《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(12):1076-1082.doi:10.13213/j.cnki.jeom.2018.18477

2014-2017年兰州市气温与死亡人数关系的时间序列研究


1a. 兰州大学基础医学院人体解剖学与组织胚胎学研究所, 甘肃兰州 730000 ;
1b. 兰州大学公共卫生学院劳动卫生与环境卫生学研究所, 甘肃兰州 730000 ;
2. 兰州市疾病预防控制中心公共卫生科, 甘肃 兰州 730030 ;
3. 白银市第二人民医院儿科, 甘肃 白银 730900

收稿日期: 2018-07-20;  发布日期: 2019-01-07

基金项目: 甘肃省自然科学基金项目(编号:17JR5RA347);兰州市人才创新创业项目(编号:2016-RC-29)

通信作者: 李盛, Email: 1178708407@qq.com  

作者简介: 王金玉(1978-), 女, 博士, 副教授; 研究方向:环境医学; E-mail:

[目的] 探讨兰州市日均气温与居民死亡的关系,评估气温相关的非意外死亡、心血管疾病死亡及呼吸系统疾病死亡的风险。

[方法] 收集兰州市2014—2017年居民死亡资料以及同期气温数据和空气污染数据,采用分布滞后非线性模型,在调整长期趋势和季节效应、相对湿度及空气污染物影响的基础上研究气温对人群非意外死亡、心血管疾病死亡和呼吸系统疾病死亡的滞后效应和累积效应。选择滞后21 d作为最大滞后天数。在计算日均气温对死亡人数的影响时,用日均气温的P5(-4.2℃)和P95(25.5℃)相对于中位数(P50)计算的RR值代表各死因别的低温、高温效应,分别计算滞后0、0~3、0~7、0~14、0~21 d的累积效应值。

[结果] 2014年1月1日至2017年12月31日,兰州市日均非意外死亡人数为39人,其中心血管疾病和呼吸系统疾病死亡分别为17人和5人。同期大气污染物PM10、SO2、NO2浓度日均值分别为123.54、21.91、49.88 μg/m3。气温和相对湿度的日均值分别为11.35℃和50.76%。兰州市日均气温对非意外死亡、心血管疾病死亡和呼吸系统疾病死亡效应曲线均为J形。高温对非意外死亡和心血管疾病死亡的影响主要是急性短期效应,在29℃、滞后0 d(lag0)的效应RR值最大,RR及其95%CI分别为1.07(1.02~1.12)、1.09(1.02~1.18);呼吸系统疾病死亡对高温不敏感。低温存在较长的滞后效应,三种死亡均在-12℃,lag21时RR值最大,RR及其95%CI分别为1.36(1.26~1.45)、1.34(1.22~1.50)、1.45(1.22~1.72)。以年平均气温的中位数(P50,12.9℃)作为参照值,低温(P5,-4.2℃)对非意外死亡和心血管疾病死亡的累积效应均在lag0~21RR值最大,RR及其95%CI分别为1.15(1.07~1.23)和1.16(1.04~1.28);高温(P95,25.5℃)对非意外死亡的累积效应在lag0、lag0~3均有统计学意义,以lag0~3 RR值最大,RR及其95%CI为1.11(1.02~1.20)。

