Les réglementations conduisent à multiplier les évaluations du risque écologique lié au rejet des substances chimiques dans les milieux aquatiques avec pour objectif de protéger les populations naturelles. Cependant, ce niveau de protection visé ne peut être utilisé facilement pour établir un lien direct entre une contamination et ses effets. Pour palier cette difficulté, les approches multi-échelles basées sur l'étude des effets des contaminations sur des marqueurs individuels puis sur l'extrapolation de ces effets au niveau des poipulations à partir de modèles de dynamique de population représentent des démarches prometteuses et commencent à être bien acceptées dans les démarches prédictives.Cependant, leur utilisation pour le diagnostic de la qualité des milieux aquatiques reste pour le moment très rare, d'une part en raison de la forte variabilité des réponses des marqueurs individuels in situ liée à l'influence de divers facteurs environnementaux confondants pour l'évaluation de la toxicité, et d'autre part à cause du manque de pertinence environnementale des modèles actuellement proposés. Centré sur l'utilisation de deux espèces couramment observées dans les cours d'eau européens et présentant des caractéristiques écologiques et phylogéniques contrastées : le crustacé Gammarus fossarum et le mollusque Potamopyrgus antipodarum, ce travail doctoral a permis : 1- de proposer une méthodologie pour prendre en compte l'influence des facteurs de confusion dans le but d'améliorer la lecture des bioessais in situ basés sur la mesure des marqueurs individuels sur des organismes encagés et 2- de développer des modèles de dynamique de population écologiquemnt pertinents. / The regulatory framework lead to increase the assessments of the ecological risk linked to the dischaarge of chemical substances in aquatic environment with the aim to protect natural populations. However, this target level of protection cannot be used so easily to etablish a direcet link between a contamination and its effects. In order to overcome this difficulty, the multi-scale approaches based on the study of the effects of the contaminations on individual markers and then on the extrapolation of these effects at the population level with population dynamic models reprensent promising tools and start to bewell accepted in predictive processes. Yet, their use for the diagnosis of water quality remainsrare for the moment, on the one hand, because of the important varaibility of answers of individual makers in situ linked to the influence of diverse confounding environmental factors for the assessments of toxicity and, on the other hand, because pf the lack of environmental relevance of models currently proposed. Focused on the use of 2 species widely observed in European rivers and presenting contrastingecological and phylogenetic characteristics : the Grammar fossarum crutacean and the Potamopyrgus antipodarum mollusc, this doctoral degree first propose a methodology to consider the influenceof confounding factors in order to improve the reading of biological in situ tests based on the measurment of individual markers on caged organisms and second, to develop ecologically relevant population models. Thus, this work allowed to underline the importance of the consideration of confounding factors (i.e. temperature), in different in situ tests based on the measurment of individul markers on caged organisms. Moreover, population models for both species have been defined in order to test the influence of life histories and seasonal variations on demographic sensitivity of populations.

[pt] Neste trabalho, os modelos Poisson-gama são estendidos para uma formulação mais geral onde o preditor linear das covariáveis é substituído por um preditor aditivo de funções genéricas destas covariáveis. Como nos modelos aditivos generalizados (MAG), as funções lineares das covariáveis constituem um caso particular de modelo aditivo e as funções suavizadores utilizadas são as splines cúbicas naturais. A formulação semi-paramétrica permite ampliar o campo de aplicação desta classe de modelos. Os modelos semi-paramétricos são estimados por um processo iterativo combinando maximização da verossimilhança e algoritmo backfitting. Todos os algoritmos de estimação e diagnósticos estão implementados nas linguagens de programação R e C. / [en] This work is aimed at extending the Poisson-Gamma models towards a more general specification, where the linear predictor of covariates is replaced by an additive predictor of generic functions of these covariates. Just like the generalized additive models (GAM), the linear functions of covariates are a particular case of additive models and the natural cubic splines are used as smoothing functions. The semiparametric specification allows to enlarge the possibilities of application of these models. The semiparametric models are fitted by an iterative process that combines maximization of likelihood and backfitting algorithm. All the routines for model fitting and diagnostics are implemented in R and C programming languages.

No description available.

