氣溫與PM2.5協(xié)同作用對(duì)疾病急診就診人數(shù)的影響

張 瑩,王式功,賈旭偉,馮鑫媛,胡文東,楊 柳,王嘉鑫,肖丹華,朱 蓉

?

氣溫與PM2.5協(xié)同作用對(duì)疾病急診就診人數(shù)的影響

張 瑩1*,王式功1,賈旭偉2,馮鑫媛1,胡文東1,楊 柳1,王嘉鑫1,肖丹華1,朱 蓉1

(1.成都信息工程大學(xué)大氣科學(xué)學(xué)院,高原大氣與環(huán)境四川省重點(diǎn)實(shí)驗(yàn)室,四川成都610225；2.中國(guó)人民解放軍93544部隊(duì),河北保定 072655)

為評(píng)價(jià)氣溫和PM2.5協(xié)同作用對(duì)不同種類(lèi)疾病急診就診人數(shù)的影響,采用廣義相加模型(GAMs)中的不分層模型、非參數(shù)二元響應(yīng)模型和溫度分層模型,在控制了時(shí)間序列長(zhǎng)期趨勢(shì)、“星期幾效應(yīng)”、節(jié)假日效應(yīng)和相對(duì)濕度等因素的影響后,分析2009~2011年北京市PM2.5在不同氣溫條件下對(duì)相關(guān)疾病急診就診人數(shù)影響的暴露-反應(yīng)關(guān)系. 結(jié)果表明,隨著選取的氣溫分層臨界值升高,PM2.5在高溫條件下的效應(yīng)逐漸增強(qiáng),當(dāng)臨界值為28℃時(shí),高溫條件下的效應(yīng)最顯著,此時(shí)PM2.5濃度每升高10μg/m3,全急診人數(shù)、呼吸系統(tǒng)和循環(huán)系統(tǒng)疾病急診就診人數(shù)的超額增加百分比分別為0.15%(95%CI: 0.11%, 0.19%),0.35% (95%CI: 0.26%, 0.44%)和0.34%(95%CI:0.09%, 0.59%),而<28℃的條件下無(wú)統(tǒng)計(jì)學(xué)意義,表明高溫與PM2.5對(duì)人群健康的影響存在協(xié)同加強(qiáng)效應(yīng).

氣溫；PM2.5；協(xié)同作用；廣義相加模型

近年來(lái),主要由細(xì)顆粒物引發(fā)的霧霾天氣發(fā)生頻次明顯增多,細(xì)顆粒物(PM2.5)對(duì)人群健康的影響也成為了現(xiàn)階段研究的熱點(diǎn)問(wèn)題之一.已有的研究表明,顆粒物尤其是細(xì)顆粒物PM2.5可損害呼吸系統(tǒng)、破壞免疫系統(tǒng),誘發(fā)呼吸系統(tǒng)和心腦血管等疾病,從而增加其發(fā)病率和死亡率[1-5].

與此同時(shí),近年來(lái)在全球氣候異常變化、極端天氣氣候事件發(fā)生頻率明顯增多的大背景下,天氣氣候因素的異常變化對(duì)人類(lèi)健康的影響也漸趨凸顯.大量研究表明,氣溫是影響人體健康最重要的因素之一,且氣溫和人群發(fā)病或者死亡的關(guān)系呈現(xiàn)“J”型、“V”型或“U”型分布特征,即在溫度相對(duì)適宜的情況下發(fā)病或者死亡人數(shù)最少,但氣溫過(guò)高或過(guò)低,均會(huì)導(dǎo)致發(fā)病/死亡人數(shù)的增加[6-10].

國(guó)內(nèi)已有相關(guān)氣溫及污染物流行病學(xué)的個(gè)案報(bào)告[4,8].這些研究采用了與國(guó)際接軌的研究方法,探明了污染物、氣溫變化分別對(duì)人體健康的不良影響及損傷.但以往的這些研究中,僅僅側(cè)重于氣溫或污染物某一個(gè)方面,例如,研究氣溫對(duì)人體健康的影響時(shí),往往把污染物作為混雜因素加以排除;而在研究污染物對(duì)人體健康的影響時(shí),又往往把氣溫作為混雜因素來(lái)考慮.事實(shí)上,對(duì)相關(guān)人群健康的影響結(jié)果中應(yīng)該是包含了污染物和氣象條件兩方面的共同作用,任何一種所謂的排除混雜因素的數(shù)學(xué)處理,都具有一定的片面性;另一方面,雖然造成大氣污染的根本原因是污染物的過(guò)量排放,但重污染事件的發(fā)生卻往往是由不利于污染物擴(kuò)散的氣象條件造成的,也就是說(shuō)重空氣污染物及其對(duì)人群健康的危害并不是孤立存在的,而是在特定的氣象條件下發(fā)生的[11].因此,必須將污染物和氣象要素兩方面加以綜合考慮為宜.對(duì)相關(guān)人群健康的影響結(jié)果中應(yīng)該是包含了污染物和氣象條件兩方面的共同作用,任何一種所謂的排除混雜因素的數(shù)學(xué)處理,都具有一定的片面性.現(xiàn)階段,國(guó)外在該方面已經(jīng)做了相關(guān)研究,發(fā)現(xiàn)大氣污染和氣溫對(duì)人群健康的影響存在協(xié)同作用[12-14].然而國(guó)內(nèi)關(guān)于該方面的研究還鮮有報(bào)道.基于此,本研究采用近年國(guó)際上通用的危險(xiǎn)度評(píng)價(jià)方法—基于時(shí)間序列的廣義相加模型(GAMs),以急診數(shù)據(jù)為暴露效應(yīng)指標(biāo),選取人口密度大、顆粒物污染重的北京市作為代表,旨在定量評(píng)價(jià)北京市氣溫和PM2.5協(xié)同作用對(duì)相關(guān)疾病急診就診人數(shù)的影響.

