王情，許懷悅，朱歡歡,2，馬潤美，班婕，李湉湉*

(1. 中國疾病預防控制中心環(huán)境與人群健康重點實驗室，環(huán)境與健康相關(guān)產(chǎn)品安全所，北京 100021；2. 河北科技大學環(huán)境科學與工程學院，河北 石家莊 050027)

空氣污染對人類健康的影響已經(jīng)成為重要的全球環(huán)境和公共衛(wèi)生問題。全球疾病負擔研究(Global Burden of Disease Study，GBD)顯示，2019年全球死亡相關(guān)危險因素中，空氣污染位居第4位，其中顆粒物的健康危害最為嚴重[1]。2019年顆粒物(PM)導致全球近414萬人過早死亡，占2019年全球所有死亡人數(shù)的8.0%。其中一半以上的死亡(58%)發(fā)生在中國和印度。1990—2019年，可歸因于PM的死亡人數(shù)約增長了50.6%。我國空氣污染較為嚴重，2019年我國大氣PM污染造成142.4萬例超額死亡，約占全球的34.4%[2-3]。近年來中國采取了大量的防控措施來治理空氣污染，空氣質(zhì)量得到了大幅度改善，但與世界平均水平相比，空氣污染水平仍較高，隨著人口的增長和老齡化，與空氣污染相關(guān)的疾病負擔形勢不容樂觀。細顆粒物(PM2.5)是我國首要空氣污染物，因此，為有效減少空氣污染對人群健康的有害影響，需要開展對PM2.5造成的疾病負擔的評估，確定高負擔的人群和地區(qū)，為制定和實施符合實際情況的空氣污染治理和健康風險防控措施提供科學的參考依據(jù)。

目前，我國已有不少研究開展了PM2.5相關(guān)超額死亡的評估，但多基于單一來源的暴露數(shù)據(jù)或者國外研究的暴露-反應關(guān)系(exposure-response，E-R)展開評估，不確定性較高[4-7]。Wang等[8]結(jié)合4種不同來源的PM2.5暴露濃度和GBD研究中用到的綜合暴露反應評估模型(Integrated exposure-response, IER)評估了2010年我國范圍內(nèi)2 826個縣區(qū)PM2.5相關(guān)死亡風險，結(jié)果顯示，全國由于PM2.5所致過早死亡人數(shù)為127萬人?，F(xiàn)階段，基于我國人群隊列數(shù)據(jù)獲得的E-R開展的PM2.5慢性疾病負擔研究仍較為欠缺。隨著環(huán)境與健康研究的發(fā)展，目前我國已建立起相關(guān)人群隊列，得到了一些基于本土人群暴露的空氣污染對健康定量效應的成果，為我國空氣污染相關(guān)疾病負擔評估研究的開展提供了重要的本土化參數(shù)。為了降低評估結(jié)果的不確定性，現(xiàn)結(jié)合多種來源的PM2.5暴露濃度數(shù)據(jù)、國內(nèi)外研究的E-R模型，進行不同情景下的歸因于環(huán)境PM2.5的超額死亡數(shù)評估和分析，為相關(guān)的政策制定提供數(shù)據(jù)基礎(chǔ)和科學依據(jù)。

1 研究方法

1.1 數(shù)據(jù)收集與預處理

收集了評估所需的PM2.5暴露濃度、全國區(qū)縣人口數(shù)、基礎(chǔ)疾病死亡率、PM2.5長期暴露死亡效應等數(shù)據(jù)集評估2015年我國不同情景的PM2.5長期暴露所致的超額死亡數(shù)。

1.1.1 PM2. 5暴露數(shù)據(jù)

基于本課題組前期開展的全國PM2.5時空模擬研究成果，即中國疾病預防控制中心環(huán)境所環(huán)境健康風險評估室(簡稱“環(huán)境所風評室”)數(shù)據(jù)[9]，以及來自全球疾病負擔評估(GBD 2015)、加拿大Dalhousie大學、美國Emory大學等研究團隊[10-12]開展的PM2.5濃度模擬成果，共5套2015年中國PM2.5年均暴露濃度數(shù)據(jù)。

1.1.2 暴露-反應關(guān)系

收集了目前國內(nèi)外PM2.5健康效應定量研究相關(guān)的最新研究成果，包括近年來我國多中心的人群隊列研究成果[13-15]，即Yin(2016)，Li(2018)，Yang(2020)3個研究得到的風險比(HR)，分別為1.09[13]，1.08[15]，1.11[14]，代表PM2.5暴露濃度每增加10 μg/m3，人群死亡風險分別增加8%，9%和11%；國外2套E-R模型：IER、全球暴露-死亡模型(Global Exposure Mortality Model, GEMM)[16-18]，作為本研究的PM2.5慢性死亡效應模型。

