張維寧 孫媛媛 申喜鳳 李美婷 南嘉樂(lè) 高東平

中國(guó)醫(yī)學(xué)科學(xué)院 北京協(xié)和醫(yī)學(xué)院醫(yī)學(xué)信息研究所，北京 100020

隨著經(jīng)濟(jì)發(fā)展和城市化進(jìn)程的加快，大氣污染隨著工業(yè)化發(fā)展而愈加嚴(yán)重，大氣污染物已造成全球每年約9 百萬(wàn)人過(guò)早死亡[1]。在眾多的大氣污染物中，細(xì)顆粒物（particulate matter 2.5，PM2.5）是危害人體健康的主要污染物之一。《全球疾病負(fù)擔(dān)報(bào)告》顯示，接觸室外PM2.5是世界第五大死亡風(fēng)險(xiǎn)因素，造成每年420 萬(wàn)人死亡，1.03 億殘疾[2]。由于PM2.5易于富集空氣中的有毒有害物質(zhì)，并隨呼吸進(jìn)入肺泡深部，影響多種呼吸系統(tǒng)疾病[3]，短期暴露于PM2.5對(duì)居民的呼吸系統(tǒng)是有害的[4]，可能導(dǎo)致呼吸系統(tǒng)門急診量及疾病發(fā)病風(fēng)險(xiǎn)增加[5-6]。隨著氣候變暖及極端天氣事件的頻發(fā)，氣象因素對(duì)居民健康的影響也愈受關(guān)注。WHO 預(yù)計(jì)，在2030—2050 年，氣候變化將每年造成約25 萬(wàn)人額外死亡[7]。有研究顯示，極端寒冷和高溫都會(huì)增加人群的死亡風(fēng)險(xiǎn)[8]，且極端低溫對(duì)人群呼吸系統(tǒng)疾病發(fā)病住院有顯著影響[9]。為了綜合考慮健康效應(yīng)的影響因素，本研究從大氣污染物和氣象條件兩個(gè)方面對(duì)居民呼吸系統(tǒng)疾病死亡情況進(jìn)行研究。

本研究利用2014—2018 年我國(guó)某地區(qū)居民呼吸系統(tǒng)疾病死亡數(shù)據(jù)及同期當(dāng)?shù)卮髿馕廴疚锖蜌庀髷?shù)據(jù)，對(duì)居民呼吸系統(tǒng)疾病死亡數(shù)據(jù)的暴露效應(yīng)指標(biāo)進(jìn)行時(shí)間序列分析，探討該地區(qū)PM2.5濃度和氣溫對(duì)人群的健康狀態(tài)影響，以及兩者協(xié)同作用對(duì)居民呼吸系統(tǒng)疾病死亡情況的影響，為大氣污染防治及呼吸系統(tǒng)疾病預(yù)防和干預(yù)提供科學(xué)參考。

1 資料與方法

1.1 數(shù)據(jù)來(lái)源

本研究使用由中國(guó)疾病預(yù)防控制中心、中國(guó)疾病預(yù)防控制中心環(huán)境與健康相關(guān)產(chǎn)品安全所開展的科技部科技基礎(chǔ)調(diào)查專項(xiàng)“我國(guó)區(qū)域人群氣象敏感性疾病科學(xué)調(diào)查”收集得到的“我國(guó)某地區(qū)2014—2018 年死因及環(huán)境監(jiān)測(cè)數(shù)據(jù)”[10]，其內(nèi)容如下：①該地區(qū)人群逐日死亡資料統(tǒng)計(jì)數(shù)據(jù)，包括依據(jù)死因診斷統(tǒng)計(jì)的呼吸系統(tǒng)疾病死亡數(shù)；②該地區(qū)大氣污染情況統(tǒng)計(jì)資料，包括PM2.5日平均濃度；③該地區(qū)逐日氣象資料，包括日平均氣溫（℃）、日最高氣溫（℃）、日最低氣溫（℃）、平均相對(duì)濕度（%）、平均氣壓（百帕）、平均風(fēng)速（m/s）、降水量（0.1 mm）、日照時(shí)數(shù)（0.1 h），共8 項(xiàng)指標(biāo)。時(shí)間跨度為2014 年1 月1 日至2018 年12 月31 日。

1.2 研究方法

首先對(duì)該地區(qū)2014—2018 年居民每日呼吸系統(tǒng)疾病死亡情況、大氣污染水平和氣象要素進(jìn)行描述性分析，分析指標(biāo)包括平均值（x）、最小值（Min）、最大值（Max）、中位數(shù)（P50）、第25 百分位數(shù)（P25）及第75 百分位數(shù)（P75）。大氣污染物、氣象要素及死亡之間的相關(guān)分析使用Spearman 相關(guān)性分析。

