2. 中国食品药品检定研究院;
3. 北京大学医学部公共卫生学院
大气污染是影响人类健康的主要环境因素之一,尤其会对呼吸系统造成严重威胁[1-2]。朝阳区是北京市面积最大、人口最多的城区,其人口特点是总量多、增长快、结构复杂。2018年,朝阳区常住人口360.5万人,其中具有北京市户籍的人口为211.7万人,常住外来人口157.9万人,总量均位居北京市首位,常住人口占全市(2 154.2万人)的比重为16.7%,常住外来人口占全市常住外来人口(764.6万人)的比重为20.7%[3]。本研究利用每日医院门诊数据,运用时间序列方法、通过广义相加模型(generalized additive model,GAM)的时间序列分析[4],定量分析PM2.5污染对医院呼吸系统疾病门诊量的影响,为建立区域大气污染物与健康效应的预测预警系统提供科学依据。
1 材料与方法 1.1 资料来源 1.1.1 病例资料2013年1月1日—2013年12月31日朝阳区某综合三甲医院、某儿科医院、某中医医院呼吸系统疾病每日门诊病例资料。
1.1.2 气象资料中国气象科学数据共享服务网所发布的2013年1月1日—2013年12月31日北京地区气象数据,包括日均温和相对湿度。
1.1.3 大气污染物资料北京市环境监测中心公布的朝阳区(农展馆、奥体中心)两个监测站点24 h大气污染物浓度均值,包括可吸入颗粒物(PM10)、细颗粒物(PM2.5)、二氧化硫(SO2)、氮氧化物(NO2)。
1.2 分析方法在时间序列数据进行插补缺失值、控制周期性因素等预处理的基础上,本研究以每日呼吸系统疾病门诊量作为权重,采用当日污染物浓度称为滞后0 d浓度,当日污染物浓度与前一天污染物浓度的平均值成为滑动平均一日滞后浓度,使用滑动滞后(1~15) d的污染物浓度分别与日呼吸系统疾病门诊量进行Poisson回归分析。考虑到当日的温度、相对湿度等气象因素及其它污染物对门诊量的影响,将气温、相对湿度、PM10、SO2和NO2作为混杂因素同时引入模型。根据AIC(Akaike information criterion)最小的原则,确定PM2.5的自由度;根据P值和ER值及其置信区间取回归系数最大的污染物滞后日浓度带入模型, 检验水准α=0.05。根据PM2.5对呼吸系统疾病门诊量影响的程度以及模型的拟合情况选取污染物最佳滞后天数进行分析。采用R3.1.2软件的GAM软件包,控制长期趋势、节假日效应和星期几效应,同时调整混杂因素对门诊人次的影响,对PM2.5浓度与每日医院呼吸系统疾病门诊人次的相关性进行时间序列分析。公式如下:
$\log \left[E\left(Y_{i}\right)\right]=\sum\limits_{j=1}^{m} f_{j} X_{j}+\sum\limits_{i=0}^{n} \beta_{i} X_{i} $ |
式中:Yi—因变量,是第i日呼吸系统疾病门诊人次;
E(Yi)—第i日呼吸系统疾病门诊人次预期值;
Xi—第i日空气PM2.5浓度;
Xj—与因变量非线性相关的自变量,如温度、相对湿度;
βi—回归系数;
fj—平滑样条函数;温度、相对湿度、长期趋势的自由度分别为3、1、7/a。
1.3 质量控制医院的门诊数据通过系统导出并由经过培训的专人进行复核整理;中国气象科学数据共享服务网的数据来源于正式机构,北京市环境监测中心是隶属于北京市环保局的国家环境监测一级站,可以保证本研究资料的可靠性。
2 结果 2.1 一般情况2013年某综合医院每日呼吸系统疾病门诊量460人次,全年波动范围是(78~760)人次/d;某儿科医院每日呼吸系统疾病门诊量1 261人次,全年波动范围是(5~1 961)人次/d;某中医医院日呼吸系统疾病门诊量51人次,全年波动范围是(1~145)人次/d。空气污染物PM2.5日均浓度为93.08 μg/m3,全年波动范围是(7.0~466.0) μg/m3。日均气温12.83 ℃,波动范围-9.7 ℃~31.3 ℃;相对湿度为54.5%,波动范围11%~96%(表 1)。
变量 | x±s | 范围 | M |
污染物指标/(μg/m3) | |||
PM2.5 | 93.08±74.19 | 7.0~466.0 | 72.5 |
PM10 | 121.90±78.79 | 12.5~504.0 | 106.5 |
