研究表明,2003—2012年间全球平均气温较1850—1990年增长了0.78℃,预估在不同的温室气体排放情景下,2046—2065年全球平均气温将比1986—2005年增加1.8℃~2.0℃[1],高温热浪等极端事件的发生频次也将迅速增加[2]。国内外已有大量研究表明,温度热效应明显增加人群非意外死亡及寿命损失年[3-4],未来气候升温也将严重影响人群健康,在中国上海的研究发现,不同温室气体排放情景下,预估未来上海热相关死亡人数的平均值在(498~1 191)人之间[5],在广州市的研究也发现,预估未来热效应引起的寿命损失年呈上升趋势[6]。因此开展不同地区温度热效应死亡风险评估将为今后全面、综合地评估气候升温对我国人群死亡的影响提供依据,然而目前尚未在北京市昌平区开展此类研究,因此本研究采用超额死亡百分比及寿命损失年综合评估温度热效应对人群非意外死亡的影响,为以往的研究提供补充证据,为昌平区今后开展针对性的应对策略和措施提供参考及依据。
1 材料与方法 1.1 数据来源自昌平区疾病预防控制中心获取2014—2017年昌平区死亡数据,依据国际疾病伤害及死因分类标准ICD-10编码筛选出非意外死亡(A00-R99)病例作为研究对象,同期的日平均气温、日均气压、日均湿度等气象数据由昌平区气象局提供,日均可吸入颗粒物(PM10)、二氧化硫(SO2)、二氧化氮(NO2)等环保数据由昌平区环保局提供。从世界卫生组织(WHO)的官方网站获得2014—2017年中国各性别及年龄别人口期望寿命的均值[7],用期望寿命减去死亡年龄,计算出每名死亡病例的寿命损失年,进而汇总出每日所有死亡病例的寿命损失年总和。
1.2 统计方法将长期趋势、星期几和节假日、可吸入颗粒物(PM10)、二氧化硫(SO2)、二氧化氮(NO2)、湿度和气压逐步纳入分布滞后非线性模型(DLNM),筛选出有意义的变量,再纳入日均温与滞后天数的交叉基矩阵。由于日死亡数为计数资料,且为小概率事件,服从Poisson分布,建立统计模型1,YLL服从正态分布,建立统计模型2:
模型1:
模型2:
其中:Yt—第t天的日死亡数;
α—截距;
T—日平均温度;
t—时间;
l—滞后天数;
Tt, l—温度与滞后天数经过交叉基运算后形成的矩阵;
NS—自然立方样条函数;
RH—日均湿度;
P—日均气压;
Time—长期趋势;
Dow—星期几,为分类变量;
Holiday—节假日,为二分类变量;
df—自由度;
YLLt—第t天的寿命损失年。
参考以往文献[8],本研究选择最大滞后天数为30 d,依据赤池信息量准则(Akaike information criterion,AIC),确定日平均温度及其滞后天数的df分别为6和5,长期趋势的df为7×4,其余变量的df均为3。
温度的热效应定义为逐日平均温度从27.5℃(P90)增加到30.5℃(P99),每升高1℃导致的人群超额死亡百分比与寿命损失年[9-10]。
由模型得出温度每变化1℃,人群死亡的相对危险度(Relative Risk, RR),公式为:RR=e^β,进而计算超额死亡百分比(cumulative excess mortality rate, CER),公式为:CER(%)=(RR-1)×100%。
敏感性分析:改变长期趋势的自由度来验证结果的稳定性。
采用R3.2.0软件中的mgcv,dlnm,tsModel等软件包进行统计分析,所有的统计学检验都是双向的,以P<0.05为有统计学意义的判断标准。
2 结果 2.1 一般情况北京市昌平区2014年1月1日—2017年12月31日,日平均气温在-15℃~32.3℃之间,平均值为13.8℃;全区四年累计死亡数为19 603人,其中非意外死亡18 648人,占总死亡数的95.1%;每日非意外死亡数的均值为9.6人,其中男性为5.4人,女性为4.2人,每日因非意外死亡造成的寿命损失为129.1 a,男性、女性分别为75.8 a和53.3 a;65岁以上人群日均非意外死亡数为7.2人,大于(0~65)岁人群(2.5人),然而65岁以上人群日寿命损失年为61.1 a,小于(0~65)岁人群(68.0 a),说明本研究中65岁以上人群死亡时年龄较大(表 1)。由图 1和图 2可见,2014—2017年逐日死亡数及寿命损失年在冬季和春季较高,而夏季和秋季较低,随季节变化稳定波动。
最小值 | P25 | P50 | P75 | 最大值 | 平均值 | 标准差 | |
气象因素及空气污染物浓度 | |||||||
日平均温度/℃ | -15.0 | 2.7 | 15.2 | 23.8 | 32.3 | 13.8 | 11.0 |
