黃 翌

南通大學地理科學學院，南通，226007

1 引言

非適宜氣溫（最小死亡風險所對應的氣溫稱為適宜氣溫，其他均為非適宜氣溫）是循環(huán)系統(tǒng)、呼吸系統(tǒng)疾病的主要環(huán)境類危險因素。全球13 個主要國家和地區(qū)的7000 余萬死亡人口統(tǒng)計顯示，7.71%的全因死亡由非適宜溫度導致，其中中國較高（11%）（Gasparrini，et al，2015）。根據(jù)《全球疾病負擔2019》，非適宜氣溫是中國居民排名第8 的死亡危險因素。大量研究證實氣溫與死亡人數(shù)呈“U”型、反“J”型曲線，其中老年人群受非適宜氣溫影響的死亡風險高于中低齡人群。日本年齡相關的身體衰弱死亡與寒潮的關系比與其他死因更為密切（Ma，et al，2021）。浙江省老齡人口受氣溫影響顯著高于65 歲以下群體（Hu，et al，2019）。蘇州市65 歲以上人群受極端低溫和極端高溫的影響比0—64 歲更大（Wang，et al，2014）。巴西圣保羅65 歲以上男性人群腦血管病死亡風險更大（Ikefuti，et al，2018）。南京市60 歲以上的氣溫-循環(huán)系統(tǒng)疾病死亡的暴露-反應關系高于60 歲以下（肖冰霜等，2017）。蘭州市極端氣溫對老齡人的影響更早，持續(xù)期更長（Liu，et al，2019）。一項綜述研究（Song，et al，2017）顯示冷效應對老年人的影響尤為顯著。

空氣污染（氣體及顆粒物）是全球死亡的高風險因素（Cohen，et al，2017），2017 年中國有120 萬人死于空氣中的顆粒物污染，其疾病負擔較嚴重（Zhou，et al，2019），其中PM2.5是顆粒物中的主要危險成分。PM2.5對不同年齡人群的影響大小還存在爭議，全球疾病負擔的研究結果（GBD 2017 Risk Factor Collaborators，2018）顯示，PM2.5的相對危險度隨年齡增長而下降，但是中國的一些研究發(fā)現(xiàn)，PM2.5中各成分濃度升高對于75 歲以上人群的風險高于0—74 歲（Yang，et al，2020）、65—74 歲人群的危害大于0—64 歲（Chen C，et al，2018）。

老年群體是脆弱群體的主體和對疾病及其危險因素抵御力較弱的群體，死亡率隨年齡增長不斷升高，非適宜氣溫、PM2.5等全民暴露的環(huán)境危險因素對不同年齡段老年人的危險性、滯后期、收獲效應（也稱“補償效應”，極端氣溫導致死亡人數(shù)多于平時，其中以老年和體弱者為主，極端氣溫過后，人群中高危人數(shù)減少，死亡人數(shù)比平時更少）、協(xié)同作用可能存在與年齡相關的規(guī)律，但是目前對老齡群體內部細分年齡的影響研究還不足。本研究以中國老齡化最嚴重的地區(qū)為例，研究低溫（指一年中低于適宜溫度的氣溫）、高溫（指一年中高于適宜溫度的氣溫）和PM2.5濃度對不同年齡段老年人的危險程度及協(xié)同作用，旨在進一步認識大氣環(huán)境對各年齡段老齡人群的影響并為制定應對措施提供參考。

2 數(shù)據(jù)來源及研究方法

2.1 數(shù)據(jù)來源

研究區(qū)為江蘇省南通市。中國第五（2000 年）、六（2010 年）、七（2020 年）次人口普查結果表明，南通市65 歲以上人口占該市總人口比例分別為12.44%、16.50%、22.67%，均位于全國340 余個地級以上行政區(qū)的首位，較大的人口規(guī)模和嚴重的老齡化程度使南通市老齡死亡人數(shù)較多，為研究氣溫和空氣污染對老年人的影響提供了條件。

文中人口死亡數(shù)據(jù)來自南通市衛(wèi)生健康委員會、公安局聯(lián)動的人口死亡數(shù)據(jù)庫，共存儲2005 年以來數(shù)十萬死亡者信息，考慮到2011 年以前的死亡數(shù)據(jù)登記遺漏率較高、近一兩年的死亡數(shù)據(jù)還在不斷補錄完善、105 歲以上死者年齡存疑等情況，本研究收集了數(shù)據(jù)準確度較高的2012 年1 月1 日—2017 年12 月31 日全市6 個縣、縣級市（不含南通市區(qū)，市區(qū)和縣區(qū)老齡化率相差較大，6 個縣2020年65 歲以上人口占比均在23%以上，市區(qū)只有12.9%）共計256037 位65—104 歲全死因死者的死亡日期和年齡、性別、住址等信息。

