《环境与职业医学》杂志官方网站 《环境与职业医学》杂志官方网站

首页> 当期目录> 正文

2018, 35(7):589-595.doi:10.13213/j.cnki.jeom.2018.17634

2013-2014年杭州市大气PM2.5与呼吸系统疾病就诊人次的时间序列研究


1. 杭州市疾病预防控制中心办公室, 浙江 杭州 310021 ;
2. 杭州师范大学医学院流行病学教研室, 浙江 杭州 310018

收稿日期: 2017-11-27;  发布日期: 2018-08-02

基金项目: 杭州市科技局项目(编号:20140533B18)

通信作者: 姜彩霞, Email: rainbowjiang893@aliyun.com.cn  

作者简介: 姜彩霞(1972-), 女, 硕士, 主任医师; 研究方向:公共卫生检测和评价; E-mail:

[目的] 探讨杭州市大气PM2.5对呼吸系统疾病就诊人次的影响。

[方法] 收集2013-2014年杭州市气象资料(包括气温、相对湿度、气压和风速的日平均值),10个国控环境监测点的大气污染物[PM10、PM2.5、NO2、CO、SO2、O3的平均质量浓度(以下简称为浓度)]和杭州市城区9家三甲医院呼吸系统疾病(主要为慢性阻塞性肺病、哮喘、肺炎、支气管炎、过敏性鼻炎、急性上呼吸道感染疾病)就诊量数据,采用时间序列广义相加Poisson回归模型,分析杭州市大气PM2.5日均浓度与同期医院呼吸系统疾病就诊量的关系。

[结果] 杭州市2013-2014年大气污染物SO2、NO2、O3、CO日均浓度均符合GB 3095-2012《环境空气质量标准》一级标准,PM2.5、PM10的日均浓度分别为61.51、92.33 μg/m3,超过国家空气质量一级标准,但未超过国家空气质量二级标准。PM2.5对呼吸系统疾病就诊量的影响以滞后第10天的效应最强。在单污染物模型中,PM2.5浓度每上升10 μg/m3,滞后第10天的全人群、儿童(≤ 12岁)和老年人(≥ 65岁)呼吸系统疾病就诊人次分别增加0.226%(95% CI:0.159%~0.293%)、0.289%(95% CI:0.198%~0.380%)、0.266%(95% CI:0.168%~0.375%);在多污染模型中,PM2.5的健康效应增强,PM2.5浓度每上升10μg/m3,滞后第10天的全人群、儿童(≤ 12岁)和老年人(≥ 65岁)呼吸系统疾病日就诊人次分别增加0.340%(95% CI:0.221%~0.459%)、0.365%(95% CI:0.230%~0.500%)、0.374%(95% CI:0.235%~0.513%)。

[结论] 杭州市大气PM2.5污染与呼吸系统就诊人次呈正相关,且存在滞后效应。儿童和老年人对PM2.5污染更加敏感。

关键词: 空气污染;  PM2.5 呼吸系统疾病;  时间序列;  就诊人次 

大气颗粒物是指分散在空气中的固态或液态物质, 直径小于或等于10 μm的颗粒物(PM10)主要沉积在上呼吸道, 直径小于或等于2.5 μm的颗粒物(PM2.5)由于粒径小、在空气中滞留时间长, 易避开气管细胞纤毛等过滤机制进入下呼吸道[1]。近年来, 随着工业化进程和经济的高速发展, 国内很多地区大气PM2.5污染日益严重。国外流行病学研究表明, 大气PM2.5浓度增高与呼吸系统疾病和中风发病率有关[2-3]。PM2.5浓度的增高能引起哮喘、肺功能下降、呼吸系统炎症, 与心肺疾病的超额发病率、死亡率相关, 尤其是原先患有呼吸系统疾病、心血管系统疾病的人群及身体状况不佳的老年、儿童人群对大气颗粒物的污染更加敏感[4-5]

