La connaissance des facteurs environnementaux auxquels sont exposés les participants d’une étude épidémiologique est encore obtenue prioritairement grâce à des questionnaires variés. Cependant, des masses de données publiques gratuites forment une nouvelle ressource disponible pour les chercheurs/équipes qui peuvent les analyser grâce aux méthodes de plus en plus puissantes du data mining. Grâce aux systèmes d’information géographique, il est en effet possible de mettre en correspondance les adresses des sujets d’une étude épidémiologique (à des moments d’intérêt de leur vie pour l’hypothèse testée) avec le contenu de ces bases de données. Il faut cependant appendre à gérer leurs hétérogénéités dans la qualité et la complétude, la temporalité, la résolution spatiale et la granularité.

Nous avons construit un portail de bases de données disponibles dans cinq domaines : l’environnement socio-économique, l’occupation du sol, notamment en relation avec l’agriculture, l’environnement climatique, l’environnement infectieux, l’environnement sanitaire. Pour chacun de ces domaines nous avons recensé des ressources publiques d’accès gratuit, identifié leur couverture spatiale et temporelle, et le format de leurs données sources.

Au total plusieurs dizaines de bases de données ont été identifiées permettant d’informer sur plusieurs dizaines de milliers de variables sources. Les séries environnementales les plus longues concernent le climat (depuis 1950), mais certaines ne renseignent que sur des périodes très récentes.

Le format source de certaines données nécessite beaucoup de travail avant d’être utilisées dans des études épidémiologiques classiques (qualité des eaux de rivière, etc.).