2. 北京市朝阳区疾病预防控制中心;
3. 中国疾病预防控制中心环境与健康相关产品安全所;
4. 徐州医科大学公共卫生学院;
5. 北京大学环境科学与工程学院;
6. 济南市疾病预防控制中心
大气污染是我国亟需解决的环境问题之一，其对公共健康的危害已引起政府和群众的高度关注。大气颗粒物，尤其是细颗粒物(PM2.5)能够通过呼吸系统进入人体，导致人群肺部机能下降，增加人群因病住院人数和死亡人数[1-5]。肺功能作为评价呼吸系统健康程度的指标，能够客观的反映肺通气功能障碍的类型及程度，广泛应用于评价空气污染对人群呼吸系统的影响。
目前国内外开展了多项PM2.5与肺功能关系的研究，已经发现儿童、成年人及患呼吸系统疾病的患者的肺功能与PM2.5呈负相关[6-10]。但针对健康老年人的研究较少，且已有研究结果不尽一致[11, 12]。由于空气污染对健康影响的效应较弱，在评价PM2.5暴露对人群健康影响时，常见的因素如吸烟、酗酒和患有基础性疾病等因素都会在一定程度上影响PM2.5与不同健康指标的关系[12-14]，因此开展空气污染对人群健康影响时混杂因素的控制显得尤为重要。目前大部分研究主要利用室外环保监测站PM2.5的浓度评估个体PM2.5的暴露量。但个体每天约有80%的时间在室内度过，老年人在室内的时间更长[15]，且不同个体室内空气污染源，如家庭烹饪情况、烟草暴露和室内除尘等也存在很大差异，所以使用室外固定站点的PM2.5浓度估计个体的PM2.5暴露水平时存在着较大的偏差[16-19]。
为客观而准确地评估PM2.5暴露对老年人群肺功能的短期影响，以健康老年人作为研究对象，采用个体PM2.5实时监测系统(Real-time Personal PM2.5 Exposure Monitoring System，RPPM2.5)测量个体PM2.5暴露浓度，在个体暴露后检测老年人的肺功能水平，在控制多种混杂因素的情况下，分析了个体PM2.5暴露与肺功能各项指标的关系，为开展人群健康风险评估提供数据支持。
1 材料与方法 1.1 仪器设备环境监测仪B3(北京海克智动科技开发有限公司)可监测研究对象室内环境中PM2.5的浓度、温度和相对湿度。已有研究将环境监测仪B3与个体PM2.5实时监测仪MicroPEM(美国RTI公司)的数据进行对比，发现两者具有较高的相关性[20]。
便携式肺活量计SP10BT(天津橙意家人科技有限公司)可测量研究对象用力肺活量(FVC)、用力呼气1秒量(FEV1)、用力呼气1秒率(FEV1/FVC)、25%肺活量时的用力呼气流速(FEF25%)、50%肺活量时的用力呼气流速(FEF50%)、75%肺活量时的用力呼气流速(FEF75%)等。使用便携式肺活量计SP10BT和中日友好医院的标准肺功能仪Jaeger- Master Screen PFT(德国耶格公司)对同一组人群进行肺功能检测，对比显示两者测定的结果具有很强的一致性，且便携肺功能仪对诊断气流受限患者显示出较高的敏感性和特异性较高[21]。
1.2 研究对象及设计本研究为一项定组研究，在山东省济南市甸柳社区按照严格的纳入/排除标准选择76名(60~69岁)老年人作为研究对象，具体纳入排除流程见图 1。在2018年9月至2019年1月期间，对研究对象开展5次现场调查(每次调查间隔为30 d)，每次对研究对象开展3 d个体PM2.5暴露监测，期间记录研究对象24 h活动日志(共3次)，并在个体PM2.5暴露监测结束后对研究对象进行肺功能检测。同时在个体暴露监测开始前2 d至结束，为研究对象提供统一的饮食，饮食由安康医院职工食堂集中提供。为了削弱周末效应，调查对象5次体检的时间不全为周一至周五，至少包含一次周末。本研究得到中国疾病预防控制中心环境与健康相关产品安全所伦理委员会的批准(批准号：201816)。所有研究对象在开展本研究前均已签署知情同意书。
|
| 图 1 研究对象筛选流程图 |
1.3 数据收集 1.3.1 个体PM2.5监测
使用基于网络的RPPM2.5监测系统开展个体PM2.5暴露评估[22]。RPPM2.5监测系统通过光散射法测量研究对象室内PM2.5质量浓度，通过温湿度传感器获得实时的温湿度数据。通过手机GPS定位功能确定研究对象所在地理位置，当研究对象处于室内时，系统使用B3监测仪获取室内PM2.5浓度作为其个体PM2.5暴露浓度，当研究对象处于室外时，RPPM2.5监测系统会抓取并记录研究对象活动范围2 km以内的环保监测站PM2.5浓度小时值数据。研究对象在调查期间随身携带手机并保持手机始终处于开机状态。
1.3.2 肺功能检测在2018年9月—2019年1月调查期间每次在研究对象完成个体PM2.5监测结束后，在未进食、未饮水的情况下经统一培训合格的工作人员按照美国胸科学会/欧洲呼吸学会标准指南对研究对象开展肺功能检测。测量前研究对象直立端坐、深吸气将肺部充满，测量开始时瞬间用力将全部气体呼出并持续6 s以上。当研究对象肺活量曲线的图形和持续时间(>6 s)不满足要求时，则需要重新测量研究对象肺功能，每次测量时间间隔应大于3 min。肺功能指标包括：FVC、FEV1、FEV1/FVC、FEF25%、FEF50%和FEF75%。
