2. 中国疾病预防控制中心现场流行病学培训项目;
3. 广西壮族自治区疾病预防控制中心;
4. 北京市疾病预防控制中心;
5. 济南市疾病预防控制中心
臭氧(O3)是我国城市的主要大气污染物之一[1]。2014年北京市共出现O3日均质量浓度超标73 d,其中夏季超标日中O3作为首要污染物的天数占40%以上[2]。O3所致的健康危害越来越受到重视,它不仅能增加呼吸系统和心血管系统死亡风险[3],还对认知功能和神经行为等存在不良影响[4],并可显著增加焦虑、抑郁等情绪障碍的发生风险[5-6]。我国城市人群密集,生活节奏快,焦虑已成为影响人群心理健康水平的重要因素,研究显示城市普通人群的焦虑检出率为2.8%[7],而医学类大学生的焦虑检出率已达17.1%[8],甚至有研究报道大学生的焦虑检出率高达61.3%,并与大气污染物存在关联[9]。因此,相对于人口密集、大气污染复合化的城市区域,开展O3与焦虑的关联性研究对指导公共健康管理具有必要性和重要意义。鉴于目前我国大气O3与焦虑的关联性研究还相对较少,因此,为探讨大气O3污染与人群焦虑状况之间的定量反应关系,选择北京市某中心城区作为调查现场,开展大气O3污染对社区居民焦虑状况的影响调查,研究方法与结果可为今后相关研究提供依据。
1 对象与方法 1.1 调查对象 1.1.1 人群焦虑状况2016年8月22日—9月30日,选择北京市中心某城区的社区居民作为调查对象,该城区下辖15个街道,人口140余万人,经济较为发达,且该区是该市主要八个城区之一, 位于市中心区域;该区的空气污染水平较高且人口稠密,是空气污染的典型城市区域。调查对象的纳入条件为:①6岁以上人群(6~15岁儿童和沟通不便的老年人由监护人或看护人代其回答);②本地居住时间≥2 a;③无严重器官功能障碍或精神疾患;④自愿接受问卷调查,并同意签署知情同意书。采用多阶段随机抽样方法确定调查对象,具体调查方法如下:采用分层随机抽样的方法,首先,采用标准组群抽样方法,从北京市某区(某城区)随机抽取居委会;第二,从抽取的居委会中随机抽取居民家庭,抽中家庭的所有家庭成员均为备选调查对象;第三,采用KISH表法确定具体调查对象个体。
1.1.2 空气污染物与气象数据收集该中心城区2016年8月1日—9月30日期间大气污染物O3、二氧化氮(NO2)和细颗粒污染物(PM2.5)浓度数据;数据来源中国环境监测总站[10],环保监测站站点编号为1006A。同时收集同期气象数据,指标包括温度和湿度,频次为半小时值数据,数据来源National Climatic Data Center(NCDC)[11],气象监测站点编号为545110。另外,利用R3.4.0软件,将臭氧浓度数据转换为每日最大8 h滑动均值,纳入分析模型。
1.2 调查方法人群焦虑状况采用现场面对面的问卷调查方式,使用国际标准化焦虑自评量表(SAS)收集调查对象焦虑状况,同时收集基础信息(性别、年龄)、健康状况(调查当日身体状况、BMI、直系亲属慢病史)、社会经济地位(家庭收入、受教育程度)、社会支持度、社会适应性(家中是否有空调)等信息。
1.3 焦虑的评分方法按照文献[12]报道的方法,进行焦虑自评量表的评分和焦虑程度分类;并将未发生焦虑定义为“0”,焦虑定义为“1”,纳入分析模型。
1.4 描述性分析对调查对象的连续性变量采用x±s进行描述,分类变量采用百分比(%)进行描述。计算焦虑检出率(%),不同性别间焦虑检出率的比较采用χ2。
1.5 回归模型分析构建大气污染物O3与焦虑的非条件Logistic回归分析模型,以是否焦虑作为因变量Y(焦虑=1,不焦虑=0),以O3为自变量首先构建单污染物模型,根据既往文献[6],在单污染物主模型中同时控制气象因素和调查对象混杂因素,气象因素采用表观温度(Apparent temperature,AT)指标[13],调查对象混杂因素包括基础信息、健康状况、社会经济地位及社会支持度及适应性。进一步分析O3对焦虑影响的滞后效应,包括现场调查前(1~7)d的当日滞后效应(lag1~lag7)和累积滞后效应(lag01~lag07)。计算O3浓度每升高10 μg/m3,焦虑发生风险OR值及95% Confidence Interval(95%CI)。
1.6 敏感性分析为验证回归模型稳定性,选择O3累积滞后效应最大时(lag04)开展模型敏感性分析,在单污染物回归模型中分别纳入社会经济人口变量[14]和空气污染物PM2.5及NO2评估主模型。