日平均相对湿度/% | 8.0 | 31.0 | 48.0 | 66.0 | 96.0 | 48.9 | 20.4 |
日平均气压/hpa | 985.6 | 999.4 | 1 007.6 | 1 016.2 | 1 034.7 | 1 007.9 | 9.9 |
PM10/(μg/m3) | 6.0 | 43.0 | 72.5 | 105.6 | 390.5 | 83.1 | 54.1 |
NO2/(μg/m3) | 2.6 | 20.5 | 29.5 | 44.5 | 148.5 | 34.8 | 19.9 |
SO2/(μg/m3) | 2.9 | 3.6 | 6.4 | 13.5 | 97.1 | 11.1 | 12.0 |
逐日非意外死亡数(人/d) | |||||||
非意外死亡数 | 0.0 | 7.0 | 9.0 | 12.0 | 22.0 | 9.6 | 3.4 |
男性 | 0.0 | 4.0 | 5.0 | 7.0 | 15.0 | 5.4 | 2.5 |
女性 | 0.0 | 3.0 | 4.0 | 6.0 | 14.0 | 4.2 | 2.2 |
(0~65)岁 | 0.0 | 1.0 | 2.0 | 3.0 | 8.0 | 2.5 | 1.6 |
65岁以上 | 0.0 | 5.0 | 7.0 | 9.0 | 18.0 | 7.2 | 2.9 |
逐日非意外死亡寿命损失年数(a/d) | |||||||
非意外死亡 | 0.0 | 90.5 | 122.1 | 161.7 | 344.4 | 129.1 | 54.2 |
男性 | 0.0 | 45.4 | 68.4 | 98.9 | 250.4 | 75.8 | 41.8 |
女性 | 0.0 | 27.8 | 47.6 | 72.0 | 228.8 | 53.3 | 35.0 |
(0~65)岁 | 0.0 | 32.0 | 60.6 | 96.1 | 304.8 | 68.0 | 47.2 |
65岁以上 | 0.0 | 42.5 | 59.5 | 76.7 | 163.6 | 61.1 | 26.2 |
2.2 气温对逐日非意外死亡相对危险度(RR)、超额死亡百分比(CER)和YLL的累积热效应
由逐日温度、滞后天数及非意外死亡RR及YLL关系的3D图和等高线图(图 3和图 4)可以看出,较高温度出现当天及滞后较短时间内就对人群表现出危害效应。
通过不同滞后天数下,日平均温度为30.5℃(P99)时,人群死亡RR和YLL变化的剖面图(图 5),可以看出,温度达到30.5℃时,其对人群非意外死亡RR和YLL的影响在当天就表现出,持续到第4天,随后逐渐消失。
定量评估温度热效应对非意外死亡超额死亡率的影响发现,滞后0 d,温度每升高1℃,非意外死亡率增加0.015%(0.006%, 0.025%);滞后3 d,非意外死亡率增加0.004%(0.001%, 0.008%);累积滞后4 d,温度每升高1℃,人群非意外死亡的累计超额死亡率为0.030%(0.011%, 0.049%);男性和女性分别为0.020%(-0.005%, 0.046%),0.044%(0.014%, 0.073%);(0~65)岁年龄组和65岁以上年龄组分别为0.038%(0.002%, 0.075%)和0.028%(0.005%, 0.050%);累积滞后7天时,非意外死亡率增加0.026%(0.004%, 0.048%),女性为0.044%(0.010%, 0.078%),其余均无统计学意义;女性和(0~65)岁人群的热相关非意外死亡超额死亡率大于男性及65岁以上人群(表 2)。
Lag0-3 | Lag0-7 | Lag0 | Lag3 | |
非意外死亡 | 0.030(0.011, 0.049) | 0.026(0.004, 0.048) | 0.015(0.006, 0.025) | 0.004(0.001, 0.008) |
男 | 0.020(-0.005, 0.046) | 0.013(-0.017, 0.042) | 0.012(-0.001, 0.025) | 0.002(-0.002, 0.007) |
女 | 0.044(0.014, 0.073) | 0.044(0.010, 0.078) | 0.020(0.004, 0.034) | 0.007(0.002, 0.013) |
0~65岁 | 0.038(0.002, 0.075) | 0.031(-0.011, 0.073) | 0.021(0.002, 0.040) | 0.005(-0.002, 0.012) |