长期以来, 有关我国各城市或地区空气质量的研究成果已有不少报道, 但有关空气污染物所致的人群健康危害研究成果尚有限, 且不同区域环境中的PM2.5成分差别很大, 对健康造成的影响程度也有所不同。前几年有学者对杭州市空气PM10污染特征、化学组成与源解析进行了不少研究[6-7]。但是这些研究集中在PM10等其他污染物上, 关于PM2.5与人群健康关系的研究仍然较少, 因此迫切需要研究杭州市大气PM2.5对居民健康的影响。本研究采用时间序列分析方法, 研究杭州市大气PM2.5浓度与居民呼吸系统疾病日就诊人次的暴露-反应关系, 定量评估PM2.5对呼吸系统疾病的急性效应。

1   材料与方法

1.1   资料来源

1.1.1   气象资料

由杭州市气象监测中心站提供, 使用的常规监测数据包括2013年1月1日至2014年12月31日杭州市日均气温(℃)、日均相对湿度(%)、日均气压(hPa)和日均风速(m/s)。

1.1.2   大气污染监测数据

来源于杭州市10个国控环境监测点2013-2014年空气污染物的实测资料。以10个监测点PM2.5、PM10、SO2、CO、NO2逐日日均质量浓度(以下简称为浓度)值的算术平均数作为当日杭州市大气污染物的日均浓度值(O3采用10个国控点日最大8 h均值的算术平均值)。

1.1.3   呼吸系统疾病日就诊资料

资料来源于2013-2014年杭州市城区9家三甲医院的门诊和住院病人资料。9家三甲医院覆盖杭州市上城、下城、西湖、江干、拱墅全部五个主城区, 具有一定代表性。呼吸系统疾病症状的确认根据国际疾病分类标准(ICD-10), 主要为慢性阻塞性肺病、哮喘、肺炎、支气管炎、过敏性鼻炎、相关急性上呼吸道感染疾病(包括普通感冒、急性咽炎、急性扁桃体炎、急性喉炎、急性上呼吸道感染、流感)等。

1.2   统计学分析

用Microsoft Excel 2013建立数据库, 将收集的空气污染物数据、气象资料、各医院就诊资料全部录入, 并对所有数据进行整理、逻辑检错、查补缺失值。用R3.4.1软件描述就诊人次数、气象数据、空气污染物浓度的时间分布, 进行频数分析; 并用多元线性回归的方法分析各种空气污染物之间以及与气象因素的相关关系, 用时间序列研究方法探讨空气颗粒物污染物对呼吸系统疾病的效应.

本研究采用时间序列的半参数广义相加Poisson回归模型。

$ $\begin{array}{l}\;\;\;\ln \left[ {E\left( {{y_i}} \right)} \right] = \beta {\rm{P}}{{\rm{M}}_{2.5}} + s\left( {time, {v_1}} \right) + DOW + s\left( {temperature, } \right.\\\left. {{v_2}} \right) + s\left( {humidity, {v_3}} \right) + s\left( {pressure, {v_4}} \right) + s\left( {windspeed, } \right.\\\left. {{v_5}} \right) + {\alpha}\end{array}$ $

式中: yi为第i日就诊人次; E(yi)为第i 日就诊人次的期望值; β 为由广义相加模型估算的线性回归系数; PM2.5为大气PM2.5浓度; s(time, ν1)为时间样条平滑函数; DOW 为星期几哑元变量; s(temperature, ν2)为温度样条平滑函数; s(humidity, ν3)为相对湿度样条平滑函数; s(pressure, ν4)为压力样条平滑函数; s(windspeed, ν5)为风速样条平滑函数; α为截距。

利用样条平滑函数拟合非线性自变量, 包括时间、气压、温度、湿度和风速, 医院每日就诊病人数作为一个时间序列变量, 其最大特点是具有自相关性和长期季节趋势, 因此在分析PM2.5对疾病就诊数的影响的时候, 必须首先排除上述因素的影响, 需要在模型中对日期、星期几哑元变量、气象因素采用非参数平滑样条函数进行处理。利用广义加性模型, 把周末、新年、季节作为线性协变量, 依次单独将时间变量、气象因素作为非线性变量纳入模型。非线性关系变量在模型中利用平滑拟合的方法进入模型, 在不同自由度下, 分别绘制模型残差的偏自相关(partial autocorrelation function, PACF)图, 选择使PACF系数最小时的自由度, 可使模型中非线性变量的时间效应最小。