SO2 | 29.42±27.80 | 2.0~182.5 | 19.0 |
NO2 | 61.93±25.37 | 10.0~155.0 | 58.0 |
气象指标 | |||
日均温/℃ | 12.83±11.94 | -9.7~31.3 | 16.1 |
相对湿度/% | 54.45±19.41 | 11~96 | 55 |
呼吸系统疾病门诊量/(人次/d) | |||
某综合医院 | 459.74±172.78 | 78~760 | 536 |
某儿科医院 | 1 260.45±504.19 | 5~1 961 | 1 389 |
某中医医院 | 50.89±23.92 | 1~145 | 60 |
2.2 相关性分析
对研究期间的每日大气PM2.5与其他污染物以及日均温度和相对湿度的平均值进行Spearman相关分析,PM2.5与其他污染物以及每日相对湿度成正相关,与日均气温成负相关(表 2)。
PM2.5 | SO2 | NO2 | PM10 | 相对湿度 | 日均气温 | |
PM2.5 | 1.000 | 0.547** | 0.690** | 0.825** | 0.474** | -0.156** |
SO2 | 1.000 | 0.733** | 0.590** | -0.155** | -0.667** | |
NO2 | 1.000 | 0.762** | 0.202** | -0.329** | ||
PM10 | 1.000 | 0.334** | -0.088 | |||
相对湿度 | 1.000 | 0.349** | ||||
日均气温 | 1.000 | |||||
注:**为P<0.01 |
2.3 PM2.5浓度对呼疾病门诊人次影响的定量分析
单污染模型,在调整研究因素以外其他污染物、气象因素对门诊人次的影响,同时控制长期趋势、节假日效应和星期几效应后,PM2.5浓度对疾病门诊人次影响的结果见表 3。表中给出滑动滞后0 d到滑动滞后4 d的空气污染对每日门诊量影响的ER%分布情况。滑动滞后2 d(Lag0-2)和滑动滞后3 d(Lag0-3),PM2.5浓度对综合医院呼吸系统疾病门诊量影响有显著性,PM2.5浓度每升高10 μg/m3,呼吸系统疾病就诊量增加的超额危险度百分比(ER%)分别为0.239 4(0.099 9~0.378 6)、0.239 4(0.079 9, 0.388 5);滑动滞后4 d(Lag0-4),PM2.5浓度对儿科医院呼吸系统疾病门诊量影响有显著性,PM2.5浓度每升高10 μg/m3,呼吸系统疾病就诊量增加的超额危险度百分比(ER%)为0.099 9(0.010 0~0.199 6);滑动滞后0 d(Lag0)到滑动滞后4 d(Lag0-4),PM2.5浓度对中医医院呼吸系统疾病门诊量影响没有统计学意义。多污染物模型,调整PM10、SO2和NO2进入模型,PM2.5对呼吸系统疾病门诊量的影响无统计学意义(P>0.05)。
效应期 | 综合医院 | 儿科医院 | 中医医院 | |||||
ER% | 95%CI | ER% | 95%CI | ER% | 95%CI | |||
Lag0 | -0.080 1 | (-0.190 4, 0.030 0) | 0.020 0 | (-0.050 0, 0.079 9) | -0.130 2 | (-0.452 0, 0.179 7) | ||
Lag0-1 | 0.079 9 | (-0.050 0, 0.209 6) | -0.030 0 | (-0.100 1, 0.050 0) | -0.100 1 | (-0.472 2, 0.279 2) | ||
Lag0-2 | 0.239 4* | (0.099 9, 0.378 6) | -0.030 0 | (-0.120 1, 0.050 0) | 0.060 0 | (-0.361 3, 0.467 8) | ||
Lag0-3 | 0.239 4* | (0.079 9, 0.388 5) | -0.110 1 | (-0.110 1, 0.079 9) | 0.020 0 | (-0.431 9, 0.477 7) | ||