≥65岁 | 0.028(0.005, 0.050) | 0.024(-0.001, 0.05) | 0.013(0.002, 0.025) | 0.004(0.000, 0.009) |
热效应在滞后0 d,温度每升高1℃,人群非意外死亡寿命损失2.53(0.69, 4.37)a,其中(0~65)岁人群为1.92(0.29, 3.55)a;滞后第3天,非意外死亡寿命损失0.87(0.19, 1.55)a;累积滞后4 d,人群非意外死亡寿命损失a为5.38(1.76, 9.00)a,男性为2.00(-0.79, 4.79)a,女性为3.04(0.67, 5.40)a,(0~65)岁组为3.97(0.76, 7.18)a,65岁以上组为1.01(-0.58, 2.60)a;累积滞后7天时,人群非意外死亡寿命年为5.27(1.07,9.48)a,(0~65)岁组为4.00(0.27, 7.73)a,运用寿命损失年指标可以更灵敏反映高温对(0~65)岁人群死亡的影响;女性和(0~65)岁人群的热相关非意外死亡寿命损失年大于男性及65岁以上人群(表 3)。
Lag0-3 | Lag0-7 | Lag0 | Lag3 | |
非意外死亡 | 5.38(1.76, 9.00) | 5.27(1.07, 9.48) | 2.53(0.69, 4.37) | 0.87(0.19, 1.55) |
男 | 2.00(-0.79, 4.79) | 1.24(-2.00, 4.48) | 1.18(-0.23, 2.60) | 0.22(-0.30, 0.74) |
女 | 3.04(0.67, 5.40) | 3.72(0.99, 6.46) | 1.17(-0.04, 2.37) | 0.60(0.16, 1.04) |
0~65岁 | 3.97(0.76, 7.18) | 4.00(0.27, 7.73) | 1.92(0.29, 3.55) | 0.61(0.01, 1.22) |
≥65岁 | 1.01(-0.58, 2.60) | 0.67(-1.18, 2.51) | 0.55(-0.25, 1.36) | 0.13(-0.17, 0.43) |
改变模型中长期趋势的自由度,发现研究结果的变化较小(图 6),说明研究结果稳定可信。
3 讨论
本研究首次在北京市昌平区开展热效应对非意外死亡影响的研究,并采用非意外死亡超额死亡率和寿命损失年指标,不仅考虑了热相关死亡人数,还关心期望寿命之前的死亡,更加灵敏地评估温度热效应对劳动力人口死亡的影响。研究发现热效应使昌平区居民非意外死亡超额死亡率及寿命损失年增加,并且其影响急促而短暂,这与国内外的研究结论一致[8-9, 11-13]。
本研究显示,热效应对非意外死亡超额死亡率及寿命损失年的影响持续4 d,累积滞后4 d,温度每升高1℃,人群非意外死亡的累计超额死亡率为0.030%(0.011%, 0.049%),寿命损失年为5.38(1.76, 9.00)a,其影响的大小与国内外的研究结果不尽相同。在中国广州的研究发现,累积滞后14 d,温度在P75~P99之间,每升高1℃,人群非意外死亡超额死亡率增加3 %(1%, 4%),寿命损失12.71 (-2.80, 28.23)a[14];柳叶刀发表的多国家的研究指出,温度每升高1℃,热效应引起非意外死亡率增加0.42%(0.39%, 0.44%)[3];不同城市间结果的差异可能与气候、海拔、空气污染、人口特征、经济文化水平、住房等有关系[15-16]。其机制可能为,热暴露对人体体温调节系统产生压力,会增加血液粘稠度和血胆固醇水平,并造成盐分丢失,从而使非意外死亡风险增加[14]。
本研究用寿命损失年指标,同时考虑死亡人数及期望寿命,发现65岁以下人群更容易受热效应影响,这与之前的研究一致[15, 17-18],有研究表明,幼儿,特别是1岁以下儿童发生热相关死亡的风险更大[19],在西藏自治区的研究也显示,(42~65)岁人群自我报告热相关疾病比其他人群更普遍,并且这类人群多处于亚健康状态[20],加之,年轻人由于工作等原因,室外热暴露机会较多,使得(0~65)岁人群,更容易受影响。本研究发现热效应对65岁以上老年人寿命损失年有影响,但无统计学意义,然而有很多研究显示,65岁以上老年人由于自身生理功能差,机体免疫力下降,以及多患有基础疾病,更容易受热效应的影响[21-22],不同研究间的异质性可能与不同地区人群对热环境的适应性及耐受性有关,今后将开展多地区研究,扩大样本量,细化年龄段,结合问卷调查,了解老年人群的生活习惯、高温环境的耐受性及适应性行为,细致评估高温对老年人死亡的影响。相比男性,女性的热效应更强,与之前Lim及杨军等的研究一致[23-25],可能与男女生理差异及其暴露机会不同有关。