2012—2017 年氣溫數(shù)據(jù)來自中國氣象局全國氣象數(shù)據(jù)共享服務網(wǎng)，PM2.5數(shù)據(jù)來自清華大學與多個機構共同研制的中國大氣成分近實時追蹤數(shù)據(jù)集（Tracking Air Pollution in China，TAP，http://tapdata.org.cn）（Geng，et al，2021；Xiao，et al，2021a，2021b），該數(shù)據(jù)集提供了2000 年以來10 km 分辨率的PM2.5長期濃度值，可以減弱農(nóng)村地區(qū)缺乏觀測站而導致區(qū)域平均濃度偏差的問題，與本研究主要以鄉(xiāng)鎮(zhèn)、農(nóng)村的人口死亡數(shù)據(jù)較契合。

2.2 研究方法

研究采用2 步模型，第1 步研究非適宜氣溫和PM2.5的獨立效應。大量研究已發(fā)現(xiàn)氣溫與死亡的非線性關系和滯后關系，而空氣污染與死亡以線性關系為主，利用在氣溫和空氣污染領域較成熟的分布滯后非線性模型（DLNM，Gasparrini，2014）和廣義相加模型（GAM）估算氣溫、PM2.5對6 個年齡組老年死亡人數(shù)的影響。

為了檢驗研究結果的穩(wěn)定性，設計了4 種敏感性試驗：（1）除日平均氣溫以外，還分析了日最低、最高氣溫的風險。（2）將暴露-反應關系的滯后期在14—28 d 內調整。（3）為檢驗時間趨勢的平穩(wěn)性，對其自由度在每年1—10 內調整。（4）對PM2.5等因素的自由度在每年2—5 內調整。敏感性試驗結果見附錄。運行模型后，發(fā)現(xiàn)氣溫對各年齡組的影響在14 d 以后已不存在滯后效應，故將滯后期修改為14 d。

為了觀察PM2.5的滯后效應，構建日均PM2.5濃度與滯后時間的廣義相加模型進行試驗，如果PM2.5的滯后期大于0，則統(tǒng)計滯后期內的累積風險，否則，統(tǒng)計當天的死亡風險。

第2 步研究非適宜氣溫和PM2.5的協(xié)同作用。采用薄板樣條函數(shù)（thin-plate spline）構建非參數(shù)二元響應模型進行分析（張瑩等，2021）。

依據(jù)第1 步中各年齡組氣溫與死亡人數(shù)的關系，進一步將溫度分為低溫和高溫，對2 個溫度層內PM2.5與死亡的關系進行定量分析和對比。

依據(jù)研究結果將氣溫分為適宜溫度區(qū)間（MMT）、熱不適宜溫度區(qū)間（高于MMT）、冷不適宜溫度區(qū)間（低于MMT）。采用超額危險度（ER）、相對危險度（RR）、歸因分值（PAF）及其95%置信區(qū)間（95%CI）來評價暴露效應，相對危險度、歸因分值、超額危險度的計算參考相關資料和文獻。分布滯后非線性模型和廣義相加模型分別利用R 軟件的dlnm 和mgcv程序包進行建模。

3 數(shù)據(jù)特征

死亡人口的年齡分布如圖1，時間序列分布如圖2。男性、女性、全體的死亡峰值年齡分別是82 歲、86 歲、83 歲（死亡的峰值年齡一般高于預期壽命是因為中低齡死亡人員對預期壽命的拉低作用），90 歲以上死亡者占65 歲以上死亡人數(shù)的16.3%，男、女比隨年齡增長而降低，符合全球及中國人口死亡規(guī)律。為了研究氣溫和PM2.5對不同年齡老年人的影響，從統(tǒng)計上消除人數(shù)差異大引發(fā)的隨機因素的干擾，以利于年齡組之間的等效對比，文中按照各組死亡人數(shù)大致相等的原則，對65—104 歲老人按年齡分成6 組（65—72、73—77、78—81、82—85、86—89、90—104 歲）。

