大气污染是影响人类健康的主要环境危害因素之一。在大气污染的各种健康效应终点中，呼吸系统是最显著的。研究证实，从呼吸系统症状的产生到心肺疾病的门诊人数、入院人数和死亡率的增加都与空气污染有着密切关系^[1-7]。而在各种大气污染物中，颗粒物因携带大量有毒有害物质，其与人群健康效应的流行病学联系受到广泛关注，国内外研究均表明大气颗粒物短期浓度变化与人群呼吸系统疾病医院就诊人次变化密切相关^[8-9]。本研究采用国际上通用的基于广义相加模型(generalized additive model，GAM)的时间序列分析，对北京市丰台区2010年逐日可吸入颗粒物浓度(PM₁₀)与医院呼吸内科逐日门诊量之间的关系进行探讨研究，为城市大气污染健康效应评价、保护人群健康提供依据。

1 资料与方法 1.1 研究资料

1.1.1 呼吸系统疾病资料

收集丰台辖区某医院2010年1月1日—12月31日呼吸内科逐日门诊量资料，疾病种类主要包括急性上呼吸道感染、急慢性下呼吸道感染、流行性感冒和肺炎等。

1.1.2 大气污染物浓度资料

收集2010年1月1日—12月31日大气PM₁₀逐日监测资料, 数据来源于北京市环境监测中心，通过对每日空气污染指数(API)换算得到PM₁₀日均浓度值。本研究所用PM₁₀日均浓度值为丰台区内两个市控监测点逐日PM₁₀浓度数据的算术平均值。两个监测点与调查医院间的直线距离分别为1.6 km和9.9 km。

1.1.3 气象监测资料

2010年1月1日—12月31日气象监测资料来源于北京市气象局。指标包括日平均气温、日平均相对湿度及日平均气压。

1.2 数据质量控制

1.2.1 医院门诊资料

调查医院为丰台区一所集医、教、研、防四位一体的具备三级医院功能的综合性医疗机构，由南北两个院区组成，医院编制床位1 000张。该医院位于丰台区中部，交通便利，病人来源主要为辖区常住人口。呼吸内科是医院的强势科室之一，每周一至周五上午均有副主任医师以上级专家出诊，并设有专业门诊和普通专科门诊；周六、日及节假日为半日门诊。自2005年3月份起，该医院实现门诊就医信息电子化，本研究所用数据直接来源于医院信息中心，并经专业人员筛查去重，保证数据质量。

1.2.2 大气污染资料

根据环保局每日空气质量报告统计，2010年全年365 d中，丰台区内两个市控环保监测点分别有326 d和313 d首要污染物为PM₁₀；空气质量级别为优的天数分别为38 d和45 d。

2000年中国环境监测总站发布的《城市空气质量日报技术规定》中规定^[10]，各种污染物中污染分指数最大者为该日该点的首要污染物。因此，在首要污染物为PM₁₀时，根据分指数计算公式逆推即可获得当日PM₁₀浓度值数据。在本研究中，API值—PM₁₀浓度值逆推换算遵循以下准则：首要污染物为PM₁₀，根据API计算公式逆推换算获得当日PM₁₀浓度值；空气质量级别为优时，根据两个监测点全年有85.8%~89.3%的天数首要污染物为PM₁₀的情况，默认其首要污染物为PM₁₀，根据API计算公式逆推换算获得当日PM₁₀浓度值；首要污染物为NO₂或SO₂，则按照缺失值处理，依据线性内插法获得当日PM₁₀浓度值。

1.3 统计学方法

本研究采用SPSS 15.0进行资料的统计描述分析，利用SAS 9.2软件进行资料的时间序列统计分析。相对于总人口而言, 呼吸系统疾病患者到医院就诊是小概率事件，其实际分布近似泊松分布。本研究采用的广义相加泊松回归模型是对传统广义线性模型的拓展，目前已经得到广泛的应用。其一般形式如下：

式中：Y_i—观察日i当天的呼吸系统疾病就诊人数；E(Y_i) —观察日i当天预期就诊人数；α—截距；X_i—对应变量产生线性作用的自变量：如PM₁₀等；β_i—回归模型系数；f_j—非参数平滑函数；Z_j—对应变量产生非线性作用的自变量：如气温、气压等。

本研究采用平滑函数控制时间序列资料的长期趋势、季节和其他与时间长期变异有关的混杂，采用周日亚元变量控制时间短期波动的影响，并根据AIC值(akaike information criterion, AIC)最小选取变量进入模型。在此基础上，拟合PM₁₀单污染物线性模型，并同时考虑其滞后效应。既往文献研究结果显示，PM₁₀的健康影响滞后效应多数集中在0~5 d^[6-13]，故在本研究中，选择当日(lag 0) —前第5 d(lag 5) 的作用，并根据AIC最小准则选择最合适的滞后日进入模型评价PM₁₀对人群呼吸系统疾病门诊就诊量影响的相对危险度大小。