本研究属于生态学研究,采用日均气温代替个体暴露水平,不够精确,并且无法控制个体的混杂因素,如,吸烟,社会经济地位,既往病史等,存在局限性。今后将进一步通过问卷调查的方式获取个体的出行模式,精确估计个体暴露水平,并调查个体生活习惯、既往史等,进一步明确热效应对人群死亡的影响。
目前国家已建立高温热浪预警监测系统,并在深圳、重庆等地运用,本研究提示昌平区应重视热效应的健康危害,运用并关注预警信息,及时提醒群众采取适应性措施,如减少外出,采取降温措施等,同时多关注脆弱及敏感人群。另外建议政策制定者采取措施同时减少空气污染物的排放和气候变化引起的高温事件的发生,因为两者有共同的来源,特别是都来自于石油化石燃料的燃烧。
[1] |
Allen SK, Plattner GK, Nauels A, et al. Climate Change 2013: The physical science basis. An overview of the working group 1 contribution to the fifth assessment report of the intergovernmental panel on climate change[R]. Vienna, Austria: IPCC, 2014.
|
[2] |
Christidis N, Jones GS, Stott P A. Dramatically increasing chance of extremely hot summers since the 2003 European heatwave[J]. Nat Clim Change, 2015, 5(1): 46-50. |
[3] |
Gasparrini A, Guo YM, Hashizume M, et al. Mortality risk attributable to high and low ambient temperature:a multicountry observational study[J]. Lancet, 2015, 386(9991): 369-375. |
[4] |
马文娟.温度对我国16城市居民死亡影响的研究[D].上海: 复旦大学, 2014. (In English: In English: Ma WJ. A Study on Temperature-Related Mortality in 16 Chinese Cities[D]. Shanghai: Fudan University, 2014.)
|
[5] |
郭亚菲, 李湉湉, 程艳丽, 等. 气候变化背景下上海市温度热效应死亡风险预估[J]. 中华预防医学杂志, 2012, 46(11): 1025-1029. (In English: Guo YF, Li TT, Cheng YL, et al. Projection of heat-related mortality impacts under climate change scenarios in Shanghai[J]. Chin J Prev Med, 2012, 46(11): 1025-1029. DOI:10.3760/cma.j.issn.0253-9624.2012.11.014) |
[6] |
刘涛, 肖建鹏, 曾韦霖, 等. 广州市气候变化热效应对居民寿命损失年影响的研究[J]. 环境卫生学杂志, 2018, 8(5): 393-398. (In English: Liu T, Xiao JP, Zeng WL, et al. Investigation on the heat effect of climate change on years of life lost in Guangzhou[J]. J Environ Hyg, 2018, 8(5): 393-398.) |
[7] |
World Health Organization. Life tables for WHO member states.[EB/OL]. (2018-04-20).[2018-09-01]. http://apps.who.int/gho/data/node.main.LIFECOUNTRY?lang=en.
