李俊林 徐靜 尹立 王式功 周馬 LI Junlin XU Jing

1.成都信息工程大學(xué)大氣科學(xué)學(xué)院，環(huán)境氣象與健康研究院，成都，610225

2.河北省秦皇島市氣象局，秦皇島，066000

3.河北省氣象與生態(tài)環(huán)境重點(diǎn)實(shí)驗(yàn)室，石家莊，050021

4.攀枝花市中心醫(yī)院氣象醫(yī)學(xué)研究中心，攀枝花，617000

5.河北省秦皇島市疾病預(yù)防控制中心，秦皇島，066000

1 引言

根據(jù)聯(lián)合國政府間氣候變化專門委員會(huì)（IPCC）第六次評(píng)估報(bào)告（IPCC，2021），人類活動(dòng)影響下全球氣候變化迅速且強(qiáng)勁，極端天氣事件的發(fā)生頻率與強(qiáng)度顯著增大，將嚴(yán)重影響人類的生命健康。對(duì)全球不同地區(qū)的研究（Guo，et al，2014；Wang，et al，2017）表明，氣溫對(duì)死亡的暴露反應(yīng)關(guān)系呈“U”型或“V”型分布 。以往研究側(cè)重于氣溫、相對(duì)濕度等常規(guī)氣象要素對(duì)死亡的影響，越來越多的流行病學(xué)研究發(fā)現(xiàn)氣溫變化同樣是不可忽視的環(huán)境危險(xiǎn)因素。反映氣溫變化的2 個(gè)重要指標(biāo)：氣溫日較差（Diurnal temperature change，DTR）表示一天中最高氣溫與最低氣溫之差，常作為氣溫的日內(nèi)變化指標(biāo)；24 h 變溫（Temperature change between neighboring days，TCN）表示當(dāng)日平均氣溫與前一日平均氣溫的差值，反映的是氣溫的日際變化。近年來，研究發(fā)現(xiàn)氣溫變化與死亡率關(guān)系密切：氣溫的急劇變化會(huì)刺激人體正常生理系統(tǒng)，如果人體適應(yīng)能力不足，會(huì)對(duì)健康造成嚴(yán)重威脅，并加劇已患有慢性疾病人群的病情，導(dǎo)致其死亡風(fēng)險(xiǎn)增 加（Cheng，et al，2014a；Zheng，et al，2020）。Lim 等（2012）分析了韓國6 個(gè)城市的氣溫日較差與死亡人數(shù)的關(guān)系，結(jié)果表明，大多數(shù)地區(qū)的非意外死亡人數(shù)與氣溫日較差呈線性增長。美國的一項(xiàng)死亡率研究（Lim，et al，2015）表明，氣溫日較差每升高1℃，非意外死亡人數(shù)增加0.27%（95%置信區(qū)間（95%CI）：0.24%—0.30%），心血管死亡人數(shù)增加0.35%（95%CI：0.31%—0.40%）。此外，24 h變溫與死亡人數(shù)也密切相關(guān)，美國的一項(xiàng)對(duì)106 個(gè)社區(qū)的研究（Zhan，et al，2017）表明，極端24 h變溫對(duì)非意外死亡、循環(huán)和呼吸系統(tǒng)疾病死亡有顯著影響，正變溫存在顯著的風(fēng)險(xiǎn)效應(yīng)，而負(fù)變溫具有一定的保護(hù)效應(yīng)，且不同性別、年齡人群的死亡風(fēng)險(xiǎn)有明顯差異。中國的相關(guān)研究（Zhou，et al，2014）也表明，在寒冷季節(jié)，氣溫日較差對(duì)8 個(gè)城市非意外死亡、循環(huán)系統(tǒng)疾病死亡、呼吸系統(tǒng)疾病死亡都存在短期風(fēng)險(xiǎn)影響，在滯后1 d 時(shí)，氣溫日較差每增加1℃，非意外死亡率、循環(huán)系統(tǒng)疾病死亡率、呼吸系統(tǒng)疾病死亡率分別增加0.42%（95%CI：0.14%—0.70%）、0.45%（95%CI：0.26%—0.65%）、0.76%（95%CI：0.24%—1.29%），且女性和老年人群（≥65 歲）的死亡與氣溫日較差相關(guān)更強(qiáng)。Cheng 等（2014b）在安徽省馬鞍山市的研究發(fā)現(xiàn)，在滯后7 d 情況下，24 h 變溫每升高6.9℃，非意外死亡和心血管疾病死亡的相對(duì)危險(xiǎn)度分別為1.09（95%CI：1.02—1.18）和1.35（95%CI：1.11—1.65）。由此可見，對(duì)于不同氣候特征地區(qū)、不同經(jīng)濟(jì)狀況城市，氣溫變化對(duì)居民死亡人數(shù)的影響不相同（楊軍，2017）。目前中國關(guān)于氣溫變化對(duì)死亡風(fēng)險(xiǎn)的影響研究主要集中在經(jīng)濟(jì)較發(fā)達(dá)的城市，且以氣溫日較差的研究居多。河北省秦皇島市是中外知名的康養(yǎng)旅游城市，享有“避暑勝地”的美譽(yù)，因此，人們對(duì)當(dāng)?shù)靥鞖?、氣候變化的健康利弊影響關(guān)注度很高，但華北沿海地區(qū)在此方面的研究卻鮮有報(bào)道，故很有必要開展研究。