廣義相加模型（generalized additive model，GAM）和分布滯后非線性模型（distributed lag non-linear model，DLNM）已被廣泛應(yīng)用到環(huán)境暴露的健康效應(yīng)研究中[11]。GAM 模型能夠處理因變量和眾多解釋變量間的復(fù)雜非線性關(guān)系，在調(diào)整混雜因素的前提下，估計(jì)大氣污染物的危險(xiǎn)度[12]；DLNM 模型通過(guò)建立引入自變量和滯后時(shí)間的交叉基，擬合暴露-滯后-反應(yīng)的非線性關(guān)系[13-14]。

相對(duì)于該地區(qū)總?cè)丝诙裕用褚蚝粑到y(tǒng)疾病死亡屬于小概率事件，分布近似服從泊松分布。采用基于泊松回歸的廣義相加模型，以呼吸系統(tǒng)疾病實(shí)際死亡人數(shù)作為響應(yīng)變量，采用平滑樣條函數(shù)擬合時(shí)間序列長(zhǎng)期趨勢(shì)和氣象要素的影響，設(shè)置啞變量控制星期幾效應(yīng)和節(jié)假日效應(yīng)[15]。其中，平滑函數(shù)自由度（df）選擇基于赤池信息準(zhǔn)則（AIC）并參考相關(guān)文獻(xiàn)[16-18]，時(shí)間平滑函數(shù)的df 為8，各氣象要素df 均為3。將PM2.5日均濃度作為線性變量引入模型，同呼吸系統(tǒng)疾病每日死亡人數(shù)建立廣義相加模型[19]。將PM2.5當(dāng)日（lag0）和1～6 d 濃度（lag1～lag6）引入模型，采用AIC準(zhǔn)則對(duì)模型進(jìn)行檢驗(yàn)，選擇最優(yōu)模型。模型具體如下：

式中：Yt是指第t 日的該地區(qū)呼吸系統(tǒng)疾病實(shí)際死亡人數(shù)；E（Yt）指第t 日死亡人數(shù)的期望值；s 為非參數(shù)樣條平滑函數(shù)；time 為日歷時(shí)間；df 為自由度；Zt為第t 日的氣象要素；β 為回歸系數(shù)，即暴露-反應(yīng)關(guān)系系數(shù)；PMt為第t 日的PM2.5污染物濃度；DOW 是指處理“星期幾效應(yīng)”的虛擬函數(shù)，用以排除每日死亡人數(shù)在一周中的自然波動(dòng)；Holiday 是指控制假日的變量；α 為截距[20]。

本研究以PM2.5日均濃度每升高10 μg/m3時(shí)，死亡人數(shù)的相對(duì)危險(xiǎn)度[RR，RR=exp（10×β）]、超額危險(xiǎn)度[ER，ER=（RR-1）×100%]及其95%置信區(qū)間（95%CI）作為效應(yīng)指標(biāo)，定量評(píng)估污染物的健康效應(yīng)，進(jìn)行危險(xiǎn)度評(píng)估。

為探索大氣PM2.5與氣溫交互作用對(duì)呼吸系統(tǒng)疾病死亡的影響，建立非參數(shù)二元響應(yīng)模型，構(gòu)建雙變量響應(yīng)曲面。模型具體如下：

式中：s（tmean，PM2.5）為平均氣溫與污染物PM2.5對(duì)呼吸系統(tǒng)疾病的協(xié)同作用項(xiàng)，COVs 代表所有混雜因素。

1.3 統(tǒng)計(jì)學(xué)方法

使用SPSS 25.0 軟件進(jìn)行數(shù)據(jù)整理及描述性分析，使用R 4.1.1 統(tǒng)計(jì)分析方法軟件中的“mgcv”和“dlnm”軟件包建模分析GAM 和DLNM 模型。以P ＜0.05 為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 該地區(qū)大氣污染水平、氣象要素與居民每日呼吸系統(tǒng)疾病死亡情況的描述性分析

該地區(qū)2014—2018 年居民呼吸系統(tǒng)疾病死亡共25 971 例，平均每天死亡人數(shù)為14.2 例，P25、P50、P75分別為10、13、17 例。日均氣溫為17.5℃，日平均氣溫變化范圍為-4.5～32.9℃。PM2.5大氣污染物的日均濃度為39.7 μg/m3，已超過(guò)國(guó)家GB0395-2012 環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)中規(guī)定的二級(jí)空氣質(zhì)量標(biāo)準(zhǔn)（35 μg/m3）[21]，研究時(shí)段共1 826 d，PM2.5超標(biāo)天數(shù)為892 d，達(dá)到49%。見(jiàn)表1。