1.1.3 人口和基礎(chǔ)疾病死亡率數(shù)據(jù)

評估所需的全國2 826個區(qū)縣的人口數(shù)據(jù)主要來源于2010年全國第六次人口普查，包括 0～84歲、85歲及以上的所有以5年為間隔年齡組的人口信息[19]。分疾病、分年齡的死亡率分別來自中國疾病預防控制中心慢性非傳染性疾病預防控制中心(疾病終點為全因死亡數(shù))[20]和全球疾病負擔評估研究( GBD 2013) (疾病終點為慢性阻塞性肺病、缺血性心臟病、中風、肺癌和下呼吸道感染)[21]，使用省級基礎(chǔ)死亡率數(shù)據(jù)代表各區(qū)縣的值。

1.2 情景設置

采用上述5種不同來源的PM2.5年均暴露數(shù)據(jù)和5種E-R模型組合成25種參數(shù)組合情景，見表1。

表1 情景設置

1.3 評估超額死亡數(shù)

1.3.1 國內(nèi)暴露-反應關(guān)系

基于我國的隊列研究得到3套PM2.5長期暴露的E-R[13-15]，結(jié)合人口和全因死亡率數(shù)據(jù)，計算得到25歲以上成人與PM2.5相關(guān)超額死亡數(shù)，見公式(1)。

(1)

式中：M——區(qū)縣內(nèi)歸因于環(huán)境PM2.5暴露的超額死亡人數(shù)，例；P——區(qū)縣內(nèi)25歲以上人口數(shù)，例；I——區(qū)縣內(nèi)25歲以上人群死亡率(基于人口普查死亡率)，%；RR——主要是3種線性E-R的相對危險度取值(根據(jù)國內(nèi)的3個隊列研究得到的HR計算得出)。

1.3.2 國外暴露-反應關(guān)系

基于IER和GEMM模型的5種疾病終點的相對風險值來估計PM2.5相關(guān)超額死亡數(shù)，利用公式(2)估算了每個區(qū)縣內(nèi)不同年齡段的超額死亡數(shù)。其中每5歲為一個年齡段[16- 17]。

(2)

式中：Mi,j——區(qū)縣內(nèi)年齡段為i,疾病終點為j的可歸因于PM2.5暴露的超額死亡數(shù)，例；Pi——區(qū)縣內(nèi)年齡段為i的人口數(shù)，例；Ii,j——區(qū)縣內(nèi)年齡段為i，疾病終點為j的對應死亡率，%；RRi,j——從IER和GEMM模型獲取的對應的PM2.5濃度對應的相對風險值。

2 結(jié)果與分析

2.1 PM2.5質(zhì)量濃度分布情況

2015年不同數(shù)據(jù)來源的中國PM2.5年均暴露質(zhì)量濃度空間分布見圖1(a)(b)(c)(d)(e)。由圖1可見，不同數(shù)據(jù)來源的PM2.5濃度空間分布整體較為一致，但也存在一定差異。

圖1 2015年不同數(shù)據(jù)來源的中國PM2.5暴露質(zhì)量濃度空間分布

濃度較高地區(qū)主要分布在我國黃淮海地區(qū)和新疆西南部等地，西部、西南、內(nèi)蒙古等地濃度較低。以本課題組前期研究成果(環(huán)境所風評室數(shù)據(jù))為例，全國人口加權(quán)PM2.5質(zhì)量濃度為52.30 μg/m3，其中京津冀地區(qū)及河南、山東西部等地污染最為嚴重，部分區(qū)縣年均質(zhì)量濃度>95 μg/m3。

2.2 PM2.5相關(guān)超額死亡數(shù)評估

根據(jù)5套2015年中國PM2.5暴露數(shù)據(jù)和5種E-R模型，對PM2.5相關(guān)超額死亡數(shù)進行評估，結(jié)果見圖2。由圖2可見，2015年全國(覆蓋2 826個區(qū)縣)歸因于PM2.5相關(guān)的超額死亡數(shù)為75.0萬～256.5萬例。同一E-R模型，不同PM2.5暴露數(shù)據(jù)評估得到的PM2.5相關(guān)超額死亡數(shù)大小排序為：GBD 2015數(shù)據(jù) > 環(huán)境所風評室數(shù)據(jù)> 美國Emory大學數(shù)據(jù)(更新版)> 美國Emory大學數(shù)據(jù) > 加拿大Dalhousie大學數(shù)據(jù)。

圖2 不同情景評估的2015年中國PM2.5相關(guān)超額死亡數(shù)