1.7 质量控制建立北京某城区人群焦虑状况、调查期间每日大气污染物浓度和气象因素综合Excel数据库,录入内容要经过质量控制工作人员的审核校对。数据库在双录入核查后,抽取了10%问卷与原问卷对比核查,正确率100%。此外,根据调查对象资料,剔除不符合质量要求的问卷和不符合年龄范围的调查对象问卷,确保研究对象符合纳入条件,建立过程中对所发现的问卷不完整和逻辑错误进行核实并及时纠正错误。调查期间,获得的气象及空气污染数据质量良好,缺失率小于1.5%。被调查对象经调查员介绍,均已知悉调查目的和调查内容的用途,并签署知情同意书。
1.8 统计分析软件采用R 3.4.0软件的“tidyr”、“dplyr”、“ggplot2”包,进行数据的统计分析和绘图,检验水准P < 0.05为差异有统计学意义。
2 结果 2.1 基本情况共计调查991人,有效问卷962份,有效率97.07%(962/991);调查对象平均年龄43.65±16.66岁(范围:6~89岁);男性436人(45.32%),女性526人(54.68%),(表 1)。调查期间,空气污染物O3和PM2.5的浓度变化曲线,以及每日被调查对象的人数分布情况(图 1)。
变量 | 频数 | 比例/% |
基础变量 | ||
性别 | ||
男 | 436 | 45.32 |
女 | 526 | 54.68 |
年龄/岁 | ||
<45 | 495 | 51.46 |
45~65 | 388 | 40.33 |
>65 | 79 | 8.2 |
个体健康状况变量 | ||
身体是否不适 | ||
是 | 485 | 50.42 |
否 | 477 | 49.58 |
直系亲属中是否有人有慢性病史* | ||
有 | 504 | 52.39 |
无 | 443 | 46.05 |
缺失 | 15 | 1.56 |
BMI(x±s) | 23.25±4.02 | — |
社会经济地位变量 | ||
家庭收入(万元/a) | ||
<1.0 | 148 | 15.38 |
1.0~10.0 | 663 | 68.92 |
>10.0 | 141 | 14.66 |
受教育程度/年 | ||
<6 | 63 | 6.55 |
7~12 | 330 | 34.30 |
>12 | 569 | 59.15 |
社会支持变量 | ||
社会支持/人 | ||
0 | 32 | 3.33 |
1 | 105 | 10.91 |
2 | 175 | 18.19 |
>3 | 647 | 67.26 |
适应性变量 | ||
家中是否有空调 | ||
有 | 918 | 95.43 |
无 | 44 | 4.57 |
空气污染物(μg/m3,x±s) | ||
O3 | 102.10±43.65 | — |
PM2.5 | 27.70±19.13 | — |
气象指标 | ||
温度(℃,x±s) | 24.59±2.11 | — |
相对湿度(%,x±s) | 54.97±10.96 | — |
AT(℃,x±s) | 24.76±3.02 | — |
注:“*”为包括以下慢性病——①哮喘;②慢性阻塞性肺病;③肺癌;④高血压;⑤冠心病/心梗;⑥中风;⑦糖尿病;⑧过敏性疾病;“—”为无相应数据 |
2.2 焦虑状况
对991名调查对象进行焦虑问卷调查,获得有效问卷962份,检出有焦虑症状者122人,检出率12.68%。
2.3 回归模型图 2显示,单日滞后效应,lag0时最高,O3浓度每升高10 μg/m3,焦虑发生风险OR值为1.08(95%CI:1.03~1.14)。累积滞后效应,lag01开始升高(OR: 1.13,95%CI: 1.05~1.22),至lag04时最大(OR: 1.30,95%CI:1.09~1.56),之后没有显著性。
2.4 敏感性分析
主模型(以O3 lag04为主模型)分别纳入社会经济人口基础变量和PM2.5后,5个调整模型分析结果仍然显示O3对焦虑发生风险具有显著性影响,且OR值波动均小于10%,提示主模型拟合稳定。加入NO2后,O3对焦虑发生风险的OR值出现波动,效应值有所下降,但臭氧与焦虑发生风险仍存在正相关(表 2)。
模型类别 | 纳入的变量 | OR(95%CI) |
主模型 | 全部变量 | 1.30(1.09,1.56) |
调整模型1 | O3+基础变量+适应性变量+社会经济地位变量+社会支持变量 | 1.30(1.09,1.56) |
调整模型2 | O3+基础变量+个健康状况变量+社会经济地位变量+社会支持变量 | 1.33(1.11,1.60) |
调整模型3 | O3+基础变量+个健康状况变量+适应性变量+社会支持变量 | 1.28(1.08,1.54) |