构建单污染物模型, 同时考虑污染物的滞后效应(lag0~lag20)。由此确定模型中PM2.5浓度对呼吸系统日就诊量影响最强的滞后日。计算当PM2.5浓度增加10 μg/m3时, 呼吸系统疾病日就诊人次的相对危险度(RR)、相对超额危险度(ER)及其95%可信区间(95%CI)。构建多污染物模型, 将大气污染物SO2、NO2、CO、O3均纳入模型进行多污染物模型拟合, 通过逐步回归的方法控制共线性, 各空气污染物浓度依次进入模型, 选取不同滞后天数, 效应最强的进入下一轮模型, 依次选取不同空气污染模型的滞后天数。检验水准α=0.05。

2   结果

2.1   基础资料

2013年1月1日至2014年12月31日杭州市城区呼吸系统疾病日就诊人次数、空气污染物日均浓度和气象资料的描述性统计结果见表 1

表1

2013—2014年杭州市呼吸系统疾病日就诊人次、大气污染物浓度、气象因素的描述性统计结果

Table1.The descriptive analysis of daily respiratory disease hospital visits, air pollutants, and meteorological factors in Hangzhou from 2013 to 2014

大气PM2.5的日平均浓度为61.51 μg/m3, 超过国家空气质量一级标准(35 μg/m3), 未超过国家空气质量二级标准(75 μg/m3), 2013年、2014年超过空气质量一级标准的天数分别为283、303 d, 2013年、2014年超过空气质量二级标准的天数分别为111、104 d。大气PM10的日平均浓度为92.33 μg/m3, 超过国家空气质量一级标准(50 μg/m3), 未超过国家空气质量二级标准(150 μg/m3), 2013年、2014年PM10浓度超过空气质量一级标准的天数分别为315、307 d, 2013年、2014年超过空气质量二级标准的天数分别为61、34 d。SO2、NO2、O3、CO日平均浓度均符合国家空气质量一级标准。

2.2   空气污染物与气象因素的相关性

Spearman相关性分析结果表明, PM2.5与气温、相对湿度和风速呈负相关, 与气压呈正相关, 与空气污染物SO2、NO2、CO呈正相关(P < 0.01), 与空气污染物O3呈负相关(P < 0.05); PM2.5与PM10关联性最强。见表 2

表2

2013—2014年杭州市大气污染物与气象因素的相关关系

Table2.Correlation between air pollutants and meteorological factors in Hangzhou from 2013 to 2014

2.3   大气PM2.5及呼吸系统疾病就诊人次的时间趋势

图 1所示, 杭州市2013年和2014年PM2.5浓度呈现明显季节趋势, 即冬季(12-1月)浓度最高, 夏季(6-8月)浓度低。城区呼吸系统疾病就诊人次变化趋势和PM2.5趋势基本一致, 12-2月为高峰, 6-8月为低谷。

图 1

2013—2014年杭州市大气PM2.5浓度及城区呼吸系统疾病就诊人次时间趋势

2.4   广义相加模型分析结果

在控制了长期趋势、星期几效应和气象因素的基础上, 对大气PM2.5浓度进行单污染物模型分析, 同时考虑滞后效应(lag0~lag20), 结果显示, 大气PM2.5对呼吸系统疾病就诊人次的影响在滞后第4天出现高峰, 第5、6天下降, 再上升至第10天效应最强, 然后逐渐下降, 见图 2。将大气污染物SO2、NO2、CO、O3纳入模型进行多污染物模型拟合, 结果显示, 各污染物均是滞后第10天效应最强, 见表 3

图 2

2013—2014年杭州市大气PM2.5浓度对居民呼吸系统疾病日就诊人次影响的滞后效应

表3

2013—2014年杭州市大气PM2.5浓度每上升10 μg/m3对人群呼吸系统疾病就诊人次影响(滞后第10天)

Table3.The impact of ambient PM2.5 on daily respiratory disease hospital visits in Hangzhou from 2013 to 2014(lag day 10)

单污染物模型中, PM2.5浓度每上升10 μg/m3, 滞后第10天的人群呼吸系统疾病就诊人次增加0.226% (95%CI: 0.159%~0.293%)。当模型中同时引入多种污染物后, PM2.5的健康效应最强, PM2.5浓度每上升10μg/m3, 滞后第10天的人群呼吸系统疾病日就诊人次增加0.340%(95%CI: 0.221%~0.459%)。