1.3.3 问卷调查工作人员均经培训合格后使用统一的问卷调查系统(易佴EDC，上海斯录欣信息科技有限公司)对研究对象开展问卷调查。了解研究对象个人基本信息、24 h活动情况等信息，如年龄、性别、身高、体重、家庭收入、教育程度、室内活动时间、交通时间及家中是否有空气净化器或宠物、家中是否在过去一年内进行过装修等。
1.4 统计分析采用R 3.5.2软件和lme 4软件包进行数据分析。采用线性混合效应模型，以研究对象作为随机效应，以年龄、性别、体质指数(BMI)、星期几、季节、家庭收入、教育程度、使用空气净化器、每日平均温度和相对湿度作为协变量，分析个体PM2.5与肺功能的关系。肺功能各指标的数据为非正态分布，因此对其进行对数转换后作为因变量纳入模型进行分析。模型中年龄、性别、体重指数、相对湿度、平均湿度均为连续变量，其中平均温度和相对湿度通过自然样条函数进行调整，自由度为3，星期几、季节(秋季、冬季)、家庭收入[3万元以下、[3~8)万元、[8~12)万元、[12万元及以上]、教育程度(小学及以下、初中、高中/职、大学/专)、是否使用空气净化器(是、否)为分类变量。分析结果表示为PM2.5的浓度每增加10 μg/m3，肺功能指标变化的百分比。混合效应模型基于以下方程：
| ${Y_{ij}} = {\beta _0} + {\beta _1}{\rm{P}}{{\rm{M}}_{2.5}} + {\beta _2}{X_{1ij}} + \ldots + {\beta _n}{X_{nij}} + {\alpha _i} + {\varepsilon _{ij}} $ |
式中：Yij代表肺功能指标(FVC、FEV1、FEV1/FVC、FEF25%、FEF50%、FEF75%)，β0为总截距；β1是PM2.5的回归系数；β2……βn为协变量的回归系数；αi为5次重复测量中研究对象的随机效应；j代表调查次数；i表示研究对象，εij为残差项。
利用模型分析肺功能检测当天(lag0d)、前1天(lag1d)、前2天(lag2d)，以及这2天和3天的移动平均(lag01 d和lag02 d)的PM2.5浓度与肺功能指标的关系。
为了数据分析结果的可靠性和稳定性，对模型进行敏感性分析。在分析模型中分别纳入两个混杂因素(饲养宠物或住宅在过去1年内装修情况)进行敏感性分析，同时将这些混杂因素纳入模型。所有数据分析均由R 3.5.2软件完成，其中使用lme 4软件包进行线性混合效应模型分析，检验水准α=0.05。
2 结果 2.1 一般情况本研究共纳入76名研究对象，其中男性38名，女性38名，年龄为(64.97±2.80)岁，BMI为(25.02±2.39) kg/m2。家庭年收入为(3~8)万元的研究对象为29人，占38.2%；3万元及以下的对象为9人，占11.8%。教育程度为高中/职的人数为33人，占43.4%；小学及以下学历的人数为8人，占10.5%。使用空气净化器有29人，占38.2%；家中养宠物有4人，占5.3%；在过去一年对房屋进行装修的有5人，占6.6%。2018年9月—2019年1月的5次调查的人数分别为66、74、71、71和71人，其中参与2次调查的人数为3人、参与3次调查的人数为3人，参与4次调查的人数为12人，参与5次调查的人数为58人。研究对象的一般情况见表 1。
| 基本情况 | Mean±SD | 人数/人 (构成比/%) |
| 性别 | ||
| 男性 | 38(50.0) | |
| 女性 | 38(50.0) | |
| 年龄(岁) | 64.97±2.80 | |
| BMI | 25.02±2.39 | |
| 家庭收入 | ||
| 3万元以下 | 9(11.8) | |
| 3~8万元 | 29(38.2) | |
| 8~12万元 | 21(27.6) | |
| 12万元以上 | 17(22.4) | |
| 教育程度 | ||
| 小学及以下 | 8(10.5) | |
| 初中 | 21(27.6) | |
| 高中/职 | 33(43.4) | |
| 大学/专 | 14(18.4) | |
| 使用空气净化器 | ||
| 是 | 29(38.2) | |
| 否 | 47(61.8) | |
| 家中有宠物 | ||
| 是 | 4(5.3) | |
| 否 | 72(94.7) | |
| 家庭装修 | ||
| 是 | 5(6.6) | |
| 否 | 71(93.4) |
2.2 暴露数据描述性统计结果
从表 2可以看出，个体PM2.5的中位数为47.86 μg/m3，浓度范围在(15.28~224.38)μg/m3。平均温度的中位数为21.42 ℃，相对湿度的中位数为43.10%。
| 变量 | Min | P25 | P50 | P75 | Max |
| PM2.5/(μg/m3) | 15.28 | 32.92 | 47.86 | 65.85 | 224.38 |
| 平均温度/(℃) | 11.00 | 19.48 | 21.42 | 23.42 | 47.81 |
