, Jing Yuanshu1
, , ,
高温热浪是夏季对人体健康影响最直接的天气事件。热浪通常指持续性的高温高湿酷热天气，热浪一般可以持续几天甚至几周，使人体耐力超过限度导致发病甚至死亡[1]。由于气候变暖和城市热岛的双重影响，加之城市人口老龄化导致高温热浪易感人群增加，高温热浪成为现代城市日益关注的气象灾害之一，其健康影响问题己经成为当今国际上环境与健康领域的热点问题[2-3]。因心脑血管疾病是危害人类生命健康的常见疾病，其与气温的关系更成为当前的研究重点。王佳佳等[4]研究了北京某区日最高气温与心脑血管疾病急诊人次的关系，结果表明夏季日最高气温的增加可能是心脑血管疾病发病的一个危险因素。Grégoire Rey等[5]研究了法国1971—2003年的热浪与死亡率的关系，结果表明心脑血管疾病的超额死亡率是最大的。因此研究我国城市高温热浪与居民死亡之间的关系，建立相应的热浪预警系统，对减轻高温热浪发生带来的危害具有非常重要的意义。本文以南京地区为例，研究分析高温热浪对心脑血管疾病的影响。
1 资料与方法 1.1 资料来源2004—2009年南京市死因监测资料来自江苏省疾病预防控制中心，涵盖玄武、白下、秦淮、建邺、鼓楼、下关、浦口、六合、栖霞、雨花台、江宁11个行政区，溧水和高淳2个行政县。统计指标包括：报告卡编码、姓名、性别、出生日期、年龄、职业、根本死因及国际疾病分类ICD-10中的相应编码。数据描述了南京地区常住人口的死亡情况，具有代表性。本文以国际疾病标准编码的I00~I99统计死亡人数作为分析数据。
南京市气象数据，来自中国气象科学数据共享服务网，时间为1961—2010年，主要包括：气温、气压、相对湿度、风速、日照时数、降雨量等。
1.2 方法 1.2.1 高温热浪根据中国气象局的规定，日最高温度小于35℃为非高温日，日最高温度大于等于35℃为高温日。目前热浪的定义没有统一的标准，在本研究中，参考中国气象局的规定与有关学者的研究[6]定义：日最高温度大于等于35℃为高温日，大于等于38℃为危害高温日，大于等于40℃为极端高温日；持续3 d大于等于35℃为高温热浪，持续5 d大于等于35℃为强高温热浪，持续3 d大于等于38℃为极端高温热浪。
1.2.2 高温(热浪)的相对变率高温(热浪)相对变率的大小可以用来表征一个地区高温(热浪)发生频数的稳定性，相对变率越小表示高温(热浪)出现的频数稳定；变率越大，则表示高温(热浪)发生的频数变化大，有的年份多、有的年份少，稳定性差。平均相对变率的计算公式如(1)[7]。
| $\overline{{{V}_{a}}}~=\frac{1}{n}\sum\limits_{i=1}^{n}{\frac{\left| {{X}_{i}}-\bar{X} \right|}{{\bar{X}}}}$ | (1) |
其中，Va为高温(热浪)相对变率；n为年份段长度；Xi是第i年高温(热浪)出现的频数；X为n年时间内高温(热浪)的平均数。
1.2.3 超额死亡率挑选出每年夏季期间的高温热浪过程。把非高温日的平均心脑血管死亡数作为正常日均死亡数。按照(2) 式计算超额死亡率[7]：
| $EM=(D-{{D}_{NH}})/{{D}_{NH}}$ | (2) |
其中，EM为超额死亡率，D为逐日死亡数，DNH为夏季非高温日的平均死亡数。
2 结果分析 2.1 描述性统计分析结果南京市2004—2009年夏季气象因素、心脑血管疾病死亡情况见表 1。
| 指标 | Mean | Std | Min | P25 | Median | P75 | Max |
| 气压(hpa) | 1 003.16 | 3.77 | 993.7 | 1 000.5 | 1 002.9 | 1 005.7 | 1 017.1 |
| 湿度(%) | 0.75 | 0.1 | 0.4 | 0.69 | 0.75 | 0.82 | 0.96 |
| 最高温度(℃) | 31.68 | 3.51 | 20.2 | 29.5 | 32.25 | 34.2 | 38.6 |
| 日死亡人数 | 15.64 | 4.41 | 5 | 13 | 15 | 18 | 31 |
2.2 南京市高温热浪特征
从图 1可以看出，南京市1961—2010年夏季(6—8月)期间，高温日总数共计689 d，年平均高温日总数13.8 d/a，极小值出现在1982年，高温总日数为零，极大值出现在1966年，高温日总数为37 d。在60年代、70年代、90年代的中期，高温日总数偏多，变化幅度大；70年代初期、80—90年代初、90年代后期偏少。高温期间最高温度平均值的变化趋势与高温日总数的变化趋势基本一致，最大值为36.9℃，分别出现在1966、2001和2003年，最小值为35.2℃，分别出现在1982、1988和1993年。图 2表明，南京市1961—2010年共发生高温热浪88次，平均1.76次/a，2001年之后发生21次，平均2.1次/a。高温热浪过程平均最高温度2003年最大，值为37.5℃，其次2003、2007年值为37.3℃。从表 2可以看出南京市1961—2010年，高温日总数与热浪总数的每10 a相对变率都是在最近10 a最小，总体呈减小的趋势，说明南京市夏季出现高温日总数和热浪的频数稳定，各年变化小。
