Short-term effects of air pollutants on outpatient volume of respiratory diseases in Guiyang
-
摘要:背景
受空气污染物浓度、成分及人群耐受性影响，空气污染物与人群健康的关系具有地域性差异，目前贵阳市尚有研究空白。
目的探讨低污染区空气污染物浓度对呼吸系统疾病门诊量影响的短期效应。
方法采用斯皮尔曼相关分析2013年1月1日—2020年12月31日贵阳市空气污染物、气象因素与呼吸系统门诊量的相关性，进一步采用泊松分布建立单污染物分布滞后非线性模型及多污染物交互模型，绘制空气污染物与呼吸系统门诊量的暴露滞后风险关系三维图，定量分析贵阳市空气污染物浓度与呼吸系统疾病门诊量的归因风险及滞后效应。
结果单污染物模型结果显示，细颗粒物（PM2.5）、二氧化氮（NO2）、一氧化碳（CO）和二氧化硫（SO2）均为呼吸系统疾病门诊量的风险因素，随污染物浓度升高，呼吸系统门诊量均呈上升趋势。PM2.5、NO2、CO和SO2相对危险度（RR）峰值分别出现在第2、0、5和6天，RR（95%CI）峰值分别为1.019（1.015~1.023）、1.146（1.122~1.171）、1.129（1.116~1.143）和1.046（1.040~1.052）。PM2.5、NO2、CO和SO2浓度每升高一个四分位间距，呼吸系统门诊量分别增加0.943%（0.111%~1.782%）、4.050%（3.573%~4.529%）、0.595%（0.317%~0.874%）和0.667%（0.235%~1.100%）；臭氧（O3）的RR峰值出现在当日，RR（95%CI）峰值为1.015（1.007~1.023）。多污染物模型结果显示，PM2.5、NO2、CO、SO2和O3对呼吸系统疾病门诊量均具有风险效应，RR峰值分别出现在第14、0、5、7和0天，RR（95%CI）峰值分别为1.027（1.021~1.034）、1.213（1.179~1.248）、1.059（1.043~1.074）、1.016（1.005~1.026）和1.024（1.015~1.033），与单污染物模型相比PM2.5、NO2和O3对呼吸系统疾病门诊量的RR均呈上升趋势，CO和SO2的RR均呈下降趋势。
结论低浓度的PM2.5、NO2、CO和SO2对人群健康的影响不容忽视。
Abstract:BackgroundAffected by concentration, composition, and population tolerance of air pollutants, the relationship between air pollutants and population health has regional differences. There is still a research gap in Guiyang.
ObjectiveTo explore the short-term effects of air pollutant concentrations in low-pollution areas on the outpatient volume of respiratory diseases.
MethodsSpearman correlation analysis was used to evaluate the correlation between air pollutants, meteorological factors, and respiratory outpatient volume from January 1, 2013 to December 31, 2020 in Guiyang City. A single pollutant distribution lag nonlinear model and a multi-pollutant interaction model were established based on Poisson distribution. A three-dimensional diagram was drawn to display the relationship between air pollutants and respiratory outpatient volume. Quantitative analysis was conducted on the attribution risk and lag effect of air pollutant concentration on outpatient volume of respiratory diseases in Guiyang City.
ResultsThe results of the single pollutant model showed that fine particulate matter (PM2.5), nitrogen dioxide (NO2), carbon monoxide (CO), and sulfur dioxide (SO2) elevated the outpatient volume of respiratory diseases. The maximum relative risk (RR) and 95%CI values of PM2.5, NO2,CO, and SO2 appeared on Day 2, 0, 5, and 6, respectively, which were 1.019 (1.015, 1.023), 1.146 (1.122, 1.171), 1.129 (1.116, 1.143), and 1.046(1.040, 1.052), respectively. For every quartile concentration increment of PM2.5, NO2, CO, or SO2, the outpatient volume of respiratory diseases increased by 0.943% (0.111%, 1.782%), 4.050% (3.573%, 4.529%), 0.595% (0.317%, 0.874%), or 0.667% (0.235%, 1.100%), respectively. The maximum RR (95%CI) of O3 was 1.015 (1.007, 1.023) and appeared on Day 0. The results of multi-pollutant model showed that PM2.5, NO2, CO, SO2, and O3 all elevated the outpatient volume of respiratory diseases. The maximum RR values of PM2.5, NO2, CO, SO2 and O3 appeared on Day 14, 0, 5, 7 and 0, respectively, which were 1.027 (1.021, 1.034), 1.213 (1.179, 1.248), 1.059 (1.043, 1.074), 1.016 (1.005, 1.026), and 1.024 (1.015, 1.033), respectively. Compared with the single pollutant model, the RR values of PM2.5, NO2, and O3 on the outpatient volume of respiratory diseases in the multi-pollutant model showed an upward trend, while the RR values of CO and SO2 in the multi-pollutant model showed a downward trend.
ConclusionThe impact of low concentrations of PM2.5, NO2, CO, and SO2 on human health cannot be ignored.
