2. 济南市疾病预防控制中心
循环系统疾病是一系列会对人类健康造成巨大影响的疾病。2011—2015年,济南市居民循环系统疾病年均死亡率为362.80 /10万,居死因顺位第1位[1]。国内外均有研究显示,大气污染物PM2.5、PM10、NO2及SO2等会对心血管疾病产生不良影响[2-4]。
随着经济的发展,中国的空气污染越发严重。有研究发现,中国东部和东北部的颗粒物污染相对较重[5]。也有研究发现,在1996—2012年间,东亚地区(包括中国、朝鲜,中国台湾)的人群加权年平均NO2(Population-Weighted Annual Mean NO2,PWMNO2)翻了三番[6]。在中国,空气中的污染物主要来自煤炭燃烧和汽车尾气的排放[7]。山东省位于中国东部,其经济一直位于全国前列,煤炭资源丰富,汽车保有量大,空气污染严重。其省会济南,污染更是严重。在2014—2015两年中,济南空气中污染物的年平均浓度在环保重点城市中均居于较高浓度水平[8-9]。位于其东部的历城区,更是因为区内工厂林立,成为济南市污染相对严重的一个区。历城区内的宝胜电缆监测点,污染物浓度更是长期居于全市高浓度水平。因此,本研究为了评估重污染背景下空气污染物对循环系统疾病门诊就诊量的影响,选择该空气质量监测站点2 km范围内的一家综合医院,采用时间序列分析方法定量评价大气污染物PM2.5、PM10、NO2、SO2及O3与当地居民循环系统疾病门诊就诊情况的暴露反应关系,旨在为当地空气污染的健康管理提供依据。
1 资料与方法 1.1 资料来源循环系统疾病门诊资料来自济南市历城区宝胜电缆空气质量监测站点2 km范围内的唯一的一家综合医院。监测点、污染物排放源及医院相对位置如图 1所示。利用该医院的HIS系统,依据疾病诊断名称及ICD编码收集其2014—2016年循环系统疾病(包含ICD I00-I99全部疾病且病例覆盖I00-I99全部疾病)的逐日门诊信息,包括患者的就诊日期、性别、年龄、住址和疾病诊断等个案记录信息,不涉及患者姓名等隐私信息。依据患者住址筛选济南市本地就诊者。
气象资料来自于济南市气象局,收集同期逐日日均温(℃)和日均相对湿度(%)。大气污染资料来自济南市环保局宝胜电缆监测点,包括逐日PM2.5 (μg/m3)、PM10 (μg/m3)、NO2 (μg/m3)、SO2 (μg/m3)和O3-8h(μg/m3)(以下简称“O3”)的日均值。
1.2 统计学分析本研究描述性统计分析使用SPSS 20.0完成,时间序列分析采用广义线性模型(GLM)拟合,使用R 3.2.3软件完成,图表绘制使用Excel 2013完成。显著性水平P<0.05为有统计学意义。
1.2.1 描述性统计分析研究期间的气象指标、大气污染物及循环系统疾病门诊就诊数据近似服从正态分布,但由于波动性较大,均采用均值与标准差(x ± s)、最小值(Min)、最大值(Max)和分位数(P25、P50、P75)进行统计描述。使用Spearman相关系数对污染物与气象指标之间的相关性进行统计学描述,rs绝对值越接近1,两变量间相关性越强。
1.2.2 时间序列分析根据既往文献[10],采用基于Poisson分布的广义线性模型(GLM)分析大气污染物(PM2.5、PM10、NO2、SO2和O3)与循环系统疾病门诊就诊量之间的关联性。采用自然样条平滑函数(ns)拟合时间序列的长期趋势和季节趋势,自由度选择7/年。模型中同时控制气象因素、星期几效应(dow)的混杂影响,日均温(temp)、日均相对湿度(rhum),使用自然样条平滑函数拟合,自由度的选择基于AIC法则确定,dow效应以分类变量形式纳入模型。X代表污染物。GLM模型见以下公式:
log[E(y)]=βX+ns(temp, df1)+ns(time, df2)+ns(rhum, df3)+as.factor(dow)+α
式中:E(y)—观察日t日循环系统疾病门诊就诊的期望值,人次;
X—第t日大气污染物浓度,μg/m3;
β—暴露反应关系系数;
ns()—自然平滑样条函数,df为其自由度;
temp—第t日的平均温度,℃;
time—日期变量;
rhum—第t日相对湿度,%;
dow—反映“星期几效应”的哑元变量;
as.factor()—对象转化函数,将变量转化为因子型;
α—常数截距项。
对当日(lag0)的污染物浓度与循环系统疾病门诊就诊量进行分析,实施最长滞后效应探索性分析,最终确定当日滞后效应(lag1~lag3)和累积滞后效应(lag01~lag03)进行报告。计算污染物浓度每升高10 μg/m3,门诊量增加的ER(Excess Risk)及95%CI(95% Confidence Interval),采用当日滞后效应的最大值作为污染物对循环系统疾病门诊量效应的暴露风险估计值。
敏感性分析选择循环系统疾病门诊量当日滞后效应,在单污染物模型基础上,引入O3,污染物为O3时,引入PM2.5,验证主模型的稳定性。