|
| 图 1 南京市高温日总数和高温日平均最高温度 |
|
| 图 2 南京市高温热浪频数和热浪过程平均最高温度 |
| 年份(年) | 1961—2010 | 1961—1970 | 1971—1980 | 1981—1990 | 1991—2000 | 2001—2010 |
| 高温日总数平均相对变率 | 0.52 | 0.53 | 0.67 | 0.57 | 0.55 | 0.17 |
| 热浪总数平均相对变率 | 0.64 | 0.47 | 0.67 | 1 | 0.73 | 0.43 |
2.3 南京市热浪过程心脑血管疾病超额死亡率的变化
统计2004—2010年期间南京地区发生的所有热浪过程及心脑血管疾病超额死亡率(表 3)，2004—2010年共发生15次热浪过程，其中2007—2009年每年只出现了1次热浪，而2004、2005、2006、2010年每年都出现了3次热浪过程。
| 年份(年) | 热浪过程 (月/日) | 持续天数 (d) | 极端最高 气温(℃) | 平均最高 温度(℃) | 平均最低 气温(℃) | 平均超额 死亡率(%) |
| 7/19-7/24 | 6 | 38.6 | 37.2 | 27.5 | 16.6 | |
| 2004 | 7/26-7/31 | 6 | 36.6 | 36.1 | 26.8 | 7.8 |
| 8/6-8/9 | 4 | 37.8 | 36.5 | 26.9 | 7.0 | |
| 6/22-6/25 | 4 | 37.1 | 35.8 | 24.5 | 7.4 | |
| 2005 | 8/10-8/12 | 3 | 36.6 | 35.9 | 27.4 | 11.1 |
| 8/15-8/17 | 3 | 36.9 | 36.3 | 25.3 | 30.9 | |
| 6/18-6/21 | 4 | 37.1 | 36.6 | 24.9 | 20.7 | |
| 2006 | 7/28-8/1 | 5 | 36.9 | 35.9 | 26.7 | 19.7 |
| 8/12-8/15 | 4 | 37.8 | 37.2 | 28.2 | 29.3 | |
| 2007 | 7/25-8/2 | 9 | 38.2 | 37.3 | 26.9 | 9.1 |
| 2008 | 7/4-7/7 | 4 | 37.3 | 36.1 | 26.8 | 2.3 |
| 2009 | 7/16-7/21 | 6 | 37.0 | 36.4 | 27.6 | 17.4 |
| 7/29-8/6 | 9 | 38.3 | 36.5 | 28.0 | 14.9 | |
| 2010 | 8/10-8/15 | 6 | 38.4 | 37.2 | 28.8 | 4.9 |
| 8/20-8/22 | 3 | 36.1 | 35.4 | 26.3 | 0 |
热浪过程的持续时间长短不一，3~6 d的热浪过程出现的频数最多，占了总次数的86.7%，2010年7月29日—8月6日最长热浪过程持续时间达到了9 d。超额死亡率与热浪持续时间没有特别明显的规律，如2005年8月15—17日的热浪过程，虽然只持续3 d，但超额死亡率达到了30.9%，而2007年7月25日—8月2日的热浪过程，持续时间达到了9 d，但超额死亡率却只有9.1%。
2.4 广义相加模型结果分析 2.4.1 建立模型结合2004—2009年高温热浪时期的气象数据与心脑血管疾病死亡的时间序列建立广义相加模型，在控制了“星期几效应”的基础上，将最高温度、相对湿度、平均气压等气象因素纳入模型。采用广义交叉检验(generalized cross validation，GCV)的自适应约束最小二乘估计方法[8]，选择自由度构建模型进行评估，基本模型为：
| $\begin{array}{l} {\rm{log}}\left[ {E\left( {{Y_i}} \right)} \right] = a{\rm{ + }}S\left( {dow,df} \right){\rm{ + }}S\left( {pre,df} \right)\\ + S\left( {rh,{df}} \right){\rm{ + }}S(la{g_j},{df}) \end{array}$ | (3) |
其中：E(Yi)热浪时期心脑血管疾病死亡人数的预期值；a为截距；S为非参数平滑函数；df为自由度；dow为星期哑元变量，控制星期效应；pre为观察日当天的平均气压；rh为观察日当天的平均相对湿度；lagj为第j天前的日最高温度，当j等于0时，指观察日当天的最高温度。