-
随着社会发展、经济腾飞，人群对健康的内涵及意识不断深化。空气污染物（工业废气、机动车尾气、能源燃烧排放等）对人群健康的影响逐渐被人们重视，因空气污染物产生的社会负担及医疗费用持续增长等问题，逐渐被社会关注。2021年9月22日世界卫生组织（World Health Organization, WHO）发布《全球空气质量准则（2021）》对细颗粒物（fine particulate matter, PM2.5）、二氧化氮（NO2）等环境空气质量准则限值（alliance for quality growth, AQG）有更严格的要求[1]，空气污染治理将迎接全球性挑战[1]。亚洲地区空气污染与人群健康研究起步较北美及欧洲等发达国家晚[2–4]，国内相关研究多集中在京津冀[5–6]、长三角[7]、珠三角[8–9]等经济发达的高污染区，低污染区的相关研究较少。以新的AQG作为基准，低污染区空气污染物质量浓度（后简称为浓度）对人群健康风险效应尚无相关报道。贵阳市位于云贵高原东斜坡地带，地处东经106°07′至107°17′，北纬26°11′至27°22′之间，属亚热带季风性湿润气候，调查期间大气环境质量优良天数达到94.7%，属低污染区，首要空气污染物为PM2.5和可吸入颗粒物（inhalable particulate matter, PM10），主要来源为城市扬尘、建筑尘及机动车尾气[10]。因此本研究选择贵阳市开展空气污染与人群健康研究，探索低浓度的空气污染物（空气污染物浓度低于GB 3095—2012《环境空气质量标准》二级限值）与呼吸系统疾病门诊量的相互关系。
空气污染物成分复杂，哪类成分对人体健康的危害更大尚存不同观点[11]。目前研究多集中于单污染物[2–4，8，12–13]，多污染物相互效应研究相对较少[9]。呼吸系统直接接触空气污染物，是人体完成气体交换的部位，是空气污染物暴露的首要靶器官。既往研究多以死亡作为研究的应变量[2，4–6，8，13–14]，以门诊量作为应变量的研究相对较少[7，9]，由于疾病发生、发展到结局有一定过程，本研究以呼吸系统门诊量作为空气污染对人群健康短期危害指标，采用分布滞后非线性模型（distributed lag nonlinear model, DLNM）构建单污染物、多污染物模型[15–16]，探索空气污染物与贵阳市呼吸系统疾病门诊量的归因风险关系，旨在为相关部门空气污染的治理及空气质量标准的制定提供参考依据。
1. 材料与方法
1.1 资料来源
按医院等级对贵阳市二级甲等及以上综合医院进行分层抽样，抽取贵阳市第一人民医院（贵阳市双龙经开区）、贵阳市妇幼保健院（贵阳市南明区）、贵阳市花溪区人民医院（贵阳市花溪区）3家综合医院2013年1月1日至2020年12月31日呼吸系统门诊量数据，包括就诊人员常住地址、明确诊断、国际疾病分类（International Classification of Diseases 10, ICD-10）编码等信息，剔除意外伤害及非贵阳市常驻地址的数据，按日汇总呼吸系统疾病（编码为J00~J99）门诊量数据，通过数据审核剔除异常值。PM2.5、NO2、一氧化碳（CO）、二氧化硫（SO2）和臭氧（O3）等空气污染物浓度数据来自于贵阳市辖区内12家环境监控站（国控点及省控点）。气温、相对湿度、气压、风速等气象数据来自于贵阳市气象局。本研究经贵州省疾病预防控制中心伦理委员会审查通过（伦理号：S201617）。
1.2 分析方法
采用泊松分布建立单污染物DLNM，从变量水平和滞后水平研究污染物浓度对呼吸系统疾病就诊量的影响。以污染物浓度作为自变量，呼吸系统疾病门诊人次作为应变量，气象因素作为协变量，控制时间趋势和季节趋势，星期和节假日纳入哑元变量[15]，建立模型公式：
$$\begin{split} \log \left[E\left(Y_t\right)\right]=&\beta ({ {\rm{basis}}. } { {\rm{APL}} }_i)+{\rm{NS}}(t, d f)+\\ &\sum_{n=1}^P {\rm{NS}}_n(M_n, d f_n) + \lambda \rm {holiday}_t+\\ &\gamma \rm{DOW}_t+\varepsilon_t \end{split}$$ (1) 式（1）中，Yt为第t日呼吸系统就诊人次数；basis.APLi为空气污染物i的交叉基矩阵（PM2.5、NO2、CO、SO2和O3）；t为时间变量（df=7年−1），NS为自然样条函数；Mn为协变量（气温、相对湿度、气压和风速，dfn=3）；holidayt、DOWt分别为节假日、星期哑元变；εt为残差[15–16]。核心参数依据赤池信息准则、偏自相关系数同时结合广义交叉验证确定[15–16]。通过残差独立，残差白噪序列为，考察模型稳健性[15–16]。以最大滞后时间14 d，滞后自由度4，建立交叉基矩阵。参考值：空气污染物浓度最大值≥AQG时，以AQG作为参考值；浓度最大值＜AQG时，以1/2最大值作为参考值。
在单污染物模型基础上建立多污染物交互模型：
$$\begin{split} \log \left[E\left(Y_t\right)\right]=&\sum_{i=1}^Q \beta_i { ({\rm{basis}}. {\rm{APL}}_i}) +{\rm{NS}}(t, d f)+\\ &\sum_{n=1}^P {\rm{NS}}_n(M_n, df_n)+\lambda\rm{holiday}_t+\\ &\gamma {\rm{DOW}}_t+\varepsilon_t \end{split} $$ (2) 式（2）中，变量含义同式（1）。
1.3 统计学分析
研究采用R4.1.1中的“mgcv”“dlnm”包拟合[15]。空气污染物、气象因素和门诊量采用偏态分布进行描述性分析，计算均值、标准差、最小值、中位数、四分位数间距（interquartile range, IQR）、最大值。采用斯皮尔曼相关进行污染物、气象因素与呼吸系统门诊量的相关分析。统计分析污染物与呼吸系统门诊量在不同滞后期相对危险度（relative risk, RR）及其95%置信区间（95% confidence interval, 95%CI），同时计算污染物每升高一个IQR呼吸系统门诊量的超额危险度（excess risk, ER）其95%CI。双侧检验，检验水准为α=0.05。
2. 结果
2.1 基本情况
研究期内呼吸系统疾病门诊量共计1026136人次，有季节性波动趋势。就诊量冬季（12月）最高，夏季（8月）最低。贵阳市空气质量总体良好，大气环境质量优良天数达到94.7%。PM2.5、NO2、CO、SO2浓度冬季高，夏季低；O3浓度春秋高，冬季低。但以AQG作为参考，PM2.5、NO2、SO2、O3日超标率分别为92.88%、56.13%、11.64%、16.91%。详见表1。相关性分析结果显示，空气污染物与气象因素具有弱相关性，主要污染物PM2.5与气压呈正相关，PM2.5与气温、相对湿度、风速均呈负相关。详见表2。
表 1 2013—2020年贵阳市空气污染物浓度、气象及呼吸系统门诊量统计学描述及限值Table 1. Air pollutant concentrations, meteorological factors, and respiratory outpatient volume in Guiyang City from 2013 to 2020指标 $\bar x \pm s $ 最小值 P50(P25，P75) 最大值 AQG限值 GB 3095—2012二级限值 污染物浓度 PM2.5/(μg·m−3) 42.5±24.8 5 37(25，54) 165 15 75 NO2/(μg·m−3) 27.9±9.6 9 26(21，33) 71 25 80 CO/(mg·m−3) 0.7±0.2 0.3 0.7(0.6，0.8) 1.8 4 4 SO2/(μg·m−3) 20.6±19.5 3 13(8，25) 159 40 150 O3/(μg·m−3) 72.5±28.4 13 68(52，90) 170 100 160 气象因素 气温/℃ 15.1±7.2 -4.4 16.7(9.3，21.2) 27.0 — — 相对湿度/% 80.9±11.1 39.2 81.8(74.0，89.9) 100.0 — — 气压/kPa 877.7±5.0 864.6 877.2(873.7，881.3) 895.2 — — 