文中利用2014—2020 年秦皇島市的逐日氣象要素?cái)?shù)據(jù)和居民死亡數(shù)據(jù)，著重研究平均氣溫、氣溫日較差和24 h 變溫對(duì)當(dāng)?shù)胤且馔馑劳?、循環(huán)系統(tǒng)疾病死亡、呼吸系統(tǒng)疾病死亡人數(shù)的影響，分析性別、年齡分層的居民死亡人群對(duì)氣溫變化的響應(yīng)關(guān)系，以期探明受氣溫及其變化影響較大的敏感人群，為當(dāng)?shù)厝翊蠼】嫡吆蛻?yīng)對(duì)人口老齡化措施制定以及更好地開展氣候康養(yǎng)服務(wù)提供科學(xué)依據(jù)。

2 資料與方法

2.1 資料來源

秦皇島市位于中國華北沿海地區(qū)（39°24′—40°37′N，118°33′—119°51′E），地勢北高南低。氣候?qū)倥瘻貛О霛駶櫞箨懶约撅L(fēng)氣候，因南臨渤海，受海洋影響較大，夏季溫?zé)釤o酷暑，冬季漫長無嚴(yán)寒。研究期間秦皇島市全年平均氣溫11.7℃，平均相對(duì)濕度59%。

死亡數(shù)據(jù)來源于中國疾病預(yù)防控制信息系統(tǒng)，收集了2014 年1 月1 日—2020 年12 月31 日秦皇島市逐日死亡數(shù)據(jù)，剔除掉生前常住地址不在秦皇島市區(qū)、縣的數(shù)據(jù)后，死亡病例共計(jì)93770 例。按照國際疾病分類標(biāo)準(zhǔn)第10 版（ICD-10）（衛(wèi)生部衛(wèi)生統(tǒng)計(jì)信息中心等，2001），篩選出非意外死亡（ICD-10：A00—R99）及其中對(duì)天氣、氣候變化最為敏感的循環(huán)系統(tǒng)疾病死亡（ICD-10：I00—I99）和呼吸系統(tǒng)疾病死亡（ICD-10：J00—J99），二者分別占非意外死亡的56.1%和8.9%。死亡數(shù)據(jù)信息包括性別、年齡、死亡時(shí)間、生前常住地址類型、根本死亡原因ICD 編碼等（已脫敏）。

氣象數(shù)據(jù)來源于秦皇島市氣象局，包括2014年1 月1 日—2020 年12 月31 日全市5 個(gè)區(qū)、縣氣象站的逐日氣溫、氣壓、相對(duì)濕度等。文中所用的日均氣象數(shù)據(jù)為5 個(gè)區(qū)、縣日均數(shù)據(jù)的平均。

污染數(shù)據(jù)來源于河北省環(huán)境氣象業(yè)務(wù)平臺(tái)，收集了分布在秦皇島市的12 個(gè)環(huán)境監(jiān)測站的污染物濃度數(shù)據(jù)，包括PM10、PM2.5、二氧化硫（SO2）、二氧化氮（NO2）、一氧化碳（CO）等逐日數(shù)據(jù)。文中使用12 個(gè)監(jiān)測站的平均濃度作為當(dāng)?shù)匚廴疚锏娜掌骄鶟舛取?/p>