基于不同E-R模型，評估2015年中國PM2.5相關(guān)的超額死亡數(shù)統(tǒng)計結(jié)果見圖3。由圖3可見，不同E-R模型評估得到的PM2.5相關(guān)超額死亡數(shù)大小順序為：Yang(2020)>Yin(2016)>Li(2018)>GEMM(2018)>IER(2016)?；趪鴥?nèi)E-R模型評估得到的超額死亡數(shù)為186.0萬～256.5萬例，而基于國外E-R模型(IER和GEMM模型)評估得到的超額死亡數(shù)為75.0萬～133.2萬例，基于國外模型評估得到的超額死亡數(shù)遠小于基于國內(nèi)的3個模型的評估結(jié)果。

圖3 不同E-R模型評估的2015年中國PM2.5相關(guān)超額死亡數(shù)

2.3 PM2.5相關(guān)超額死亡數(shù)的空間分布

各情景下PM2.5相關(guān)超額死亡數(shù)的空間分布格局較相似，污染較重、人口密集的黃淮海地區(qū)、四川盆地等具有較高的PM2.5相關(guān)超額死亡數(shù)?；诒菊n題組前期研究成果(環(huán)境所風評室數(shù)據(jù))的PM2.5質(zhì)量濃度數(shù)據(jù)，國外、國內(nèi)不同E-R模型評估的2015年中國PM2.5相關(guān)超額死亡數(shù)的空間分布見圖4(a)(b)和圖5(a)(b)(c)，其中紅色代表PM2.5相關(guān)超額死亡較高的區(qū)縣，綠色代表較低的區(qū)縣。5種E-R模型評估結(jié)果在空間上的分布基本一致，主要為重污染地區(qū)的京津冀、山東、河南、新疆、內(nèi)蒙古西部、西藏北部的超額死亡率較高。整體而言，大部分地區(qū)基于GEMM模型評估得到的PM2.5相關(guān)超額死亡數(shù)高于IER模型的評估結(jié)果；國內(nèi)的3個模型中基于Yang(2020)的評估結(jié)果也高于另外2個模型的評估結(jié)果。

圖4 國外E-R模型評估的2015年中國PM2.5相關(guān)超額死亡數(shù)的空間分布

圖5 國內(nèi)E-R模型評估的2015年中國PM2.5相關(guān)超額死亡數(shù)的空間分布

3 討論

根據(jù)2015年中國生態(tài)環(huán)境狀況公報[22]報道，2015年中國 PM2.5年均質(zhì)量濃度為55 μg/m3，與本研究中幾套PM2.5質(zhì)量濃度數(shù)據(jù)的均值較為接近。由于中國地面監(jiān)測站大多集中在中國中東部人口稠密地區(qū)，農(nóng)村地區(qū)和欠發(fā)達省份(例如西藏、青海和內(nèi)蒙古)較少，使用地面監(jiān)測站獲得的暴露數(shù)據(jù)通常會高估實際的全國PM2.5濃度均值[8, 23]。相反，使用衛(wèi)星反演的數(shù)據(jù)在空間上能覆蓋廣大農(nóng)村地區(qū)，因此，應用多套暴露數(shù)據(jù)進行評估能夠更科學地表達人群暴露分布和造成的健康風險[8]。

研究發(fā)現(xiàn)，基于國內(nèi)E-R模型評估的PM2.5相關(guān)超額死亡數(shù)遠大于國外E-R模型的評估結(jié)果，這與疾病終點和死亡效應值有關(guān)。國外2個模型的疾病終點為5種主要病種，總死亡數(shù)遠小于國內(nèi)模型的全死因死亡數(shù)。同時，國內(nèi)暴露反應關(guān)系模型的死亡數(shù)與濃度呈現(xiàn)正相關(guān)的線性關(guān)系[13-15]，而國外為非線性關(guān)系，死亡數(shù)與濃度呈非正相關(guān)關(guān)系，超過一定的閾值后E-R曲線出現(xiàn)平穩(wěn)狀態(tài)[18]。雖然國內(nèi)模型是基于我國人群的隊列研究所得，暴露濃度與死亡數(shù)更能夠準確表達我國的真實情況，但國內(nèi)的線性模型可能高估了我國PM2.5死亡效應，國外的非線性模型更加符合人群死亡效應，因此，未來應該結(jié)合2類模型的優(yōu)勢，并結(jié)合更多的人群隊列數(shù)據(jù)積累，獲取更準確的E-R關(guān)系進而獲得更可靠的PM2.5相關(guān)疾病負擔評估結(jié)果。