风速/(m·s−1) 2.4±0.8 0.8 2.3(1.9，2.9) 6.7 — — 呼吸系统疾病就诊量/人 351.2±140.9 53 335(249，445) 930 — — 表 2 2013—2020年贵阳市空气污染物浓度、气象因素与呼吸系统门诊量的相关性分析（r）Table 2. Correlations of air pollutant concentrations, meteorological factors, and respiratory outpatient volume in Guiyang City from 2013 to 2020 (r)变量 PM2.5 NO2 CO SO2 O3 气压 气温 相对湿度 风速 就诊量 PM2.5 1.0000 NO2 0.6961** 1.0000 CO 0.5551** 0.5109** 1.0000 SO2 0.7043** 0.5889** 0.5915** 1.0000 O3 0.2086** 0.0992** −0.2207** −0.0790** 1.0000 气压 0.4056** 0.3172** 0.3931** 0.5222** −0.2067** 1.0000 气温 −0.4490** −0.2786** −0.5374** −0.6720** 0.3633** −0.7507** 1.0000 相对湿度 −0.2478** −0.2181** 0.1519** −0.1843** −0.6577** 0.0550* −.2819** 1.0000 风速 −0.2625** −0.5335** −0.2222** −0.2326** 0.0490 −0.1439** 0.0550* −0.0536* 1.0000 就诊量 0.1942** 0.1832** 0.1791** 0.2363** −.0754** 0.1956** −0.2844** 0.0059 0.0297 1.0000 [注] *：P＜0.05；**：P＜0.01。 2.2 单污染物模型
PM2.5累积暴露反应曲线呈线性，累积RR随PM2.5浓度升高而增加，PM2.5浓度超过AQG时RR>1有显著性；RR在滞后0~14日（lag0~lag14）均有显著性，RR最大值在lag2，RR达到峰值后RR随滞后时间增加呈下降趋势。PM2.5每升高一个IQR呼吸系统疾病门诊量增加0.943%（0.111%~1.782%，P<0.001）。详见表3和图1。
表 3 单污染物模型空气污染物对呼吸系统疾病门诊量的相对危险度及其95%CITable 3. The relative risks (95%CIs) of air pollutants on the outpatient volume of respiratory diseases by single pollutant model滞后天数/d PM2.5 NO2 CO SO2 O3 lag0 1.014(1.005~1.023)* 1.146(1.122~1.171)* 1.002(0.955~1.050) 1.026(0.997~1.056) 1.015(1.007~1.023)* lag1 1.018(1.015~1.021)* 1.078(1.070~1.086)* 1.051(1.032~1.070)* 1.021 (1.011~1.032)* 1.001(0.998~1.004) lag2 1.019(1.015~1.023)* 1.041(1.033~1.049)* 1.089(1.065~1.114)* 1.023(1.012~1.034)* 0.994(0.991~0.997) lag3 1.019(1.015~1.023)* 1.032(1.024~1.040)* 1.113(1.089~1.137)* 1.030(1.020~1.041)* 0.994(0.991~0.996) lag4 1.017(1.015~1.020)* 1.037(1.032~1.043)* 1.125(1.108~1.142)* 1.039(1.032~1.046)* 0.996(0.994~0.998) lag5 1.016(1.014~1.018)* 1.043(1.039~1.048)* 1.129(1.116~1.143)* 1.044(1.039~1.050)* 0.998(0.997~1.000) lag6 1.014(1.012~1.017)* 1.047(1.042~1.051)* 1.127(1.112~1.142)* 1.046(1.040~1.052)* 0.999(0.998~1.001) lag7 1.013(1.011~1.015)* 1.048(1.043~1.053)* 1.119(1.104~1.135)* 1.043(1.037~1.050)* 0.999(0.997~1.001) lag8 1.012(1.009~1.014)* 1.048(1.043~1.052)* 1.106(1.091~1.122)* 1.038(1.032~1.045)* 0.998(0.996~1.000) lag9 1.010(1.008~1.012)* 1.045(1.041~1.050)* 1.090(1.076~1.103)* 1.030(1.024~1.036)* 0.996(0.995~0.998) lag10 1.009(1.007~1.011)* 1.042(1.038~1.045)* 1.070(1.059~1.081)* 1.020(1.015~1.024)* 0.994(0.992~0.995) lag11 1.008(1.006~1.009)* 1.037(1.033~1.040)* 1.048(1.037~1.058)* 1.008(1.004~1.012)* 0.991(0.989~0.992) lag12 1.007(1.005~1.009)* 1.031(1.027~1.035)* 1.024(1.011~1.037)* 0.995(0.989~1.000) 0.987(0.986~0.989) lag13 1.005(1.003~1.008)* 1.025(1.019~1.031)* 1.001(0.982~1.018) 0.981(0.973~0.989) 0.984(0.981~0.986) lag14 1.004(1.001~1.008)* 1.018(1.010~1.027)* 0.975(0.951~1.000) 0.967(0.956~0.978) 0.980(0.977~0.983) [注] 空气污染物浓度在GB 3095—2012《环境空气质量标准》二级限值时，空气污染物的相对危险度；lag为滞后时间（天）；*：RR＞1，且P＜0.05。 ![]()
图 1 PM2.5对呼吸系统疾病门诊量的影响A：暴露滞后风险关系三维图；B：累积暴露反应关系图；C：相对危险度（RR）等高线图；D：PM2。5浓度为75 μg·m−3时的滞后反应关系图。Figure 1. Effects of ambient PM2.5 on the outpatient volume of respiratory diseasesNO2累积暴露反应曲线呈线性，累积RR随NO2浓度升高而增加，NO2浓度超过AQG时RR＞1有显著性；RR在lag0~lag14均有显著性，RR最大值在当天，RR随滞后时间增加呈下降趋势。NO2每升高一个IQR呼吸系统疾病门诊量增加4.050%（3.573%~4.529%，P＜0.001）。详见图2和表3。
![]()
图 2 NO2对呼吸系统疾病门诊量的影响A：暴露滞后风险关系三维图；B：累积暴露反应关系图；C：相对危险度（RR）等高线图；D：NO2浓度为80 μg·m−3时的滞后反应关系图。Figure 2. Effects of ambient NO2 on the outpatient volume of respiratory diseasesCO累积暴露反应曲线呈线性，累积RR随CO浓度升高而增加，CO浓度超过1.0 mg·m−3时RR＞1有显著性；RR在lag0~lag12均有显著性，滞后效应曲线呈“∩”型，RR峰值出现在lag5。CO每升高一个IQR呼吸系统疾病门诊量增加0.595%（0.317%~0.874%，P＜0.001）。详见图3和表3。
![]()