1 資料與方法

1.1 資料來(lái)源

1.1.1 所用疾病資料數(shù)據(jù) 采用整群抽樣方法抽取北京市某3家三級(jí)甲等綜合醫(yī)院急診科病案記錄,包括2009年1月1日~2011年12月31日逐日門(mén)診資料,根據(jù)國(guó)際疾病分類(lèi)標(biāo)準(zhǔn)第10版(ICD-10)[15],對(duì)病例資料進(jìn)行分類(lèi)整理,收集門(mén)診數(shù)據(jù)(ICD10: A00-R99)共計(jì)895833例,其中呼吸系統(tǒng)疾病(ICD-10編碼:J00-J99)病例資料246872例;循環(huán)系統(tǒng)疾病(ICD-10 編碼: I00-I99)病例資料52203例.本文收集門(mén)診病歷信息主要包括就診科室、就診ID號(hào)、就診日期、疾病診斷和家庭住址等信息.根據(jù)患者家庭住址信息剔除非北京市居住的人群資料,以確保研究對(duì)象均來(lái)自當(dāng)?shù)氐某＞尤丝?

1.1.2 大氣環(huán)境監(jiān)測(cè)資料 本研究所用污染數(shù)據(jù)主要為2009 年1月1日~2011年12月31日PM2.5的日均濃度值,來(lái)源于北京市環(huán)保公眾網(wǎng)(http://www.bjee.org.cn/cn/index.php),經(jīng)檢查數(shù)據(jù)完整無(wú)缺測(cè).

1.1.3 氣象資料來(lái)源 氣象資料來(lái)源于中國(guó)氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)中中國(guó)地面氣象資料北京市2009年1月1日~2011年12月31日的日均氣象資料,包括日均氣溫(℃)、相對(duì)濕度(%)和平均風(fēng)速(m/s)等.

1.2 統(tǒng)計(jì)分析

所用到的軟件主要包括SQLserver2014和R3.1.4統(tǒng)計(jì)軟件,其中數(shù)據(jù)庫(kù)軟件SQLserver2014用于對(duì)原始病例數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分類(lèi);用R軟件中的“mgcv”軟件包對(duì)數(shù)據(jù)進(jìn)行建模和定量分析.

GAMs是對(duì)廣義線(xiàn)性(GLM)的非參數(shù)推廣,與GLM模型相比,GAMs模型并非一個(gè)事先設(shè)定的模型,該模型由所使用的數(shù)據(jù)驅(qū)動(dòng),因此,模型結(jié)構(gòu)是由研究時(shí)所采用數(shù)據(jù)的內(nèi)在聯(lián)系決定的,更能反映變量的期望與解釋變量之間的本質(zhì)關(guān)系,并且對(duì)數(shù)據(jù)要求較少,模型可應(yīng)用不同函數(shù)擬合非線(xiàn)性關(guān)系變量,而后以加和形式引入模型[16].正是基于GAMs模型一系列的優(yōu)點(diǎn),其目前已成為大氣污染環(huán)境流行病學(xué)研究的標(biāo)準(zhǔn)方法.相對(duì)于總?cè)巳憾?每日急診就診人數(shù)屬于小概率事件,其實(shí)際分布一般可認(rèn)為近似于Poisson分布,因此,本文選擇擬合Poisson 回歸的GAMs模型.據(jù)報(bào)道,北京市85%的大氣污染是由顆粒物,尤其是細(xì)顆粒物引起的,考慮到細(xì)顆粒物(主要是PM2.5)已成為北京市的首要污染物,并且PM2.5與其他氣態(tài)污染物(SO2、NO2、CO和O3)有很強(qiáng)的關(guān)聯(lián)性[6-7],基于此,在后續(xù)的研究中,本研究只擬合單污染物模型.

