天津市腦卒中高住院風險的氣象原因探析*

郝天依 韓素芹 姚青 王曉佳 樊文雁 辛江龍

1.天津市環(huán)境氣象中心，天津，300074

2.中國氣象局-南開大學大氣環(huán)境與健康研究聯(lián)合實驗室，天津，300074

3.天津市健康氣象交叉創(chuàng)新中心，天津，300074

4.天津市健康醫(yī)療大數(shù)據(jù)有限公司，天津，301700

1 引言

腦卒中是由急性腦循環(huán)障礙引起腦功能損傷的腦血管病，已成為中國第一位的致死及致殘疾病（《中國卒中中心報告2019》編寫組，2021；《中國腦卒中防治報告》編寫組，2020）。對于已存在發(fā)病基礎且內(nèi)環(huán)境處于易發(fā)病狀態(tài)的個體，外界環(huán)境的劇烈變化可實時誘發(fā)、啟動腦卒中發(fā)生（Wang，et a1，2013；黃如訓，2005）。所以通過研究氣象因素的健康效應，減少可干預危險因素對腦卒中發(fā)病的不利影響，對做好腦卒中的預防工作具有重大意義。

氣溫、氣壓和濕度與腦卒中發(fā)病均存在較大關聯(lián)。Takahashi 等（1957）便觀察到腦出血的死亡率與地理分布有關，并通過實驗證實了其相關是由氣溫的差異造成的。中國腦卒中發(fā)病和死亡也存在明顯的地域差別，腦卒中發(fā)病率和死亡率最高的是東北地區(qū)，中部地區(qū)次之，最低的是南部地區(qū)（Wang，et a1，2017b）；東北、華北、西南的西藏和貴州地區(qū)發(fā)病率明顯高于其他地區(qū)，東南沿海地區(qū)相對較低（Zhou，et a1，2016）。溫度過低或過高均會增加腦卒中發(fā)病風險，但各個地區(qū)存在不同的最適溫度（Gasparrini，et a1，2015）。中國北方城市的最適日均溫度為20.1—24.4℃，南方城市則為25.2—30.8℃（Yang，et a1，2016）。氣溫對機體的影響機制研究表明，一旦遇到強冷、暖氣流的刺激易引起血流動力學改變，促成血壓波動，是腦卒中風險增高的主要因素之一（Wang，et a1，2017a；Zhao，et a1，2019）。其次，氣溫驟變導致心率異常和血液動力學變化是導致腦卒中的誘因之一，尤其是在氣溫較低的冬季和較高的夏季（Simpson，et a1，2015；廉慧，2016）。另外，氣溫的變化可影響血液內(nèi)成分的變化，如血小板、紅細胞、纖維蛋白原、凝血因子及脂蛋白等改變是誘發(fā)腦卒中的病因之一（Braune，et a1，2016；Cambras，et a1，2017）。

除了氣溫，普遍還認為腦卒中發(fā)病率與氣壓呈正相關（Jimenez-Conde，et a1，2008；Larrieu，et a1，2007），但俄羅斯學者Shaposhnikov 等（2014）發(fā)現(xiàn)腦卒中隨日平均氣壓升高而穩(wěn)定下降，與氣壓的變化呈負相關；Honig 等（2016）和Hori 等（2012）均發(fā)現(xiàn)氣壓降低可增加腦深部出血的風險。Jimenez-Conde 等（2008）研究表明腦卒中的發(fā)病與氣壓、氣溫不存在相關，但其變化可導致腦卒中的發(fā)病增多。劉博等（2014）的研究也表明腦卒中對負變溫和正變壓反應敏感?？諝庀鄬穸扰c腦卒中關系的探討各地結果差別較大，且缺乏明確的機制研究。歐洲的研究表明相對濕度越低腦血管病死亡率越高（Díaz，et a1，2002），而中國的研究則表明腦卒中病例數(shù)與相對濕度呈顯著正相關（Cao，et a1，2016），且當相對濕度超過74%時病例數(shù)明顯增多（黃明北等，1999）。Lim 等（2017）的研究發(fā)現(xiàn)韓國北部地區(qū)腦卒中發(fā)病與濕度變化不存在相關?？傊?，氣象因素誘發(fā)腦卒中的機制復雜，不是單一機制而是多種機制疊加的共同作用。