Lag0-4 | 0.070 0 | (-0.090 1, 0.229 5) | 0.099 9* | (0.010 0, 0.199 6) | -0.220 5 | (-0.715 1, 0.279 2) | ||
注:*为P<0.05 |
3 讨论
朝阳区2013年PM2.5浓度年度均值高于北京市平均水平89.5 μg/m3,且远远高于我国环境空气质量标准的年均值35 μg/m3[5],有接近一半天数(中位数浓度72.5 μg/m3)PM2.5日均浓度超过我国环境空气质量标准的日均值35 μg/m3,提示2013年朝阳区的空气污染非常严重。在这样的大气环境条件下,选择综合医院、儿科医院、中医医院三家有代表性的医院,进行PM2.5与医院呼吸系统疾病门诊量的分析,对研究PM2.5对健康的影响的急性效应有重要意义。
研究发现PM2.5浓度对综合医院和儿科医院呼吸系统疾病门诊量具有明显影响,PM2.5浓度每升高10 μg/m3,分别引起呼吸系统疾病门诊量增加0.239 4(0.099 9~ 0.378 6)、0.099 9(0.010 0~0.199 6),且存在滞后效应,与国内外许多研究结果一致。美国[6]一项多城市研究结果显示,PM2.5浓度每升高10 μg/m3,因呼吸系统疾病引起的急诊住院量增加2.07%(1.2%~3.0%);Ma[7]的研究显示PM2.5浓度每升高10 μg/m3,呼吸道感染就诊人数增加0.92%;胡雪娇[8]等对深圳市某区的研究发现PM2.5浓度每升高10 μg/m3,对呼吸系统疾病就诊人次的累积超额危险度(CER)是4.31%;路凤等[9]应用时间分层的病例交叉方法对北京研究结果发现PM2.5浓度每升高10 μg/m3,人群呼吸系统疾病门诊量的OR值是1.006 6(1.005 8~1.007 5)。本次研究的超额危险度略低于以上研究结果,究其原因可能是研究时间、研究人群、研究方法不同造成的,如美国[6]的研究收集的是急诊住院数据,胡雪娇[8]等研究的数据来自于社区卫生服务中心,路凤等[9]等对北京的研究是2014—2015年的数据,研究的时间和方法不同,所以出现以上研究方向一致但影响程度略有不同。研究结果发现PM2.5浓度对中医医院呼吸系统疾病门诊量影响没有显著性,国内外的一些大气污染与呼吸系统疾病门诊量的关联研究也是阴性结果[10-12],究其原因可能是去中医医院就诊的患者本身人数过少,而且就诊目的可能是调理性治疗为主。
研究结果提示PM2.5对呼吸系统疾病的急性作用是明显的, PM2.5污染造成健康水平下降提示朝阳区需要开展重大举措治理大气污染,夏季北京地区PM2.5污染主要来源于机动车尾气、冬季北京地区PM2.5污染主要来源于生物质燃烧、燃煤、机动车尾气[13],因此倡导继续加大力度开展新能源汽车、煤改电、煤改气等大气综合治理行动。本研究具有一定的局限性,首先研究中污染物的浓度采用的朝阳区两个站点的均值,监测结果有部分缺失值,因此监测点浓度均值不能完全真实代表就诊患者空气污染物暴露水平。其次,无法从总门诊量中区分朝阳区的常住患者和非朝阳区的常住患者以及外地来京患者,存在选择偏倚,可能会对研究结果造成一定偏差。此外,受数据限制,本研究只对2013年PM2.5污染与每日呼吸系统疾病就诊数据进行时间序列分析,研究时间较短。另外,因时间序列研究的结果对模型参数的选择较为敏感[14],今后还需要用其他方法验证研究。
利益冲突 所有作者均声明不存在利益冲突
[1] |
Dockery DW, Pope CA. Acute respiratory effects of particulate air pollution[J]. Ann Rev Pub Health, 1994, 15: 107-132. DOI:10.1146/annurev.pu.15.050194.000543 |
[2] |
Schwartz J. Lung function and chronic exposure to air pollution:a cross-sectional analysis of NHANES Ⅱ[J]. Environ Res, 1989, 50(2): 309-321. DOI:10.1016/S0013-9351(89)80012-X |
[3] |
北京市统计局, 国家统计局北京调查总队. 北京区域统计年鉴2019[M]. 北京: 中国统计出版社, 2019: 60-87.