No description available.

Pour faire face à des perturbations environnementales, les organismes ont développé des défenses antitoxiques couramment utilisés comme biomarqueurs dans l'évaluation de la qualité des milieux. Cependant, de nombreux facteurs confondants comme la température ou le genre, influencent la réponse de ces biomarqueurs. Il est ainsi nécessaire de connaitre les effets de ces facteurs afin d'imputer correctement la réponse biologique mesurée à la présence de polluants. Dans ce contexte, nous avons choisi d'étudier l'influence d'un parasite acanthocéphale, Polymorphus minutus, transmis horizontalement et de microsporidies à transmission verticale, sur les réponses physiologiques de leur hôte, Gammarus roeseli, un crustacé amphipode d'eau douce d'intérêt écotoxicologique. Pour cela, nous avons choisi d'étudier le glutathion, tripeptide jouant un rôle central dans les systèmes antitoxiques, sa synthèse (i.e. activité gamma-glutamylcystéine ligase), les réserves énergétiques (i.e. lipides, glycogène, protéines) et un biomarqueur d'effets toxiques, le malondialdéhyde. L'influence du parasitisme a été appréhendé dans différents cas d'études: (i) chez G. roeseli infecté par P. minutus, (ii) chez G. roeseli infecté par des microsporidies (Dictyocoela roeselum essentiellement) et (iii) chez G. roeseli co-infecté par ces deux types de parasite. Chaque cas d'étude a été réalisé en absence de stress et lors d'une exposition au cadmium. Nous avons mis en évidence qu'en absence de contamination, la présence de P. minutus et une co-infection par P. minutus et D. roeselum affectent les biomarqueurs de G. roeseli. Après exposition au cadmium, la présence de parasites (i.e. infection simple ou co-infection) modifie la mobilisation des défenses antitoxiques et accentue les effets toxiques subits par l'hôte. Les résultats obtenus au cours de ce travail mettent en avant le caractère confondant du parasitisme en écotoxicologie et souligne l'importance de prendre en compte ce paramètre lors de l'évaluation de la qualité des milieux / To cope with environmental disturbances, organisms have developed antitoxic defenses commonly used as biomarkers in environmental risk assessment. However, many confounding factors such as temperature and gender could influence biomarker responses. It seems hence necessary to investigate their effects, in order to attribute biological responses only to pollutants. In this context, we investigated the influence of parasitism by studying the acanthocephalan parasite Polymorphus minutus, horizontally transmitted, and microsporidia parasites, vertically transmitted, on the physiological responses of their common host, the freshwater amphipod Gammarus roeseli, a classical model used in ecotoxicology. We investigated the glutathione, a tripeptide having a key role in antitoxic systems, its synthesis (i.e. gamma-glutamylcysteine ligase activity), energy reserves (i.e. lipids, glycogen, proteins) and a toxicity biomarker, the malondialdehyde. The influence of parasitism was considered in different studies: (i) in G. roeseli infected by P. minutus only, (ii) in G. roeseli infected by microsporidia (mainly Dictyocoela roeselum) and (iii) in G. roeseli coinfected by both parasites. Each study was carried out in absence of pollutants and under cadmium stress. We highlighted that, in the absence of contamination, only P. minutus and the co-infection affect the G. roeseli biomarker assessments. After cadmium exposure, the presence of parasites (i.e. single infection or co-infection) influences the mobilization of antitoxic defences, and accentuates toxic effects in their hosts. Our results underline the confounding nature of parasitism in ecotoxicology and thus, highlight the importance to take into account this parameter in the environmental risk assessment

No description available.

Background: When assessing the association between a factor X and a subsequent outcome Y in observational studies, the question that arises is what are the variables to adjust for to reduce bias due to confounding for causal inference on the effect of X on Y. Disregarding such factors is often a source of overestimation because these variables may affect both X and Y. On the other hand, adjustment for such variables can also be a source of underestimation because such variables may be the causal consequence of X and part of the mechanism that leads from X to Y. Methods: In this paper, we present a simple method to compute control variables in the presence of age at onset data on both X and a set of other variables. Using these age at onset data, control variables are computed that adjust only for conditions that occur prior to X. This strategy can be used in prospective as well as in survival analysis. Our method is motivated by an argument based on the counterfactual model of a causal effect. Results: The procedure is exemplified by examining of the relation between panic attack and the subsequent incidence of MDD. Conclusions: The results reveal that the adjustment for all other variables, irrespective of their temporal relation to X, can yield a false negative result (despite unconsidered confounders and other sources of bias).