图 3 CO对呼吸系统疾病门诊量的影响A：暴露滞后风险关系三维图；B：累积暴露反应关系图；C：相对危险度（RR）等高线图；D：CO浓度为4 mg·m−3时的滞后反应关系图。Figure 3. Effects of ambient CO on the outpatient volume of respiratory diseasesSO2累积暴露反应曲线呈线性，累积RR随SO2浓度升高呈递增趋势，SO2浓度超过AQG时RR＞1有显著性；RR在lag0~lag12均有显著性，滞后效应曲线近似“∩”型，RR峰值出现在lag6。SO2每升高一个IQR呼吸系统疾病门诊量增加0.667%（0.235%~1.100%，P=0.002）。详见图4和表3。
![]()
图 4 SO2对呼吸系统疾病门诊量的影响A：暴露滞后风险关系三维图；B：累积暴露反应关系图；C：相对危险度（RR）等高线图；D：SO2浓度为150 μg·m−3时的滞后反应关系图。Figure 4. Effects of ambient SO2 on the outpatient volume of respiratory diseasesO3累积暴露反应曲线呈线性，累积RR随O3浓度升高呈递减趋势，O3浓度在160 μg·m−3时，在lag0观察到RR＞1，且有显著性，RR随滞后时间增加呈下降趋势。在观察范围内O3（13~170 μg·m−3）每升高一个IQR呼吸系统疾病门诊量变化值为−0.880%（−1.235%~−0.524%，P＜0.001）。详见图5和表3。
![]()
图 5 O3对呼吸系统疾病门诊量的影响A：暴露滞后风险关系三维图；B：累积暴露反应关系图；C：相对危险度（RR）等高线图；D： O3浓度为160 μg·m−3时的滞后反应关系图。Figure 5. Effects of ambient O3 on the outpatient volume of respiratory diseases2.3 多污染物交互模型
与单污染物模型相比，PM2.5对呼吸系统疾病门诊量的RR值随滞后时间增加呈上升趋势，RR在lag0~lag14均有显著性，RR峰值出现在lag14，PM2.5浓度每升高一个IQR呼吸系统疾病门诊量增加1.619%（1.342%~1.898%，P＜0.001）；NO2的RR值呈上升趋势，RR在lag0~lag14均有显著性，RR峰值依然出现在当天，NO2浓度每升高一个IQR呼吸系统疾病门诊量增加5.675%（5.030%~6.323%，P＜0.001）；CO的RR值呈下降趋势，RR在lag3~lag10均有显著性，RR峰值出现在lag5，CO浓度每升高一个IQR呼吸系统疾病门诊量增加0.433%（0.102%~0.766%，P=0.010）；SO2的RR呈下降趋势，RR在lag6~lag7均有显著性，RR峰值出现在lag7，SO2浓度每升高一个IQR呼吸系统疾病门诊量降低-0.533%（-1.107%~0.046%，P=0.071）；O3的RR呈上升趋势，RR在lag0具有显著性，O3浓度每升高一个IQR呼吸系统疾病门诊量降低-2.070%（−2.470%~−1.669%，P＜0.001）。详见表4和图6。
表 4 多污染物模型空气污染物对呼吸系统疾病门诊量的相对危险度及其95%CITable 4. The relative risks (95%CIs) of air pollutants on the outpatient volume of respiratory diseases by multi-pollutant model滞后天数/d PM2.5 NO2 CO SO2 O3 lag0 0.982(0.971~0.994) 1.213(1.179~1.248)* 0.815(0.771~0.862) 1.003(0.965~1.043) 1.024(1.015~1.033)* lag1 1.007(1.002~1.012) * 1.103(1.091~1.116) * 0.928(0.907~0.950) 0.968(0.953~0.983) 0.996(0.993~1.000) lag2 1.018(1.012~1.024) * 1.042(1.029~1.055) * 1.010(0.982~1.038) 0.958(0.941~0.975) 0.983(0.980~0.986) lag3 1.017(1.011~1.022) * 1.023(1.011~1.035) * 1.048(1.021~1.075) * 0.970(0.954~0.986) 0.983(0.980~0.986) lag4 1.009(1.005~1.013) * 1.025(1.017~1.034) * 1.058(1.039~1.077) * 0.991(0.980~1.002) 0.989(0.987~0.991) lag5 1.003(0.999~1.006) * 1.031(1.024~1.038) * 1.059(1.043~1.074)* 1.007(0.998~1.016) 0.994(0.992~0.996) lag6 0.999(0.995~1.002) 1.036(1.029~1.044) * 1.056(1.039~1.073) * 1.015(1.005~1.025) * 0.997(0.995~0.999) lag7 0.997(0.993~1.001) 1.041(1.033~1.049) * 1.049(1.031~1.068) * 1.016(1.005~1.026) * 0.998(0.996~1.000) lag8 0.998(0.994~1.001) 1.045(1.037~1.053) * 1.040(1.022~1.058) * 1.010(0.999~1.021) 0.997(0.995~0.999) lag9 1.000(0.996~1.003) 1.049(1.042~1.056) * 1.029(1.013~1.044) * 0.999(0.990~1.008) 0.994(0.992~0.996) lag10 1.003(1.001~1.006) * 1.052(1.046~1.058) * 1.015(1.002~1.028) * 0.983(0.976~0.991) 0.990(0.989~0.992) lag11 1.008(1.005~1.011) * 1.055(1.049~1.061) * 1.000(0.989~1.012) 0.965(0.958~0.971) 0.985(0.984~0.987) lag12 1.014(1.011~1.018) * 1.058(1.051~1.065) * 0.985(0.970~1.000) 0.944(0.935~0.952) 0.980(0.978~0.982) lag13 1.020(1.016~1.025) * 1.061(1.050~1.071) * 0.969(0.948~0.990) 0.922(0.910~0.934) 0.973(0.970~0.976) lag14 1.027(1.021~1.034)* 1.063(1.049~1.077) * 0.952(0.924~0.981) 0.899(0.883~0.916) 0.967(0.963~0.970) [注] 空气污染物浓度在GB 3095—2012《环境空气质量标准》二级限值时，空气污染物的相对危险度；lag为滞后时间（天）；*：RR＞1，且P＜0.05。 ![]()
图 6 多污染物模型空气污染物对呼吸系统疾病门诊量影响的暴露滞后风险关系三维图。A：PM2.5暴露滞后风险关系三维图；B：NO2暴露滞后风险关系三维图；C：CO暴露滞后风险关系三维图；D：SO2暴露滞后风险关系三维图；E：O3暴露滞后风险关系三维图。Figure 6. Three-dimensional diagrams of the exposure lag risk relationship between air pollutants and outpatient volume of respiratory diseases by multi-pollutant model3. 讨论
近年研究显示长期暴露于低浓度PM2.5（＜10 µg·m−3）污染，依然是呼吸系统疾病的发病风险[2–3]。依据空气污染对人体健康研究的深入，WHO对空气质量的指导值不断完善及更新。我国现行空气质量标准接轨第一阶段目标[12]，预计2030年接轨第二阶段目标[12]，2060年达到AQG[13]。本研究以AQG作为参考值，探索低污染区空气污染物与呼吸系统疾病门诊量的归因风险关系，结果显示PM2.5、NO2、SO2和CO均为呼吸系统疾病门诊量的风险因素，风险均存在滞后效应，最高风险期分别为lag2、lag0、lag5、lag6，滞后时间与既往研究有一致性[9–10]。