1.3 质量控制三年间,该院循环系统就诊55 858人次,无个案缺失,亦无年龄、性别、诊断缺失。且每年本地患者就诊比例均在95%以上,80%以上为宝胜电缆空气质量监测站点周围5 km范围内居住人群,代表性好。气象及空气污染数据质量良好,缺失小于1%,所有缺失值均采用前2日与后2日取均值的方法进行插补。
2 结果 2.1 基本情况2014—2016年该综合医院循环系统疾病就诊55 858人次,平均51人次/d。参照国家《环境空气质量标准》(GB 3095-2012)[11],每年空气污染物PM2.5及PM10合格天数均不足50%,PM2.5及PM10日均浓度分别为100 μg/m3(19~447 μg/m3)、205 μg/m3(31~688 μg/m3);NO2、SO2、O3不合格天数均在10%左右,日均值浓度水平分别为53 μg/m3(10~140 μg/m3)、58 μg/m3(6~275 μg/m3)、90 μg/m3(4~288 μg/m3), (表 1)。
指标 | x ± s | Min | P25 | P50 | P75 | Max |
气象因素 | ||||||
日均温/℃ | 15.4±10.1 | -12.4 | 6.2 | 17.4 | 24.1 | 33.8 |
日均相对湿度/% | 50±21 | 9 | 33 | 48 | 65 | 100 |
空气污染物/(μg/m3) | ||||||
PM2.5 | 100±56 | 19 | 61 | 87 | 122 | 447 |
PM10 | 205±97 | 31 | 136 | 186 | 256 | 688 |
NO2 | 53±20 | 10 | 38 | 50 | 65 | 140 |
SO2 | 58±46 | 6 | 26 | 42 | 72 | 275 |
O3-8 h | 90±56 | 4 | 44 | 81 | 128 | 288 |
循环系统疾病门诊量(人次/d) | 51±26 | 4 | 30 | 47 | 69 | 167 |
2.2 Spearman相关分析
大气污染物日均浓度与气象因素间的Spearman相关分析结果如表 2所示。气象因素与污染物之间多存在相关关系。其中,污染物与气象因素之间大多存在负相关关系,污染物之间大多存在正相关关系。O3与日均相对湿度及污染物均存在负相关关系(表 2)。
指标 | 日均温 | 日均相对湿度 | PM2.5 | PM10 | NO2 | SO2 | O3 |
日均温 | 1 | 0.176* | -0.246* | -0.232* | -0.187* | -0.524* | 0.733* |
日均相对湿度 | - | 1 | 0.054 | -0.267* | -0.220* | -0.243* | -0.144* |
PM2.5 | - | - | 1 | 0.828* | 0.567* | 0.517* | -0.300* |
PM10 | - | - | - | 1 | 0.599* | 0.520* | -0.207* |
NO2 | - | - | - | - | 1 | 0.411* | -0.215* |
SO2 | - | - | - | - | - | 1 | -0.446* |
注:*为P < 0.01;“-”表示因A与B的相关系数与B与A的相关系数相同,故只标注一个,另一个以“-”代替 |
2.3 时间序列分析 2.3.1 急性效应
PM2.5、PM10及NO2均对循环系统疾病门诊量存在急性效应影响,未发现其余污染物对循环系统疾病门诊量的急性效应影响(表 3)。
滞后时间 | PM2.5 | PM10 | NO2 | SO2 | O3 |
当日滞后效应 | |||||
Lag0 | 0.40 (0.01, 0.80) | 0.25 (0.03, 0.47) | 1.66 (0.64, 2.68) | 0.32 (-0.37, 1.01) | -0.44 (-1.10, 0.22) |
Lag1 | 0.20 (-0.19, 0.58) | 0.01 (-0.20, 0.22) | 1.27 (0.27, 2.28) | 0.05 (-0.60, 0.71) | -1.14 (-1.71, -0.56) |
Lag2 | -0.06 (-0.42, 0.30) | -0.07 (-0.27, 0.12) | 0.74 (-0.23, 1.72) | 0.31 (-0.35, 0.96) | -0.25 (-0.77, 0.27) |
Lag3 | -0.24 (-0.59, 0.12) | -0.16 (-0.35, 0.04) | -0.37 (-1.30, 0.58) | -0.18 (-0.82, 0.46) | -0.40 (-0.92, 0.13) |
累积滞后效应 | |||||
Lag01 | 0.43 (-0.04, 0.90) | 0.18 (-0.08, 0.43) | 2.03 (0.84, 3.23) | 0.27 (-0.56, 1.10) | -1.41 (-2.20, -0.61) |