调整模型4 | O3+基础变量+个健康状况变量+适应性变量+社会经济地位变量 | 1.31(1.10,1.56) |
调整模型5 | 全部变量+ PM2.5 | 1.39(1.15,1.70) |
调整模型6 | 全部变量+ NO2 | 1.13(0.91, 1.40) |
注:基础变量:性别、年龄、AT;个体健康状况变量:调查当日身体状况、直系亲属慢病史、BMI;适应性变量:家中是否有空调;社会经济地位变量:教育程度、家庭收入、家中是否有空调;社会支持变量:社会支持 |
3 讨论
研究发现,北京某城区居民的焦虑发生率为12.68%,与大气O3浓度升高显著相关;不仅调查当天的O3浓度升高(每10 μg/m3)显著增加焦虑发生风险(OR:1.08,95%CI:1.03~1.14),滞后1 d和累积滞后(1~4) d也均能显著增加焦虑的发生风险。
O3是一种强氧化剂,短期暴露即可引起多种不良健康效应[15]。既往研究中,已有很多空气污染与焦虑发生相关的报道[11, 16-18],但O3对人群焦虑状况影响的研究还较少。Lim等[5]报道O3的3 d滑动平均浓度每增加一个四分位间距,抑郁风险增加43.7%(95%CI:11.5%,85.2%)。本研究发现了与上述研究相似的结果,调查当日O3暴露浓度每升高10 μg/m3,焦虑发生风险增加8%,提示O3短期暴露可能是导致人群焦虑的危险因素之一。空气污染物对人体生理和精神健康的影响均存在一定的滞后效应[5, 19-24]。因此,考察调查前一周O3的滞后效应,结果发现O3暴露当天单日滞后效应最大,滞后4 d累积滞后效应最大,明显短于颗粒污染物对焦虑影响的滞后天数(>7 d)[14, 25],其原因尚不清楚,可能与两种污染物的化学成分和作用机制不同有关[26-27]。既往研究表明氧化应激是焦虑、抑郁等情绪障碍的已知发病机制之一[28-30],而O3是一种强氧化剂,进入人体后可能通过诱导人体自身的氧化应激和炎症反应而引起焦虑[4, 25]。
以往文献报道健康状况和社会经济类因素对焦虑的发生有很大的影响[14],因此,分别纳入上述两类因素中的不同变量进入模型,还将PM2.5也纳入模型进行敏感性分析,但分析结果表明,无论如何调整模型的各类变量,O3对焦虑发生风险的影响均较为稳定。NO2加入模型后,对臭氧的健康效应值产生了一定影响,但事实上目前NO2对臭氧健康效应的影响在研究领域内存在较多的争议,针对不同的结局,其对臭氧的健康效应的混杂影响并不一致[15]。本研究仍可以提示大气O3暴露对焦虑发生风险具有独立的影响作用。
本研究为单季、单地区调查,调查覆盖的时间和地区范围相对较小,可能未能全面反映O3污染对北京人群焦虑状况的影响。此外,本研究中O3浓度数据来自调查区域内的环保监测站,可能与个体的实际暴露浓度会存在一定的差别[31-32];同时,本研究也没有对调查对象的家族焦虑史[33]等混杂因素进行详细调查,可能也会对结果产生一定影响。建议在今后的研究中,增加对不同季节、不同地区,以及相关混杂因素的深入调查,并采用更加准确的O3个体暴露测量方法,更全面地考察O3对人群焦虑状况的影响。
尽管如此,本研究的结果也可以反映出O3污染对人群焦虑发生的确切影响,无论是O3的当日暴露、单日滞后效应,还是一周内的短期持续暴露,都显著增加了普通人群的焦虑发生风险。空气污染所致的精神疾病,已经引起了很多国外研究者的重视,但以往的此类研究都是在发达国家等空气污染浓度较低的地方开展的,我国此类研究的报道还比较少,本研究提供了在较高污染水平下空气污染与此类精神疾患相关的证据,可以为其他后续研究者进行空气污染所致精神疾病的研究提供一定启示;同时,引起公共健康管理者对空气污染所致精神损害的关注,为制定降低空气污染所致精神疾病风险的相关政策提供证据支持。
[1] |
程麟钧, 王帅, 宫正宇, 等. 京津冀区域臭氧污染趋势及时空分布特征[J]. 中国环境监测, 2017, 33(1): 14-21. (In English: Cheng LJ, Wang S, Gong ZY, et al. Pollution trends of ozone and its characteristics of temporal and spatial distribution in Beijing-Tianjin-Hebei Region[J]. Environ Monit China, 2017, 33(1): 14-21.) |
[2] |