本研究发现PM2.5、NO2、CO和SO2每升高一个IQR，呼吸系统门诊量分别增加0.943%（0.111%~1.7821%）、4.050%（3.573%~4.529%）、0.595%（0.317%~0.874%）和0.667%（0.235%~1.100%）。既往研究显示，北京市NO2和CO浓度每增加一个IQR，呼吸系统死亡人数分别增加0.95%（0.29%~1.61%）和0.89%（0.27%~1.51%）[6]；广州市PM2.5、NO2和SO3每升高一个IQR，呼吸系统疾病急救人次分别增加2.69%（0.16%~3.94%）、2.15%（0.23%~4.11%）和3.15%（0.20%~4.08%）[9]。贵阳市PM2.5、CO、SO2效应值均较北京市和广州市低。原因可能与因变量、颗粒物成分和浓度、模型参数、收敛标准有关。值得注意贵阳市NO2对呼吸系统门诊量的风险效应较高，贵阳市NO2对健康的危害值得进一步的关注。N02具有强烈的刺激性和腐蚀性，可引起呼吸道刺激症状，如干咳、过敏性鼻炎及哮喘发作，作用机制可能与N02通过呼吸道直达肺泡，并侵入肺泡巨噬细胞，破坏脱氧核糖核酸，造成肺水肿、阻塞性细支气管炎有关[17]。贵阳市NO2主要来源于燃料的燃烧，贵阳市尚有原煤锅炉，在清洁能源等技术方面与经济发达地区仍有差距,因此通过技术升级助力节能减排，推动能源清洁化势在必行。
本研究发现PM2.5浓度增加10 μg·m−3，呼吸系统门诊量增加0.324%（0.038%~0.611%）。Cai等[8]进行队列研究发现，深圳市PM2.5浓度增加10 μg·m−3，呼吸系统超额死亡人数增加3.04%（0.60%~5.55%）。效应差异可能与因变量、PM2.5浓度及成分差异有关。PM2.5对呼吸系统疾病的作用机制复杂，目前有主要有氧化应激、炎症及过敏反应、病毒和细菌载体等学说。PM2.5造成细胞生氧化应激损伤[18]，并进一步诱导自噬及细胞凋亡[19]，增加机体白介素-6、肿瘤坏死因子-α等炎性因子造成肺部炎症和纤维化[20]，干扰基因表达[21]；此外，PM2.5动力学通过性强，可作为病原生物的载体，渗透到气道甚至到达肺泡深处，增加呼吸道感染的几率，一项研究证实PM2.5暴露后的1至3周儿童呼吸道感染的风险均有所升高[22]。此外，本研究发现未超过AQG的CO仍是呼吸系统疾病门诊量的风险因素，CO通过肺泡进入血液循环，与血红蛋白结合形成碳氧血红蛋白，使血红蛋白失去携带氧气的能力，抑制氧合血红蛋白的解离，造成机体急性缺氧，此外CO作为气体信号分子可以促进炎性因子释放[23]。浓度＜4 mg·m−3的CO依然是健康的风险因素。
本研究在O3（13~170 μg·m−3）浓度范围内，观察到O3浓度与呼吸系统门诊量呈负相关，一项研究结果显示上海市空气污染物浓度O3浓度与儿童呼吸门诊量也呈负相关[7]，与本研究有一致性。原因可能与O3对病原生物的氧化消杀作用有关，该假设尚待生物学机制相关研究证实。O3刺激血管内皮细胞释放血小板衍生生长因子等，促进病灶区血管扩张，增加氧供，促进炎症吸收，O3被广泛运用于清创、抗菌、增加氧供及介入治疗，在30~40 μg·mL−1的治疗浓度下不良反应发生率较低[24]。细胞内过氧化物歧化酶、过氧化氢酶、谷胱甘肽对O3产生的脂质过氧化物和活性氧簇有一定清除能力，但清除能力有限，超出一定剂量后，O3体现出细胞毒性，包括线粒体代谢链受阻、细胞膜的损伤及诱导细胞凋亡[24]。
由于空气污染物并非独立存在于人群生存环境中，本研究引入多污染物模型初步探索多污染物对人群健康的交互效应，与单污染物模型相比PM2.5、NO2和O3的RR值均呈升高趋势，CO和SO2的RR值均呈下降趋势。可能与污染物间的相互作用（如O3对NO2、SO2二次反应物的氧化催化）、污染物致病机制的相互作用有关。单一地区的研究结果不能得出多污染物交互效应的结论，但可以完善多污染物交互作用理论，增加数据的纵向、横向研究面，是完善多污染物交互效应流行病学及致病机制的基础。
本研究采用相关初步对共线性的指标进行筛选，PM2.5与PM10有较强的共线性（r=0.9231，P<0.01），既往研究证实细颗粒物PM2.5对人群健康危害较PM10高[4，14]，本研究以PM2.5作为固态空气污染物的评价指标，未将PM10纳入多污染物交互模型，但模型共线性依然存在，这也是本研究的局限性。目前常用于处理共线性的方法有：1）采用相关性分析剔除强共线性指标；2）采用K均值聚类或主成分分析[6]。但聚类和降维均会丢失原始变量部分信息，不利于归因风险分析。解决多污染物模型共线性也是本课题组未来研究的方向。
综上所述，低污染区PM2.5、NO2、CO和SO2均为呼吸系统疾病门诊量的风险因素，风险均存在滞后效应，其中NO2对呼吸系统疾病门诊量影响的效应较强。本研究结果提示，低浓度的空气污染物PM2.5、NO2、CO和SO2依然是健康的风险因素。空气污染物治理工作依然任重道远[13]，。建议各地区依据本地污染物特征，因地制宜制定防控及治理策略，同时开展多地区、多领域协同研究及交流，为空气质量标准的修订提供科学依据。
-
![]()
图 1 PM2.5对呼吸系统疾病门诊量的影响
A：暴露滞后风险关系三维图；B：累积暴露反应关系图；C：相对危险度（RR）等高线图；D：PM2。5浓度为75 μg·m−3时的滞后反应关系图。
Figure 1. Effects of ambient PM2.5 on the outpatient volume of respiratory diseases
![]()
图 2 NO2对呼吸系统疾病门诊量的影响
A：暴露滞后风险关系三维图；B：累积暴露反应关系图；C：相对危险度（RR）等高线图；D：NO2浓度为80 μg·m−3时的滞后反应关系图。
Figure 2. Effects of ambient NO2 on the outpatient volume of respiratory diseases
![]()
图 3 CO对呼吸系统疾病门诊量的影响
A：暴露滞后风险关系三维图；B：累积暴露反应关系图；C：相对危险度（RR）等高线图；D：CO浓度为4 mg·m−3时的滞后反应关系图。
Figure 3. Effects of ambient CO on the outpatient volume of respiratory diseases
![]()
图 4 SO2对呼吸系统疾病门诊量的影响
A：暴露滞后风险关系三维图；B：累积暴露反应关系图；C：相对危险度（RR）等高线图；D：SO2浓度为150 μg·m−3时的滞后反应关系图。
Figure 4. Effects of ambient SO2 on the outpatient volume of respiratory diseases
![]()
图 5 O3对呼吸系统疾病门诊量的影响
A：暴露滞后风险关系三维图；B：累积暴露反应关系图；C：相对危险度（RR）等高线图；D： O3浓度为160 μg·m−3时的滞后反应关系图。
Figure 5. Effects of ambient O3 on the outpatient volume of respiratory diseases
![]()
图 6 多污染物模型空气污染物对呼吸系统疾病门诊量影响的暴露滞后风险关系三维图。
A：PM2.5暴露滞后风险关系三维图；B：NO2暴露滞后风险关系三维图；C：CO暴露滞后风险关系三维图；D：SO2暴露滞后风险关系三维图；E：O3暴露滞后风险关系三维图。
Figure 6. Three-dimensional diagrams of the exposure lag risk relationship between air pollutants and outpatient volume of respiratory diseases by multi-pollutant model
表 1 2013—2020年贵阳市空气污染物浓度、气象及呼吸系统门诊量统计学描述及限值
Table 1 Air pollutant concentrations, meteorological factors, and respiratory outpatient volume in Guiyang City from 2013 to 2020