提取研究區(qū)范圍內10 km 分辨率的80 個點的PM2.5濃度并計算平均值，氣溫和PM2.5時間序列分布和頻數(shù)見圖2。南通市年平均氣溫16℃，2012—2017 年氣溫的5%、25%、50%、75%、95%分位數(shù)分別為2.0、8.0、17.2、23.5 和30.4℃。PM2.5濃度的5%、25%、50%、75%、95%分位數(shù)分別為15.6、32.3、52.9、80.9 和137.2 μg/m3。

圖2 PM2.5（a）、氣溫（b）和死亡人數(shù)（c）的時間序列（a1—c1）及頻次分布（a2—c2）Fig.2 Time series（a1—c1）and frequencies（a2—c2）of PM2.5（a），temperature（b）and mortality（c）

4 非適宜氣溫和PM2.5 的獨立效應

非適宜氣溫對不同年齡段老年人的相對危險度和滯后效應見圖3 和4，最低死亡溫度（MMT）為24—26℃。低溫和高溫的風險均隨年齡增長而增加，低溫風險隨年齡增長升高的幅度高于高溫。低溫、高溫均具有滯后效應，低溫的滯后效應從低溫后1—3 d 開始，持續(xù)9—12 d。高溫的滯后效應從當天開始，持續(xù)3—6 d，低溫、高溫的滯后期長短與年齡的關系均不明顯。各年齡組均表現(xiàn)出溫度越高或越低，滯后期越長。65—72、73—77 歲組的高溫具有微弱的收獲效應，即相對危險度低于1，但78 歲以上組的高溫無收獲效應。

圖3 2012—2017 年南通市平均氣溫與不同年齡段老年人（a—f）全因死亡人數(shù)的累積暴露-反應關系（陰影為95%置信區(qū)間）Fig.3 Cumulative exposure-response association of mean temperature and all-cause mortality in Nantong，2012—2017（a—f.groups of different ages；shaded：95%CI）

各滯后期內PM2.5的超額危險度如表1。由表1可見，研究區(qū)PM2.5滯后效應隨年齡增長而增加，65—72 歲、73—77 歲在滯后0、1 d 顯著，78—81 歲在滯后0 d 顯著，82—85 歲在滯后0、1、2 d 顯著，86—89 和90—104 歲在滯后0、1、2、3 d 顯著?；谏鲜鼋Y果，根據(jù)不同年齡組的顯著性分別設定滯后期。

表1 不同滯后時間下PM2.5 濃度變化導致的全因超額死亡風險Table 1 Excess risk of all-cause mortality associated with PM2.5 with different lag days

低溫、高溫、PM2.5的整體相對危險度和歸因分值見表2，其中PM2.5是否有安全暴露劑量存在爭議，各國標準差異較大，研究（Chen，et al，2017）顯示，相同濃度的PM2.5對中國居民的風險低于西方國家。依照世界衛(wèi)生組織對于顆粒物的空氣質量標準（24 h 內PM2.5濃度10 μg/m3）和過渡期標準（24 h 內PM2.5濃度25 μg/m3）（WHO，2006）兩種情況設定閾值。表2 顯示，低溫、高溫的相對危險度和歸因分值均隨年齡增長而升高，雖然低溫的相對風險效應比高溫顯著得多，19.02%的90 歲以上老人死于低溫，而65—72歲僅有3.56%。與氣溫相比，PM2.5對于低齡老人風險較大，但是隨年齡增長先減小后增大，其風險在高齡段小于低溫。

圖4 不同年齡組（a—f）的低溫、高溫滯后效應和收獲效應（色階為相對危險度）Fig.4 Lagged effect and harvest effect of high and low temperatures for groups of different ages（a—f；shaded：RR）

表2 低溫、高溫、PM2.5 的累積相對危險度和歸因分值及95%置信區(qū)間Table 2 Relative risk and attributable fraction of high and low temperature and PM2.5