| 相对湿度/(%) | 20.20 | 36.89 | 43.10 | 51.10 | 87.66 |
2.3 肺功能指标的描述性统计结果
从表 3可以看出，FVC和FEV1的中位数分别为3.14和2.30 L，FEV1/FVC的中位数为76.93%，FEF25%、FEF50%和FEF75%的中位数分别为4.63、2.58和0.96 L/s。
| 肺功能指标 | Min | P25 | P50 | P75 | Max |
| FVC/L | 1.89 | 2.68 | 3.14 | 3.70 | 6.14 |
| FEV1/L | 1.06 | 2.03 | 2.30 | 2.77 | 4.06 |
| FEV1/FVC/% | 21.66 | 73.28 | 76.93 | 80.05 | 86.49 |
| FEF25%/(L/s) | 0.86 | 3.68 | 4.63 | 5.90 | 8.97 |
| FEF50%/(L/s) | 0.38 | 2.09 | 2.58 | 3.28 | 6.22 |
| FEF75%/(L/s) | 0.20 | 0.82 | 0.96 | 1.17 | 2.10 |
2.4 个体PM2.5浓度与肺功能的关系
从图 2中可以看出，在lag 2 d时PM2.5每升高10 μg/m3，FVC下降0.08%(95%CI：-0.28，0.12，P=0.45)，FEV1下降0.06%(95%CI：-0.32，0.20，P=0.67)，lag 02 d时PM2.5每升高10 μg/m3，FEV1/FVC下降0.05%(95%CI：-0.22，0.25，P=0.99)，但两者的关系均无统计学意义。从表 4可以看出，当饲养宠物和住宅在过去1年内装修情况单独或同时放入模型时，PM2.5对肺功能的影响与主模型分析结果一致，这表明本研究的结果稳定。
|
| 图 2 肺功能指标与PM2.5的关系 |
| 模型 | FVC | FEV1 | FVC/FEV1 | FEF25% | FEF50% | FEF75% | |||||||||||
| 百分比/% | 95%CI | 百分比/% | 95%CI | 百分比/% | 95%CI | 百分比/% | 95%CI | 百分比/% | 95%CI | 百分比/% | 95%CI | ||||||
| 主模型 | -0.08 | -0.28, 0.13 | -0.06 | -0.32, 0.20 | 0.01 | -0.14, 0.15 | 0.07 | -0.44, 0.59 | 0.16 | -0.48, 0.81 | 0.07 | -0.56, 0.70 | |||||
| 主模型+饲养宠物 | -0.08 | -0.29, 0.13 | -0.08 | -0.34, 0.18 | -0.01 | -0.16, 0.14 | 0.07 | -0.45, 0.59 | 0.10 | -0.55, 0.75 | -0.01 | -0.64, 0.62 | |||||
| 主模型+住宅装修 | -0.07 | -0.28, 0.14 | -0.05 | -0.31, 0.21 | 0.01 | -0.14, 0.16 | 0.09 | -0.42, 0.61 | 0.19 | -0.45, 0.84 | 0.07 | -0.57, 0.70 | |||||
| 主模型+饲养宠物+住宅装修 | -0.08 | -0.29, 0.13 | -0.08 | -0.34, 0.18 | -0.01 | -0.16, 0.14 | 0.10 | -0.42, 0.62 | 0.13 | -0.52, 0.78 | -0.01 | -0.65, 0.63 | |||||
3 讨论
本研究采用定组研究的设计，按照严格的调查对象纳入和排除标准筛选非吸烟、非酗酒、生活规律、无常见的基础性疾病以及经过体格检查排除肥胖、高血压、高血糖、高血脂和肺功能异常的调查对象，并在调查期间阶段为调查对象提供饮食和采用问卷调查获得调查的一般情况，结合精准的PM2.5个体暴露监测结果和肺功能检测结果，在统计分析时控制常见的空气污染对人群健康影响的混杂因素，分析了个体PM2.5暴露与肺功能的关系。调查中不同阶段的混杂因素的控制以及精准的个体PM2.5暴露监测是本研究重点考虑的两个因素。