指标 $\bar x \pm s $ 最小值 P50(P25，P75) 最大值 AQG限值 GB 3095—2012二级限值 污染物浓度 PM2.5/(μg·m−3) 42.5±24.8 5 37(25，54) 165 15 75 NO2/(μg·m−3) 27.9±9.6 9 26(21，33) 71 25 80 CO/(mg·m−3) 0.7±0.2 0.3 0.7(0.6，0.8) 1.8 4 4 SO2/(μg·m−3) 20.6±19.5 3 13(8，25) 159 40 150 O3/(μg·m−3) 72.5±28.4 13 68(52，90) 170 100 160 气象因素 气温/℃ 15.1±7.2 -4.4 16.7(9.3，21.2) 27.0 — — 相对湿度/% 80.9±11.1 39.2 81.8(74.0，89.9) 100.0 — — 气压/kPa 877.7±5.0 864.6 877.2(873.7，881.3) 895.2 — — 风速/(m·s−1) 2.4±0.8 0.8 2.3(1.9，2.9) 6.7 — — 呼吸系统疾病就诊量/人 351.2±140.9 53 335(249，445) 930 — — 
下载: 导出CSV
表 2 2013—2020年贵阳市空气污染物浓度、气象因素与呼吸系统门诊量的相关性分析（r）
Table 2 Correlations of air pollutant concentrations, meteorological factors, and respiratory outpatient volume in Guiyang City from 2013 to 2020 (r)
变量 PM2.5 NO2 CO SO2 O3 气压 气温 相对湿度 风速 就诊量 PM2.5 1.0000 NO2 0.6961** 1.0000 CO 0.5551** 0.5109** 1.0000 SO2 0.7043** 0.5889** 0.5915** 1.0000 O3 0.2086** 0.0992** −0.2207** −0.0790** 1.0000 气压 0.4056** 0.3172** 0.3931** 0.5222** −0.2067** 1.0000 气温 −0.4490** −0.2786** −0.5374** −0.6720** 0.3633** −0.7507** 1.0000 相对湿度 −0.2478** −0.2181** 0.1519** −0.1843** −0.6577** 0.0550* −.2819** 1.0000 风速 −0.2625** −0.5335** −0.2222** −0.2326** 0.0490 −0.1439** 0.0550* −0.0536* 1.0000 就诊量 0.1942** 0.1832** 0.1791** 0.2363** −.0754** 0.1956** −0.2844** 0.0059 0.0297 1.0000 [注] *：P＜0.05；**：P＜0.01。
下载: 导出CSV
表 3 单污染物模型空气污染物对呼吸系统疾病门诊量的相对危险度及其95%CI
Table 3 The relative risks (95%CIs) of air pollutants on the outpatient volume of respiratory diseases by single pollutant model
滞后天数/d PM2.5 NO2 CO SO2 O3 lag0 1.014(1.005~1.023)* 1.146(1.122~1.171)* 1.002(0.955~1.050) 1.026(0.997~1.056) 1.015(1.007~1.023)* lag1 1.018(1.015~1.021)* 1.078(1.070~1.086)* 1.051(1.032~1.070)* 1.021 (1.011~1.032)* 1.001(0.998~1.004) lag2 1.019(1.015~1.023)* 1.041(1.033~1.049)* 1.089(1.065~1.114)* 1.023(1.012~1.034)* 0.994(0.991~0.997) lag3 1.019(1.015~1.023)* 1.032(1.024~1.040)* 1.113(1.089~1.137)* 1.030(1.020~1.041)* 0.994(0.991~0.996) lag4 1.017(1.015~1.020)* 1.037(1.032~1.043)* 1.125(1.108~1.142)* 1.039(1.032~1.046)* 0.996(0.994~0.998) lag5 1.016(1.014~1.018)* 1.043(1.039~1.048)* 1.129(1.116~1.143)* 1.044(1.039~1.050)* 0.998(0.997~1.000) lag6 1.014(1.012~1.017)* 1.047(1.042~1.051)* 1.127(1.112~1.142)* 1.046(1.040~1.052)* 0.999(0.998~1.001) lag7 1.013(1.011~1.015)* 1.048(1.043~1.053)* 1.119(1.104~1.135)* 1.043(1.037~1.050)* 0.999(0.997~1.001) lag8 1.012(1.009~1.014)* 1.048(1.043~1.052)* 1.106(1.091~1.122)* 1.038(1.032~1.045)* 0.998(0.996~1.000) lag9 1.010(1.008~1.012)* 1.045(1.041~1.050)* 1.090(1.076~1.103)* 1.030(1.024~1.036)* 0.996(0.995~0.998) lag10 1.009(1.007~1.011)* 1.042(1.038~1.045)* 1.070(1.059~1.081)* 1.020(1.015~1.024)* 0.994(0.992~0.995) lag11 1.008(1.006~1.009)* 1.037(1.033~1.040)* 1.048(1.037~1.058)* 1.008(1.004~1.012)* 0.991(0.989~0.992) lag12 1.007(1.005~1.009)* 1.031(1.027~1.035)* 1.024(1.011~1.037)* 0.995(0.989~1.000) 0.987(0.986~0.989) lag13 1.005(1.003~1.008)* 1.025(1.019~1.031)* 1.001(0.982~1.018) 0.981(0.973~0.989) 0.984(0.981~0.986) lag14 1.004(1.001~1.008)* 1.018(1.010~1.027)* 0.975(0.951~1.000) 0.967(0.956~0.978) 0.980(0.977~0.983) [注] 空气污染物浓度在GB 3095—2012《环境空气质量标准》二级限值时，空气污染物的相对危险度；lag为滞后时间（天）；*：RR＞1，且P＜0.05。
下载: 导出CSV
表 4 多污染物模型空气污染物对呼吸系统疾病门诊量的相对危险度及其95%CI
Table 4 The relative risks (95%CIs) of air pollutants on the outpatient volume of respiratory diseases by multi-pollutant model
