63

RésuméPour l’étude des effets à court terme de la pollution atmosphérique, le programme Erpurs utilise les données d’hospitalisations issues du PMSI. Or cette source de données ne permet pas de faire la distinction entre les hospitalisations en urgence et les admissions programmées, qui a priori n’ont pas de lien immédiat avec la pollution atmosphérique. Cette étude vise à déterminer en quelle mesure les admissions programmées affectent la qualité de l’indicateur sanitaire utilisé pour estimer les effets de la pollution atmosphérique. Pour cela, cet indicateur est comparé à trois nouveaux indicateurs d’hospitalisations en urgence reconstruits à partir des données de l’Assistance publique – hôpitaux de Paris, d’une part issues du PMSI, et d’autre part du réseau cyber urgences regroupant les services d’urgences informatisés. Selon la pathologie, les admissions programmées introduiraient un bruit rendant difficile la mise en évidence des risques les plus faibles.

Estimating emergency hospital admissions to gauge short-term effects of air pollution: evaluation of health data qualityThe study of the short-term effects and health impact of air pollution is carrier out by the ERPURS regional surveillance program which utilizes hospitalization data obtained from the French hospital information system (PMSI) to determine these links. This system does not permit the distinction between emergency hospital admissions from scheduled ones, which cannot be related to short term changes in air pollution levels. This study examines how scheduled admissions affect the quality of the health indicators used to estimate air pollution effects. This indicator is compared to three new emergency hospitalisation indicators reconstructed based on data from the public hospitals in Paris, partly from the PMSI data and partly with data from an on-line emergency network that regroups all of the computerized emergency services. According to the pathology, scheduled admissions present a difficulty which affects the capacity to highlight the weakest risks with any precision.