本研究未发现个体PM2.5短期暴露与肺功能的FVC、FEV1、FEV1/FVC、FEF25%、FEF50%和FEF75%有明显的关系。Dorina等[11]针对78名(41~68)岁的中老年人开展48 h的PM2.5监测，发现在短期PM2.5暴露后研究对象的肺功能指标未出现显著变化。在Chu等对14名老年人开展的调查中，同样未发现短期暴露于PM2.5与FEF75%有显著相关性[12]，与本研究结果一致。但中国南京市的一项研究显示，滞后1 d的PM2.5与老年人的FEV1、PEF、FEF25%和FEF50%呈负相关，滞后6 d的PM2.5均值升高，会使FVC水平下降。美国的一项研究也显示，PM2.5每升高10 μg/m3，患肺部疾病的老年人的FVC下降0.46 L(95% CI为-0.84~-0.07)[12]。Chen等也发现，PM2.5每增加一个四分位数，慢性阻塞性肺气肿老年人FEV1下降33.9 L/min(95% CI为2.45~54.53)，PEF下降4.48 L/min(95% CI为2.30~6.66)[13]。Hao等的研究结果显示，PM2.5暴露浓度降低后，2型糖尿病老年人的FVC与FEV1水平升高[14]。本研究结果与上述研究不一致的原因可能在于各研究的研究人群选择、混杂因素的控制和PM2.5暴露评价等方面存在差异。在针对老年人开展的研究中，部分研究是对(70~80)岁老年人群开展调查。已有文献报道，老年人肺功能各项指标会随年龄的增加而降低，不同年龄阶段人群对空气污染的敏感程度也存在差别[23]。吸烟可引起无呼吸道症状中老年人的小气道阻力升高，肺功能指标降低[24]。另外，患呼吸系统疾病或慢性病的人群的肺功能较一般人群更易受到空气污染的影响，且患病人群服用药物和饮食与一般人群存在差异。部分患慢性病的老人属于肥胖人群，因此不同的研究人群会导致部分研究未充分控制混杂因素。另外大部分研究使用室外监测站点的PM2.5浓度评估研究对象的PM2.5暴露水平，未考虑其室内PM2.5污染的暴露情况，使用室外PM2.5浓度不能真实的反映老年人的真实暴露量。
本研究在控制了大量混杂因素以及采用精准的个体暴露评价方法的基础上，评价了PM2.5暴露与老年人肺功能的关系。肺功能指标主要包括FVC、FEV1、FEV1/FVC、FEF25%、FEF50%和FEF75%，这与其他研究相比考虑了更多的肺功能指标。采用线性混合效应模型对数据进行分析，相比应用广泛的广义估计方程模型，系统回顾的结果显示混合效应模型可产生更大的估计值[25]。由于本研究只纳入了肺功能正常、未患基础疾病、作息规律且不吸烟的老年人作为研究对象，可避免不健康的生活方式、慢性病等混杂因素的影响，因此本研究结果的推广仍然存在一定局限性。本研究表明，个体PM2.5的短期暴露对(60~69)岁健康老年人的肺功能未造成明显的影响，由于老年人属于特殊的人群，其对空气污染物的影响反应相对较弱。此外，本研究中PM2.5的暴露时间窗间隔为1 d，未分析更短时间内PM2.5暴露对肺功能指标的影响，且本研究只监测了3 d的个体PM2.5的浓度，不能反应PM2.5对肺功能的长期影响，因此今后在这方面仍需进一步开展调查进行探索。本研究未测量PM2.5的不同粒径颗粒物分布情况及其化学成分，因此未来需要在不同粒径分布和化学成分的PM2.5对肺功能指标的影响及毒理作用等方面加强研究。本研究的样本量较小其代表性较差。因此本研究结果应在大人群中进行验证。
| [1] |
Health effects of outdoor air pollution. Committee of the Environmental and Occupational Health Assembly of the American Thoracic Society[J]. Am J Respir Crit Care Med, 1996, 153: 3-50. DOI:10.1164/ajrccm.153.1.8542133 |
| [2] |
Brunekreef B, Holgate ST. Air pollution and health[J]. Lancet, 2002, 360: 1233-1242. DOI:10.1016/S0140-6736(02)11274-8 |
| [3] |
Dockery DW, Pope CA III. Outdoor particulates. In: Steenland K, Savitz DA, eds. Topics in Environmental Epidemiology. New York, Oxford University Press, 2002; pp. 119-166.
|
| [4] |
Samet JM, Dominici F, Curriero FC, et al. Fine particulate air pollution and mortality in 20 U.S. cities 1987-1994[J]. N Engl J Med, 2000, 343: 1742-1749. DOI:10.1056/NEJM200012143432401 |
| [5] |
Stieb DM, Judek S, Burnett RT. eta-analysis of time-series studies of air pollution and morality: effects of gases and particles and the influence of cause of death, age, and season[J]. J Air Waste Manage Assoc, 2002, 52: 470-484. DOI:10.1080/10473289.2002.10470794 |