|
[8] |
杨军, 欧春泉, 丁研, 等. 广州市逐日死亡人数与气温关系的时间序列研究[J]. 环境与健康杂志, 2012, 29(2): 136-138. (In English: Yang J, Ou CQ, Ding Y. Association between daily temperature and mortality in Guangzhou:A time-series study[J]. J Environ Health, 2012, 29(2): 136-138.) |
[9] |
李静, 罗书全, 丁贤彬, 等. 重庆市逐日温度对人群死亡及寿命损失年影响的研究[J]. 中华流行病学杂志, 2016, 37(3): 375-380. (In English: Li J, Luo SQ, Ding XB, et al. Influence of daily ambient temperature on mortality and years of life lost in Chongqing[J]. Chin J Epidemiol, 2016, 37(3): 375-380. DOI:10.3760/cma.j.issn.0254-6450.2016.03.017) |
[10] |
Yang J, Yin P, Zhou MG, et al. The effect of ambient temperature on diabetes mortality in China:A multi-city time series study[J]. Sci Total Environ, 2016, 543: 75-82. |
[11] |
Basu R. High ambient temperature and mortality:a review of epidemiologic studies from 2001 to 2008[J]. Environ Health, 2009, 8: 40. |
[12] |
李萌萌, 周脉耕, 张霞, 等. 济南市4个区气温对非意外死亡及死因别死亡的影响[J]. 中华流行病学杂志, 2014, 35(6): 684-688. (In English: Li MM, Zhou MG, Zhang X, et al. Impact of temperature on non-accidental deaths and cause-specific mortality in four districts of Jinan[J]. Chin J Epidemiol, 2014, 35(6): 684-688. DOI:10.3760/cma.j.issn.0254-6450.2014.06.015) |
[13] |
Huang CR, Barnett AG, Wang XM, et al. The impact of temperature on years of life lost in Brisbane, Australia[J]. Nat Clim Change, 2012, 2(4): 265-270. |
[14] |
Yang J, Ou CQ, Guo YM, et al. The burden of ambient temperature on years of life lost in Guangzhou, China[J]. Sci Rep, 2015, 5: 12250. |
[15] |
Ishigami A, Hajat S, Kovats RS, et al. An ecological time-series study of heat-related mortality in three European cities[J]. Environ Health, 2008, 7: 5. |
[16] |
Wang HD, Dwyer-Lindgren L, Lofgren K, et al. Age-specific and sex-specific mortality in 187 countries, 1970-2010:a systematic analysis for the Global Burden of Disease Study 2010[J]. Lancet, 2013, 380(9859): 2071-2094. |
[17] |
Zhang Y, Yu C, Peng M, et al. The burden of ambient temperature on years of life lost:A multi-community analysis in Hubei, China[J]. Sci Total Environ, 2017, 621: 1491-1498. |
[18] |
Hajat S, Kovats RS, Lachowycz K. Heat-related and cold-related deaths in England and Wales:who is at risk?[J]. Occup Environ Med, 2007, 64(2): 93-100. |
[19] |
Xu ZW, Etzel RA, Su H, et al. Impact of ambient temperature on children's health:a systematic review[J]. Environ Res, 2012, 117: 120-131. |
[20] |
胡学军, 赵玉华, 杨丽辉, 等. 拉萨市区部分藏族老年人群健康状况调查[J]. 中华老年医学杂志, 2003, 22(7): 434-435. DOI:10.3760/j:issn:0254-9026.2003.07.020 |
[21] |
Huang ZJ, Lin HL, Liu YN, et al. Individual-level and community-level effect modifiers of the temperature-mortality relationship in 66 Chinese communities[J]. BMJ Open, 2015, 5(9): e009172.. |
[22] |
Zhou MG, Wang LJ, Liu T, et al. Health impact of the 2008 cold spell on mortality in subtropical China:the climate and health impact national assessment study (CHINAs)[J]. Environ Health, 2014, 13: 60. |
[23] |
Lim YH, Park AK, Kim H. Modifiers of diurnal temperature range and mortality association in six Korean cities[J]. Int J Biometeorol, 2012, 56(1): 33-42. |
[24] |
Yang J, Zhou MG, Li MM, et al. Diurnal temperature range in relation to death from stroke in China[J]. Environ Res, 2018, 164: 669-675. |
[25] |
Yang J, Liu HZ, Ou CQ, et al. Global climate change:Impact of diurnal temperature range on mortality in Guangzhou, China[J]. Environ Pollut, 2013, 175: 131-136. |