[结论] 高温和低温均是兰州市居民每日死亡的危险因素,存在滞后效应,且低温效应的滞后时间较长。

关键词: 日均气温;  高温;  低温;  死亡;  滞后;  分布滞后非线性模型 

随着全球气候的剧烈变化,温度对人群健康的影响引起越来越多研究者的关注,大量流行病学研究证明极端气温能够增加人群发病和死亡的风险。例如2003年的欧洲热浪和2010年的俄罗斯热浪分别造成了70 000人和15 000人的超额死亡[1-2]。2011年美国芝加哥州一项预测2081—2100年热浪相关超额死亡的研究显示,该州未来每年都将有超过2 000人死于热浪[3]。美国疾病预防控制中心2013年7月份的《发病与死亡周报》显示,1999—2009年间,美国每年约有700人死于高温相关疾病(如中暑)[4],这比其他所有环境事件造成的死亡总和还要多[5]。2015年英国科学家ARMSTRONG等在《柳叶刀》上发表世界上13个国家非适宜气温导致的死亡负担,研究发现在7422万总死亡中,非适宜气温引起的死亡约占7.71%(约573万),同时研究发现低温引起的死亡远远高于高温(7.29% vs 0.42%)[6]。由此可见,高温和低温均影响人群死亡,并且其影响往往持续数天,温度对死亡的影响存在滞后效应。不同地区温度对死亡影响的滞后效应不同,滞后效应天数的选择一般在2周至2个月之间[7]。研究还发现,高温对死亡的影响持续时间较短,约1周左右[8],而低温持续时间较长,可达2~3周[9]

关于气温和健康关系的研究方法有很多,国内的研究多采用气温的移动平均滞后这类简单的滞后模型,不仅不能克服暴露变量在相邻的滞后时间的共线性问题,得到暴露变量在不同滞后时间分布的效应,而且该模型假设某温度段(超出某阈值范围)与死亡呈线性关系,因而无法准确拟合气温与死亡的非线性关系。分布滞后非线性模型(distributed lag non-linear model,DLNM)是在分布滞后模型的基础上发展起来的,是一种可用于分析气温对死亡的滞后效应的较好模型,它能拟合气温与死亡的非线性关系,更准确得到气温对死亡影响的总效应。

温度对死亡的影响可能受研究所在地区的地理环境、气候类型、人口学特征等的影响,我国相关研究主要分布在北京、南京、广州等经济发达和南方沿海地区,有关西北半干旱地区的研究尚未见报道。尤其在西北半干旱地区较南方升温更快的背景下,考察气温对半干旱地区居民死亡的影响,能够为预估和减少温度导致的死亡提供现实依据,并为政府部门制定特异的适应西北半干旱地区的气象-健康预警应对计划以及有效配置卫生资源提供科学依据。因此,本研究利用兰州市2014年1月1日至2017年12月31日气象参数、大气污染物和每日死亡数据,运用DLNM分析兰州市日均气温对居民死亡影响的滞后效应和累积效应。

1   材料与方法

1.1   数据来源

居民全部死亡资料来源于中国疾病预防控制中心死因登记报告信息系统,由兰州市疾病预防控制中心负责提供,包括2014年1月1日—2017年12月31日兰州市所辖区域(包括城关、七里河、西固、安宁、红古5个区和永登、榆中、皋兰3个县)居民每日死亡资料。死因疾病按照第10版国际疾病标准分类编码(ICD-10)分类:非意外死亡,A00-R99;心血管疾病死亡,I00-I99;呼吸系统疾病死亡,J00-J99。中国死因登记报告信息系统报告的死因数据质量准确真实可靠,该数据由执业医师在个案死亡24 h内填报死亡信息进行网络直报,各区疾病预防控制中心死因专职人员7 d内审核订正,数据无缺失。同期的气象数据由甘肃省气象局提供,包括日均气温、气压、相对湿度等。每日大气污染物(NO2、SO2和PM10)浓度由兰州市环保局提供。两类数据分别经甘肃气象局和兰州市环保局技术人员核对,数据无缺失。

1.2   统计学分析

根据气象参数、大气污染物指标对健康的影响建立回归模型。因每日死亡人数属于小概率事件,其分布近似泊松分布,将泊松回归模型与DLNM相结合分析日均温度对死亡的影响[10-13]。基本模型如下:

$ $\begin{array}{l}\;\;\;\;\;\;\lg \left[ {{\rm{E}}\left( {{Y_t}} \right)} \right] = \alpha + \beta {T_{t, l}} + \sum\limits_{i = 1}^q {{v_i}{X_{it}} + NS\left( {tim{e_t}, df = 4} \right)} + \\NS\left( {r{h_t}, df = 3} \right) + \sum\limits_{j = 1}^m {{w_j}\left( {strat{a_{jt}}} \right)} 。\end{array}$ $