腦卒中發(fā)病與氣象因素關系的研究結果因地域差異而不盡相同，所以進行特定區(qū)域的細致研究顯得至關重要。近年來天津市腦卒中疾病負擔越來越重，相關研究多是基于其流行特征、危險因素、疾病負擔等方面開展（胡亞會，2020；王志梅，2018；魏常松等，2018），其中危險因素主要涉及生活方式、病史、家族史等，關于氣象環(huán)境因素的研究相對較少。文中利用2016—2020 年天津市腦卒中日住院數(shù)據(jù)和氣象數(shù)據(jù)，開展高影響氣象因子不同時間尺度變化、滯后以及累積效應對腦卒中住院風險的影響研究，旨在為腦卒中的綜合防控提供參考，最終達到降低其發(fā)病率和死亡率的目的。

2 資料與方法

2.1 資 料

腦卒中醫(yī)療數(shù)據(jù)來源于天津市健康醫(yī)療大數(shù)據(jù)有限公司，數(shù)據(jù)來源的醫(yī)院級別及數(shù)量見表1，基本能夠代表天津市腦卒中住院的整體情況。數(shù)據(jù)包括2016—2020 年的腦卒中日住院人數(shù)、患者年齡及性別等信息。同期氣象數(shù)據(jù)來源于天津市氣象局西青觀測站，包括氣壓、溫度、相對濕度、風速等氣象要素的小時數(shù)據(jù)及日均數(shù)據(jù)。

表1 醫(yī)療數(shù)據(jù)來源Table 1 Number of hospitals based on medical data source

2.2 方法

2.2.1 累積概率分布與斯皮爾曼（Spearman）相關系數(shù)

采用腦卒中日住院人數(shù)累積概率分布對其住院風險進行等級劃分。根據(jù)日住院人數(shù)累積比例的25%、50%、75%和95%分位數(shù)，確定低風險、中低風險、中風險、中高風險、高風險5 個風險等級。采用Spearman 相關系數(shù)進行氣象因子與腦卒中各風險等級住院人數(shù)的相關分析。分析各風險等級腦卒中住院人數(shù)與當天及滯后6 d 內(nèi)氣象因子的相關，確定高影響氣象因子。

2.2.2 分布滯后非線性模型與半?yún)?shù)廣義相加模型

為研究氣象因素對腦卒中影響的滯后效應和累積效應，本研究利用R 軟件4.3.2 版本中的dlnm程序包進行分布滯后非線性模型（Distributed Lag Non-linear Model，DLNM）（Gasparrini，et a1，2010）建模，擬合高影響氣象因子的“交叉基”函數(shù)，確定影響的最大滯后時間?；谝褬嫿ê玫摹敖徊婊焙瘮?shù)，利用R 軟件4.3.2 版本中的mgcv 程序包進行半?yún)?shù)廣義相加模型（Generalized Additive Models，GAM）（Hastie，et a1，1995）建模，明確高影響氣象因子與腦卒中住院人數(shù)的暴露-反應關系。為驗證模型的穩(wěn)定性，本研究通過改變模型中高影響氣象因子的時間序列自由度（3—6），對其進行敏感性分析。

3 腦卒中住院人群與住院風險分布特征

3.1 腦卒中住院人數(shù)整體情況

從天津市2016—2020 年腦卒中住院人數(shù)月變化（圖1）可見，2016—2020 年腦卒中天津市全年住院人數(shù)依次為139779、179408、201488、227533 和133387。其中2018 和2019 年全年住院人數(shù)超過20 萬，2019 年全年住院人數(shù)最多，2020 年可能受新型冠狀病毒肺炎疫情的影響住院人數(shù)明顯減少。結合2016—2020 年數(shù)據(jù)來源的醫(yī)院數(shù)量并不能得出天津市近年腦卒中住院人數(shù)呈現(xiàn)增多的趨勢，但2019 與2020 年數(shù)據(jù)來源的醫(yī)院數(shù)基本已囊括天津市的二級以上醫(yī)院，所以2019 年數(shù)據(jù)在一定程度上可代表天津市腦卒中住院人數(shù)的基本情況。腦卒中住院人數(shù)在全年中存在兩個峰值，分別出現(xiàn)在3—4 月和11—12 月，2 月腦卒中的住院人數(shù)遠少于其他月份，這可能與傳統(tǒng)節(jié)日春節(jié)的習俗有關。2019 年腦卒中日平均住院人數(shù)為623；2 月的住院人數(shù)最少（14063），4 月的住院人數(shù)最多（21135），其次為12 月（21101）。