王占山, 张大伟, 李云婷, 等. 北京市夏季不同O3和PM2.5污染状况研究[J]. 环境科学, 2016, 37(3): 807-815. (In English: Wang ZS, Zhang DW, Li YT, et al. Different air pollution situations of O3 and PM2.5 during summer in Beijing[J]. Environ Sci, 2016, 37(3): 807-815.) |
[3] |
De Almeida SP, Casimiro E, Calheiros J. Short-term association between exposure to ozone and mortality in Oporto, Portugal[J]. Environ Res, 2011, 111(3): 406-410. |
[4] |
Thomson EM, Pal S, Guénette J, et al. Ozone inhalation provokes glucocorticoid-dependent and -independent effects on inflammatory and metabolic pathways[J]. Toxicol Sci, 2016, 152(1): 17-28. |
[5] |
Lim YH, Kim H, Kim JH, et al. Air pollution and symptoms of depression in elderly adults[J]. Environ Health Perspect, 2012, 120(7): 1023-1028. |
[6] |
Szyszkowicz M, Rowe BH, Colman I. Air pollution and daily emergency department visits for depression[J]. Int J Occup Med Environ Health, 2009, 22(4): 355-362. |
[7] |
胡强, 万玉美, 苏亮, 等. 中国普通人群焦虑障碍患病率的荟萃分析[J]. 中华精神科杂志, 2013, 46(4): 204-211. (In English: Hu Q, Wan YM, Su L, et al. Prevalence of anxiety disorder among mainland residents in China:a meta-analysis[J]. Chin J Psychiatry, 2013, 46(4): 204-211. DOI:10.3760/cma.j.issn.1006-7884.2013.04.004) |
[8] |
王爱芹, 孟明珠, 孔丽娜, 等. 我国医学类大学生焦虑症状检出率的meta分析[J]. 中国卫生统计, 2015, 32(5): 841-843, 847. |
[9] |
王立鑫, 姚旭辉, 贾海燕, 等. 某高校大学生焦虑抑郁与空气污染的关系[J]. 中国学校卫生, 2016, 37(7): 1036-1038. (In English: Wang LX, Yao XH, Jia HY, et al. Correlation between air pollution and anxiety and depression for university students[J]. Chin J Sch Health, 2016, 37(7): 1036-1038.) |
[10] |
中国环境监测总站.全国城市空气质量实时发布平台[EB/OL]. (2016-10-01).[2017-04-20]. http://106.37.208.233:20035/.
|
[11] |
National Centers for Environmental Information. Climate data online: dataset discovery[EB/OL]. (2016-10-01).[2017-04-18]. https://www.ncdc.noaa.gov/cdo-web/datasets.
|
[12] |
张明园. 精神科评定量表手册[M]. 2版. 长沙: 湖南科学技术出版社, 1998: 39-42. (In English: Zhang MY. Handbook of Rating Scales in Psychiatry[M]. 2nd ed. Changsha: Hunan Science and Technology Press, 1998: 39-42.)