| [6] |
Zhou Y, Liu Y, Song Y, et al. Short-term Effects of Outdoor Air Pollution on Lung Function among Female Non-smokers in China[J]. Scientific Reports, 2016, 6: 34947. DOI:10.1038/srep34947 |
| [7] |
Johannson KA, Vittinghoff E, Morisset J, et al. Air pollution exposure is associated with lower lung function, but not changes in lung function, in patients with idiopathic pulmonary fibrosis[J]. Chest, 2018, 154(1). |
| [8] |
Milanzi EB, Koppelman GH, Smit HA, et al. Air pollution exposure and lung function until age 16: the PIAMA birth cohort study[J]. European Respiratory Journal, 2018, 1800218. |
| [9] |
Roy A, Hu W, Wei F, et al. Ambient Particulate Matter and Lung Function Growth in Chinese Children[J]. Epidemiology, 2012, 23(3): 464-472. DOI:10.1097/EDE.0b013e31824cbd6d |
| [10] |
Zhou Y, Liu Y, Song Y, et al. Short-term effects of outdoor air pollution on lung function among female non-smokers in China[J]. Scientific Reports, 2016, 6: 34947. DOI:10.1038/srep34947 |
| [11] |
Karottki DG, Bekö G, Clausen G, et al. Cardiovascular and lung function in relation to outdoor and indoor exposure to fine and ultrafine particulate matter in middle-aged subjects[J]. Environment International, 2014, 73: 372-381. DOI:10.1016/j.envint.2014.08.019 |
| [12] |
Chu H, Xin J, Yuan Q, et al. Evaluation of vulnerable PM2.5-exposure individuals: a repeated-measure study in an elderly population[J]. Environmental Science and Pollution Research, 2018. |
| [13] |
Chen S, Gu Y, Qiao L, et al. Fine particulate constituents and lung dysfunction: a time-series panel study[J]. Environmental Science & Technology, 2017, 51(3): 1687-1694. |
| [14] |
Hao Y, Zhao J, Wang K, et al. The association between particulate matter air pollution and respiratory health in elderly with type 2 diabetes mellitus[J]. Journal of occupational and environmental medicine/American College of Occupational and Environmental Medicine, 2017, 59(9). |
| [15] |
Klepeis NE, Nelson WC, Ott WR, et al. The National Human Activity Pattern Survey (NHAPS): a resource for assessing exposure to environmental pollutants[J]. J Expo Anal Environ Epidemiol, 2000, 11(3): 231-252. |