表1 2014—2018 年某地區(qū)大氣污染物、氣象要素與居民呼吸系統(tǒng)疾病死亡人數(shù)的描述性分析

2.2 呼吸系統(tǒng)疾病每日死亡人數(shù)與大氣污染物和氣象要素的Spearman 相關(guān)性分析

除平均氣壓和日照時(shí)數(shù)外，PM2.5與各氣象要素均呈負(fù)相關(guān)（r=-0.520～-0.087，P ＜0.01）；除平均氣壓和平均風(fēng)速外，日平均氣溫與各氣象要素均呈正相關(guān)（r=0.072～0.970，P ＜0.01 或P ＜0.05）。PM2.5與呼吸系統(tǒng)疾病死亡人數(shù)呈正相關(guān)（P ＜0.01）；日平均氣溫與呼吸系統(tǒng)疾病死亡人數(shù)呈負(fù)相關(guān)（P ＜0.01）。分析結(jié)果顯示，PM2.5與氣象要素之間存在較強(qiáng)關(guān)聯(lián)。見(jiàn)表2。

表2 2014—2018 年呼吸系統(tǒng)疾病每日死亡人數(shù)與大氣污染物、氣象要素間的Spearman 相關(guān)性分析（r 值）

2.3 日平均氣溫對(duì)呼吸系統(tǒng)疾病每日死亡人數(shù)的影響

在各氣象要素中，日平均氣溫對(duì)呼吸系統(tǒng)疾病死亡人數(shù)的影響最大，呈負(fù)相關(guān)（r=-0.485）。當(dāng)氣溫由低到高變化時(shí)，死亡風(fēng)險(xiǎn)先逐漸減小，超過(guò)閾值（26℃）后再次增加。氣溫較適宜階段（25～27℃）對(duì)呼吸系統(tǒng)疾病每日死亡影響較小，該階段為相對(duì)健康的氣溫閾值范圍。

不同水平的氣溫的滯后效應(yīng)相差較大，21～27℃內(nèi)的整體效應(yīng)較弱，＜21℃和＞27℃的兩個(gè)氣溫段對(duì)呼吸系統(tǒng)疾病死亡具有一定的滯后作用，且滯后性的變化趨勢(shì)不同。最大危險(xiǎn)度對(duì)應(yīng)的滯后日主要表現(xiàn)在高溫效應(yīng)的當(dāng)天（lag0），lag=0 時(shí)，高溫的死亡風(fēng)險(xiǎn)較高（RR ＞1），表現(xiàn)為高溫的即時(shí)效應(yīng)，lag=1 時(shí)，高溫效應(yīng)與低溫效應(yīng)同時(shí)存在，且低溫效應(yīng)開始凸顯，高溫效應(yīng)逐漸減弱，lag=4 時(shí)，高溫效應(yīng)消失。隨著滯后時(shí)間的增加，低溫效應(yīng)逐漸減弱，約在lag=6 時(shí)完全消失。見(jiàn)圖1。

圖1 平均氣溫對(duì)每日呼吸系統(tǒng)疾病死亡人數(shù)的滯后效應(yīng)及相對(duì)危險(xiǎn)度

2.4 大氣PM2.5 對(duì)居民每日因呼吸系統(tǒng)疾病死亡的影響

對(duì)不同滯后天數(shù)下PM2.5與居民因呼吸系統(tǒng)疾病死亡的超額危險(xiǎn)度ER 進(jìn)行分析：PM2.5在當(dāng)日對(duì)呼吸系統(tǒng)疾病死亡的影響差異無(wú)統(tǒng)計(jì)學(xué)意義（P ＞0.05）。滯后2～3 d 時(shí)可造成呼吸系統(tǒng)疾病死亡增高，其中，滯后2 d 時(shí)效應(yīng)最大，PM2.5每升高10 μg/m3，居民每日呼吸系統(tǒng)疾病死亡風(fēng)險(xiǎn)增加0.36%（95%CI：0，0.72%）。見(jiàn)表3。PM2.5對(duì)居民呼吸系統(tǒng)疾病死亡的影響存在滯后效應(yīng)，隨著滯后天數(shù)的增加，PM2.5對(duì)疾病的影響減弱。見(jiàn)圖2。

圖2 PM2.5 平均濃度每增加10 μg/m3 對(duì)居民呼吸系統(tǒng)疾病死亡的影響

表3 PM2.5 平均濃度每增加10 μg/m3 居民呼吸系統(tǒng)疾病死亡的超額危險(xiǎn)度

2.5 PM2.5 與氣溫協(xié)同作用對(duì)居民呼吸系統(tǒng)疾病死亡影響

非參數(shù)二元響應(yīng)模型顯示，盡管低溫和高溫條件均會(huì)導(dǎo)致呼吸系統(tǒng)疾病死亡人數(shù)增加，但是在氣溫較低時(shí)，PM2.5造成死亡人數(shù)增加得更快。低溫、高濃度PM2.5條件下，估計(jì)呼吸系統(tǒng)疾病死亡人數(shù)最大，提示低溫可能會(huì)增強(qiáng)PM2.5的危害效應(yīng)，即低溫和高濃度PM2.5對(duì)居民呼吸系統(tǒng)疾病死亡風(fēng)險(xiǎn)可能存在協(xié)同增強(qiáng)效應(yīng)。見(jiàn)圖3。