|
[13] |
Zanobetti A, Schwartz J. Temperature and mortality in nine US cities[J]. Epidemiology, 2008, 19(4): 563-570. |
[14] |
Pun VC, Manjourides J, Suh H. Association of ambient air pollution with depressive and anxiety symptoms in older adults:results from the NSHAP study[J]. Environ Health Perspect, 2017, 125(3): 342-348. |
[15] |
闫美霖, 李湉湉, 刘晓途, 等. 我国臭氧短期暴露的人群健康效应研究进展[J]. 环境与健康杂志, 2012, 29(8): 752-761. (In English: Yan ML, Li TT, Liu XT, et al. Human health effects of short-term ozone exposure:a review of Chinese epidemiological evidence[J]. J Environ Health, 2012, 29(8): 752-761.) |
[16] |
Baxter AJ, Scott KM, Vos T, et al. Global prevalence of anxiety disorders:a systematic review and meta-regression[J]. Psychol Med, 2013, 43(5): 897-910. |
[17] |
Brauer M. Air pollution, stroke, and anxiety[J]. BMJ, 2015, 350: h1510. |
[18] |
Kroenke K, Spitzer RL, Williams JBW, et al. The patient health questionnaire somatic, anxiety, and depressive symptom scales:a systematic review[J]. Gen Hosp Psychiatry, 2010, 32(4): 345-359. |
[19] |
Szyszkowicz M, Kousha T, Kingsbury M, et al. Air pollution and emergency department visits for depression:a multicity case-crossover study[J]. Environ Health Insights, 2016, 10: 155-161. |
[20] |
Cho J, Choi YJ, Suh M, et al. Air pollution as a risk factor for depressive episode in patients with cardiovascular disease, diabetes mellitus, or asthma[J]. J Affect Disord, 2014, 157: 45-51. |
[21] |
Faustini A, Stafoggia M, Cappai G, et al. Short-term effects of air pollution in a cohort of patients with chronic obstructive pulmonary disease[J]. Epidemiology, 2012, 23(6): 861-879. |
[22] |
周历媛, 吴泉源, 蔡东全, 等. 基于GIS的济南市典型大气污染物对哮喘病的时空影响研究[J]. 环境卫生学杂志, 2015, 5(3): 211-214. (In English: Zhou LY, Wu QY, Cai DQ, et al. Typical air pollutants space-time effects on asthma in Jinan City[J]. J Environ Hyg, 2015, 5(3): 211-214.) |
[23] |
满金宇, 崔亮亮, 于坤坤, 等. 济南市重污染区域大气污染物对循环系统疾病门诊量的急性效应[J]. 环境卫生学杂志, 2018, 8(1): 12-17. (In English: Man JY, Cui LL, Yu KK, et al. Acute effect of air pollutants in heavy polluted areas on outpatients visit for cardiovascular diseases in Jinan[J]. J Environ Hyg, 2018, 8(1): 12-17.) |
[24] |
刘晓波, 杨丽, 洪千淇, 等. 2015年哈尔滨市某地区空气污染物与呼吸系统疾病门诊量关系的时间序列研究[J]. 环境卫生学杂志, 2017, 7(4): 279-283. (In English: Liu XB, Yang L, Hong QQ, et al. Time-series analysis on association between air pollutants and hospital outpatients for respiratoty diseases in a district, Harbin in 2015[J]. J Environ Hyg, 2017, 7(4): 279-283.) |
[25] |
Power MC, Kioumourtzoglou MA, Hart JE, et al. The relation between past exposure to fine particulate air pollution and prevalent anxiety:observational cohort study[J]. BMJ, 2015, 350: h1111. |
[26] |
Araujo JA, Nel AE. Particulate matter and atherosclerosis:role of particle size, composition and oxidative stress[J]. Part Fibre Toxicol, 2009, 6: 24. |
[27] |
Bell ML, Kim JY, Dominici F. Potential confounding of particulate matter on the short-term association between ozone and mortality in multisite time-series studies[J]. Environ Health Perspect, 2007, 115(11): 1591-1595. |
[28] |
Salim S, Chugh G, Asghar M. Inflammation in anxiety[J]. Adv Protein Chem Struct Biol, 2012, 88: 1-25. |
[29] |
Hou RH, Baldwin DS. A neuroimmunological perspective on anxiety disorders[J]. Hum Psychopharmacol, 2012, 27(1): 6-14. |
[30] |
Maes M, Kubera M, Obuchowiczwa E, et al. Depression's multiple comorbidities explained by (neuro) inflammatory and oxidative & nitrosative stress pathways[J]. Neuro Endocrinol Lett, 2011, 32(1): 7-24. |
[31] |
孙庆华, 王情, 陈晨, 等. . PM2.5个体暴露浓度与固定站点监测浓度的关系[J]. 环境与健康杂志, 2015, 32(12): 1055-1057. (In English: Sun QH, Wang Q, Chen C, et al. Associations between personal exposures and fixed-site concentration of PM2.5[J]. J Environ Health, 2015, 32(12): 1055-1057.) |
[32] |
董小艳, 吴亚西. 空气污染外暴露监测技术及暴露现状[J]. 环境卫生学杂志, 2017, 7(1): 64-68, 74. (In English: Dong XY, Wu YX. Monitoring techniques and exposure status for external exposure of air pollution[J]. J Environ Hyg, 2017, 7(1): 64-68, 74.) |
[33] |
Craske MG, Stein MB, Eley TC, et al. Anxiety disorders[J]. Nat Rev Dis Primers, 2017, 3: 17024. |