2.2 統(tǒng)計(jì)方法

由于每日居民死亡人數(shù)大致符合泊松分布，而且氣溫及氣溫變化對(duì)死亡人數(shù)的影響呈非線性關(guān)系且存在一定的滯后效應(yīng)，此外流行病學(xué)已廣泛使用分布滯后非線性模型（DLNM）來評(píng)估氣象要素或污染因子所帶來的死亡風(fēng)險(xiǎn)（Gasparrini，et al，2010，2015；Gasparrini，2014），故本研究使用廣義相加模型（GAM）結(jié)合分布滯后非線性模型（DLNM）來評(píng)估秦皇島市氣溫及其變化對(duì)居民死亡的暴露滯后反應(yīng)關(guān)系。在建立模型框架之前，為了避免模型因子中存在共線性，檢驗(yàn)了氣象要素與污染因子的斯皮爾曼（Spearman）相關(guān)，若兩變量的相關(guān)強(qiáng)（相關(guān)系數(shù)|r|＞0.8），則表示兩變量的共線性強(qiáng)，不納入同一模型（Xiao，et al，2021）。

文中基本模型框架參照以往研究（Gasparrini，et al，2015；Ma，et al，2021）。模型中時(shí)間序列長期趨勢項(xiàng)的自由度設(shè)置為56（8/a，共7 a），并加入節(jié)假日和星期變量來去除節(jié)假日和星期效應(yīng)。同時(shí)通過樣條函數(shù)控制相對(duì)濕度的潛在影響，其自由度設(shè)置為3（Ma，et al，2014；Chen，et al，2022）。評(píng)價(jià)氣溫的模型中建立了氣溫的交叉基函數(shù)，對(duì)日均氣溫采用二次B 樣條函數(shù)，并設(shè)置3 個(gè)內(nèi)部節(jié)點(diǎn)位于氣溫的10%、75%、90%分位數(shù)上，在滯后空間中設(shè)置對(duì)數(shù)尺度的3 個(gè)等距節(jié)點(diǎn)；評(píng)價(jià)氣溫日較差和24 h 變溫的模型中分別建立相對(duì)應(yīng)的交叉基，對(duì)氣溫日較差和24 h 變溫均使用自由度為3 的自然立方樣條函數(shù)，在滯后空間同樣設(shè)置對(duì)數(shù)尺度的3 個(gè)等距節(jié)點(diǎn)，自由度設(shè)置為2，并使用樣條函數(shù)控制氣溫的潛在影響，自由度設(shè)置為3。根據(jù)赤池信息準(zhǔn)則（AIC）來選擇模型因子的最適自由度。文中采用相對(duì)危險(xiǎn)度（Relative Risk，RR）作為暴露-反應(yīng)評(píng)價(jià)指標(biāo)，氣溫日較差和24 h 變溫的累積相對(duì)危險(xiǎn)度由暴露滯后反應(yīng)函數(shù)在滯后時(shí)長上的積分所得。選擇累積相對(duì)風(fēng)險(xiǎn)最低對(duì)應(yīng)的氣溫及氣溫日較差作為各自的最適值；對(duì)于24 h 變溫，則選擇0℃作為最適24 h 變溫（Xiao，et al，2021）。

將死亡人群按性別（男、女）和年齡（0—64 歲、≥65 歲）分組，分析不同人群對(duì)氣溫變化的適應(yīng)能力，確定氣溫變化敏感人群。經(jīng)檢驗(yàn)，氣溫與氣溫日較差、24 h 變溫的共線性弱，可建立非參數(shù)雙變量響應(yīng)模型（張瑩等，2017）來模擬氣溫及其變化對(duì)居民死亡人數(shù)的影響，直觀展示二者對(duì)居民死亡人數(shù)的協(xié)同作用。

文中使用R 軟件4.0.2 版本中的mgcv 和dlnm程序包進(jìn)行數(shù)據(jù)分析、繪圖，相對(duì)危險(xiǎn)度評(píng)估結(jié)果由DLNM 模型輸出。

2.3 敏感性檢驗(yàn)

為了檢驗(yàn)?zāi)Ｐ偷姆€(wěn)定性，進(jìn)行如下敏感性檢驗(yàn)：①改變模型中時(shí)間趨勢項(xiàng)的自由度（7 或9）。②改變模型中相對(duì)濕度的自由度（2 或4）。③調(diào)整模型的最大滯后天數(shù)（7、14、21 d）。④將污染物濃度數(shù)據(jù)（包括PM2.5、SO2、NO2、CO）作為混雜因子加入模型。與基本模型相比，改變以上參數(shù)后評(píng)估效果沒有明顯差異（見附錄附圖1—4，附表1、2），說明模型具有一定穩(wěn)定性。對(duì)于所有的敏感性檢驗(yàn)，均使用α=0.05 的顯著性t檢驗(yàn)，P值小于0.05表示具有統(tǒng)計(jì)學(xué)意義。