滞后天数/d PM2.5 NO2 CO SO2 O3 lag0 0.982(0.971~0.994) 1.213(1.179~1.248)* 0.815(0.771~0.862) 1.003(0.965~1.043) 1.024(1.015~1.033)* lag1 1.007(1.002~1.012) * 1.103(1.091~1.116) * 0.928(0.907~0.950) 0.968(0.953~0.983) 0.996(0.993~1.000) lag2 1.018(1.012~1.024) * 1.042(1.029~1.055) * 1.010(0.982~1.038) 0.958(0.941~0.975) 0.983(0.980~0.986) lag3 1.017(1.011~1.022) * 1.023(1.011~1.035) * 1.048(1.021~1.075) * 0.970(0.954~0.986) 0.983(0.980~0.986) lag4 1.009(1.005~1.013) * 1.025(1.017~1.034) * 1.058(1.039~1.077) * 0.991(0.980~1.002) 0.989(0.987~0.991) lag5 1.003(0.999~1.006) * 1.031(1.024~1.038) * 1.059(1.043~1.074)* 1.007(0.998~1.016) 0.994(0.992~0.996) lag6 0.999(0.995~1.002) 1.036(1.029~1.044) * 1.056(1.039~1.073) * 1.015(1.005~1.025) * 0.997(0.995~0.999) lag7 0.997(0.993~1.001) 1.041(1.033~1.049) * 1.049(1.031~1.068) * 1.016(1.005~1.026) * 0.998(0.996~1.000) lag8 0.998(0.994~1.001) 1.045(1.037~1.053) * 1.040(1.022~1.058) * 1.010(0.999~1.021) 0.997(0.995~0.999) lag9 1.000(0.996~1.003) 1.049(1.042~1.056) * 1.029(1.013~1.044) * 0.999(0.990~1.008) 0.994(0.992~0.996) lag10 1.003(1.001~1.006) * 1.052(1.046~1.058) * 1.015(1.002~1.028) * 0.983(0.976~0.991) 0.990(0.989~0.992) lag11 1.008(1.005~1.011) * 1.055(1.049~1.061) * 1.000(0.989~1.012) 0.965(0.958~0.971) 0.985(0.984~0.987) lag12 1.014(1.011~1.018) * 1.058(1.051~1.065) * 0.985(0.970~1.000) 0.944(0.935~0.952) 0.980(0.978~0.982) lag13 1.020(1.016~1.025) * 1.061(1.050~1.071) * 0.969(0.948~0.990) 0.922(0.910~0.934) 0.973(0.970~0.976) lag14 1.027(1.021~1.034)* 1.063(1.049~1.077) * 0.952(0.924~0.981) 0.899(0.883~0.916) 0.967(0.963~0.970) [注] 空气污染物浓度在GB 3095—2012《环境空气质量标准》二级限值时，空气污染物的相对危险度；lag为滞后时间（天）；*：RR＞1，且P＜0.05。
下载: 导出CSV
-
[1] CARVALHO H. New WHO global air quality guidelines: more pressure on nations to reduce air pollution levels[J]. Lancet Planet Health, 2021, 5(11): e760-e761. doi: 10.1016/S2542-5196(21)00287-4
[2] VODONOS A, AWAD Y A, SCHWARTZ J. The concentration-response between long-term PM2.5 exposure and mortality; A meta-regression approach[J]. Environ Res, 2018, 166: 677-689. doi: 10.1016/j.envres.2018.06.021
[3] PAPADOGEORGOU G, KIOUMOURTZOGLOU M A, BRAUN D, et al. Low levels of air pollution and health: effect estimates, methodological challenges, and future directions[J]. Curr Environ Health Rep, 2019, 6(3): 105-115. doi: 10.1007/s40572-019-00235-7
[4] LEFLER J S, HIGBEE J D, BURNETT R T, et al. Air pollution and mortality in a large, representative U. S. cohort: multiple-pollutant analyses, and spatial and temporal decompositions[J]. Environ Health, 2019, 18(1): 101. doi: 10.1186/s12940-019-0544-9
[5] WANG J, CAO H, SUN D, et al. Associations between ambient air pollution and mortality from all causes, pneumonia, and congenital heart diseases among children aged under 5 years in Beijing, China: a population-based time series study[J]. Environ Res, 2019, 176: 108531. doi: 10.1016/j.envres.2019.108531
[6] YANG Y, CAO Y, LI W, et al. Multi-site time series analysis of acute effects of multiple air pollutants on respiratory mortality: a population-based study in Beijing, China[J]. Sci Total Environ, 2015, 508: 178-187. doi: 10.1016/j.scitotenv.2014.11.070
[7] ZHANG L, XU H, GUO C, et al. Constructing an Air Quality Health Index for children: a case study in Shanghai, China[J]. Atmos Environ, 2021, 267: 118765. doi: 10.1016/j.atmosenv.2021.118765
[8] CAI J, PENG C, YU S, et al. Association between PM2.5 exposure and all-cause, non-accidental, accidental, different respiratory diseases, sex and age mortality in Shenzhen, China[J]. Int J Environ Res Public Health, 2019, 16(3): 401. doi: 10.3390/ijerph16030401
[9] 何蔚云, 吴燕, 郭貔, 等. 广州市空气污染对居民每日急救病例影响的短期效应[J]. 中华疾病控制杂志, 2019, 23(7): 828-834. HE W Y, WU Y, GUO P, et al. Short-term effects of ambient air pollution and cause-specific emergency department visits in Guangzhou[J]. Chin J Dis Control Prev, 2019, 23(7): 828-834.