在探討PM2.5與氣溫對(duì)人群健康影響的協(xié)同效應(yīng)之前,首先來(lái)研究日均氣溫變化對(duì)不同種類(lèi)疾病急診就診的影響.以呼吸系統(tǒng)疾病為例建模,如式(1)所示,即以呼吸系統(tǒng)疾病日急診就診人數(shù)為響應(yīng)變量,控制時(shí)間的長(zhǎng)期趨勢(shì)、節(jié)假日效應(yīng)、星期幾效應(yīng)、相對(duì)濕度和PM2.5的影響后,研究氣溫變化與疾病急診就診人數(shù)的關(guān)系,基本模型為:

式中:Y為第日的急診就診人數(shù);(Y|X)為第日急診就診人數(shù)的期望值; DOW為星期啞變量(DOW,DOW=1~7); Holiday為節(jié)假日效應(yīng)啞變量(節(jié)假日為1,其他為0);為殘差; 本研究采用樣條平滑函數(shù)()擬合非線(xiàn)性自變量,包括時(shí)間(time, time=1,2,…1095)、相對(duì)濕度(RH)和氣溫().根據(jù)相關(guān)文獻(xiàn)[7]和AIC值確定參數(shù)自由度,time自由度為7/a,和RH的自由度為3, PM2.5選取復(fù)合滯后一天(lag01,研究日當(dāng)天與前一天污染物濃度的平均值)的濃度[9].

第二步,分析平均氣溫與PM2.5協(xié)同作用對(duì)相關(guān)疾病急診就診的影響.首先,建立不分層模型(nonstratification model),探討在不同的滯后時(shí)間條件下(分別選取當(dāng)天lag0,單滯后一天lag1,單滯后兩天lag2和復(fù)合滯后一天lag01),平均氣溫和PM2.5的協(xié)同作用對(duì)相關(guān)疾病急診就診的影響是否具有統(tǒng)計(jì)學(xué)意義,檢驗(yàn)效力為<0.05.

式中:1為PM2.5對(duì)疾病影響效應(yīng)對(duì)應(yīng)的回歸系數(shù);2為氣溫變化對(duì)疾病影響效應(yīng)的回歸系數(shù);3為PM2.5和氣溫共同作用對(duì)應(yīng)的回歸系數(shù).

在上述研究的基礎(chǔ)上,建立非參數(shù)二元響應(yīng)模型(nonparametric bivariate response model),并擬合平均氣溫與PM2.5協(xié)同作用對(duì)相關(guān)疾病影響的三維立體圖,通過(guò)描述平均氣溫和PM2.5對(duì)相關(guān)疾病作用的空間分布特征,直觀觀察二者協(xié)同作用對(duì)不同疾病的影響.

式中:( )為薄板樣條函數(shù),COVs同模型(1)中.

第三步,建立基于氣溫的分層模型(temperature-stratified parametric model).根據(jù)相關(guān)文獻(xiàn)[12]和擬合的氣溫與疾病暴露反應(yīng)關(guān)系曲線(xiàn)圖,來(lái)選取溫度分層的臨界值(閾值),從而探討在不同溫度分層條件下,PM2.5對(duì)不同疾病急診就診人數(shù)的影響是否有統(tǒng)計(jì)學(xué)意義,進(jìn)而定量評(píng)價(jià)氣溫和PM2.5對(duì)疾病影響的協(xié)同效應(yīng).

根據(jù)GAM模型估算出的回歸系數(shù)和標(biāo)準(zhǔn)誤差(SE: Standard Error),從而對(duì)污染物的健康效應(yīng)做出定量評(píng)價(jià).當(dāng)污染物濃度增加D時(shí),相關(guān)疾病門(mén)診人數(shù)超額增加百分比(ER%)及其95%置信區(qū)間(95%CI)的計(jì)算公式,參見(jiàn)式(4~5):

ER% = (exp(D×)-1)100% (4)

ER%(95%CI) = [exp(D×(±1.95SE))-1]100% (5)

2 結(jié)果

2.1 急診就診人數(shù)與氣象環(huán)境要素的描述性統(tǒng)計(jì)

由表1可以看出,2009年1月1日至2011年12月31日總急診人數(shù)、呼吸系統(tǒng)疾病和循環(huán)系統(tǒng)疾病平均每天門(mén)診人數(shù)分別為818.1例、225.5例和47.7例,其中呼吸系統(tǒng)和循環(huán)系統(tǒng)疾病分別占總發(fā)病人數(shù)的27.56%和5.83%.北京屬于暖溫帶半濕潤(rùn)大陸性季風(fēng)氣候,年均氣溫為13.15℃,相對(duì)濕度為50.43%.研究時(shí)段內(nèi),北京市主要大氣污染物PM2.5年均濃度為67.89μg/m3(表1),已經(jīng)明顯超出了國(guó)家GB3095-2012標(biāo)準(zhǔn)中規(guī)定的二級(jí)空氣質(zhì)量標(biāo)準(zhǔn)(PM2.5年均濃度二級(jí)標(biāo)準(zhǔn)為35μg/m3)[17].其中研究時(shí)段內(nèi)(1095d), PM2.5超標(biāo)天數(shù)為815d(74.42%),這與以往[18]的統(tǒng)計(jì)結(jié)果一致,表明細(xì)顆粒物已成為北京市首要污染物.