在单污染物模型中, PM2.5浓度每上升10μg/m3, 滞后第10天时儿童和老年人的呼吸系统疾病日就诊人次分别增加0.289%(95%CI: 0.198%~0.380%)、0.266% (95%CI: 0.168%~0.375%).在多污染物模型中, PM2.5对儿童和老年人健康影响分别为0.365%(95%CI: 0.230%~0.500%)、0.374%(95%CI: 0.235%~0.513%), 均高于对全人群的影响。

3   讨论

杭州市2013-2014年大气SO2、NO2、O3、CO日均浓度均符合GB 3095-2012《环境空气质量标准》一级标准, 而2013年PM10日平均浓度超过二级标准的天数有61 d, 2014年有34 d, 2013年PM2.5日平均浓度超过二级标准的天数有111 d, 2014年有104 d, 这说明颗粒物是杭州市的首要大气污染物, PM2.5比PM10的污染情况更严重。本研究表明, 随着PM2.5浓度的增加, 呼吸系统疾病不同人群就诊人数也随之增加, 呈正相关。在单污染物模型中, PM2.5浓度每增加10μg/m3, 呼吸系统疾病不同人群的就诊人数RR值依次为:全人群1.0023、男性1.002 0、女性1.002 5、老年人(≥ 65岁) 1.002 6、儿童(≤ 12岁) 1.002 9.多污染物模型不改变PM2.5与呼吸系统疾病日就诊量的正相关关系, 就诊人数增加量与单污染物模型相比变大, 这与部分研究结果相似[8-9], 但也有研究显示多污染物模型使颗粒物健康效应降低[10]。在多污染物模型中, PM2.5浓度每增加10μg/m3, 呼吸系统疾病不同人群的就诊人数RR值依次为:全人群1.0034、男性1.0032、女性1.0035、老年人(≥ 65岁) 1.003 7、儿童(≤ 12岁) 1.003 6。这可能是由于空气污染物如氮氧化物、O3、SO2可以引起对呼吸系统的刺激作用, 与颗粒物存在协同作用, 在一定程度上增强了PM2.5对呼吸系统疾病的影响。本研究结果还显示, 老年人和儿童比成年人对PM2.5污染更为敏感, 其原因可能是儿童正处于生长发育阶段, 对环境比成人更加敏感, 老人机体抵抗力低, 通常患有基础疾病, PM2.5上携带的细菌病毒和有害物质容易引起呼吸道刺激症状, 肺部发生感染。

国内外研究结果显示, 不同地区PM2.5浓度与呼吸系统疾病门诊或者住院人数呈正相关, RR值为1.002~1.240[9-13], 与本研究结果相一致。CHURG等[14]发现96%沉积在下呼吸道的颗粒物是PM2.5。日本学者YORIFUJI等[15]的研究结果表明, PM2.5暴露与老年人死亡相关。但是, HAO等[16]研究了2001-2008年空气污染与呼吸道疾病死亡之间的关系发现, PM2.5浓度和居民呼吸道疾病死亡率之间无相关。另外有研究表明, 空气污染物NO2与呼吸道疾病住院人数的相关性最大, 而不是大气颗粒物[17]