[10] 肖德安, 徐浩, 池继松, 等. 贵阳市城区PM10和PM2.5水溶性离子特征分析[J]. 中国环境监测, 2021, 37(4): 65-74. XIAO D A, XU H, CHI J S, et al. Characteristics of water-soluble ions in PM10 and PM2.5 in urban areas of Guiyang city[J]. Environ Monit China, 2021, 37(4): 65-74.
[11] DOMINICI F. Time-series analysis of air pollution and mortality: a statistical review[J]. Res Rep Health Eff Inst, 2004(123): 3-27.
[12] CHENG J, TONG D, ZHANG Q, et al. Pathways of China's PM2.5 air quality 2015-2060 in the context of carbon neutrality[J]. Natl Sci Rev, 2021, 8(12): nwab078. doi: 10.1093/nsr/nwab078
[13] ZHANG Q, ZHENG Y, TONG D, et al. Drivers of improved PM2.5 air quality in China from 2013 to 2017[J]. Proc Natl Acad Sci USA, 2019, 116(49): 24463-24469. doi: 10.1073/pnas.1907956116
[14] LIU C, CHEN R, SERA F, et al. Ambient particulate air pollution and daily mortality in 652 cities[J]. N Engl J Med, 2019, 381(8): 705-715. doi: 10.1056/NEJMoa1817364
[15] 安吉, 郭默宁, 谭鹏, 等. 基于分布滞后非线性模型评估气温对北京市居民缺血性脑卒中入院人数的影响[J]. 环境与职业医学, 2020, 37(5): 486-491. AN J, GUO M N, TAN P, et al. Effects of temperature on ischemic stroke admissions in Beijing residents based on distributed lag non-linear model[J]. J Environ Occup Med, 2020, 37(5): 486-491.
[16] 赵琦, 李珊珊, 郭玉明. 随时间变化的分布滞后非线性模型应用介绍: 以气温与死亡关系为例[J]. 环境与职业医学, 2020, 37(1): 9-14. ZHAO Q, LI S S, GUO Y M. Time-varying distributed lag non-linear model: using temperature-mortality association as an example[J]. J Environ Occup Med, 2020, 37(1): 9-14.
[17] 郭振. 二氧化氮(NO2)吸入暴露对大鼠不同脏器DNA损伤研究[D]. 山西大学, 2012: 5-6. GUO Z, HAN M, SANG N. NO2 Inhalation exposure induced DNA damage effects in rats[C]//Proceedings of the Summary Set of the 6th National Environmental Chemistry Congress and Environmental Science Instrument Exhibition. Shanghai: Chinese Chemical Society, 2011: 1054.
[18] RIVA D R, MAGALHÃES C B, LOPES A A, et al. Low dose of fine particulate matter (PM2.5) can induce acute oxidative stress, inflammation and pulmonary impairment in healthy mice[J]. Inhal Toxicol, 2011, 23(5): 257-267. doi: 10.3109/08958378.2011.566290
[19] LIU Y, CHEN Y Y, CAO J Y, et al. Oxidative stress, apoptosis, and cell cycle arrest are induced in primary fetal alveolar type II epithelial cells exposed to fine particulate matter from cooking oil fumes[J]. Environ Sci Pollut Res Int, 2015, 22(13): 9728-9741. doi: 10.1007/s11356-015-4140-4
[20] HONDA A, FUKUSHIMA W, OISHI M, et al. Effects of components of PM2.5 collected in japan on the respiratory and immune systems[J]. Int J Toxicol, 2017, 36(2): 153-164. doi: 10.1177/1091581816682224
[21] ZHOU Z, LIU Y, DUAN F, et al. Transcriptomic analyses of the biological effects of airborne PM2.5 exposure on human bronchial epithelial cells[J]. PLoS One, 2015, 10(9): e0138267. doi: 10.1371/journal.pone.0138267
[22] HORNE B D, JOY E A, HOFMANN M G, et al. Short-term elevation of fine particulate matter air pollution and acute lower respiratory infection[J]. Am J Respir Crit Care Med, 2018, 198(6): 759-766. doi: 10.1164/rccm.201709-1883OC
[23] RYTER S W, OTTERBEIN L E, MORSE D, et al. Heme oxygenase/carbon monoxide signaling pathways: regulation and functional significance[J]. Mol Cell Biochem, 2002, 234-235(1/2): 249-263.
[24] 林小雯, 傅志俭. 医用臭氧神经毒性作用的研究进展[J]. 中国继续医学教育, 2011, 3(10): 99-102. doi: 10.3969/j.issn.1674-9308.2011.10.018 LIN X W, FU Z J. Progress in the studying of neurotoxicity of medical Ozone[J]. China Contin Med Educ, 2011, 3(10): 99-102. doi: 10.3969/j.issn.1674-9308.2011.10.018
-
期刊类型引用(2)
1. 蒋欣芸，张斌，任东，李志，姜晓梅，樊景春. 兰州市西固区大气污染和气象因素对冠心病糖尿病及脑梗死就诊人数的影响. 环境与健康杂志. 2024(08): 715-721 . 
百度学术
2. 王莉，黄久红，王伟. 泰州市大气NO_2对儿童门诊量影响的时间序列分析. 环境与健康杂志. 2024(10): 869-873 . 百度学术
其他类型引用(2)
计量
- 文章访问数: 124
- HTML全文浏览量: 25
- PDF下载量: 29
- 被引次数: 4