研究區(qū)最低死亡溫度在不同年齡段略有差異，主要位于24—26℃，但并未發(fā)現(xiàn)最低死亡溫度隨年齡增長的變化規(guī)律，在該溫度范圍外，低溫和高溫下死亡風險均升高。大量研究表明，最低死亡溫度與緯度呈負相關，緯度越低，最低死亡溫度越高（Yang，et al，2015；Yu，et al，2012；Gasparrini，et al，2015；Guo，et al，2014）。本研究與已有研究（Yang，et al，2016；Ma，et al，2015；Cheng，et al，2019；Wang，et al，2017）得到的北亞熱帶最低死亡溫度主要位于20—26℃的結論一致。本研究還發(fā)現(xiàn)，隨著年齡增長，氣溫暴露-反應關系的曲線逐漸由65—72 歲的“U”型轉變?yōu)楦啐g的反“J”型，在老年低齡階段，離開最低死亡溫度后，低溫和高溫相對危險度升高的幅度大致接近，低溫略高，但是隨著年齡增長，低溫的升高幅度比高溫明顯得多，隨年齡增長的6 個年齡段1℃（氣溫的2.5%分位數(shù)）的相對危險度分別是31℃（氣溫的97.5%分位數(shù)）的1.04 倍、1.14 倍、1.19 倍、1.32 倍、1.26 倍、1.46 倍，導致反“J”型曲線的兩端差異變大。類似對年齡分為2 組的研究（Zhang，et al，2017）也表明，年齡越大，低溫比高溫的危險性增幅越大。對中國272 個城市的研究（Chen R J，et al，2018）顯示，75 歲以上人群的氣溫歸因死亡分值＞65—74 歲＞5—64 歲，并且75 歲以上與65—74 歲的差異明顯大于65—74 歲與5—64 歲的差異，說明氣溫的歸因死亡在老齡人群中隨年齡呈發(fā)散型上升。中國南方2008 年寒潮對75 歲以上人群的影響＞65—74 歲＞0—64 歲（Xie，et al，2013）。以上研究結果均表明，氣溫的劑量-反應關系為發(fā)散型。與某些因素的危險性隨濃度升高而收斂并具有極限不同，離開最低死亡溫度后，氣溫越高或越低，相對危險度的曲線呈凹形加速上升，導數(shù)沿“U”型、反“J”型、“J”型曲線向兩側增大，呈發(fā)散特征。

本研究結果顯示，由最低死亡溫度向兩側，氣溫越高或越低，滯后效應越顯著，低溫范圍內，15℃的滯后期只有1—3 d，0℃的滯后期超過8 d，高溫范圍內也呈現(xiàn)溫度、滯后期、相對危險度之間的三角形結構，只是滯后期短于低溫，這與已發(fā)現(xiàn)的低溫引發(fā)的死亡具有明顯的滯后效應，滯后期為1—25 d（李艷等，2016；董繼元等，2017；Ma，et al，2014）；高溫的滯后期較短，只有1—5 d 且主要影響集中在當天（張瑩等，2019；Bao，et al，2016）等結論一致，但是滯后效應與年齡不存在相關。部分研究發(fā)現(xiàn)高溫具有收獲效應，本研究結果發(fā)現(xiàn)65—77 歲有收獲效應，而78 歲以上各組無收獲效應，說明高溫對高齡老人的影響可能具有廣泛性，不僅脆弱者和患病者受影響較大，對普通高齡人群也有風險。

研究區(qū)的最低死亡溫度主要出現(xiàn)在6 月和9 月，高溫期（氣溫高于最低死亡溫度）只有2—2.5 個月，低溫期（氣溫低于最低死亡溫度）長達8—9 個月，導致低溫歸因死亡占比遠高于高溫，且年齡越大，低溫與高溫歸因分值的比值差異越大，從65 歲到90 歲以上分別為2.52、4.07、5.34、6.12、4.95、6.49 倍，說明高齡老人更需要注意低溫的傷害。雖然單次高溫的危險不一定低于低溫，部分國家及中國各地的死亡歸因主要表現(xiàn)為冷效應（Huang，et al，2015；張雪等，2018；Heo，et al，2016；Chen R J，et al，2018；Xie，et al，2013），研究中低溫和高溫的歸因死亡從2.7:1（張瑩等，2019）到30.7:1（Gasparrini，et al，2015）不等，即使今后全球變暖，英國2020、2050、2080年低溫歸因死亡依然分別是高溫的13.0、5.8、2.9 倍（Hajat，et al，2014）。主要原因是，①低溫的滯后期更長，增大了危險性；而高溫收獲效應降低了危險性（Ma，et al，2014；Gasparrini，et al，2015）。②世界及中國大多數(shù)地區(qū)全年每日氣溫低于最低死亡溫度的天數(shù)遠多于高于此溫度的天數(shù)，最低死亡溫度一般位于當?shù)貧鉁氐?0%—90%分位，全球平均在81%分位（Gasparrini，et al，2015），導致低溫的危險度上升區(qū)間更寬，且低溫期漫長，發(fā)生頻率更高，死亡遠多于高溫。③人們對高溫的應對措施更有效，如使用空調降溫，但對低溫特別是弱低溫的重視不夠。研究區(qū)位于冬季采暖線南側不遠的北亞熱帶，是冬季室內氣溫最低的地區(qū)之一，相關研究也顯示，溫帶地區(qū)的最低死亡溫度低于亞熱帶，即低溫對溫帶地區(qū)的風險性更低，并且推測與冬季溫帶地區(qū)有供暖密切相關（Ma，et al，2014；Yang，et al，2016）。