圖1 2016—2020 年腦卒中住院人數(shù)月變化Fig.1 Changes in stroke inpatients from 2016 to 2020

3.2 腦卒中住院人群特征

天津市腦卒中男、女住院人數(shù)比為8:5，男性住院患者明顯多于女性（圖2a）。男、女住院人數(shù)在全年中分布基本一致。50 歲以上尤其是60 歲以上人群為易患腦卒中疾病的高危人群（圖2b）。50 歲以上男、女住院患者分別占各自總人數(shù)的92.4%、97.2%。男、女住院患者均為70 歲以上的比例最高，占比分別為37.7%和51.4%。50 歲以上人群為腦卒中的危險人群的主要原因是老年人身體機能衰退，對外界和體內(nèi)環(huán)境改變的適應能力降低。當氣溫等發(fā)生劇烈變化時，老年人的機體調(diào)節(jié)能力往往不足以應對氣象條件的驟變對機體的影響。

圖2 2016—2020 年月均腦卒中住院患者男、女（a）人數(shù)和（b）年齡分布Fig.2 Male and female（a）number of inpatients and（b）age distribution of stroke inpatients from 2016 to 2020

3.3 腦卒中住院風險分布特征

基于腦卒中日住院人數(shù)累積概率分布的25%、50%、75%和95%分位數(shù)確定低風險、中低風險、中風險、中高風險、高風險等級（圖3）。日住院人數(shù)累積概率達到25%、50%、75%和95%分位數(shù)時對應的日住院人數(shù)分別為517、619、705 和812 人。各風險等級對應的日住院人數(shù)范圍及日數(shù)占比見表2。全年住院中高風險等級以上的日數(shù)占比為18.3%，其中高風險占比3.3%。中高風險等級對應的日住院人數(shù)范圍為706 至812。高風險等級的日住院人數(shù)在812 人以上。

圖3 腦卒中日住院人數(shù)的累積概率分布Fig.3 Cumulative probability distribution of daily stroke hospitalization

表2 腦卒中5 種住院風險等級劃分統(tǒng)計Table 2 Statistics for the classification of five types of stroke hospitalization risk level

5 種住院風險等級在各月出現(xiàn)的概率如圖4 所示，住院中高以上風險等級出現(xiàn)概率在全年中存在2 個峰值，分別為11 月和4 月，概率為41.1%和36.7%。12 月中高以上風險等級出現(xiàn)概率也較高，為33.3%。可見深秋、初冬和春季為天津腦卒中住院高風險季節(jié)，且深秋的風險高于春季。同時住院中高以上風險等級出現(xiàn)概率在全年中存在2 個谷值，分別為2 月和8 月，這一結果與中國其他城市冬季腦卒中高發(fā)不同，但與夏季低發(fā)一致（林亞楠等，2018；劉娜等，2018）。

圖4 各月腦卒中住院風險等級出現(xiàn)概率（綠線為中高風險與高風險出現(xiàn)概率之和）Fig.4 Occurrence probabilities of five stroke hospitalization risk levels in each month（green line is the sum of the occurrence probabilities of medium to high risk and high risk）