| [16] |
Cao J, Yang C, Li J, et al. Association between long-term exposure to outdoor air pollution and mortality in China: A cohort study[J]. J Hazard Mater, 2011, 186(2-3): 1594-1600. DOI:10.1016/j.jhazmat.2010.12.036 |
| [17] |
Kan H, London SJ, Chen G, et al. Differentiating the effects of fine and coarse particles on daily mortality in Shanghai, China[J]. Environ Int, 2007, 33(3): 376-384. DOI:10.1016/j.envint.2006.12.001 |
| [18] |
Gauvin S, Reungoat P, Cassadou S, et al. Contribution of indoor and outdoor environments to PM2.5 personal exposure of children—-VESTA study[J]. Sci Total Environ, 2002, 297(1): 175-181. |
| [19] |
Rodes CE, Lawless PA, Evans GF, et al. The relationships between personal PM exposures for elderly populations and indoor and outdoor concentrations for three retirement center scenarios[J]. Journal of Exposure Analysis & Environmental Epidemiology, 2001, 11(2): 103. |
| [20] |
Jiao-Nan W, Qing W, Qing-Hua S, et al. Assessment on household PM_(2.5) monitoring instruments[J]. Journal of Environment and Health, 2016, 33: 1086-1089. |
| [21] |
贾天震, 杨汀, 魏建磊, 等. 新型涡轮便携式肺功能仪的研制与开发[J]. 电子技术应用, 2017(11): 68-71, 75. |
| [22] |
Sun Q, Zhuang J, Du Y, et al. Design and application of a web-based real-time personal PM 2.5, exposure monitoring system[J]. Science of The Total Environment, 2018, 627: 852-859. DOI:10.1016/j.scitotenv.2018.01.299 |
| [23] |
吕和平, 任爱红, 郝春杰, 等. 老年人肺功能与年龄增长的关系[J]. 第四军医大学学报, 2005, 26(6): 545-547. (In English: Lv HP, Ren AH, Hao CJ, et al. Relationship between dynamic pulmonary function and aging in elderly people[J]. Journal of The Fourth Military Medical University, 2005, 26(6): 545-547. DOI:10.3321/j.issn:1000-2790.2005.06.017) |
| [24] |
刘洋, 陈丽萍, 高瑛, 等. 吸烟对中老年人肺功能的影响[J]. 中国老年学杂志, 2013, 33(17): 4247-4248. (In English: Liu Y, Chen LP, Gao Y, et al. Effects of smoking on lung function in middle-aged and elderly people[J]. Chinese Journal of Gerontology, 2013, 33(17): 4247-4248. DOI:10.3969/j.issn.1005-9202.2013.17.068) |
| [25] |
Ward DJ, Ayres JG. Particulate air pollution and panel studies in children: a systematic review[J]. Occupational & Environmental Medicine, 2004, 61(4): e13. |