PM2.5的獨立效應表明，在老年低齡段，PM2.5風險與低溫、高溫相差不大，在不設閾值的情況下其歸因死亡占比更高。隨年齡增長，PM2.5的相對危險度和歸因分值均先降后升：65—72 歲＞73—77 歲＞78—81 歲＜82—85 歲＜86—89 歲＜90—104 歲，呈現(xiàn)波動變化，這與全球疾病負擔給出的PM2.5的相對危險度隨年齡增長下降的趨勢（GBD 2017 Risk Factor Collaborators，2018）以及相關研究（Franklin，et al，2007；Chen C，et al，2018；Ma，et al，2011）發(fā)現(xiàn)的死亡風險：65—74 歲＞75 歲以上＞0—64 歲、75 歲以上＞5—64 歲＞65—74 歲、65 歲以上或75 歲以上風險更大等結論有相似之處但并不完全一致。并且已有研究（Gao，et al，2017；Cao，et al，2011；Zhou，et al，2014）和本研究結果均發(fā)現(xiàn)，PM2.5對中國的危險性低于西方發(fā)達國家。與氣溫的相對危險度和歸因分值隨年齡增長迅速升高不同，PM2.5在中青年和低齡老年段危害較大，但是隨年齡增長并非發(fā)散式升高，表明與低溫相比，PM2.5與過早死亡聯(lián)系更緊密，而低溫對高齡、超高齡老人的影響更大。同時本研究發(fā)現(xiàn)PM2.5的滯后期隨年齡增長而延長，相關研究（Yang，et al，2020；張瑩 等，2021）也表明，PM2.5對于不同死因存在1—3 d 的滯后期。

5 協(xié)同作用

圖5 是日平均氣溫與PM2.5的協(xié)同作用，Z軸表示依據(jù)氣溫和PM2.5濃度計算的死亡人數(shù)，氣溫與死亡的反“J”型關系以及PM2.5濃度與死亡人數(shù)的線性關系十分明顯。二者對死亡人數(shù)具有協(xié)同作用，不論是低溫或是高溫環(huán)境下，PM2.5濃度升高都增加了死亡風險，部分年齡組在PM2.5濃度超過150 μg/m3時死亡人數(shù)的增加幅度趨于平緩。

圖5 日平均氣溫與PM2.5 的協(xié)同作用對不同年齡（a—f）影響的二元反應Fig.5 Bivariate response surfaces of mean temperature and PM2.5 for groups of different ages（a—f）

表3 是氣溫不分層以及分為低溫（低于最低死亡溫度）和高溫（高于最低死亡溫度）時，PM2.5濃度升高10 μg/m3對各老年組的超額死亡影響。氣溫不分層及低溫時，PM2.5濃度升高在各個年齡段都造成了0.50%—1.71%的超額死亡，但是在高溫時未觀察到超額死亡效應。這可能與高溫時PM2.5濃度低有關，研究區(qū)2012—2017 年各月平均氣溫與PM2.5濃度存在明顯的線性負相關關系，6、7、8 月PM2.5平均濃度為45.9 μg/m3；12、1、2 月PM2.5平均濃度為87.5 μg/m3。

表3 不同溫度水平下PM2.5 濃度升高10 μg/m3 對各老年組的超額死亡影響Table 3 Excess risk for each group with 10 μg/m3 increases in PM2.5 across different temperature levels