Lag02 | 0.31 (-0.21, 0.83) | 0.09 (-0.19, 0.38) | 2.13 (0.81, 3.46) | 0.45 (-0.50, 1.40) | -1.31 (-2.16, -0.45) |
Lag03 | 0.12 (-0.45, 0.70) | -0.02 (-0.32, 0.29) | 1.65 (0.23, 3.08) | 0.29 (-0.76, 1.36) | -1.45 (-2.36, -0.53) |
2.3.2 敏感性分析
选择空气污染物(PM2.5、PM10、NO2、SO2及O3)与循环系统门诊量的当日滞后效应最大值时进行敏感性分析。结果提示,单污染物模型基础上添加污染物O3(O3添加PM2.5)后,双污染物模型拟合结果与单污染物模型分析结果的变化均较小,且方向没有发生改变,提示单污染物模型拟合较好(图 2)。
3 讨论
本研究探讨了济南市严重污染区域内大气污染物对其周围社区居民循环系统疾病门诊就诊量的影响。采用时间分析方法定量评价空气污染物对监测点周围居民循环系统疾病门诊就诊情况的暴露反应关系。经分析发现,空气中PM2.5、PM10及NO2与循环系统疾病门诊量存在关联。
本研究发现,空气中PM2.5和PM10浓度每升高10 μg/m3,在Lag0时, 循环系统疾病门诊量分别增加0.40%(95%CI:0.01%~0.80%)和0.25%(95%CI:0.03%~0.47%)。既往有很多研究表明,空气中PM2.5、PM10浓度会影响当地居民的循环系统疾病发病情况[3, 12-14]。与本次研究结果相一致。本研究同时发现,NO2与循环系统疾病门诊量相关。既往有很多研究支持本次研究结果[3, 15-16]。众多研究均发现,SO2及O3会影响心血管疾病的发病情况[3, 16-18]。但是本研究中并没有发现SO2及O3与心血管疾病之间的关系,这可能与这两种污染物在济南的超标程度均较低相关。
颗粒物分为总悬浮颗粒物、可吸入颗粒物(PM10)、细颗粒物(PM2.5)和超细颗粒物[19],有研究显示,颗粒物的直径越小,越容易进入肺部,特别是PM2.5,不仅可以沉积于支气管与肺泡内,刺激肺巨噬细胞释放细胞白介素和肿瘤坏死因子,而且可以诱导炎症反应,造成循环系统损伤[20]。NO2对循环系统的急性作用,可能与NO2对微血管有损伤作用并且可以使NO2介导的交感神经兴奋相关[21]。
本研究采用了时间序列分析方法评估了大气污染物对呼吸系统疾病门诊量的急性效应,与同类研究相同,存在以下局限性:首先本研究属于生态学研究,生态学谬误无法避免;其次,研究选择济南市空气污染严重区域进行了相关分析,得出的结果为高浓度水平下社区人群门诊就诊的急性效应,对济南市全市水平的暴露评估具有一定的代表性;第三,未对循环系统疾病进行更细的分类,无法提供更详细的分析结果。但是本研究发现PM2.5、PM10及NO2与循环系统疾病之间存在关联,提示政府应注意保护环境,并可为今后严重污染区域的人群健康管理提供依据。
[1] | 王莹, 刘守钦, 周林, 等. 2011-2015年济南市居民循环系统疾病死亡流行病学特征分析[J]. 现代预防医学, 2017, 44(1): 25–28. Wang Y, Liu SQ, Zhou L, et al. Epidemiology of circulatory disease mortality in residents of Jinan, 2011-2015[J]. Mod Prev Med, 2017, 44(1): 25–28. (in Chinese). |
[2] | 董凤鸣, 莫运政, 李国星, 等. 大气颗粒物(PM10/PM2.5)与人群循环系统疾病死亡关系的病例交叉研究[J]. 北京大学学报(医学版), 2013, 45(3): 398–404. Dong FM, Mo YZ, Li GX, et al. Association between ambient PM10/PM2.5 levels and population mortality of circulatory diseases:a case-crossover study in Beijing[J]. J Peking Univ(Health Sci), 2013, 45(3): 398–404. (in Chinese). |
[3] | 杨程, 杨兴堂, 沈先标. 上海市某区2013-2015年大气污染物与医院门诊量的时间序列研究[J]. 环境与职业医学, 2017, 34(3): 235–238, 244. Yang C, Yang XT, Shen XB. A time-series study on association between ambient air pollutants and hospital outpatients in a district of Shanghai[J]. J Environ Occup Med, 2017, 34(3): 235–238, 244. (in Chinese). |