Background: When assessing the association between a factor X and a subsequent outcome Y in observational studies, the question that arises is what are the variables to adjust for to reduce bias due to confounding for causal inference on the effect of X on Y. Disregarding such factors is often a source of overestimation because these variables may affect both X and Y. On the other hand, adjustment for such variables can also be a source of underestimation because such variables may be the causal consequence of X and part of the mechanism that leads from X to Y. Methods: In this paper, we present a simple method to compute control variables in the presence of age at onset data on both X and a set of other variables. Using these age at onset data, control variables are computed that adjust only for conditions that occur prior to X. This strategy can be used in prospective as well as in survival analysis. Our method is motivated by an argument based on the counterfactual model of a causal effect. Results: The procedure is exemplified by examining of the relation between panic attack and the subsequent incidence of MDD. Conclusions: The results reveal that the adjustment for all other variables, irrespective of their temporal relation to X, can yield a false negative result (despite unconsidered confounders and other sources of bias).

La randomisation mendélienne est une méthode d’instrumentation utilisant des instruments de nature génétique afin d’estimer, via par exemple la régression des moindres carrés en deux étapes, une relation de causalité entre un facteur d’exposition et une réponse lorsque celle-ci est confondue par une ou plusieurs variables de confusion non mesurées. La randomisation mendélienne est en mesure de gérer le biais de confusion à condition que les instruments utilisés soient valides, c’est-à-dire qu’ils respectent trois hypothèses clés. On peut généralement se convaincre que deux des trois hypothèses sont satisfaites alors qu’un phénomène génétique, la pléiotropie, peut parfois rendre la troisième hypothèse invalide. En présence d’invalidité, l’estimation de l’effet causal de l’exposition sur la réponse peut être sévèrement biaisée. Afin d’évaluer la potentielle présence d’invalidité lorsqu’un seul instrument est utilisé, Glymour et al. (2012) ont proposé une méthode qu’on dénomme ici l’approche de la différence simple qui utilise le signe de la différence entre l’estimateur des moindres carrés ordinaires de la réponse sur l’exposition et l’estimateur des moindres carrés en deux étapes calculé à partir de l’instrument pour juger de l’invalidité de l’instrument. Ce mémoire introduit trois méthodes qui s’inspirent de cette approche, mais qui sont applicables à la randomisation mendélienne à instruments multiples. D’abord, on introduit l’approche de la différence globale, une simple généralisation de l’approche de la différence simple au cas des instruments multiples qui a comme objectif de détecter si un ou plusieurs instruments utilisés sont invalides. Ensuite, on introduit les approches des différences individuelles et des différences groupées, deux méthodes qui généralisent les outils de détection de l’invalidité de l’approche de la différence simple afin d’identifier des instruments potentiellement problématiques et proposent une nouvelle estimation de l’effet causal de l’exposition sur la réponse. L’évaluation des méthodes passe par une étude théorique de l’impact de l’invalidité sur la convergence des estimateurs des moindres carrés ordinaires et des moindres carrés en deux étapes et une simulation qui compare la précision des estimateurs résultant des différentes méthodes et leur capacité à détecter l’invalidité des instruments. / Mendelian randomization is an instrumentation method that uses genetic instruments to estimate, via two-stage least squares regression for example, a causal relationship between an exposure and an outcome when the relationship is confounded by one or more unmeasured confounders. Mendelian randomization can handle confounding bias provided that the instruments are valid, i.e., that they meet three key assumptions. While two of the three assumptions can usually be satisfied, the third assumption is often invalidated by a genetic phenomenon called pleiotropy. In the presence of invalid instruments, the estimate of the causal effect of exposure on the outcome may be severely biased. To assess the potential presence of an invalid instrument in single-instrument studies, Glymour et al. (2012) proposed a method, hereinafter referred to as the simple difference approach, which uses the sign of the difference between the ordinary least squares estimator of the outcome on the exposure and the two-stage least squares estimator calculated using the instrument. Based on this approach, we introduce three methods applicable to Mendelian randomization with multiple instruments. The first method is the global difference approach and corresponds to a simple generalization of the simple difference approach to the case of multiple instruments that aims to detect whether one or more instruments are invalid. Next, we introduce the individual differences and the grouped differences approaches, two methods that generalize the simple difference approach to identify potentially invalid instruments and provide new estimates of the causal effect of the exposure on the outcome. The methods are evaluated using a theoretical investigation of the impact that invalid instruments have on the convergence of the ordinary least squares and two-stage least squares estimators as well as with a simulation study that compares the accuracy of the respective estimators and the ability of the corresponding methods to detect invalid instruments.