2.4.2 模型的修正利用上述模型模拟高温热浪时期的气象因素对心脑血管疾病日死亡人数的影响，结果表明当日的最高温度与心脑血管疾病日死亡人数之间的线性趋势显著，日平均气压与前5 d的日最高温度有统计学意义。为明确最高温度的滞后效应，引入每日心脑血管疾病死亡的相对危险度(relative risk, RR)可按(4) 式计算[9]：
| $RR={{e}^{\beta *IQR}}$ | (4) |
假定回归系数服从正太分布，RR的95%的置信区间(CI)为：
| $RR={{e}^{\left( \beta \pm 1.96SE \right)*IQR}}$ | (5) |
其中β为回归系数，SE(standard error)为标准差，IQR(interquartile range)为四分位距。
最高温度滞后效应的模型拟合结果见表 4。可以看出前4 d、前2 d以及当天的日最高温度对心脑血管疾病死亡的RR影响比较大，其中最大的RR值是出现在当天，为1.204(95% CI：1.110~1.306)；其次是前2 d，值为1.124(95% CI：1.013~1.247)；前4 d的RR值相对较小，为1.116(95% CI：1.005~1.240)。
| 变量 | β | SE | RR | 95% CI | P值 |
| 最高温度(lag0) | 0.155 | 0.035 | 1.204 | 1.110~1.306 | ＜0.0001 |
| 最高温度(lag1) | -0.031 | 0.017 | 0.917 | 0.833~1.008 | 0.0786 |
| 最高温度(lag2) | 0.038 | 0.017 | 1.124 | 1.013~1.247 | 0.0314 |
| 最高温度(lag3) | -0.040 | 0.161 | 0.862 | 0.767~0.968 | 0.015 |
| 最高温度(lag4) | 0.03 | 0.014 | 1.116 | 1.005~1.240 | 0.0437 |
| 最高温度(lag5) | -0.029 | 0.014 | 0.898 | 0.809~0.998 | 0.0492 |
| 最高温度(lag6) | -0.004 | 0.013 | 0.984 | 0.887~1.092 | 0.7595 |
| $\begin{align} & \rm{因此调整模型为}:\rm{log}[\mathit{E}\left( {{\mathit{Y}}_{\mathit{i}}} \right)]=\mathit{a}+\beta \mathit{la}{{\mathit{g}}_{0}}+ \\ & S\left( pre,\rm{ }\mathit{df} \right)+S(\mathit{la}{{\mathit{g}}_{2}},\mathit{ df})+S(\mathit{la}{{\mathit{g}}_{4}},\rm{ }\mathit{df}) \\ \end{align}$ | (6) |
其中：β为观察日当天最高温度的回归系数。调整后的模型模拟高温热浪期间气象因素对心脑血管疾病日死亡人数影响的结果见表 5、6。表 5可以看出高温热浪时期，心脑血管疾病日死亡人数随着最高温度的升高而增加，随着日平均地面气压的降低其死亡人数也是增加的。表 6显示最高温度滞后4d的光滑成分无统计学意义，因此预测模型如下：
| 变量 | 参数估计值 | 标准差 | t值 | P值 |
| Intercept | 0.70602 | 0.69478 | 1.02 | 0.3121 |
| lag0 | 0.09105 | 0.02705 | 3.37 | 0.0011 |
| Linear(pre) | -0.00008255 | 0.00002283 | -3.62 | 0.0005 |
| Linear(lag2) | -0.00777 | 0.012 | -0.65 | 0.5185 |
| Linear(lag4) | -0.00327 | 0.00964 | -0.34 | 0.7355 |
| 光滑成分 | 自由度 | 平方和 | χ2 | P值 |
| Spline(pre) | 1.49782 | 5.125447 | 5.1254 | 0.0461 |
| Spline(lag2) | 10.20549 | 26.098558 | 26.0986 | 0.0041 |
| Spline(lag4) | 0.99716 | 2.102869 | 2.1029 | 0.1465 |