各地研究结果的差异, 可能与以下几个方面因素有关: ①各地细颗粒物的来源不同导致其组分存在差异; ②各地颗粒物毒性差别可能也存在较大差异, 与国内外其他城市比较, 杭州市PM2.5各组分除Fe、K、Al、Mg外, 其余元素的含量均高于土壤背景值, Fe、Zn、Pb和Cr的含量明显高于希腊城市塞萨洛尼基, Pb、Cu和Cr的含量明显高于上海, 这可能是由于杭州存在这些金属元素的相关排放源所致, 如玻璃制造、聚氯乙烯、油漆、涂料等的生产加工[6]; ③各研究选择的暴露人群年龄性别构成、研究目标终点也不同; ④在不同年份, 各地流感等呼吸道传染病对呼吸系统疾病就诊量的影响也可能导致研究结果存在差异; ⑤无法进行个人暴露的评价, 故不能完全排除时间序列分析时生态型谬误的可能, 这些均可能影响颗粒物的健康效应评估结果。深圳[18]、上海[19]的研究显示大气颗粒物污染物对呼吸系统疾病就诊的滞后影响多在4~6 d, 而一项广州市研究[20]发现, 大气NO2、PM10、SO2浓度与儿科呼吸系统疾病门诊人次间存在滞后效应和累积效应, 滞后效应均持续至15d, 大气污染物每升高10 μg/m3对儿科呼吸系统疾病门诊人次影响的累积效应在滞后0~30 d时均有统计学意义(P < 0.05), 且均于滞后15 d达到最大值。本研究结果显示, 大气PM2.5对呼吸系统疾病就诊人次的影响在滞后第4天和第10天出现两个高峰, 这可能与不同地区人群就诊习惯不同有关, 本研究数据均来自于市级三甲医院, 滞后第10天出现最大效应可能与一部分在基层医疗卫生机构就诊的人群因症状加重才到大医院就诊有关。

本研究应用广义相加模型研究了杭州市大气PM2.5浓度与居民呼吸系统疾病日就诊人次的暴露-反应关系, 定量评估PM2.5对呼吸系统疾病的急性效应。但是本研究还有如下局限性: ①广义相加模型仅控制了长期趋势、星期几效应、温度、湿度和年龄等因素的影响, 但未能考虑个人生活行为方式以及身体健康状况对呼吸系统发病的影响; ②本研究采用的健康数据来自于杭州的市级三甲医院, 不包含杭州的省级医院和基层社区卫生服务中心, 数据具有局限性; ③各种大气污染物浓度之间存在较强的共线性, 加之可能存在的联合效应, 因此如何更加科学地研究各污染物的效应, 还需进一步探讨; ④本研究时间相对较短, 可能会影响结论的外延性, 今后还需要长期收集资料, 开展深入研究。

表1

2013—2014年杭州市呼吸系统疾病日就诊人次、大气污染物浓度、气象因素的描述性统计结果

Table 1 The descriptive analysis of daily respiratory disease hospital visits, air pollutants, and meteorological factors in Hangzhou from 2013 to 2014

表2

2013—2014年杭州市大气污染物与气象因素的相关关系

Table 2 Correlation between air pollutants and meteorological factors in Hangzhou from 2013 to 2014

图 1

2013—2014年杭州市大气PM2.5浓度及城区呼吸系统疾病就诊人次时间趋势

Figure 1 The change trend of ambient PM2.5 concentration and daily respiratory disease hospital visits in Hangzhou from 2013 to 2014

图 2

2013—2014年杭州市大气PM2.5浓度对居民呼吸系统疾病日就诊人次影响的滞后效应

Figure 2 The lagged effect of ambient PM2.5 on daily respiratory disease hospital visits in Hangzhou from 2013 to 2014

表3

2013—2014年杭州市大气PM2.5浓度每上升10 μg/m3对人群呼吸系统疾病就诊人次影响(滞后第10天)

Table 3 The impact of ambient PM2.5 on daily respiratory disease hospital visits in Hangzhou from 2013 to 2014(lag day 10)

参考文献

[1]

AUTRUP H. Ambient air pollution and adverse health effects[J]. Procedia Soc Behav Sci, 2012, 2(5):7333-7338.

[2]

LEIVA G M, SANTIBAÑEZ D A, IBARRA E S, et al. A fiveyear study of particulate matter(PM2.5) and cerebrovascular diseases[J]. Environ Pollut, 2013, 181:1-6.

[3]

LEWIS T C, ROBINS T G, MENTZ G B, et al. Air pollution and respiratory symptoms among children with asthma:Vulnerability by corticosteroid use and residence area[J]. Sci Total Environ, 2013, 448:48-55.

[4]

MATÉ T, GUAITA R, PICHIULE M, et al. Short-term effect of fine particulate matter(PM2.5)on daily mortality due to diseases of the circulatory system in Madrid (Spain)[J]. Sci Total Environ, 2010, 408:5750-5757.