表1 2009~2011 年北京市急診就診人數(shù)、空氣污染物及氣象因素描述性分析

注:P25,P50和P75分別為第25、50、75百分位數(shù).

2.2 氣溫與急診就診人數(shù)的暴露反應(yīng)關(guān)系

在控制了時(shí)間趨勢(shì)、星期幾效應(yīng)、節(jié)假日效應(yīng)和空氣污染效應(yīng)的影響后,利用模型(1),分別擬合了氣溫與總急診人數(shù)、呼吸系統(tǒng)和循環(huán)系統(tǒng)疾病急診就診人數(shù)的暴露反應(yīng)關(guān)系(圖1).整體而言,平均氣溫與全急診人數(shù)、呼吸系統(tǒng)疾病急診就診人數(shù)的暴露-反應(yīng)關(guān)系均呈現(xiàn)近似“V”型分布特征;與循環(huán)系統(tǒng)疾病急診就診人數(shù)呈反“V”型分布特征.以呼吸系統(tǒng)疾病為例,從圖上可以看出,最適溫度在12℃附近,此時(shí),氣溫的效應(yīng)最弱,發(fā)病人數(shù)最少,以12℃為臨界值(閾值),當(dāng)氣溫高(低)于此閾值時(shí),呼吸系統(tǒng)疾病日急診就診人數(shù)隨著氣溫的升高(降低)而增加.同時(shí)還發(fā)現(xiàn),除過(guò)呼吸系統(tǒng)疾病外,氣溫與全急診人數(shù)和循環(huán)系統(tǒng)疾病暴露-反應(yīng)關(guān)系的曲線(xiàn)轉(zhuǎn)折點(diǎn)也均在12℃附近.所以在后續(xù)溫度分層研究中,把12℃作為一個(gè)溫度分層的臨界值.

2.3 平均氣溫與PM2.5協(xié)同作用對(duì)不同疾病的影響

首先,采用不分層模型,檢驗(yàn)在不同滯后條件下,平均氣溫與PM2.5交互作用分別對(duì)全急診人數(shù)、呼吸系統(tǒng)和循環(huán)系統(tǒng)疾病急診就診人數(shù)的影響是否具有統(tǒng)計(jì)學(xué)意義(<0.05)(表2).如果統(tǒng)計(jì)學(xué)意義存在,隨后,采用非參數(shù)二元響應(yīng)模型構(gòu)建平均氣溫與PM2.5協(xié)同作用對(duì)不同疾病影響的空間分布圖(圖2).表2為不分層情況下,不同滯后天數(shù)下氣溫與PM2.5協(xié)同作用的統(tǒng)計(jì)結(jié)果.由表2可見(jiàn),氣溫與PM2.5對(duì)不同疾病的協(xié)同互效應(yīng)(3)存在差異,但在lag01的情況下,PM2.5和氣溫的協(xié)同作用對(duì)不同疾病的影響均存在統(tǒng)計(jì)學(xué)意義,因此,在后續(xù)研究中,統(tǒng)一選取lag01的PM2.5作為研究對(duì)象.在上述研究的基礎(chǔ)上,采用非參數(shù)二元響應(yīng)模型構(gòu)建平均氣溫與PM2.5協(xié)同作用對(duì)不同疾病作用的空間分布圖(圖2).由圖可見(jiàn),對(duì)全急診人數(shù)、呼吸系統(tǒng)和循環(huán)系統(tǒng)疾病而言,急診就診人數(shù)高峰均出現(xiàn)在高溫-PM2.5高濃度的情況下,這說(shuō)明高溫與PM2.5對(duì)人群健康的影響存在協(xié)同加強(qiáng)的效應(yīng).

表2 平均溫度和PM2.5對(duì)北京市急診就診人數(shù)協(xié)同作用的相關(guān)系數(shù)a

注:*<0.05;a給所有系數(shù)乘以1000;lag0:當(dāng)天; lag1:急診就診的前一天; lag2:急診就診的前兩天; lag01:急診就診當(dāng)天與前一天的兩天平均值.

2.4 不同溫度分層水平下PM2.5對(duì)不同疾病的影響

表3 不同溫度水平下PM2.5濃度每增加10μg/m3對(duì)不同疾病急診就診影響的超額增加百分比及95%的置信區(qū)間(95%CI)

注:*<0.05.