|
[4] |
Katsouyanni K, Touloumi G, Spix C, et al. Short term effects of ambient sulphur dioxide and particulate matter on mortality in 12 European cities:results from time series data from the APHEA project[J]. BMJ, 1997, 314(7095): 1658-1663. DOI:10.1136/bmj.314.7095.1658 |
[5] |
中华人民共和国国家质量监督检验检疫总局发布, 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. (In English: Issued by the 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.)
|
[6] |
Zanobetti A, Franklin M, Koutrakis P, et al. Fine particulate air pollution and its components in association with cause-specific emergency admissions[J]. Environ Health, 2009, 8(1): 58. DOI:10.1186/1476-069X-8-58 |
[7] |
Ma WJ, Zeng WL, Zhou MG, et al. The short-term effect of heat waves on mortality and its modifiers in China:an analysis from 66 communities[J]. Environ Int, 2015, 75: 103-109. DOI:10.1016/j.envint.2014.11.004 |
[8] |
胡雪娇, 王思嘉, 薛琦, 等. 大气污染物对呼吸系统疾病日门诊量影响的时间序列分析[J]. 中国预防医学杂志, 2018, 19(8): 583-588. (In English: Hu XJ, Wang SJ, Xue Q, et al. The impact of air pollution on the daily outpatient visits for respiratory diseases:a DLNM time-series analysis[J]. China Prev Med, 2018, 19(8): 583-588.) |
[9] |
路凤, 刘娅, 李小娟, 等. 大气污染对呼吸系统疾病门诊量影响的病例交叉研究[J]. 环境卫生学杂志, 2017, 7(5): 408-412. (In English: Lu F, Liu Y, Li XJ, et al. A case-crossover study on air pollution and outpatient visits for respiratory diseases[J]. J Environ Hyg, 2017, 7(5): 408-412.) |
[10] |
吴彧, 张衍燊, 刘玲, 等. 郑州市空气污染对每日门诊人次影响的滞后效应和收获效应[J]. 环境与健康杂志, 2011, 28(3): 233-237. (In English: Wu Y, Zhang YS, Liu L, et al. Lag structure and harvesting effects of air pollution on daily outpatient visits[J]. J Environ Health, 2011, 28(3): 233-237.) |
[11] |
Zamorano A, Márquez S, Aránguiz JL, et al. Association of acute bronchiolitis with climate factors and environmental contamination[J]. Rev Med Chil, 2003, 131(10): 1117-1122. |
[12] |
Pantazopoulou A, Katsouyanni K, Koureakremastinou J, et al. Short-term effects of air pollution on hospital emergency outpatient visits and admissions in the greater Athens, Greece area[J]. Environ Res, 1995, 69(1): 31-36. |
[13] |
张俊峰, 韩力慧, 程水源, 等.京津冀地区典型城市大气细颗粒物碳质组分污染特征及来源[J/OL].环境科学研究. (2020-03-12)[2020-05-15].http://kns.cnki.net/kcms/detail/11.1827.X.20200312.1421.004.html. (In English: Zhang JF, Han LH, Cheng SY, et al. Characteristics and sources of carbon pollution of fine particulate matter in typical cities in Beijing-Tianjin-Hebei Region[J]. Res Environ Sci. (2020-03-12)[2020-05-15]. http://kns.cnki.net/kcms/detail/11.1827.X.20200312.1421.004.html.)
|
[14] |
Cakmak S, Burnett R, Krewski D. Adjusting for temporal variation in the analysis of parallel time series of health and environmental variables[J]. J Expo Anal Environ Epidemiol, 1998, 8(2): 129-144. |