Une météo pollinique comme la météo conventionnelle : et si elle se trompe aussi c’est pas grave ?

jeudi 20 février 2003 par Dr Stéphane Guez4711 visites

Accueil du site > Allergènes > Aériens > Pollens > Une météo pollinique comme la météo conventionnelle : et si elle se trompe (…)

Une météo pollinique comme la météo conventionnelle : et si elle se trompe aussi c’est pas grave ?

Une météo pollinique comme la météo conventionnelle : et si elle se trompe aussi c’est pas grave ?

jeudi 20 février 2003, par Dr Stéphane Guez

Pouvoir prédire l’avenir est un rêve aussi vieux que l’homme. En allergologie certains voudraient pouvoir connaître à l’avance la teneur atmosphérique en pollens pour les jours à venir. Ce type de prédiction est-il techniquement possible ?

Utilisation d’un réseau pour prédire la concentration en pollens dans une région méditerranéenne : la région sud de la péninsule ibérique. : Sanchez-Mesa JA, Galan C, Martinez-Heras JA, Hervas-Martinez C. Department of Plant Biology, University of Cordoba, Spain. bv2samej@uco.es dans Clin Exp Allergy 2002 Nov ;32(11):1606-12

L’allergie pollinique est une affection commune entraînant un rhume des foins chez 15% de la population en europe.

Des travaux médicaux rapportent qu’une connaissance antérieure du contenu en pollens de l’air est utile à la prise en charge des affections allergiques liées aux pollens.

 Objectifs : le but de ce travail a été de faire des prévisions journalières de la concentration dans l’air du pollen de Poaceae, en utilisant des données météorologiques et des comptes polliniques des jours antérieurs comme variables indépendantes.

 Méthodes :
* Un modèle de régression linéaire et un modèle de réseau co-évolutif ont été utilisés dans ce travail.
* Les pollens ont été comptés à l’aide d’un appareil de Hirst en utilisant une technique standard.
* Les données ont été obtenues de centre des réseaux aérobiologiques espagnols, Université de Cordoba, Unité de monitoring.
* Les données concernent 20 ans, de 1982 à 2001. Une classification des années en fonction de leur potentiel allergisant a été fait en utilisant une analyse particulière tenant compte des pollens et des paramètres météorologiques.
* L’analyse statistique a été appliquée pour toutes les années de chaque classe, en dehors des années les plus récentes qui ont servi à valider le modèle.

 Résultats : Il a été observé que les variables cumulées et les valeurs des pollens des jours précédents sont les facteurs les plus importants dans le modèle. De façon générale, les équations en réseau donnent de meilleurs résultats que les analyses de régression linéaire.

 Conclusions : Les modèles en réseau co-évolutif, qui donnent les meilleures prévisions (une bonne classification de l’ordre de 90%) rendent possible une prédiction quotidienne de la concentration en pollens Poaceae. Ce nouveau système basé sur les modèles en réseau est une étape supplémentaire dans le processus d’automatisation des prévisions polliniques.


Dans ce travail les auteurs ont mis au point une méthode d’analyse statistique qui permet de réaliser une prédiction quotidienne de la teneur atmosphérique en pollens avec une marge d’erreur faible. Cela devrait permettre une prédiction automatique des comptes polliniques.

Ce travail est compliqué à comprendre pour les non statisticiens.

A priori le modèle décrit doit permettre en intégrant de nombreuses données de prédire les comptes polliniques.

Reste à savoir si ce genre de travail est vraiment aussi intéressant et si réellement les allergologues tiennent compte dans leur pratique quotidienne des comptes polliniques quotidiens.

En fait il faudrait alors pouvoir faire des tests de provocation fiables pour être certain de la causalité d’un pollen donné dans la symptomatologie du patient.

Il faudrait cependant tenir compte de l’effet de priming sur la réaction allergique des sensibilisations à d’autres pollens. Rien ne dit qu’en l’absence de ce priming par exemple, un même pollinique soumis à la même concentration en pollens auraient les mêmes symptômes.

Bref une étude qui laisse dubitatif. D’autant que ce type de modèle statistique est utilisé dans les prévisions météorologiques dont on ne peut pas dire qu’elles brillent par leur exactitude en particulier à prédire l’improbable.

Abonnez-vous!

Recevez les actualités chaque mois