圖3 日平均氣溫與PM2.5 交互作用對(duì)呼吸系統(tǒng)疾病每日死亡人數(shù)影響的雙變量響應(yīng)曲面

3 討論

本研究對(duì)我國(guó)某地區(qū)PM2.5及氣溫與人群因呼吸系統(tǒng)疾病死亡的關(guān)聯(lián)進(jìn)行研究，發(fā)現(xiàn)氣溫、PM2.5及其協(xié)同作用對(duì)呼吸系統(tǒng)疾病人群存在一定的健康效應(yīng)。本研究數(shù)據(jù)顯示，氣溫較適宜階段為25～27℃，氣溫對(duì)呼吸系統(tǒng)疾病表現(xiàn)為高溫即時(shí)效應(yīng)和低溫滯后效應(yīng)，最大滯后時(shí)間為6 d。

PM2.5濃度每升高10 μg/m3，呼吸系統(tǒng)疾病死亡風(fēng)險(xiǎn)增加0.36%，與王子豪等[22]、曾婕等[23]、馮建純等[24]關(guān)于重慶、成都、石家莊的研究結(jié)果總體一致：PM2.5濃度每升高10 μg/m3，呼吸系統(tǒng)疾病死亡風(fēng)險(xiǎn)分別增加0.98%、0.31%和0.63%。效應(yīng)值大小的差異一方面與不同城市的污染水平有關(guān)，地區(qū)之間的地理位置、地形等差異以及風(fēng)向等氣象要素會(huì)影響污染水平；地區(qū)間經(jīng)濟(jì)產(chǎn)業(yè)結(jié)構(gòu)及工業(yè)發(fā)展情況等的不同會(huì)導(dǎo)致PM2.5的化學(xué)組成比例及所包含的污染成分產(chǎn)生差異。另一方面，人口構(gòu)成、經(jīng)濟(jì)收入情況及醫(yī)療救治水平也會(huì)對(duì)此產(chǎn)生一定的影響。

大氣污染物對(duì)人群的健康影響往往發(fā)生在特定氣象條件下。本研究發(fā)現(xiàn)PM2.5對(duì)居民呼吸系統(tǒng)疾病死亡的效應(yīng)在較低溫度時(shí)更強(qiáng)，即低溫、高濃度PM2.5條件會(huì)導(dǎo)致呼吸系統(tǒng)疾病每日死亡人數(shù)顯著增加。這與洪也等[25]對(duì)沈陽(yáng)市的研究結(jié)果較一致，該研究發(fā)現(xiàn)低溫和高污染物濃度對(duì)呼吸系統(tǒng)疾病門診人數(shù)的影響有交互作用。楊敏娟等[15]對(duì)上海市的研究提示呼吸系統(tǒng)疾病死亡對(duì)PM2.5在較低溫度時(shí)更敏感。也有研究顯示，成都市PM2.5對(duì)呼吸系統(tǒng)疾病死亡影響的健康風(fēng)險(xiǎn)在冬季最高[26]。這種現(xiàn)象可能與氣溫較低時(shí)，寒冷空氣容易對(duì)呼吸系統(tǒng)造成刺激，防御能力下降，進(jìn)而誘發(fā)呼吸系統(tǒng)疾病有關(guān)；且PM2.5受逆溫現(xiàn)象等氣象因素及采暖期污染物排放濃度高、強(qiáng)度大等人為因素影響，濃度高、擴(kuò)散速度慢，一定程度上加劇呼吸系統(tǒng)疾病的發(fā)病死亡。

本研究尚存在一定的局限性：一方面，GAM 模型建模過(guò)程中，考慮的影響因素較為有限，未收集到生活習(xí)慣、文化程度等與呼吸系統(tǒng)疾病發(fā)病死亡情況相關(guān)的數(shù)據(jù)資料；另一方面，各種污染物及氣象因素之間關(guān)系復(fù)雜，很難完全控制其他污染物及氣象因素造成的混雜效應(yīng)，在后續(xù)研究中有待完善。

高濃度PM2.5及低溫效應(yīng)會(huì)增加居民因呼吸系統(tǒng)疾病死亡的風(fēng)險(xiǎn)，建議政府和民眾多多關(guān)注大氣污染物對(duì)居民呼吸系統(tǒng)健康狀況的影響，尤其是在低溫季節(jié)。