4 腦卒中高住院風險的氣象原因探析

4.1 氣象因素與腦卒中住院人數(shù)的相關分析

住院人數(shù)與氣象因子呈較好的相關關系，且氣象因子與高風險等級的住院人數(shù)相關最強。通過相關分析得到高影響氣象因子為氣壓、氣溫、氣溫日較差、24 h 變壓和24 h 變溫。表3 為高風險等級日住院人數(shù)與氣象因子累積影響的相關系數(shù)。日住院人數(shù)與氣壓累積2 d 的影響相關系數(shù)最大，且為正相關，其中與最高氣壓的相關系數(shù)最大（0.424）。與氣溫累積3 d 的影響相關系數(shù)最大，呈負相關，與最高氣溫的相關系數(shù)為-0.413。腦卒中住院人數(shù)與氣壓呈正相關，與氣溫呈負相關，這一結果與太原和上海等地的研究結果一致（王瑞，2015）。同時腦卒中住院人數(shù)還與氣壓和氣溫日較差存在相關，與24 h 變壓呈正相關，與24 h 變溫呈負相關。

表3 當天及前7 d 氣象因子累積與高風險等級住院人數(shù)的相關系數(shù)Table 3 Correlation coefficients of the accumulation of meteorological factors on the day and the previous 7 d with the number of high-risk hospitalizations

4.2 高影響氣象因子與腦卒中住院人數(shù)的關系

為得到腦卒中住院人數(shù)在高影響氣象因子取值范圍內(nèi)的分布特征，將日最高氣壓、日最低氣溫、24 h 變壓和24 h 變溫的取值范圍按其0.5 個單位劃分為等間隔的小區(qū)間，并在每個區(qū)間內(nèi)求腦卒中住院人數(shù)的均值，繪制氣泡圖，氣泡的大小和顏色深淺反映了所在區(qū)間內(nèi)數(shù)據(jù)點的數(shù)量。當日最高氣壓低于1042 hPa 時，日住院人數(shù)基本維持在700 人以下的水平，當日最高氣壓高于1042 hPa時，日住院人數(shù)急劇增多，均在850 人以上（圖5a）。24 h 變壓在正、負4 hPa 的區(qū)間內(nèi)，腦卒中住院人數(shù)變化不大，在500 至600 人之間波動，且該區(qū)域樣本數(shù)量較大。隨24 h 變壓絕對值增大，住院人數(shù)呈增長趨勢。24 h 負變壓10—15 hPa 和24 h 正變壓大于18 hPa 的情況下，腦卒中住院人數(shù)相對較多（圖5b）。在日最低氣溫低于-12℃時，住院人數(shù)相對較多（圖5c）。當24 h 變溫為-5℃—7℃時，住院人數(shù)無明顯波動，隨變溫增大，住院人數(shù)呈增多趨勢。且負變溫情況的住院人數(shù)多于正變溫（圖5d）。整體來看在氣溫較低、氣壓較高、24 h 變壓和變溫較大的情況下對應的腦卒中住院人數(shù)較多。

圖5 （a）日最高氣壓、（b）24 h 變壓、（c）日最低氣溫、（d）24 h 變溫與腦卒中住院人數(shù)的關系Fig.5 Relationship between（a）daily maximum barometric pressure，（b）24 h pressure variation，（c）daily minimum temperature，（d）24 h temperature variation and the number of stroke hospitalizations

4.3 不同時間尺度氣溫變化對腦卒中住院人數(shù)的影響

4.3.1 月變溫對腦卒中住院人數(shù)的影響

天津全年月均溫度呈倒“U”型分布，7 月最高，1 月最低。圖6 中月變溫表示本月平均氣溫與上月平均氣溫的差，2 月到7 月月均氣溫呈上升趨勢，其中3—5 月升溫趨勢明顯，升溫幅度均在6℃以上。8 月至次年1 月月均氣溫呈下降趨勢，10—12 月降溫趨勢明顯，降溫幅度均在7℃以上。3 月和10 月為正、負月變溫最大的月份，均超過了8.5℃，中高以上住院風險出現(xiàn)概率在4 月和11 月出現(xiàn)了峰值，其中負月變溫顯著的深秋和初冬腦卒中住院風險最高，正月變溫顯著的春季腦卒中住院風險次高。腦卒中中高以上住院風險出現(xiàn)概率峰值滯后月變溫峰值1 個月，即出現(xiàn)最大正、負月變溫的下一月，腦卒中高住院風險出現(xiàn)的概率最大。而月變溫較小的1、2、7 和8 月為腦卒中住院的低風險期?？梢?，顯著的月變溫為影響腦卒中住院的重要因素，且月變溫為負值的深秋腦卒中住院風險最高。