表3給出了在不同溫度分層水平下,PM2.5濃度變化對(duì)不同疾病急診就診人數(shù)的影響.目前關(guān)于分層溫度臨界值的選取尚無(wú)統(tǒng)一方法,Ren等[12]根據(jù)氣溫-死亡暴露反應(yīng)關(guān)系曲線(xiàn)擬合圖來(lái)選取臨界值,Li等[11]選取研究時(shí)段溫度的中位數(shù)作為臨界值,此外Li等[19]還通過(guò)AIC最小準(zhǔn)則來(lái)選取臨界值.綜合前人的研究結(jié)果,在本文中,分別選取圖1的溫度閾值12℃和研究時(shí)段日均氣溫的中位數(shù)14.8℃作為臨界值,同時(shí)還考慮到一般情況下人體在24℃左右感覺(jué)最舒適,不同區(qū)域最佳舒適度閾值不盡相同,基于此,還依次選取了24℃、26℃和28℃作為臨界值.在不同閾值情況下,分別分析在相對(duì)高溫段(>閾值溫度)和相對(duì)低溫段(<閾值溫度),PM2.5濃度變化對(duì)不同種類(lèi)疾病的影響(表3).由表3可見(jiàn),隨著選取的分層閾值溫度的升高,PM2.5對(duì)不同疾病影響的差異較大,其中對(duì)全急診人數(shù)和呼吸系統(tǒng)疾病而言,當(dāng)臨界溫度選為12℃和14.8℃時(shí),相對(duì)高溫段和相對(duì)低溫段均有統(tǒng)計(jì)學(xué)意義(<0.05),但隨著選取的臨界溫度進(jìn)一步升高,高溫效應(yīng)更加顯著且有統(tǒng)計(jì)學(xué)意義(<0.05),而相對(duì)低溫效應(yīng)無(wú)統(tǒng)計(jì)學(xué)意義;對(duì)于循環(huán)系統(tǒng)疾病而言,當(dāng)臨界溫度為28℃時(shí),高溫效應(yīng)有統(tǒng)計(jì)學(xué)意義(<0.05),其他溫度段均無(wú)統(tǒng)計(jì)學(xué)意義,表明高溫可以進(jìn)一步加劇PM2.5對(duì)人群健康的不利影響.

3 討論

以往國(guó)內(nèi)在研究污染物、氣溫對(duì)相關(guān)疾病不利影響方面,關(guān)于氣溫、污染物單獨(dú)變化對(duì)相關(guān)疾病發(fā)病率/死亡率的研究較多[2,10],而關(guān)于氣溫與污染物協(xié)同作用對(duì)相關(guān)敏感性疾病的影響還不多見(jiàn).然而污染物及其對(duì)人群健康的危害并不是孤立存在的,往往是在特定的氣象條件下發(fā)生的,因此,有必要開(kāi)展污染物與氣溫協(xié)同作用對(duì)人群健康影響的相關(guān)研究.基于此,本文嘗試性開(kāi)展了北京市2009~2011年P(guān)M2.5與氣溫協(xié)同作用對(duì)相關(guān)疾病急診就診人數(shù)的影響研究,結(jié)果表明,平均氣溫與不同種類(lèi)疾病急診就診人數(shù)的暴露-反應(yīng)關(guān)系分布差異較大,與總急診人群和呼吸系統(tǒng)疾病的暴露-反應(yīng)關(guān)系呈近似“V”型分布特征;與循環(huán)系統(tǒng)疾病關(guān)系呈反“V”型分布特征.同時(shí)還發(fā)現(xiàn)當(dāng)溫度和污染物共同作用于人群健康,當(dāng)分層閾值溫度取28℃時(shí),相對(duì)高溫條件下(>28 ℃),PM2.5每增加10μg/m3,全急診人數(shù)、呼吸系統(tǒng)和循環(huán)系統(tǒng)疾病急診就診人數(shù)對(duì)應(yīng)的超額增加百分比分別為0.15%、0.35%和0.34%,均有統(tǒng)計(jì)學(xué)意義(<0.05),表明PM2.5與高溫對(duì)人群健康的影響存在協(xié)同作用.