3 結(jié)果與分析

3.1 描述性分析

表1 為研究期間環(huán)境要素和居民死亡人數(shù)統(tǒng)計(jì)結(jié)果，日均非意外死亡35 人，其中循環(huán)系統(tǒng)疾病每日致死20 人，呼吸系統(tǒng)疾病每日致死3 人。根據(jù)性別和年齡劃分發(fā)現(xiàn)，3 類死亡男性均大于女性，老年人群（≥65 歲）均大于年輕人群（0—64 歲）。

表1 2014—2020 年秦皇島市每日死亡情況及環(huán)境要素的統(tǒng)計(jì)Table 1 Descriptive statistics of daily deaths and meteorological factors in Qinhuangdao during 2014—2020

如圖1a 所示，3 類死亡人數(shù)與氣溫呈反位相關(guān)系，即3 類死亡人數(shù)在冬季達(dá)到全年峰值，在夏季位于全年谷值。由圖1b 可知，非意外死亡和循環(huán)系統(tǒng)疾病死亡人數(shù)在7 月最低，1 月最高。而呼吸系統(tǒng)疾病死亡人數(shù)在5 月最低，1 月最高。值得注意的是，2014—2020 年非意外死亡和循環(huán)系統(tǒng)疾病死亡人數(shù)呈逐年上升趨勢，且變化趨勢基本一致，而呼吸系統(tǒng)疾病死亡在研究時(shí)段變化幅度相對(duì)較小。

圖1 2014—2020 年秦皇島市（a）死亡人數(shù)與氣溫的逐月分布和（b）月平均氣溫與死亡人數(shù)變化Fig.1 Monthly distribution map of mortality and temperature（a）and monthly average map of temperature and mortality（b）in Qinhuangdao from 2014 to 2020

3.2 氣溫對(duì)居民死亡人數(shù)的影響

以往研究（Gasparrini，et al，2015；Chen，et al，2018）表明，氣溫對(duì)死亡的影響可達(dá)3 周，故文中將滯后最大天數(shù)設(shè)為21 d。圖2 為氣溫對(duì)3 類死亡影響的累積暴露-反應(yīng)關(guān)系（圖2a、c、e）、滯后效應(yīng)剖面（圖2b、d、f），以最適氣溫作為模型的參考?xì)鉁?，并以此作為冷、熱效?yīng)的分界點(diǎn)，圖2a、c、e 中藍(lán)色曲線代表冷效應(yīng)的暴露，紅色曲線代表熱效應(yīng)的暴露。如圖所示，氣溫對(duì)非意外死亡和循環(huán)系統(tǒng)疾病死亡的影響類似，其累積暴露曲線都呈“U”型分布，非意外死亡和循環(huán)系統(tǒng)疾病死亡的最適氣溫分別為26.1℃和26℃，以最適氣溫為參考，隨著氣溫的上升或下降，氣溫對(duì)非意外死亡和循環(huán)系統(tǒng)疾病死亡的累積風(fēng)險(xiǎn)均呈上升趨勢，而且均有統(tǒng)計(jì)學(xué)意義。由圖2b 可知，低溫對(duì)非意外死亡和循環(huán)系統(tǒng)疾病死亡的影響有明顯的滯后效應(yīng)，分別在滯后3 d 和5 d 效應(yīng)最強(qiáng)，可持續(xù)到第10 天；高溫的影響則表現(xiàn)出即時(shí)效應(yīng)，滯后影響可持續(xù)到第4 天。由圖2e 可知，氣溫對(duì)呼吸系統(tǒng)疾病死亡的最適溫度為27.1℃，累積風(fēng)險(xiǎn)在低溫段內(nèi)波動(dòng)，-7.1℃達(dá)到累積風(fēng)險(xiǎn)峰值，隨后風(fēng)險(xiǎn)逐漸降低。在高溫段，累積風(fēng)險(xiǎn)隨氣溫的升高而升高，但其置信區(qū)間較寬。低溫對(duì)呼吸系統(tǒng)疾病死亡同樣存在5 d 左右的滯后，而高溫的即時(shí)效應(yīng)并不顯著。

圖2 平均氣溫對(duì)死亡累積21 d 的暴露-反應(yīng)關(guān)系（a、c、e，灰色區(qū)域?yàn)镽R 的95%CI）和滯后效應(yīng)（b、d、f，色階為相對(duì)危險(xiǎn)度）（a、b.非意外死亡，c、d.循環(huán)系統(tǒng)疾病死亡，e、f.呼吸系統(tǒng)疾病死亡）Fig.2 The cumulative 21 d exposure-response relationship of average temperature to mortality（a，c，e；areas shaded in grey indicate the 95%CI of RR）and lagged mortality due to average temperature（b，d，f；shaded：RR）（a，b.non-accidental mortality；c，d.cardiovascular mortality；e，f.respiratory mortality）

