Les méthodes d'étude des effets sanitaires des mélanges d'exposition tels que les polluants de l'air, les contaminants de l'eau et les mélanges de produits de consommation ont fait l'objet de niveaux élevés d'efforts de recherche et de ressources ces dernières années. Demateis et al. (Am J Epidemiol. XXXX;XXX(XX):XXXX-XXXX)) démontrent un nouvel ensemble d'extensions à l'une de ces approches, la régression par machine à noyau bayésien (BKMR), pour étudier la modification de la mesure d'effet (EMM). Dans ce commentaire, je discute de la nécessité de méthodes de régression flexibles comme le BKMR dans le contexte de l'inférence causale moderne et j'exprime l'optimisme que la croissance continue de méthodes comme le BKMR peut améliorer le lien entre les données épidémiologiques et les actions de santé publique. J'élargis les motivations traditionnelles pour étudier l'EMM et commente comment elles pourraient parfois être mal adaptées aux mélanges d'exposition. Je termine en remarquant comment les impacts sur la santé des distributions inégales d'expositions nocives sont masqués par des approches basées sur l'EMM standard et j'explique comment ces méthodes, y compris celles de Demateis et al., peuvent être exploitées pour intégrer de telles idées dans l'analyse pour améliorer les liens avec la santé publique.
Alexander P. Keil (Fri,) a étudié cette question.