國(guó)外已經(jīng)開(kāi)展了相關(guān)氣溫和大氣污染物協(xié)同作用對(duì)疾病發(fā)病率/死亡率影響方面的流行病學(xué)研究[21-23].Stafoggia等[20]對(duì)1997~2004年意大利9個(gè)城市平均氣溫與污染物的研究發(fā)現(xiàn),夏季PM10濃度每增加10μg/m3,全人群死亡率為2.54% (95%CI: 1.31%~3.78%),冬季無(wú)統(tǒng)計(jì)學(xué)意義,研究表明高溫進(jìn)一步加劇了顆粒物對(duì)人群健康的不利影響.Ren等[21]對(duì)布里斯班市氣溫與PM10協(xié)同作用的研究結(jié)果顯示,在高溫條件下(平均氣溫>26℃),PM10每增加10μg/m3呼吸系統(tǒng)疾病死亡率的超額百分比為4%(95%CI:1.43%, 6.63%),而在低溫條件下無(wú)統(tǒng)計(jì)學(xué)意義.該學(xué)者亦研究了1987~2000年美國(guó)60個(gè)東部城市溫度對(duì)O3-死亡影響的調(diào)節(jié)作用,結(jié)果表明高溫可以調(diào)節(jié)O3對(duì)死亡的風(fēng)險(xiǎn),并且表現(xiàn)出一定的區(qū)域差異[22].本研究結(jié)果與上述國(guó)外的相關(guān)研究較為類(lèi)似,也發(fā)現(xiàn)高溫可以加劇PM2.5對(duì)人群健康的不利影響.現(xiàn)階段,雖然國(guó)外已經(jīng)開(kāi)展了污染物與氣溫協(xié)同作用對(duì)人群健康不利影響的相關(guān)研究,但其影響機(jī)制尚不清楚.而國(guó)內(nèi)該方面相關(guān)研究剛剛起步,研究方法尚不統(tǒng)一.李沛[23]分季節(jié)研究了2005~2009年北京市PM2.5對(duì)相關(guān)疾病死亡人數(shù)的影響,發(fā)現(xiàn)不同季節(jié)污染物對(duì)疾病死亡率的影響效果存在差異,其中冬季尤為顯著,這也從側(cè)面印證了污染物與低溫對(duì)相關(guān)疾病死亡率的影響存在協(xié)同效應(yīng).而本研究在借鑒前人溫度分層臨界點(diǎn)選取方法的基礎(chǔ)上,通過(guò)溫度分層的方式嘗試性地開(kāi)展了不同溫度條件下2009~2011年北京市污染物與氣溫共同作用對(duì)該地區(qū)相關(guān)疾病急診就診人數(shù)的影響研究,發(fā)現(xiàn)平均氣溫>28 ℃情況下,氣溫與污染物對(duì)相關(guān)疾病急診就診人數(shù)的影響存在協(xié)同作用.雖然氣溫和污染物對(duì)人群死亡率和發(fā)病率的影響存在一定的偏差,研究條件也不一致,本研究側(cè)重于相對(duì)溫度較高情況下污染物對(duì)人群健康影響的研究,尚未開(kāi)展低溫條件下的相關(guān)研究.但不可否認(rèn),已有的研究均發(fā)現(xiàn)了氣溫與污染物對(duì)人群健康的影響存在協(xié)同作用,因此,在今后的研究中,考慮污染物與氣溫協(xié)同作用對(duì)人群健康的影響較為適宜.潘小川等[24]也指出:我國(guó)大氣污染的發(fā)生是長(zhǎng)期大氣污染排放增加與短期氣象條件變化共同作用下促發(fā)的,其對(duì)人群健康的影響也體現(xiàn)出長(zhǎng)期慢性影響和短期急性危害共存、污染和氣象因素交互作用的復(fù)雜特點(diǎn),其中仍有很多未知的科學(xué)問(wèn)題值得今后密切關(guān)注,需要我們今后不斷的深入研究和探索.

另外,現(xiàn)階段,關(guān)于溫度分層臨界值的選取,尚未有統(tǒng)一的選取標(biāo)準(zhǔn).Li等[11]選取了氣溫對(duì)死亡人數(shù)影響的暴露-反應(yīng)關(guān)系曲線(xiàn)的最低點(diǎn)和平均氣溫中位數(shù)作為溫度分層的兩個(gè)臨界值. Meng等[12]選取了25和75的氣溫百分位數(shù)作為溫度分層的兩個(gè)臨界值.Ren等[13]分別選取了23 ℃、24℃、26℃和27℃作為溫度分層臨界值.雖然臨界值的選取方式不盡相同,但研究結(jié)果均表明高溫與顆粒物共同作用對(duì)人群健康的不良影響起到協(xié)同加強(qiáng)的效應(yīng).綜合前人的研究成果,本研究選取了氣溫對(duì)急診就診人數(shù)影響的暴露-反應(yīng)關(guān)系曲線(xiàn)的臨界值(12℃)、溫度中位數(shù)(14.8 ℃)、人體舒適度臨界值24℃以及26℃和28℃分別作為臨界值.結(jié)果也證實(shí)了北京市高溫與顆粒物對(duì)人群健康相關(guān)的影響存在協(xié)同效應(yīng).

