Item


Air pollutants and mental health of children in a rural region using compositional spatio-temporal models

This doctoral thesis addresses the relationship between the air pollutants particulate matter (PM10), nitrogen dioxide (NO2), ozone (O3), sulphur dioxide (SO2), carbon monoxide (CO), and mental disorders in children and adolescents in a rural area with limited pollution monitoring stations. Its innovative approach lies in the fusion of multiple analytical approaches to thoroughly examine the impact of atmospheric pollutants on the following mental disorders: attention deficit hyperactivity disorder (ADHD), anxiety, mental health issues, and eating disorders. The methodological contribution is combining spatio-temporal models, Bayesian inference with the Integrated Nested Laplace Approximation (INLA), and Compositional Data Analysis (CoDa) with a total. This combination allows for a detailed analysis of atmospheric pollutant concentrations in spatial and temporal terms, considering both overall pollution and trade-offs between pollutants, including covariates and providing a more precise predictive framework for rural areas with limited monitoring infrastructure. In a first step, pollutant concentrations are estimated in census tracts with no monitoring stations. In a second step, estimated concentrations are used as predictors of mental health. The most relevant results in the first step indicate that the trade-off between NO2 and O3 exhibits the highest variability and the best predictive accuracy in both time and space. Total pollution levels rank second in variability but have low spatial predictive accuracy. The most relevant results in the second step are that higher exposure to NO2, O3, and SO2 affects behavioural and developmental disorders, while anxiety is linked to the concentration of PM10, O3, and SO2. Furthermore, overall pollution increases the risk of ADHD and eating disorders. In summary, children living in rural areas are not exempt from health risks related to air pollution, and the combination of spatio-temporal models, Bayesian inference, and compositional data analysis with a total, makes it possible to estimate the relationship between mental health problems and pollutant concentrations

Aquesta tesi doctoral tracta sobre la relació entre els contaminants atmosfèrics matèria particulada (PM10), diòxid de nitrogen (NO2), ozó (O3), diòxid de sofre (SO2), monòxid de carboni (CO) i els trastorns mentals en nens i adolescents en una zona rural amb un nombre limitat d’estacions de monitoratge de la contaminació. La seva aproximació innovadora rau en la fusió de múltiples enfocaments analítics per examinar a fons l’impacte dels contaminants atmosfèrics en els següents trastorns mentals: trastorn per dèficit d’atenció i hiperactivitat (TDAH), ansietat, problemes de salut mental i trastorns de l’alimentació. La contribució metodològica consisteix en la combinació de models espaitemporals, inferència Bayesiana amb l’Aproximació Integrada de Laplace (INLA) i l’Anàlisi de Dades Composicional (CoDa). Aquesta combinació permet un anàlisi detallat de les concentracions de contaminants atmosfèrics en termes espacials i temporals, considerant tant la contaminació global com els intercanvis entre contaminants, incloent covariables i proporcionant un marc predictiu més precís per a àrees rurals amb infraestructura limitada de monitoratge. En un primer pas, les concentracions de contaminants s’estimen en les seccions censals sense estacions de monitoratge. En un segon pas, les concentracions estimades s’utilitzen com a predictors de la salut mental. Els resultats més rellevants en el primer pas indiquen que l’intercanvi entre NO2 i O3 presenta la major variabilitat i la millor precisió predictiva tant en el temps com en l’espai. Els nivells de contaminació total ocupen el segon lloc en variabilitat, però tenen baixa precisió predictiva espacial. Els resultats més rellevants en el segon pas mostren que una major exposició a NO2, O3 i SO2 afecta els trastorns de conducta i desenvolupament, mentre que l’ansietat està relacionada amb la concentració de PM10, O3 i SO2. A més, la contaminació global augmenta el risc de TDAH i trastorns de l’alimentació. En resum, els nens que viuen en àrees rurals no estan exempts dels riscos per a la salut relacionats amb la contaminació atmosfèrica, i la combinació de models espai-temporals, inferència Bayesiana i anàlisi de dades composicionals tenint en compte el total, fa possible estimar la relació entre problemes de salut mental i concentracions de contaminants