目前，已有幾項研究報告了我國部分地區(qū)或全國長期暴露于PM2.5導致的死亡負擔[6-7, 24-25]。Liang等[23]基于1 530個地面監(jiān)測站的數(shù)據(jù)和GEMM模型評估了2000—2016年全國PM2.5相關(guān)的超額死亡數(shù)，其中2015年成人超額死亡數(shù)約為160多萬例，略高于在本研究的基于環(huán)境所風評室和GEMM模型在相同的疾病終點下評估全國的超額死亡數(shù)(133萬例)。這可能是由于其使用的監(jiān)測站數(shù)據(jù)對于暴露的評估高于本研究中基于模型模擬得到的暴露數(shù)據(jù)。因為現(xiàn)有空氣質(zhì)量監(jiān)測站點大多分布在PM2.5濃度相對較高的城區(qū)和近郊，而空氣質(zhì)量較好的遠郊和農(nóng)村地區(qū)的監(jiān)測站點則分布較少。Wang等[8]基于IER模型評估了2010年我國2 826個縣區(qū)PM2.5相關(guān)的超額死亡數(shù)為127萬例，其中針對成人主要包括慢性阻塞性肺病、肺癌、缺血性心臟病、腦卒中等；而5歲以下兒童則多死于急性下呼吸道感染。從空間差異來看，由于較高的空氣污染及人口密度，京津冀地區(qū)和華北平原風險較高。Liu等[4]評估了全國PM2.5相關(guān)的超額死亡數(shù)從 2004 年的80萬例增加至 2012 年的120萬例，其中疾病終點針對成人的肺癌、缺血性心臟病和中風。空間上超額死亡數(shù)較高為京津冀、長三角、珠三角、四川盆地、山東、河南等空氣污染較重的地區(qū)或人口密度高的地區(qū)。本研究的PM2.5相關(guān)超額死亡數(shù)的空間分布與以上2項研究結(jié)果相似。

我國作為一個人口眾多、幅員遼闊的發(fā)展中國家，空氣污染水平、人口密度、年齡結(jié)構(gòu)和經(jīng)濟發(fā)展在空間上存在巨大差異，因此空氣污染防治和健康風險防控政策措施也應根據(jù)各地特征，因地制宜地制定。在本研究中，京津冀地區(qū)、山東、河南等重污染地區(qū)，以及空氣相對清潔但人口密度較高的廣東的超額死亡數(shù)較高。因此，污染嚴重的地區(qū)需重點關(guān)注，加強空氣污染防控和減排；同時對于人口稠密的地區(qū)需要制定更嚴格的空氣質(zhì)量標準和政策，降低其健康危害和疾病負擔。

本研究采用了最新的暴露數(shù)據(jù)集和E-R模型進行參數(shù)組情景設置，以了解中國PM2.5相關(guān)超額死亡數(shù)的空間分布差異。與之前的研究相比，具有一定的創(chuàng)新性。首先，本研究使用了5套不同數(shù)據(jù)來源的PM2.5暴露濃度數(shù)據(jù)，覆蓋了全國范圍內(nèi)的區(qū)縣，可以有效地減少評估疾病負擔時與暴露估計相關(guān)的不確定性。其次，之前的評估研究大多運用國外研究的IER 和GEMM的E-R模型，而本研究基于我國本土人群隊列數(shù)據(jù)獲得的E-R開展PM2.5慢性疾病負擔研究，同時運用多種E-R模型評估，得到疾病負擔的區(qū)間范圍，有利于減少評估的不確定性。

本研究存在一定的局限性，如疾病的基礎(chǔ)死亡率是省級尺度的，區(qū)縣級基礎(chǔ)死亡率對于評估區(qū)縣級的超額死亡數(shù)及其空間分布更為科學，但目前區(qū)縣級分病種的基礎(chǔ)死亡率數(shù)據(jù)無法獲取，因此采用了省級基線死亡率數(shù)據(jù)。為了使未來研究結(jié)果表達更加科學，中國應系統(tǒng)地收集和提供縣級疾病特定基線死亡率的統(tǒng)計數(shù)據(jù)[8]。

4 結(jié)語

應用多種來源的 PM2.5暴露濃度數(shù)據(jù)和E-R模型評估了2015年中國PM2.5相關(guān)超額死亡數(shù)，觀察到不同E-R模型得到的疾病負擔差異較大，運用國內(nèi)研究的E-R模型評估的疾病負擔結(jié)果較國外模型的評估結(jié)果更大。未來應加強我國PM2.5與人群健康的隊列研究，基于中國國內(nèi)的E-R模型和考慮人口結(jié)構(gòu)變化的影響開展PM2.5相關(guān)疾病負擔的評估與預估研究，為PM2.5健康風險的精細化定量化探索提供線索。