[5]

SAMOLI E, ANALITIS A, TOULOUMI G, et al. Estimating the exposure-response relationships between particulate matter and mortality within the APHEA multicity project[J]. Environ Health Perspect, 2005, 113(1):88-95.

[6]

徐虹, 林丰妹, 毕晓辉, 等.杭州市大气降尘与PM10化学组成特征的研究[J].中国环境科学, 2011, 31(1):1-7.

[7]

王灿星, 易林, 林建忠.杭州市区大气中PM10的污染特征及其源解析[J].仪器仪表学报, 2003, 24(S4):535-536.

[8]

马洪群, 崔莲花.青岛市大气细颗粒物对呼吸系统疾病患者住院影响的病例交叉研究[J].职业与健康, 2017, 33(7):961-964.

[9]

赵梦娇, 耿兴义, 崔亮亮, 等.济南市2013-2015年某综合医院呼吸系统疾病就诊人次与大气颗粒物PM10、PM2.5关系的时间序列研究[J].中华流行病学杂志, 2017, 38(3):374-377.

[10]

王艳, 张宜升, 李欣鹏.济南城区空气污染对呼吸道疾病门诊量的影响[J].中国环境科学, 2008, 28(6):571-576.

[11]

PANDEY P, PATEL D K, KHAN A H, et al. Temporal distribution of fine particulates(PM2.5, PM10), potentially toxic metals, PAHs and Metal-bound carcinogenic risk in the population of Lucknow City, India[J]. J Environ Sci Health A Tox Hazard Subst Environ Eng, 2013, 48(7):730-745.

[12]

WEICHENTHAL S, BAI L, HATZOPOULOU M, et al. Longterm exposure to ambient ultrafine particles and respiratory disease incidence in in Toronto, Canada:a cohort study[J]. Environ Health, 2017, 16:64.

[13]

KHANIABADI Y O, FANELLI R, DE MARCO A, et al. Hospital admissions in Iran for cardiovascular and respiratory diseases attributed to the Middle Eastern Dust storms[J]. Environ Sci Pollut Res Int, 2017, 24(20):16860-16868.

[14]

CHURG A, BRAUER M. Human lung parenchyma retains PM2.5[J]. Am J Respir Crit Care Med, 1997, 155(6):2109-2111.

[15]

YORIFUJI T, KASHIMA S, DOIH, et al. Associations of acute exposure to fine and coarse particulate matter and mortality among older people in Tokyo, Japan[J]. Sci Total Environ, 2016, 542:354-359.

[16]

HAO Y, BALLUZ L, STROSNIDER H, et al. Ozone, fine particulate matter, and chronic lower respiratory disease mortality in the United States[J]. Am J Respir Crit Care Med, 2015, 192(3):337-341.

[17]

PANNULLO F, LEE D, NEAL L, et al. Quantifying the impact of current and future concentrations of air pollutants on respiratory disease risk in England[J]. Environ Health, 2017, 16:29.

[18]

彭朝琼, 余淑苑, 张振, 等.深圳市大气PM10浓度对呼吸系统疾病日门诊量的影响[J].卫生研究, 2011, 40(4):485-488.

[19]

殷永文, 程金平, 段玉森, 等.上海市霾期间PM2.5、PM10污染与呼吸科、儿呼吸科门诊人数的相关分析[J].环境科学, 2011, 32(7):1894-1898.

[20]

梁志江, 马远珠, 缪华章, 等.广州地区空气污染对儿童呼吸系统疾病就诊人次的影响研究[J].环境与健康杂志, 2015, 32(6):481-484.

上一张 下一张
上一张 下一张

[基金项目] 杭州市科技局项目(编号:20140533B18)

[作者简介] 姜彩霞(1972-), 女, 硕士, 主任医师; 研究方向:公共卫生检测和评价; E-mail: rainbowjiang893@aliyun.com.cn

[收稿日期] 2017-11-27 00:00:00.0

【点击复制中文】
【点击复制英文】
计量
  • PDF下载量 (47)
  • 文章访问量 (219)
  • XML下载量 (2)
  • 被引次数 (0)

目录

2013-2014年杭州市大气PM2.5与呼吸系统疾病就诊人次的时间序列研究

导出文件

格式

内容

导出 关闭
《环境与职业医学》杂志官方网站