Programa de Doctorat en Biologia Molecular, Biomedicina i Salut

Universitat de Girona

Manager: Sáez Zafra, Marc
Coenders, Germa
Other contributions: Universitat de Girona. Departament d’Economia
Author: Mota Bertran, Anna
Date: 2024 March 6
Abstract: This doctoral thesis addresses the relationship between the air pollutants particulate matter (PM10), nitrogen dioxide (NO2), ozone (O3), sulphur dioxide (SO2), carbon monoxide (CO), and mental disorders in children and adolescents in a rural area with limited pollution monitoring stations. Its innovative approach lies in the fusion of multiple analytical approaches to thoroughly examine the impact of atmospheric pollutants on the following mental disorders: attention deficit hyperactivity disorder (ADHD), anxiety, mental health issues, and eating disorders. The methodological contribution is combining spatio-temporal models, Bayesian inference with the Integrated Nested Laplace Approximation (INLA), and Compositional Data Analysis (CoDa) with a total. This combination allows for a detailed analysis of atmospheric pollutant concentrations in spatial and temporal terms, considering both overall pollution and trade-offs between pollutants, including covariates and providing a more precise predictive framework for rural areas with limited monitoring infrastructure. In a first step, pollutant concentrations are estimated in census tracts with no monitoring stations. In a second step, estimated concentrations are used as predictors of mental health. The most relevant results in the first step indicate that the trade-off between NO2 and O3 exhibits the highest variability and the best predictive accuracy in both time and space. Total pollution levels rank second in variability but have low spatial predictive accuracy. The most relevant results in the second step are that higher exposure to NO2, O3, and SO2 affects behavioural and developmental disorders, while anxiety is linked to the concentration of PM10, O3, and SO2. Furthermore, overall pollution increases the risk of ADHD and eating disorders. In summary, children living in rural areas are not exempt from health risks related to air pollution, and the combination of spatio-temporal models, Bayesian inference, and compositional data analysis with a total, makes it possible to estimate the relationship between mental health problems and pollutant concentrations
Aquesta tesi doctoral tracta sobre la relació entre els contaminants atmosfèrics matèria particulada (PM10), diòxid de nitrogen (NO2), ozó (O3), diòxid de sofre (SO2), monòxid de carboni (CO) i els trastorns mentals en nens i adolescents en una zona rural amb un nombre limitat d’estacions de monitoratge de la contaminació. La seva aproximació innovadora rau en la fusió de múltiples enfocaments analítics per examinar a fons l’impacte dels contaminants atmosfèrics en els següents trastorns mentals: trastorn per dèficit d’atenció i hiperactivitat (TDAH), ansietat, problemes de salut mental i trastorns de l’alimentació. La contribució metodològica consisteix en la combinació de models espaitemporals, inferència Bayesiana amb l’Aproximació Integrada de Laplace (INLA) i l’Anàlisi de Dades Composicional (CoDa). Aquesta combinació permet un anàlisi detallat de les concentracions de contaminants atmosfèrics en termes espacials i temporals, considerant tant la contaminació global com els intercanvis entre contaminants, incloent covariables i proporcionant un marc predictiu més precís per a àrees rurals amb infraestructura limitada de monitoratge. En un primer pas, les concentracions de contaminants s’estimen en les seccions censals sense estacions de monitoratge. En un segon pas, les concentracions estimades s’utilitzen com a predictors de la salut mental. Els resultats més rellevants en el primer pas indiquen que l’intercanvi entre NO2 i O3 presenta la major variabilitat i la millor precisió predictiva tant en el temps com en l’espai. Els nivells de contaminació total ocupen el segon lloc en variabilitat, però tenen baixa precisió predictiva espacial. Els resultats més rellevants en el segon pas mostren que una major exposició a NO2, O3 i SO2 afecta els trastorns de conducta i desenvolupament, mentre que l’ansietat està relacionada amb la concentració de PM10, O3 i SO2. A més, la contaminació global augmenta el risc de TDAH i trastorns de l’alimentació. En resum, els nens que viuen en àrees rurals no estan exempts dels riscos per a la salut relacionats amb la contaminació atmosfèrica, i la combinació de models espai-temporals, inferència Bayesiana i anàlisi de dades composicionals tenint en compte el total, fa possible estimar la relació entre problemes de salut mental i concentracions de contaminants
Programa de Doctorat en Biologia Molecular, Biomedicina i Salut
Other identifiers: http://hdl.handle.net/10803/690830
Document access: http://hdl.handle.net/10256/24819
Language: eng
Publisher: Universitat de Girona
Rights: L’accés als continguts d’aquesta tesi queda condicionat a l’acceptació de les condicions d’ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-nc-sa/4.0/
Subject: Contaminació atmosfèrica
Contaminación atmosférica
Air pollution
Salut mental
Salud mental
Mental health
Dades composicionals
Datos composicionales
Compositional data
Inferència bayesiana
Inferencia bayesiana
Bayesian inference
Models espai-temporals
Modelos espacio-temporales
Spatio-temporal models
Àrees rurals
Áreas rurales
Rural areas
504
51
616.89
Title: Air pollutants and mental health of children in a rural region using compositional spatio-temporal models
Type: info:eu-repo/semantics/doctoralThesis
Repository: DUGiDocs

Subjects

Authors