| $\begin{align} & \rm{log}[\mathit{E}\left( {{\mathit{Y}}_{\mathit{i}}} \right)]=0.70602+0.09105\mathit{la}{{\mathit{g}}_{0}}+ \\ & S\left( pre \right)+S(\mathit{la}{{\mathit{g}}_{2}}) \\ \end{align}$ | (7) |
根据建立的模型，对2004—2009年高温热浪期间的心脑血管死亡人数进行回代预测检验，结果显示预测值与实际值的均方根误差为3.4；利用模型对2010年高温热浪的心脑血管疾病死亡人数进行预测，结果显示其均方根误差为4.4。实际值与预测值的拟合程度如图 3所示，可以看出实际数据与预测数据的拟合程度较高，变化趋势基本一致，其中有部分变化差异大，这可能是热浪的时间比较长，持续高温的滞后效果比较明显，由于高温时间多数只有1~2 d，其对心脑血管死亡的影响有一定的波动区间，对模型拟合有一定影响。总体来说模型拟合效果较好。
|
| 注：1-102d为2004—2009年的高温热浪时段，103 d以后是2010年的高温热浪时段 图 3 高温热浪期间心脑血管疾病死亡人数实际值与预测值的拟合图 |
3 讨论
广义相加模型是在广义线性模型和加性模型的基础上发展起来的，其优点在于自变量函数的多样性能处理应变量和众多解释变量间过度复杂非线性的关系，近年在环境流行病学的研究中应用越来越多。本研究采用了广义相加模型来研究高温热浪对心脑血管疾病死亡的影响，用哑元变量的形式控制了可能存在的星期效应，在此基础上拟合高温热浪时期气象因素与心脑血管疾病死亡之间的关系，结果表明：① 南京地区心脑血管疾病死亡的RR主要受到当天、死亡前2 d以及死亡前4 d的日最高温度的影响，其中最大的RR值是出现在当天，为1.204(95% CI：1.110~1.306)；其次是前2 d，值为1.124(95% CI：1.013~1.247)；前4 d的RR值相对较小，为1.116(95% CI：1.005~1.240)。但有关研究表明，超额死亡率会随着热浪的持续时间而显著增加[5]，本文中出现的结果可能是由于数据样本较少造成的。② 高温热浪时期，心脑血管疾病日死亡人数随着最高温度的升高而增加，随着日平均地面气压的降低其死亡人数也是增加的。分析其可能原因是：① 在高温热浪期间，温度高，人体的活动和代谢增加，血液循环加快，身体的耗氧量增加，导致心脑血管疾病患者发病；② 气压降低时，人体呼吸困难，吸进的氧气减少，导致心脏和大脑的供氧量不足，从而诱发心脑血管疾病死亡；③ 夏季出现高温低压时，一般是强对流天气过程，持续一段时间的高温突然骤降，导致心脑血管系统调节不过来。容易引起急性发病。
| [1] | 徐金芳, 邓振镛, 陈敏. 中国高温热浪危害特征的研究综述[J]. 干旱气象, 2009, 27(2): 163–167. |
| [2] | 李芙蓉, 李丽萍. 热浪对城市居民健康影响的流行病学研究进展[J]. 环境与健康杂志, 2008, 25(12): 1119–1121. doi: 10.3969/j.issn.1001-5914.2008.12.032 |
| [3] | 李雪源, 景元书, 吴凡, 等. 南京市呼吸系统疾病死亡率与气象要素的关系及预测[J]. 气象与环境学报, 2012, 28(5): 46–48. |
| [4] | 王佳佳, 郭玉明, 李国星, 等. 日最高气温与医院心脑血管疾病急诊人次关系的病例交叉研究[J]. 环境与健康杂志, 2009, 26(12): 1073–1076. |
| [5] | Grégoire R, Eric J, Anne F, et al. The impact of major heat waves on all-cause and cause-specific mortality in France from 1971 to 2003[J]. Int Arch Occup Environ Health, 2007, 80: 615–626. doi: 10.1007/s00420-007-0173-4 |
| [6] | 张尚印, 张德宽, 徐祥德, 等. 长江中下游夏季高温灾害机理及预测[J]. 南京气象学院学报, 2005, 28(6): 840–846. |
| [7] | 谈建国. 气候变暖、城市热岛与高温热浪及其健康影响的研究[D]. 南京: 南京信息工程大学, 2008. http://www.doc88.com/p-707892245350.html |
| [8] | 冯国双, 陈景武. 广义可加模型及其SAS程序实现[J]. 中国卫生统计, 2007, 24(1): 82–84. |
| [9] | 张秉玲, 牛静萍, 曹娟, 等. 兰州大气污染与居民健康效应的时间序列研究[J]. 环境卫生学杂志, 2011, 1(2): 1–6. |