根據(jù)Zhang 等（2020）量化中國15 個(gè)城市的氣溫對(duì)非意外死亡的負(fù)擔(dān)，在氣溫滯后21 d 情況下，哈爾濱市氣溫在-24.3℃（氣溫的5%分位數(shù)）時(shí)的累積相對(duì)危險(xiǎn)度為1.42（95%CI：1.25—1.59），南京市氣溫在32.6℃（氣溫的95%分位數(shù)）時(shí)的累積相對(duì)危險(xiǎn)度為1.51（95%CI：1.42—1.6）。相比之下，秦皇島市氣溫對(duì)死亡的風(fēng)險(xiǎn)效應(yīng)更弱，凸顯了秦皇島市作為中外知名旅游城市的康養(yǎng)優(yōu)勢。

3.3 氣溫日較差和24 h 變溫對(duì)居民死亡人數(shù)的影響

基于模型分析，發(fā)現(xiàn)氣溫日較差對(duì)居民死亡人數(shù)的影響當(dāng)天最大且可持續(xù)3 d（表2，附圖2）。由表2 可見，非意外死亡和循環(huán)系統(tǒng)疾病死亡，極高氣溫日較差對(duì)女性存在顯著即時(shí)影響，累積3 d（lag03）死亡風(fēng)險(xiǎn)最大（非意外死亡的相對(duì)危險(xiǎn)度為1.19（95%CI：1.06—1.33），循環(huán)系統(tǒng)疾病死亡的相對(duì)危險(xiǎn)度為1.2（95%CI：1.05—1.37）），對(duì)男性存在顯著的滯后效應(yīng)，累積7 d（lag07）的風(fēng)險(xiǎn)最大（非意外死亡相對(duì)危險(xiǎn)度為1.16（95%CI：1.01—1.33），循環(huán)系統(tǒng)疾病死亡相對(duì)危險(xiǎn)度為1.33（95%CI：1.13—1.56））。65 歲以上老年人群的死亡風(fēng)險(xiǎn)在累積3 d（lag03）最大（非意外死亡的相對(duì)危險(xiǎn)度為1.2（95%CI：1.08—1.32），循環(huán)系統(tǒng)疾病死亡相對(duì)危險(xiǎn)度為1.28（95%CI：1.15—1.42），呼吸系統(tǒng)疾病死亡相對(duì)危險(xiǎn)度為1.66（95%CI：1.04—2.67）），而且老年人群的死亡風(fēng)險(xiǎn)明顯大于65 歲以下的年輕人群。

表2 不同性別、年齡不同滯后期極高氣溫日較差（99%分位數(shù)，19℃）的死亡風(fēng)險(xiǎn)Table 2 Risk of mortality under extreme high DTR（99th，19℃）over different lagging periods by sex and age

圖3 為不同性別、年齡下氣溫日較差與死亡人數(shù)的總體暴露-反應(yīng)關(guān)系。如圖3a1、b1所示，非意外死亡與循環(huán)系統(tǒng)疾病死亡的總體暴露-反應(yīng)曲線呈近似“U”型分布，最適氣溫日較差分別為5℃和6.3℃，以最適氣溫日較差為參考，隨著氣溫日較差減小，累積相對(duì)風(fēng)險(xiǎn)會(huì)增加，但無統(tǒng)計(jì)學(xué)意義；隨著氣溫日較差增大，累積相對(duì)風(fēng)險(xiǎn)顯著增大，但當(dāng)氣溫日較差增加到一定程度，相對(duì)風(fēng)險(xiǎn)增長相對(duì)緩慢。相關(guān)環(huán)境生物學(xué)研究（Tang，et al，2021）表明，較大的氣溫日較差會(huì)影響體液和細(xì)胞免疫功能，從而可能改變自主神經(jīng)功能，誘發(fā)一系列心血管疾病。呼吸系統(tǒng)疾病死亡的最適氣溫日較差為1.2℃，雖然隨氣溫日較差的增加，相對(duì)危險(xiǎn)度基本呈近似單調(diào)增長的趨勢，但是其置信區(qū)間較寬。

