,001 and OR=1,34, p=0,001 respectively) ; within the subgroup of age 50 to 75 years old, for the average on the day of the arrest of PM2,5 (OR=1,27, p<0,001) ; within the subgroup of arrests of cardiac cause, for the average four days before the arrest of PM2,5 (OR=1,26, p<0,001) ; within the subgroup of cases with diabetes, for the cumulative average four hours before the arrest of PM2,5 (OR=1,55, p=0,002).The findings show significant links between short-term exposure to particulate matter and OHCA during non-holiday periods, with susceptible subgroups (men, age 50 to 75 years old, OHCA of cardiac cause, and diabetics). Investigation of susceptible subgroups becomes especially important in epidemiological studies of air pollutants because of the small population-wide relative risks that are usually observed. The results of this study could encourage public authorities to implement specific policy recommendations aimed at vulnerable subgroups.

Functional analyses have gained more interest as we have easier access to massive data sets. However, such data sets often contain large heterogeneities, noise, and dimensionalities. When generalizing the analyses from vectors to functions, classical methods might not work directly. This dissertation considers noisy information reduction in functional analyses from two perspectives: functional variable selection to reduce the dimensionality and functional clustering to group similar observations and thus reduce the sample size. The complicated data structures and relations can be easily modeled by a Bayesian hierarchical model, or developed from a more generic one by changing the prior distributions. Hence, this dissertation focuses on the development of Bayesian approaches for functional analyses due to their flexibilities. A nonparametric Bayesian approach, such as the Dirichlet process mixture (DPM) model, has a nonparametric distribution as the prior. This approach provides flexibility and reduces assumptions, especially for functional clustering, because the DPM model has an automatic clustering property, so the number of clusters does not need to be specified in advance. Furthermore, a weighted Dirichlet process mixture (WDPM) model allows for more heterogeneities from the data by assuming more than one unknown prior distribution. It also gathers more information from the data by introducing a weight function that assigns different candidate priors, such that the less similar observations are more separated. Thus, the WDPM model will improve the clustering and model estimation results. In this dissertation, we used an advanced nonparametric Bayesian approach to study functional variable selection and functional clustering methods. We proposed 1) a stochastic search functional selection method with application to 1-M matched case-crossover studies for aseptic meningitis, to examine the time-varying unknown relationship and find out important covariates affecting disease contractions; 2) a functional clustering method via the WDPM model, with application to three pathways related to genetic diabetes data, to identify essential genes distinguishing between normal and disease groups; and 3) a combined functional clustering, with the WDPM model, and variable selection approach with application to high-frequency spectral data, to select wavelengths associated with breast cancer racial disparities. / Doctor of Philosophy / As we have easier access to massive data sets, functional analyses have gained more interest to analyze data providing information about curves, surfaces, or others varying over a continuum. However, such data sets often contain large heterogeneities and noise. When generalizing the analyses from vectors to functions, classical methods might not work directly. This dissertation considers noisy information reduction in functional analyses from two perspectives: functional variable selection to reduce the dimensionality and functional clustering to group similar observations and thus reduce the sample size. The complicated data structures and relations can be easily modeled by a Bayesian hierarchical model due to its flexibility. Hence, this dissertation focuses on the development of nonparametric Bayesian approaches for functional analyses. Our proposed methods can be applied in various applications: the epidemiological studies on aseptic meningitis with clustered binary data, the genetic diabetes data, and breast cancer racial disparities.

Méthodes et principaux résultats. Dans une revue systématique des études sur les facteurs déclenchants des infarctus cérébraux, nous n’avons identifié qu’une seule étude, négative, consacrée aux événements de vie. Nous avons montré, dans une étude prospective portant sur 247 patients admis pour un infarctus cérébral, qu’une exposition à au moins 1 évènement de vie était plus fréquente dans le mois précédant l’infarctus cérébral que dans les 5 périodes témoins (OR=2,96 ; IC à 95% 2,19-4,00). L’exposition à des évènements de vie était aussi un facteur prédictif des dépressions survenant dans les 6 mois suivant un infarctus cérébral. Les autres facteurs prédictifs de dépression post-AVC étaient un score de Rankin > 2, un antécédent de dépression, une lésion caudée et/ou lenticulaire gauche, le sexe féminin et des pleurs pathologiques. Conclusion et perspectives. Ce travail de thèse apporte des arguments en faveur d’un rôle des évènements de vie d’une part, dans la survenue à court terme d’un infarctus cérébral, d’autre part dans la survenue d’une dépression dans les 6 mois suivant un AVC. Il souligne aussi les difficultés spécifiques de l’étude des événements de vie concernant leur définition, l’évaluation de leur sévérité, les biais de rappel et la définition de la période à risque. Nos résultats doivent être confirmés et précisés avant d’évaluer le bénéfice d’une stratégie préventive. / Methods and main results. In our systematic review of potential triggers of ischemic stroke, the only study that examined stressful life events didn’t show any association with stroke onset. In a prospective study of 247 consecutive patients admitted for ischemic stroke, exposure to at least one stressful life event was significantly more common during the first month preceding stroke onset than during the five control periods (OR=2.96 ; 95% CI 2.19-4.00). Stressful life events exposure also predicted depression occurring within six months after ischemic stroke onset. The other predictors of post-stroke depression were a modified Rankin score > 2, a prior history of depression, a left caudate and/or lenticular lesion, the female sex and pathologic crying.Conclusion and perspectives. Our results support the role of stressful life events as triggers of ischemic stroke and predictors of post-stroke depression. Our research also highlights the difficulty of studying stressful life events, due to potential influence of memory biases and lack of precise definitions of stressful life events, severe vs. minor events and hazard period durations. These preliminary results should be confirmed in order to assess benefits of preventive strategies.