圖6 月變溫與腦卒中住院風險的關系Fig.6 Relationship between monthly temperature change and hospitalization risk of stroke

4.3.2 24 h 負變溫對腦卒中住院人數(shù)的影響

由24 h 負變溫與腦卒中住院人數(shù)的關系（圖7）可知，24 h 負變溫對3、4、5、10、11、12 月的腦卒中住院人數(shù)影響較大。3—5 月24 h 負變溫超過6℃時住院人數(shù)明顯增多，超過720 人。24 h 負變溫在11 和12 月對腦卒中住院人數(shù)影響最大，24 h負變溫超過4℃時住院人數(shù)可超過740 人，由于11 和12 月負月變溫顯著，再疊加上24 h 負變溫，可增強不同尺度負變溫對腦卒中住院人數(shù)的影響。所以24 h 負變溫在深秋、初冬和春季對腦卒中住院人數(shù)影響較大，對夏季腦卒中的影響相反，24 h 降溫幅度越大，腦卒中住院人數(shù)反而越少。所以顯著的月際溫度變化與顯著的日尺度的24 h 變溫相疊加，可對腦卒中的危險人群造成較大影響。

圖7 24 h 負變溫與腦卒中住院人數(shù)的關系Fig.7 Relationship between 24 h negative temperature change and the number of stroke hospitalizations

5 高影響氣象因子對腦卒中住院風險的影響

5.1 高影響氣象因子的滯后效應

圖8 為高影響氣象因子與腦卒中住院人數(shù)的暴露-滯后-反應關系。30℃以上高溫和-5℃以下低溫均可引起腦卒中住院高風險，且對腦卒中住院人數(shù)產(chǎn)生即時影響，但低溫的風險高于高溫（圖8a）。隨滯后天數(shù)增加，高溫效應逐漸消失，低溫效應維持，低溫效應在滯后2 至3 d 內(nèi)達到最強。24 h 變溫在波動較小時腦卒中住院風險較低，隨變溫絕對值增大住院風險升高，且負變溫的風險高于正變溫（圖8b）。當24 h 正變溫超過8℃時，住院風險明顯升高，且強的正變溫對住院人數(shù)的影響表現(xiàn)為“即時效應”，主要影響當天和滯后1 d。7℃以上24 h負變溫存在明顯的“滯后效應”，在滯后3—5 d 的住院風險最高。氣溫日較差對腦卒中住院風險的影響表現(xiàn)為明顯的“滯后效應”（圖8c）。當氣溫日較差為14—20℃，滯后6—8 d 的住院風險最高。當氣溫日較差高于20℃時，在滯后2—4 d 的住院風險最高。所以隨氣溫日較差增大，住院高風險的出現(xiàn)時間提前。

圖8 （a）日平均氣溫、（b）24 h 變溫、（c）氣溫日較差與腦卒中住院人數(shù)的暴露-滯后-反應關系（色階：相對危險度）Fig.8 Exposure-lag-response relationship between（a）daily average temperature，（b）24 h temperature variation，（c）daily temperature range and stroke hospitalizations（shaded：relative risk）

5.2 高影響氣象因子的累積效應

通過高影響氣象因子的滯后效應可知產(chǎn)生影響的最長滯后天數(shù)可達10 d，但均在滯后3 d 左右對相對危險度產(chǎn)生最大影響，所以選取最大影響的滯后天數(shù)為3 d，研究當天和滯后3 d 的高影響因子對腦卒中住院人數(shù)影響的累積效應。圖9 為累積3 d 的高影響氣象因子與腦卒中住院人數(shù)的暴露-反應關系。氣溫對腦卒中住院風險的影響表現(xiàn)為“低溫效應”，平均氣溫低于0℃時腦卒中住院風險較高，隨溫度進一步降低，風險呈近似線性的增長趨勢。24 h 負變溫的風險大于正變溫，隨24 h 負變溫增大住院相對風險逐漸增大。氣溫日較差與腦卒中住院人數(shù)的暴露-反應關系均近似呈“J”型分布。氣溫日較差高于17℃時腦卒中住院風險較高，且隨氣溫日較差增大而增大。