本研究選擇北京市不同種類(lèi)的急診就診人次作為PM2.5和氣溫交互作用對(duì)于相關(guān)系統(tǒng)疾病影響的效應(yīng)指標(biāo),優(yōu)點(diǎn)和局限性并存.其優(yōu)點(diǎn)是北京市作為我國(guó)人口密度高、污染重的典型代表城市,顆粒物尤其是細(xì)顆粒物污染十分嚴(yán)重,研究該地區(qū)污染物與氣溫協(xié)同作用對(duì)疾病的影響具有典型代表性,可為其它城市(群)提供參考;另一方面與死亡資料相比,急診人次的變化反映PM2.5的急性效應(yīng)更加敏感.局限性表現(xiàn)在該資料采用的暴露濃度為北京市平均濃度,未能準(zhǔn)確反映個(gè)體暴露情況,可能造成一定的偏倚.

4 結(jié)論

4.1 2009~2011年北京市不同種類(lèi)疾病急診就診人數(shù)與同期氣溫?cái)M合的暴露-反應(yīng)關(guān)系曲線(xiàn)差異較大,其中,與總急診人群和呼吸系統(tǒng)疾病急診就診人數(shù)的關(guān)系均呈現(xiàn)近似“V”型分布特征;與循環(huán)系統(tǒng)疾病急診就診人群的關(guān)系呈反“V”型分布特征.

4.2 隨著選取的分層閾值溫度的升高,PM2.5在高溫條件下的效應(yīng)逐漸增強(qiáng),且有統(tǒng)計(jì)學(xué)意義(<0.5).當(dāng)臨界值為28℃時(shí),高溫效應(yīng)最顯著,此時(shí)PM2.5濃度每升高10μg/m3,全急診人數(shù)、呼吸系統(tǒng)和循環(huán)系統(tǒng)疾病急診就診人數(shù)的超額增加百分比分別為0.15%、0.35%和0.34%,均有統(tǒng)計(jì)學(xué)意義(<0.05),表明高溫與PM2.5對(duì)人群健康的影響存在協(xié)同加強(qiáng)效應(yīng).

[1] Wehner B, Birmili W, Ditas F, et al. Relationships between sub micrometer particulate air pollution and air mass history in Beijing, China, 2004~2006 [J]. Atmospheric Chemistry and Physics Discussions, 2008,8(3):11321-11362.

[2] 張 瑩,邵 毅,王式功,等.北京市空氣污染物對(duì)呼吸系統(tǒng)疾病門(mén)診人數(shù)的影響[J]. 中國(guó)環(huán)境科學(xué), 2014,34(9):2401-2407.

[3] Dominci F, Peng R D, Bell M L, et al. Fine particulate air pollution and hospital admission for cardiovascular and respiratory diseases [J]. JAMA, 2006,295(10):1127.

[4] 陳仁杰,陳秉衡,闞海東.我國(guó)113個(gè)城市大氣顆粒物污染的健康經(jīng)濟(jì)學(xué)評(píng)價(jià) [J]. 中國(guó)環(huán)境科學(xué), 2010,30(3):410-415.

[5] 陶 燕,劉亞夢(mèng),米生權(quán),等.大氣細(xì)顆粒物的污染特征及對(duì)人體健康的影響 [J]. 環(huán)境科學(xué)學(xué)報(bào), 2014,34(3):592-597.

[6] Chung J Y, Honda Y, Hong Y C, et al. Ambient temperature and mortality: an international study in four capital cities of East Asia [J]. Sci Total Environ, 2009,408(2):390-396.

[7] 馬 盼,李若麟,樂(lè) 滿(mǎn),等.氣象環(huán)境要素對(duì)北京市消化系統(tǒng)疾病的影響[J]. 中國(guó)環(huán)境科學(xué), 2016,36(5):1589-1600.

[8] Lin S, Luo M, Walker R J, et al. Extreme High Temperatures and Hospital Admissions for Respiratory and Cardiovascular Diseases [J]. Epidemiology, 2009,20(5):738-746.

[9] Curriero F C, Heiner K S, Samet J M, et al. Temperature and mortality in 11cities of the Eastern United States [J]. American Journal of Epidemiology, 2002,155(1):80-87.

[10] Kan H D, Jia J, Chen B H. Temperature and daily mortality in Shanghai: A time-series study [J]. Biomed Environ Sci, 2003, 16(2):133-139.

[11] Ebi K L, Exuzides K A, Lau E, et al. Weather changes associated with hospitalizations for cardiovascular diseases and stroke in California, 1983~1998 [J]. International Journal of Biometeorology, 2004,49(1):48-58.

[12] Li G, Zhou M, Cai Y, et al. Does temperature enhance acute mortality effects of ambient particle pollution in Tianjin City, China [J]. Science of the Total Environment, 2011,409:1811- 1817.

[13] Meng X, Zhang Y, Zhao Z, et al. Temperature modifies the acute effect of particulate air pollution on mortality in eight Chinese cities [J]. Science of the Total Environment, 2012,435-436(7): 215-221.

[14] Ren C, Tong S. Temperature modifies the health effects of particulate matter in Brisbane, Australia [J]. International Journal of Biometeorology, 2006,51(2):87-96.