圖4 為不同性別和年齡24 h 變溫與居民死亡的總體暴露-反應(yīng)關(guān)系?；谀Ｐ头治?，發(fā)現(xiàn)24 h變溫對(duì)居民死亡人數(shù)的影響當(dāng)天最大且可持續(xù)10 d（表3，附圖3），此結(jié)果與 Guo 等（2016）的研究結(jié)果一致，但與熱帶區(qū)域相比，中緯度地區(qū)的人群受氣溫變化的滯后效應(yīng)影響更強(qiáng)。圖4 顯示，24 h 變溫與3 類死亡的總體暴露-反應(yīng)曲線均呈非線性增長趨勢，即暴露于正變溫下會(huì)增加所有人群的非意外、循環(huán)系統(tǒng)疾病和呼吸系統(tǒng)疾病死亡風(fēng)險(xiǎn)，且正變溫越大，死亡風(fēng)險(xiǎn)越大。分組結(jié)果表明，女性仍然是較敏感人群，受正變溫的即時(shí)影響較大，而正變溫對(duì)男性存在一定的滯后效應(yīng)，65 歲以上人群的死亡風(fēng)險(xiǎn)明顯大于0—64 歲人群。初步分析可能有下列幾方面的原因：與男性相比，女性對(duì)周圍環(huán)境變化的適應(yīng)能力相對(duì)較弱，故對(duì)溫度變化更敏感。老年人群體溫調(diào)節(jié)功能和身體抵抗力隨著年齡的增長而逐漸下降，所以其對(duì)氣溫異常變化的適應(yīng)能力較差，從而導(dǎo)致其死亡率較高。雖然本研究呼吸系統(tǒng)疾病死亡數(shù)據(jù)量有限，但在極端氣溫變化下，老年人群的呼吸系統(tǒng)疾病死亡風(fēng)險(xiǎn)明顯高于其他人群，這一結(jié)果與以往研究結(jié)果（Zhou，et al，2014；Zhan，et al，2017）一致。

圖3 氣溫日較差與全部人群（a1—c1）及不同性別（a2—c2.男，a3—c3.女）、年齡（a4—c4.0—64，a5—c5.≥65）居民死亡人數(shù)的總體暴露-反應(yīng)曲線（a.非意外死亡，b.循環(huán)系統(tǒng)疾病死亡，c.呼吸系統(tǒng)疾病死亡；灰色區(qū)域?yàn)橄鄬?duì)危險(xiǎn)度的95%置信區(qū)間）Fig.3 Overall exposure-response relationships between DTR and mortality of residents stratified by all（a1—c1），sex（a2—c2.male，a3—c3.famale）and age（a4—c4.0—64，a5—c5.≥65）（areas shaded in grey indicate the 95%CI of RR）

圖4 24 h 變溫與全部人群（a1—c1）及不同性別（a2—c2.男，a3—c3.女）、年齡（a4—c4.0—64，a5—c5.≥ 65）居民死亡人數(shù)的總體暴露-反應(yīng)曲線（a.非意外死亡，b.循環(huán)系統(tǒng)疾病死亡，c.呼吸系統(tǒng)疾病死亡；灰色區(qū)域?yàn)橄鄬?duì)危險(xiǎn)度的95%置信區(qū)間）Fig.4 Overall exposure-response relationships between TCN and mortality of residents stratified by all（a1—c1），sex（a2—c2.male，a3—c3.famale）and age（a4—c4.0—64，a5—c5.≥65）（areas shaded in grey indicate the 95%CI of RR）

極高24 h 變溫（4.8℃）（表3）當(dāng)天（lag0）的死亡風(fēng)險(xiǎn)最大（非意外死亡相對(duì)危險(xiǎn)度為1.11（95%CI：1.06—1.17）；循環(huán)系統(tǒng)疾病死亡的相對(duì)危險(xiǎn)度為1.15（95%CI：1.08—1.21）；呼吸系統(tǒng)疾病死亡相對(duì)危險(xiǎn)度為1.14（95%CI：1.01—1.29））。負(fù)變溫保護(hù)效應(yīng)的原因目前尚不清楚，有待今后進(jìn)一步研究。文中結(jié)果與中外相關(guān)研究結(jié)果一致，如，美國一項(xiàng)關(guān)于106 個(gè)社區(qū)的研究（Zhan，et al，2017）表明：正變溫與死亡率升高顯著相關(guān)，而負(fù)變溫與死亡率降低顯著相關(guān)。中國深圳（Xiao，et al，2021）、安徽省馬鞍山市（Cheng，et al，2014b）、廣州（Lin，et al，2013）等地的相關(guān)研究都得出類似的結(jié)論。相關(guān)流行病學(xué)研究（Zanobetti，et al，2012）表明，當(dāng)24 h 變溫大幅度升高時(shí)，人體熱交換調(diào)節(jié)系統(tǒng)難以適應(yīng)，可能會(huì)使心率和血壓升高，降低人體免疫功能，從而誘發(fā)循環(huán)系統(tǒng)疾病。