圖9 （a）平均氣溫、（b）24 h 變溫、（c）氣溫日較差與腦卒中住院人數(shù)的暴露-反應關系（陰影：相對危險度95%置信區(qū)間）Fig.9 Exposure-response relationship between（a）mean temperature，（b）24 h temperature variation，（c）daily temperature range and stroke hospitalizations（shaded：95% confidence interval of relative risk ）

5.3 敏感性分析結果

為驗證模型的穩(wěn)定性進行了敏感性分析試驗。結果（圖10）表明，通過改變平均氣溫和24 h變溫模型中時間序列自由度（3—6），本研究所得結果亦較為穩(wěn)定，相對危險度值變化幅度較小，如改變平均氣溫的時間序列自由度，腦卒中住院人數(shù)的相對危險度值變化范圍為1.00104—1.00129。改變24 h 變溫的時間序列自由度，腦卒中住院人數(shù)的相對危險度值變化范圍為1.00653—1.00723。將交互作用項添加到半?yún)?shù)廣義相加模型后對結果有影響，但與調(diào)整前變化不大，模型結果基本穩(wěn)定。

圖10 （a）平均氣溫和（b）24 h 變溫在不同時間自由度下對住院風險影響的敏感性分析Fig.10 Sensitivity analysis of the effects of（a）mean temperature and（b）24 h temperature variation on the risk of hospitalization at different time degrees of freedom

6 結論

基于2016—2020 年天津市腦卒中日住院數(shù)據(jù)和氣象數(shù)據(jù)，采用腦卒中日住院人數(shù)累積概率分布進行住院風險等級劃分，通過Spearman 相關分析確定高影響氣象因子，分析高影響氣象因子的變化對腦卒中住院的影響。在此基礎上利用分布滯后非線性模型與半?yún)?shù)廣義相加模型得到高影響氣象因子對腦卒中住院的滯后以及累積效應。主要結論如下：

（1）天津市腦卒中年住院人數(shù)為22.5 萬左右，最高月住院人數(shù)可達2.1 萬，日均住院人數(shù)為623。男、女住院人數(shù)比為8:5，50 歲以上人群為易患腦卒中疾病的高危人群，50 歲以上男、女住院患者分別占各自總人數(shù)的92.4%、97.2%。

（2）氣象因子與住院人數(shù)呈較好的相關關系，尤其是與高風險等級的住院人數(shù)相關系數(shù)最大。高相關氣象因子為氣壓、氣溫、氣溫日較差、24 h變壓和24 h 變溫。且與氣壓呈正相關，與氣溫呈負相關，與氣溫日較差呈負相關，與24 h 變壓呈正相關，與24 h 變溫呈負相關。

（3）深秋、初冬和春季為天津市腦卒中住院的高風險季節(jié)，深秋的住院風險最高。腦卒中住院高風險出現(xiàn)概率峰值滯后月變溫峰值1 個月。6℃以上顯著的月變溫和6℃以上的24 h 負變溫相疊加可增大腦卒中住院風險，且月變溫為負變溫時，腦卒中住院風險最高。

（4）30℃以上高溫和-5℃以下低溫均可引起腦卒中住院高風險，但低溫的風險高于高溫，低溫效應在滯后2—3 d 內(nèi)達到最強。24 h 負變溫的住院風險高于正變溫，在深秋、初冬和春季對腦卒中住院影響最大，且變溫強度越大住院風險越高，7℃以上24 h 負變溫在滯后3—5 d 的住院風險最高。

天津市腦卒中高住院風險的氣象原因主要是月尺度和日尺度溫度劇烈變化的疊加，其次為極端氣溫及其24 h 劇烈變化的影響。本研究結果存在一定的局限性，一是研究中氣象數(shù)據(jù)僅來自1 個氣象站，無法代表個體暴露水平，會導致結果存在一定偏差；二是受限于醫(yī)療數(shù)據(jù)收集，對腦卒中病人住院的具體醫(yī)學原因不得而知，沒有進行具體病因下氣象原因的探討，需要進一步的深入研究。

致 謝：感謝成都信息工程大學王式功教授在研究過程中給予的指導與幫助！