非參數(shù)二元響應模型的計算結果顯示，除65—72 歲年齡段氣溫與死亡為“U”型關系以外，其他5 個年齡段均呈反“J”型關系，PM2.5與死亡在0—150 μg/m3內均為線性關系，在150—200 μg/m3內，73—77 歲和86—89 歲趨于平緩，其他4 個年齡段仍為線性關系，死亡最低值發(fā)生在氣溫反“J”型曲線的拐點與PM2.5暴露值為0 的交界點，從死亡人數(shù)隨低溫、高溫、PM2.5濃度變化而升高的幅度看，65—72 歲為高溫≈低溫≈PM2.5，其他年齡段低溫＞高溫≈PM2.5，低溫導致的死亡人數(shù)遠多于高溫和PM2.5，是高齡人群的主要環(huán)境危險因素。因此，對于老年群體，特別是高齡老人，采取相應措施防范低溫的死亡風險至關重要。隨著2016 年以來對大氣污染治理力度不斷加大，近幾年研究區(qū)空氣質量為優(yōu)的天數(shù)增多，已經(jīng)很少出現(xiàn)PM2.5濃度高于150 μg/m3的情況，但是全球變暖導致極端高溫、極端低溫越來越頻繁，今后高溫的歸因死亡可能會高于PM2.5，并且低溫的危險性不一定降低。

對氣溫分層的結果表明，不分層和低溫環(huán)境下，PM2.5濃度升高對各個年齡段超額死亡都存在強相關，低溫環(huán)境下PM2.5濃度每升高10 μg/m3對65—72、73—77 和82—85 歲的超額死亡影響大于氣溫不分層時，而對78—81、86—89 和90—104 歲的影響小于氣溫不分層時，但是并未觀察到高溫環(huán)境下PM2.5濃度升高對各個年齡段超額死亡的作用。關于高溫、低溫與PM2.5協(xié)同作用的大小，不同的研究結論也不一致，成都、北京的研究（張瑩等，2021，2017）發(fā)現(xiàn)高溫段PM2.5對疾病死亡影響的健康風險均大于低溫段，且大于不分層條件下的獨立健康效應，而西安市的研究（歐奕含等，2021）結論與本研究一致，即低溫效應有統(tǒng)計學意義，高溫不具有統(tǒng)計學意義。

6 結論與討論

文中研究了低溫、高溫、PM2.5濃度對多個老年年齡段的危險性、滯后期、收獲效應、協(xié)同作用。低溫、高溫的危險性均隨年齡增長而增加，但低溫升高趨勢更大，PM2.5的危險隨濃度升高先減小后增加。低溫的滯后期較長，高溫和PM2.5的滯后期較短。高溫在老年低齡組存在收獲效應。低溫、高溫與PM2.5間存在協(xié)同作用。

本研究存在以下不足：并未收集其他空氣污染物，如O3、NOX、CO、PM10濃度，主要原因是死亡數(shù)據(jù)的時段為2012—2017 年，未能獲取2012 年部分污染物的監(jiān)測值。未考慮人口密度分布與PM2.5濃度分布的不一致，可能導致地區(qū)PM2.5平均值與人群暴露實際值存在偏差。雖然本研究的時間序列長、數(shù)據(jù)量大，但由于南通是老齡化最嚴重的地區(qū)，未來還需在其他地區(qū)做進一步的研究，增加結論的適用性。

附錄：敏感性試驗結果

1 日最高、最低氣溫試驗

附圖1 日最高氣溫與各年齡組（a—f）死亡的暴露-反應關系（陰影為95%置信區(qū)間）Fig.A1 Cumulative exposure-response association of daily maximum temperature and all-cause mortality（shaded：95%CI）

附圖3 日最低氣溫與各年齡組（a—f）死亡的暴露-反應關系（陰影為95%置信區(qū)間）Fig.A3 Cumulative exposure-response association of daily minimum temperature and all-cause mortality（shaded：95%CI）

附圖4 不同年齡組（a—f）的低溫、高溫滯后效應和收獲效應（以日最低氣溫計，色階為相對危險度）Fig.A4 Lagged effect and harvest effect of high and low temperatures for groups of different ages（daily minimum temperature；shaded：RR）

2 滯后期21 d 的試驗

附圖5 不同年齡組（a—f）的低溫、高溫滯后效應和收獲效應（滯后期21 d，色階為相對危險度）Fig.A5 Lagged effect and harvest effect of high and low temperatures for groups of different ages（lag021 d；shaded：RR）

3 時間自由度變化的試驗

附表1 時間自由度變化的試驗結果Table A1 Result of changing df（degree of freedom）of time

附圖6 90—104 歲年齡組不同時間自由度下（a—i）平均氣溫與死亡的暴露-反應關系（陰影為95%置信區(qū)間）Fig.A6 Cumulative exposure-response association of daily mean temperature and all-cause mortality under different df of time（shaded：95%CI）

4 PM2.5自由度變化的試驗

附表2 PM2.5 自由度變化的試驗結果Table A2 Result of changing df（degree of freedom）of PM2.5