L’incidence du diabète de type 1 (DT1) est en augmentation dans de nombreux pays, suggérant que des facteurs environnementaux interviennent en complément de la susceptibilité génétique dans le déclenchement de la maladie. Parmi ces facteurs, la pollution atmosphérique constitue une hypothèse de plus en plus étudiée, bien que les résultats demeurent hétérogènes. Le bassin industriel de Martigues, caractérisé par une forte activité industrielle et des niveaux contrastés de pollution atmosphérique, constitue un territoire d’intérêt pour explorer cette association.

Une étude écologique spatiale a été réalisée à partir de 885 cas de DT1 diagnostiqués entre 2015 et 2025 et géolocalisés à l’échelle des IRIS. Les concentrations annuelles moyennes en dioxyde d’azote (NO ₂ ), ozone (O ₃ ), particules PM ₁₀ et PM _2.5 ont été obtenues auprès d’AtmoSud. Les analyses ont combiné une cartographie descriptive, une détection de clusters spatiaux et spatio-temporels (SaTScan), des modèles additifs généralisés (GAM), une analyse en composantes principales, des méthodes de classification (HCPC et k-means ) ainsi qu’une modélisation bayésienne spatiale de Besag-York-Mollié (BYM).

Trois clusters spatiaux significatifs de sur-incidence du DT1 ont été identifiés dans les secteurs de Martigues, Istres et Fos-sur-Mer. Les modèles GAM ont montré une association non linéaire significative entre les concentrations de NO ₂ et l’incidence du DT1, tandis qu’une association inverse a été observée avec l’O ₃ . Les associations concernant les PM ₁₀ et les PM _2.5 étaient moins robustes après prise en compte de l’autocorrélation spatiale. Les modèles bayésiens ont confirmé l’existence d’une autocorrélation spatiale résiduelle importante, suggérant que d’autres déterminants environnementaux ou territoriaux participent à la distribution géographique du risque.

Cette étude met en évidence une structuration spatiale de l’incidence du DT1 dans le bassin industriel de Martigues et suggère une association entre l’exposition au NO ₂ et la distribution géographique de la maladie. La prise en compte de la dépendance spatiale apparaît essentielle pour interpréter les relations entre pollution atmosphérique et DT1. Ces résultats encouragent la réalisation d’études multicentriques intégrant des données individuelles d’exposition et d’autres facteurs environnementaux afin de mieux comprendre les mécanismes impliqués.

The incidence of type 1 diabetes (T1D) has been increasing worldwide, suggesting that environmental factors may contribute to disease onset in addition to genetic susceptibility. Air pollution has emerged as a potential risk factor, although epidemiological findings remain inconsistent. The industrial basin of Martigues (Southern France), characterized by high industrial activity and heterogeneous levels of air pollution, provides a relevant setting to investigate this relationship.

A spatial ecological study was conducted using 885 T1D cases diagnosed between 2015 and 2025 and geocoded at the IRIS level. Annual mean concentrations of nitrogen dioxide (NO ₂ ), ozone (O ₃ ), PM ₁₀ and PM _2.5 were obtained from AtmoSud. Analyses included descriptive mapping, spatial and spatiotemporal cluster detection (SaTScan), generalized additive models (GAMs), principal component analysis, hierarchical and k-means clustering, and Bayesian spatial modeling using the Besag-York-Mollié (BYM) approach.

Three significant clusters of elevated T1D incidence were identified in Martigues, Istres and Fos-sur-Mer. GAMs revealed a significant non-linear positive association between NO ₂ concentrations and T1D incidence, whereas an inverse association was observed with O ₃ . Associations with PM ₁₀ and PM _2.5 were weaker and lost significance after accounting for spatial autocorrelation. Bayesian models confirmed substantial residual spatial dependence, suggesting the influence of additional environmental or territorial determinants.

This study highlights a spatial patterning of T1D incidence within the Martigues industrial area and suggests an association between NO ₂ exposure and the geographical distribution of the disease. Accounting for spatial dependence is essential when investigating relationships between air pollution and T1D. Further multicenter studies incorporating individual exposure data and other environmental factors are needed to better understand the underlying mechanisms.