Congenital hypothyroidism and pollution: How AI and Big Data are transforming epidemic signal detection
Hypothyroïdie congénitale et pollution : comment l’IA et le Big Data transforment la détection des signaux épidémiques
Résumé
Objective: To investigate how the integration of massive health data (French National Health Data System, SNDS, and data from Regional Neonatal Screening Centers, CRDN) and environmental data (Information System on Health and Environment for Water, SISE-Eaux, and the Air Quality Cartography from INERIS) can be used to explore associations between environmental pollution and congenital hypothyroidism (CH), and to enable early detection of large-scale epidemic signals. Methods: This synthesis is based on three peer-reviewed articles published by our team. The first study analyzes spatial and temporal trends in the incidence of congenital and acquired hypothyroidism in France from 2014 to 2019 using the SNDS, a medico-administrative database covering the entire French population. The second study, conducted at the regional level (Picardy), assesses the association between neonatal TSH concentrations and prenatal exposure to various air and water pollutants by linking neonatal screening data with local environmental data. The third study examines, at the national level, the relationship between prenatal exposure to specific pollutants (perchlorate, nitrates, particulate matter) and the incidence of CH, based on a national cohort derived from the SNDS. Results: The analyses reveal associations between several environmental pollutants and alterations in neonatal thyroid function. The combined use of SNDS and large-scale environmental data enables fine-grained detection of emerging epidemic signals across the country. Conclusions: Integrating massive health and environmental datasets opens new avenues for automated epidemi ological surveillance and for better understanding the environmental determinants of thyroid diseases.
Objectif : Étudier comment l’intégration des données massives (Big Data) de santé (Système National des Données de Santé [SNDS] et données des Centres Régionaux de Dépistage Néonatal [CRDN]) et environnementales (Système d’Information en Santé-Environnement sur les Eaux, SISE-Eaux et Cartothèque de la Qualité de l’Air) permet d’explorer les associations entre pollution environnementale et hypothyroïdie congénitale, et de détecter précocement des signaux épidémiques à grande échelle. Méthodes : Ce travail de synthèse s’appuie sur trois études publiées par notre équipe. Le premier analyse les tendances spatiales et temporelles de l’incidence de l’hypothyroïdie congénitale et acquise en France entre 2014 et 2019 grâce au SNDS, base médico-administrative couvrant l’ensemble de la population française. Le second évalue, à l’échelle régionale (Picardie), l’association entre les concentrations de TSH néonatale et l’exposition prénatale à divers polluants de l’air et de l’eau, via un croisement entre données de dépistage néonatal et données environnementales locales. Le troisième examine, à l’échelle nationale, le lien entre exposition prénatale à certains polluants (perchlorate, nitrates, PM) et la survenue de l’hypothyroïdie congénitale à partir d’une cohorte issue du SNDS. Résultats : Les analyses mettent en évidence une association entre plusieurs polluants environnementaux et des anomalies de la fonction thyroïdienne néonatale. L’exploitation conjointe du SNDS et de données environnementales massives permet une détection fine de signaux épidémiques émergents sur l’ensemble du territoire. Conclusions : L’intégration des données massives de santé et d’environnement ouvre de nouvelles perspectives pour la surveillance épidémiologique automatisée et la compréhension des liens entre pollution et maladies thyroïdiennes.