[4] | Franck U, Leitte AM, Suppan P. Multiple exposures to airborne pollutants and hospital admissions due to diseases of the circulatory system in Santiago de Chile[J]. Sci Total Environ, 2014, 468-469: 746–756. doi: 10.1016/j.scitotenv.2013.08.088 |
[5] | He MZ, Zeng XG, Zhang KY, et al. Fine particulate matter concentrations in urban Chinese cities, 2005-2016:a systematic review[J]. Int J Environ Res Public Health, 2017, 14(2): 191. doi: 10.3390/ijerph14020191 |
[6] | Geddes JA, Martin RV, Boys BL, et al. Long-term trends worldwide in ambient NO2 concentrations inferred from satellite observations[J]. Environ Health Perspect, 2016, 124(3): 281–289. |
[7] | Huang YB, Song FJ, Liu Q, et al. A bird's eye view of the air pollution-cancer link in China[J]. Chin JCancer, 2014, 33(4): 176–188. |
[8] | 国家统计局. 中国统计年鉴[M]. 北京: 中国统计出版社, 2015. National Bureau of Statistics of the People's Republic of China. China Statistical Yearbook[M]. Beijing: China Statistics Press, 2015 (in Chinese). |
[9] | 国家统计局. 中国统计年鉴[M]. 北京: 中国统计出版社, 2016. National Bureau of Statistics of the People's Republic of China. China Statistical Yearbook[M]. Beijing: China Statistics Press, 2016 (in Chinese). |
[10] | He S, Mazumdar S, Arena VC. A comparative study of the use of GAM and GLM in air pollution research[J]. Environmetrics, 2006, 17(1): 81–93. doi: 10.1002/(ISSN)1099-095X |
[11] | 中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会. GB 3095-2012环境空气质量标准[S]. 北京: 中国环境科学出版社, 2016. General Administration of Quality Supervision, Inspection and Quarantine of the People's Republic of China, Standardization Administration of China. GB 3095-2012 Ambient air quality standard[S]. Beijing:China Environmental Science Press, 2016. |
[12] | Ye XF, Li P, Kan HD, et al. Acute effects of particulate air pollution on the incidence of coronary heart disease in Shanghai, China[J]. PLoS One, 2016, 11(3): e0151119. doi: 10.1371/journal.pone.0151119 |
[13] | 陈献. 北京市冬季PM2. 5污染对呼吸、循环系统疾病影响的时间序列分析[D]. 石家庄: 河北医科大学, 2016. Chen X. Research the time series analysis the effect of PM2.5 pollution on respiration and circulation system in winter in Beijing[D]. Shijiazhuang:Hebei Medical University, 2016. |