表3 不同性別、年齡在極高24 h 變溫（99%分位數(shù)，4.8℃）下不同滯后期的死亡風(fēng)險(xiǎn)Table 3 Risk of mortality under extreme high TCN（99th，4.8℃）over different lagging periods by sex and age

3.4 氣溫與變溫的協(xié)同作用對(duì)居民死亡人數(shù)的影響

圖5 為當(dāng)天（lag0）氣溫與氣溫日較差（圖5a—c）、24 h 變溫（圖5d—f）對(duì)3 類死亡人數(shù)的協(xié)同效應(yīng)。由圖5a—c 可知，低溫和極低氣溫日較差共存情況下，非意外死亡和循環(huán)系統(tǒng)疾病死亡人數(shù)均達(dá)到最大；而低溫和極高氣溫日較差共存情況下，呼吸系統(tǒng)疾病死亡人數(shù)達(dá)到最大，氣溫與氣溫日較差的協(xié)同效應(yīng)對(duì)3 類死亡風(fēng)險(xiǎn)影響差異較大。由圖5d—f 可知，低溫和24 h 變溫高值共存情況下，3 類疾病的死亡人數(shù)均達(dá)到最大，即低溫與高24 h 變溫對(duì)3 類死亡人數(shù)的影響具有協(xié)同加強(qiáng)作用。因此，推斷低溫會(huì)加強(qiáng)氣溫變化所造成的死亡風(fēng)險(xiǎn)。

圖5 氣溫與氣溫日較差（a—c）、24 h 變溫（d—f）協(xié)同作用對(duì)非意外死亡（a、d）、循環(huán)（b、e）、呼吸（c、f）系統(tǒng)疾病死亡人數(shù)的影響（氣溫、氣溫日較差、24 h 變溫均為當(dāng)天）Fig.5 Bivariate response surfaces of temperature with DTR（a—c）and TCN（d—f）on non-accidental mortality（a，d），cardiovascular mortality（b，e）and respiratory mortality（c，f）in Qinhuangdao（lag 0 d for temperature，DTR and TCN）

4 結(jié)論和討論

文中研究了秦皇島市氣溫、氣溫日較差與24 h變溫對(duì)居民非意外死亡、循環(huán)系統(tǒng)疾病死亡、呼吸系統(tǒng)疾病死亡的風(fēng)險(xiǎn)效應(yīng)。主要得到下列結(jié)果：

（1）氣溫對(duì)秦皇島居民非意外死亡和循環(huán)系統(tǒng)疾病死亡的累積風(fēng)險(xiǎn)影響呈“U”型分布，以最適氣溫為參考，隨著氣溫的上升或下降，氣溫對(duì)非意外死亡和循環(huán)系統(tǒng)疾病死亡的累積風(fēng)險(xiǎn)均呈上升趨勢。氣溫的冷效應(yīng)對(duì)上述死亡的影響存在10 d 左右的滯后性，而熱效應(yīng)則具有即時(shí)性，即當(dāng)天的相對(duì)風(fēng)險(xiǎn)最大，4 d 左右效應(yīng)消失。

（2）氣溫日較差對(duì)非意外死亡、循環(huán)系統(tǒng)疾病死亡的總體暴露曲線呈近似“U”型分布，以最適氣溫日較差為參考，氣溫日較差越大造成當(dāng)?shù)鼐用穹且馔馑劳龊脱h(huán)系統(tǒng)疾病死亡風(fēng)險(xiǎn)也越大，死亡風(fēng)險(xiǎn)在暴露當(dāng)天最大且可持續(xù)3 d 左右。雖然呼吸系統(tǒng)疾病死亡的累積死亡風(fēng)險(xiǎn)與氣溫日較差呈正相關(guān)，但顯著性不強(qiáng)。

（3）隨著24 h 變溫增大，3 類死亡累積相對(duì)風(fēng)險(xiǎn)呈非線性遞增趨勢，即正變溫具有顯著的風(fēng)險(xiǎn)效應(yīng)，且死亡風(fēng)險(xiǎn)隨著正變溫增大而增大。此外，24 h變溫對(duì)秦皇島市居民死亡存在10 d 左右的滯后影響。