L'association entre l'exposition prolongée aux particules fines (PM2.5) et la mortalité pourrait varier selon les méthodes de contrôle de la confusion. L'objectif était de comparer les estimations de cette association issues d’approches avec différentes méthodes pour le contrôle de la confusion. En utilisant la cohorte du Système de surveillance des maladies chroniques du Québec (SISMACQ), les estimations d'association provenant d’une régression de Cox avec contraste interindividuel et d’une régression conditionnelle logistique stratifiée sur les cas avec contraste intra-individuel ont été comparées. De plus, les estimations d’association de modèles de Cox ajustés pour des variables individuelles et locales, et ajustés seulement pour des variables locales, en utilisant la cohorte Santé et environnement du recensement canadien (CSERcan) pour la province de Québec ont été comparées afin d’évaluer comment les estimations d’association varient avec les variables incluses dans les modèles. Quatre-vingt-dix-huit millions de personées-années du SISMACQ ont été enregistrées. Des augmentations de la mortalité de 3,0% (Intervalles de confiance [IC à 95%] 1,8-4,3) et de 9,3% (IC à 95%] 4,1-14,8) par augmentation de 3,4 µg/m3 ont été observées pour la régression de Cox et la régression logistique, respectivement. Vingt et un millions de personnes-années de la cohorte CSERcan ont été enregistrées. Des augmentations de la mortalité de 2,2% (IC à 95% : 1,9-2,5) et de 0,8% (IC à 95% :0,6-1,0) par 1 µg/m3 ont été observées pour le modèle ajusté pour des variables individuelles et locales, et pour celui ajusté pour des variables locales seulement. Ces résultats confirment l'association entre l'exposition prolongée aux PM2.5 et la mortalité, et suggèrent que les méthodes de contrôle de la confusion peuvent influencer l’importance et la variabilité de ces estimations. / The association between long-term exposure to ambient fine particles (PM2.5) and mortality may vary depending on the methods of confounding control. The objective was to compare estimates of association using approaches varying by their confounding control methods. Using the cohort from the Quebec Integrated Chronic Disease Surveillance System (SISMACQ), association estimates from a Cox proportional hazard model with inter-individual contrast and from a conditional logistic regression with intra-individual contrast were compared. Additionally, results from Cox models adjusted for individual and local confounders, and adjusted only for local confounders using the Canadian Census Health and Environment Cohorts (CSERcan) for the province of Quebec were compared to evaluate how estimates vary when adjusting for individual and contextual confounders compared to adjusting for contextual factors only. For the SISMACQ cohort, 98 million person-years were recorded. Increase in mortality of 3.0% (95% CI: 1.8, 4.3) and of 9.3% (95% CI: 4.1, 14.8) were observed per 3.4 µg/m3 increment in exposure for the Cox model and conditional logistic regression. For the CSERcan cohort, 21 million person-years were recorded. Increase in mortality of 2.2% (95% CI: 1.9, 2.5) and of 0.8% (95% CI: 0.6, 1.0) were observed per 1 µg/m3 increment in exposure for the model adjusted for both local and individual confounders, and for the model adjusted only for local confounders. These results confirm the association between long-term exposure tom PM2.5 and mortality, and suggest that confounding control methods can influence the magnitude and variability of estimates of association.