[15] 衛(wèi)生部衛(wèi)生統(tǒng)計(jì)信息中心,北京協(xié)和醫(yī)院世界衛(wèi)生組織疾病分類(lèi)合作中心.國(guó)際疾病分類(lèi)(ICD-10)應(yīng)用指導(dǎo)手冊(cè)[M]. 北京:中國(guó)協(xié)和醫(yī)科大學(xué)出版社, 2001:411-435.

[16] Hastie T, Tibshirani R. Generalized additive models for medical research [J]. Statistical Methods in Medical Research, 1990,4: 187-196.

[17] GB 3095-2012 國(guó)家環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)[S].

[18] Li P, Xin J, Wang Y, et al. Time-series analysis of mortality effects from airborne particulate matter size fractions in Beijing [J]. Atmospheric Environment, 2013,81(2):253-262.

[19] Li G, Sun J, Jayasinghe R, et al. Temperature Modifies the Effects of Particulate Matter on Non-Accidental Mortality: A Comparative Study of Beijing, China and Brisbane, Australia [J]. Public Health Research, 2012,2(2):21-27.

[20] Stafoggia M, Schwartz J, Forastiere F, et al. Does temperature modify the association between air pollution and mortality? A multicity case-crossover analysis in Italy [J]. American Journal of Epidemiology, 2008,167(12):1476-1485.

[21] Ren C, Tong S. Temperature modifies the health effects of particulate matter in Brisbane, Australia [J]. International Journal of Biometeorology, 2006,51(2):87-96.

[22] Ren C, Williams G M, Mengersen K, et al. Does temperature modify short-term effects of ozone on total mortality in 60large eastern US communities?-An assessment using the NMMAPS data [J]. Environment International, 2008,34(4):451-458.

[23] 李 沛.北京市大氣顆粒物污染對(duì)人群健康的危害風(fēng)險(xiǎn)研究 [D]. 蘭州:蘭州大學(xué), 2016.

[24] 潘小川.關(guān)注中國(guó)大氣灰霾(PM2.5)對(duì)人群健康影響的新常態(tài) [J]. 北京大學(xué)學(xué)報(bào)醫(yī)學(xué)版, 2015,47(3):377-379.

Synergetic effect of mean temperature and PM2.5on emergency room visits for different diseases.

ZHANG Ying1*, WANG Shi-gong1, JIA Xu-wei2, FENG Xin-yuan1, HU Wen-Dong1, YANG Liu1, WANG Jia-xin1, XIAO Dan-hua1, ZHU Rong1

(1.Plateau Atmosphere and Environment Key Laboratory of Sichuan Province, College of Atmospheric Sciences, Chengdu University of Information Technology, Chengdu 610225, China；2.People’s Liberation Army 93544, Baoding 072655, China)., 2017,37(8)：3175~3182

To quantitatively evaluate the synergetic effect of ambient temperature (AT) and PM2.5on different diseases’ emergency room visits (ERVs) in Beijing. After considering some potential confounding factors, such as long term trend of time series, “day of week” effect, holiday effect, and relative humidity, the generalized additive models (GAMs) including non-stratification model, nonparametric bivariate response model and temperature-stratified parametric model, were used to analyze the exposure-effect relationship between PM2.5and ERVs in different temperature conditions from 2009 to 2011 in Beijing. The results showed that, the health effect of PM2.5significantly enhanced under higher temperature with the temperature stratification critical value increasing. The exposure-response relationship between PM2.5and ERVs appeared most significant when 28℃ was chosen as a critical value. The effect estimates per 10μg/m3increase in PM2.5corresponding to 0.15% (95% confidence interval (CI): 0.11%, 0.19%), 0.35%(95%CI: 0.26%, 0.44%) and 0.34%(95%CI: 0.09%, 0.59%) increase of total, respiratory and cardiovascular ERVs on high temperature (>28℃), respectively. However, there was no statistical significance when the temperature was less than 28℃. It means that there was a synergistic strengthening effect of high temperature and PM2.5on public health in Beijing.

ambient temperature；PM2.5；the synergistic effect；the generalized additive models

X503.1

A

1000-6923(2017)08-3175-08

張 瑩(1988-),女,陜西寶雞人,講師,博士,主要從氣象環(huán)境與健康研究.發(fā)表論文10余篇.

2017-01-12

上海市氣象與環(huán)境重點(diǎn)實(shí)驗(yàn)室開(kāi)放基金課題(QXJK201601);國(guó)家重點(diǎn)研發(fā)計(jì)劃(2016YFA0602004);國(guó)家自然科學(xué)基金(91644226);國(guó)家人口健康科學(xué)數(shù)據(jù)共享平臺(tái)(2005PKA32400).

* 責(zé)任作者, 講師, zhangy881208@126.com