2 结果 2.1 描述性分析

2010年1月1日—12月31日, 调查医院呼吸系统疾病总就诊量为39 484人次，平均每日就诊量为108人次。同期丰台区PM₁₀年平均浓度为134.8 μg/m³，接近国家环境空气质量二级标准(150 μg/m³)。各项指标描述性统计结果见表 1。2010年全年PM₁₀日均值超过国家二级标准的天数为106 d，超标率为29.0%；PM₁₀日均浓度最高值为600 μg/m³，为现行日均标准的4倍(图 1)。

2.2 相关性分析结果

研究期间PM₁₀浓度值与气象因素之间的spearman相关分析结果见表 2。表中结果显示大气PM₁₀日均浓度值与平均湿度之间呈正相关(r等于0.204，P小于0.01)，与平均气压之间呈负相关(r等于-0.257，P小于0.01)，而与日平均温度之间关联则无统计学意义。

2.3 模型拟合结果

2.3.1 单因素模型

图 2显示了单因素分析中PM₁₀日均浓度对呼吸系统疾病日门诊量的RR值，可以看出PM₁₀的0~5 d的滞后效应均有统计学意义，滞后效应在滞后第2 d(lag 2) 达到最大值。

2.3.2 多因素模型

由图 3可见，在多因素模型中，PM₁₀的0~5 d的滞后效应均有统计学意义，滞后效应在滞后2 d后(lag 2) 最大。

根据AIC最小原则，分别选择单因素、多因素分析中PM₁₀的前2 d浓度(lag 2) 进入模型。表 3为单因素及多因素模型中，大气PM₁₀浓度每上升10 μg/m³时，呼吸系统疾病门诊量增加的相对危险度(RR)及其95%置信区间(95%CI)：其中β是模型估算出的大气PM₁₀的线性回归系数，Se是标准差。从表 3中可见，在控制了温度、湿度、气压等气象因素的混杂作用后，PM₁₀对呼吸系统疾病日门诊量的RR值略有降低。

3 讨论

本次研究结果显示，PM₁₀与医院每日呼吸系统疾病就诊量之间存在显著关联(多因素模型RR等于1.007，95%CI：1.005~1.008)，即大气中PM₁₀浓度平均每升高10 μg/m³，呼吸系统疾病门诊量平均增加0.7%；该研究结果稍高于国内北京(RR等于1.0054，95%CI：1.0051~1.0056)、济南(RR等于1.004，95%CI：1.002~1.005) 等地的同类研究；而与国内深圳(RR等于1.011，95%CI：1.006~1.016)、香港(RR等于1.010，95%CI：1.010~1.012) 以及国外(RR等于1.013，95%CI：1.004~1.021) 同类研究结果相比^[9-14]，本研究中PM₁₀对呼吸系统疾病发病的急性效应偏低。分析其原因可能与多种因素相关^[15]：在美国和西欧，颗粒物主要来源于机动车尾气排放，而我国的大气污染从全国范围内来讲仍然以煤烟型为主，经济较发达的大城市则表现为煤烟型和交通型混合污染，而根据相关文献报道，汽车尾气污染来源的颗粒物污染对人体健康造成的影响更大^[16-17]；另外，我国大气颗粒物的浓度远高于欧美国家，长期较高的大气污染水平使人群的适应性增加，这也可能造成我国与欧美国家同类研究结果之间存在差异的原因。由于经济发展程度的不同，国内各城市之间也存在大气颗粒物污染来源及污染水平之间的差异，以及各城市人群年龄构成不同，对污染物易感程度的差异等则可能是造成国内各城市同类研究结果差异的主要原因。除此之外，研究资料来源及数据质量、统计分析方法的应用及混杂因素的控制等原因也会对研究结果造成一定程度的影响。

可吸入颗粒物污染一直是北京市大气污染的首要污染物，汽车尾气和燃煤是主要的污染来源。近年来，北京市连续推出削减机动车污染排放、工业污染排放、扬尘污染排放和燃煤污染排放等各种措施来治理大气颗粒物污染，空气质量实现逐年改善。但根据环保局公布的监测数据，北京市大气颗粒物污染状况仍令人堪忧。丰台区位于北京市城区西南部，属北京市城乡结合部，辖区常住人口为211.2万人；随着经济发展，城区基础建设的逐步推进，辖区大气污染逐渐呈现出煤烟型污染、汽车尾气污染与建筑扬尘混合污染的区域特征性；与北京市全市水平相比，丰台区乡村人口、流动人口在辖区常住人口中比重较高(丰台区为24.1%和38.5%，北京市为14.0%和35.9%)。颗粒物污染来源以及暴露人群构成等因素的区域性特征等因素都有可能对本次的研究结果造成影响，同时也提示针对辖区大气污染与居民健康开展相关研究具有重大的现实意义，为有效预防和控制大气污染相关疾病以及政府部门制定决策提供科学依据。

国内外研究显示，多种大气污染物对人群健康影响存在协同作用，而本次研究只考虑了PM₁₀一种污染物，这也造成本次研究具有一定的局限性。下一步将针对其它大气污染物的协同作用以及不同易感性人群进行展开更深入的研究。