（4）性別、年齡分組研究結(jié)果顯示，氣溫變化對(duì)不同性別、年齡人群的影響有明顯差異。無論是氣溫日較差或是24 h 變溫，女性對(duì)氣溫變化比較敏感，當(dāng)天的死亡風(fēng)險(xiǎn)最強(qiáng)，而氣溫變化對(duì)男性人群存在一定的滯后效應(yīng)。此外，老年人群更易受到氣溫變化的影響。

本研究在考慮了氣溫本身影響的前提下，重點(diǎn)分析了氣溫日較差和24 h 變溫這兩個(gè)反映氣溫變化的重要指標(biāo)與居民死亡的關(guān)系。并將總死亡分解為非意外死亡（剔除了與氣象條件變化無關(guān)的意外死亡）、循環(huán)系統(tǒng)疾病死亡、呼吸系統(tǒng)疾病死亡，特別是在氣溫變化對(duì)居民死亡人數(shù)的影響方面做了較為細(xì)致的分析。但由于死亡數(shù)據(jù)的獲取存在較大困難，數(shù)據(jù)量仍存在局限，有待今后進(jìn)一步完善。此外，負(fù)變溫顯現(xiàn)出一定的保護(hù)效應(yīng)，機(jī)制尚不清楚，有待后續(xù)工作對(duì)此進(jìn)行更深入的研究。

附錄：敏感性檢驗(yàn)結(jié)果range on blood pressure among 46，609 people in Northwestern China.Sci Total Environ，730：138987

Zhou X D，Zhao A，Meng X，et al.2014.Acute effects of diurnal temperature range on mortality in 8 Chinese cities.Sci Total Environ，493：92-97

附圖1 平均氣溫對(duì)死亡人數(shù)影響的滯后14 d 剖面（a.非意外死亡，b.循環(huán)系統(tǒng)疾病死亡，c.呼吸系統(tǒng)疾病死亡；色階：相對(duì)危險(xiǎn)度）Fig.A1 The cumulative 14 d lagged mortality due to average temperature（a.non-accidental mortality，b.cardiovascular mortality，c.respiratory mortality；shaded：RR）

附圖2 氣溫日較差對(duì)死亡人數(shù)影響的滯后7 d（a1—c1）和14 d（a2—c2）剖面（a.非意外死亡，b.循環(huán)系統(tǒng)疾病死亡，c.呼吸系統(tǒng)疾病死亡；色階：相對(duì)危險(xiǎn)度）Fig.A2 The cumulative 7 d（a1—c1）and 14 d（a2—c2）lagged mortality due to DTR（a.non-accidental mortality，b.cardiovascular mortality，c.respiratory mortality；shaded：RR）

附圖3 24 h 變溫對(duì)死亡人數(shù)影響的滯后14 d（a1—c1）和21 d（a2—c2）剖面（a.非意外死亡，b.循環(huán)系統(tǒng)疾病死亡，c.呼吸系統(tǒng)疾病死亡；色階：相對(duì)危險(xiǎn)度）Fig.A3 The cumulative 14 d（a1—c1）and 21 d（a2—c2）lagged mortality due to TCN（a.non-accidental mortality，b.cardiovascular mortality，c.respiratory mortality；shaded：RR）

附圖4 平均氣溫對(duì)死亡累積21 d 的暴露-反應(yīng)關(guān)系（a、c、e，陰影：95%置信區(qū)間）和滯后效應(yīng)（b、d、f，色階：相對(duì)危險(xiǎn)度）（a、b.非意外死亡，c、d.循環(huán)系統(tǒng)疾病死亡，e、f.呼吸系統(tǒng)疾病死亡）Fig.A4 The cumulative 21 d exposure-response relationship of average temperature to mortality（a，c，e；shaded：95%CI）and lagged mortality due to average temperature（b，d，f；shaded：RR）（a，b.non-accidental mortality；c，d.cardiovascular mortality；e，f.respiratory mortality）

附表1 不同性別、年齡在極高氣溫日較差（99%分位數(shù)，19℃）下不同滯后期的死亡風(fēng)險(xiǎn)（將污染物因子作為混雜因子加入模型后）Table A1 Risk of mortality under extreme high DTR（99th，19℃）over different lagging periods by sex and age with adjustment for co-pollutants

附表2 不同性別、年齡在極高24 h 變溫（99%分位數(shù)，4.8℃）下不同滯后期的死亡風(fēng)險(xiǎn)（將污染因子作為混雜因子加入模型后）Table A2 Risk of mortality under extreme high TCN（99th，4.8℃）over different lagging periods by sex and age with adjustment for co-pollutants