[14] | Stockfelt L, Andersson EM, Molnár P, et al. Long-term effects of total and source-specific particulate air pollution on incident cardiovascular disease in Gothenburg, Sweden[J]. Environ Res, 2017, 158: 61–71. doi: 10.1016/j.envres.2017.05.036 |
[15] | 臧涛. 六安市大气部分空气质量指标与某医院总门诊量、呼吸内科和心血管内科门诊量关系的时间序列分析[D]. 合肥: 安徽医科大学, 2015. Zang T. Time series analysis of some air pollutions and daily hospital total visits, visits of department of respiration and cardiovascular of a hospital in Lu'an city[D]. Hefei:Anhui Medical University, 2015. |
[16] | 王在翔, 赵晶, 牛泽亮, 等. 空气污染对心脑血管疾病门诊量影响的Poisson广义可加模型分析[J]. 中国卫生统计, 2017, 34(2): 232–235. Wang ZX, Zhao J, Niu ZL, et al. Influence of air pollution on the outpatient volume of cardiovascular and cerebrovascular diseases using the Poisson generalized additive models in Weifang[J]. Chin J Health Stat, 2017, 34(2): 232–235. (in Chinese). |
[17] | 张熙, 朱晶颖, 张旭辉, 等. 浅析2015年无锡市某医院成人门诊量和空气污染的关系[J]. 环境卫生学杂志, 2016, 6(4): 271–274. Zhang X, Zhu JY, Zhang XH, et al. Relationship between air pollution and hospital outpatient adults of Wuxi in 2015[J]. J Environ Hyg, 2016, 6(4): 271–274. (in Chinese). |
[18] | 殷文军, 彭晓武, 宋世震. 深圳市空气污染与居民心血管疾病发病相关性的研究[J]. 公共卫生与预防医学, 2009, 20(2): 18–21. Yin WJ, Peng XW, Song SZ. Study of air pollution's influences on the residents' cardiovascular diseases in Shenzhen[J]. J Public Health Prev Med, 2009, 20(2): 18–21. (in Chinese). |
[19] | 杨克敌. 环境卫生学[M]. 7版. 北京: 人民卫生出版社, 2012: 76-77. (未找到本条文献英文信息, 请补充) |
[20] | 杜鹏瑞, 杜睿, 任伟珊. 城市大气颗粒物毒性效应及机制的研究进展[J]. 中国环境科学, 2016, 36(9): 2815–2827. Du PR, Du R, Ren WS. Research progress on toxicological characteristics and mechanisms of urban atmospheric particulate matters[J]. China Environ Sci, 2016, 36(9): 2815–2827. (in Chinese). |
[21] | 王德征, 江国虹, 张辉, 等. 天津市2001-2009年空气污染物二氧化硫、二氧化氮和可吸入颗粒物对冠心病死亡影响的时间序列分析[J]. 中华流行病学杂志, 2013, 34(5): 478–483. doi: 10.3760/cma.j.issn.0254-6450.2013.05.015 D Z, Jiang GH, Zhang H, et al. Effect of air pollution on coronary heart disease mortality in Tianjin, 2001-2009:a time-series study[J]. Chin J Epidemiol, 2013, 34(5): 478–483. doi: 10.3760/cma.j.issn.0254-6450.2013.05.015 (in Chinese). |