式中:Yt是观察日t当日死亡人数;E(Yt)观察日t当日预期死亡人数;α为常数项;Tt, l是由DLNM得到的滞后l d温度矩阵;βTt, l温度矩阵的回归系数;l是滞后天数,最大滞后21 d;Xit是对应变量产生线性影响的解释变量观察日t当日数值及大气污染物浓度等;νi是回归模型中的解释变量系数;NS是自然立方样条函数;timet是观察日t对应的时间变量;rht是观察日t对应的日平均相对湿度;wj是哑变量回归系数;stratajt是对应变量产生影响的分层哑变量、星期哑变量、月份哑变量等,用于处理星期、月份效应等。

采用逐步法,结合赤池信息准则(Akaike information criterion,AIC)对解释变量进行取舍,并确定自然立方样条函数和气温及滞后的自由度,AIC值越小,模型拟合越好,以此得到最佳模型,进行气温-死亡效应分析。根据AIC最小原则,确定PM10、SO2和NO2均进入模型。参考相关文献及方程AIC值[10-13],确定时间变量和日均相对湿度变量的自由度分别为4和3,气温和滞后的自由度分别为4和5。

目前对最大滞后时间没有统一的标准。一般滞后天数的选择通常是随机性的,一般在2周~2个月之间。考虑到兰州属于西北内陆半干旱区,东部地区和沿海地区最大滞后时间数值不适合兰州的实际情况,故本研究选择与兰州地区气象条件类似的宁夏的研究最大滞后时间数值21 d作为最大滞后天数,以符合兰州的实际[14],以年平均气温的中位数(P50)作为参照值,计算不同气温时、不同滞后时间下的RR值。RR计算:若β为回归模型中的解释变量系数,温度在整个滞后时间内对死亡人数的相对危险度可计算为exp(β)。在计算日均气温对死亡人数的影响时,用日均气温的P5(-4.2℃)和P95(25.5℃)相对于中位数(P50)计算的RR值代表各死因别的低温、高温效应,分别计算滞后0 d、滞后0~3 d、0~7 d、0~14 d、0~21 d的累积效应值[15-18]。将2014—2017年日均气温与每日居民非意外、心血管疾病和呼吸系统疾病死亡数进行DLNM建模拟合,最大滞后时间设定为21 d,观察每一个滞后日对每日居民非意外死亡和两种疾病死亡数的影响,使用Origin9.0绘制不同滞后气温效应的三维图(图 1)。采用R3.4.1软件完成所有统计分析,“dlnm”软件包用来构造分布滞后非线性模型。

图 1

兰州市日均气温对死因别死亡影响的3D图

2   结果

2.1   一般情况

2014年1月1日至2017年12月31日,兰州市日均非意外死亡人数为39人,其中心血管疾病和呼吸系统疾病分别为17人和5人。同期大气污染物PM10、SO2、NO2浓度日均值分别为123.54、21.91、49.88 μg/m3,气温和相对湿度的日均值分别为11.35℃和50.76%(表 1)。

表1

2014—2017年兰州市居民日死亡、每日大气污染物浓度及气象指标

Table1.Mortalities, daily air pollutant concentrations, and meteorological factors from 2014 to 2017 in Lanzhou

2.2   温度在不同滞后日与死亡的关系

图 1所示,高温和低温均会增加死亡风险。高温对非意外死亡和心血管疾病死亡主要是急性短期效应,以日均气温为29℃、滞后0 d(lag0)时RR值最大,RR及其95%CI分别为1.07(1.02~1.12)、1.09 (1.02~1.18);呼吸系统疾病死亡对高温不敏感。低温则存在明显的滞后效应,RR值随滞后天数增加而逐渐增大:对非意外死亡、心血管疾病死亡在lag4~8和lagl6~21的狀值 > 1,对呼吸系统疾病死亡在lagl7~21的RR值 > 1, 且均在-12℃,lag21时RR值最大,RR及其95%CI分别为1.36(1.26~1.45)、1.34(1.22~1.50)、1.45(1.22~1.72)。

2.3   日均气温对滞后21d内日死亡数的总效应

图 2可见,兰州市2014—2017年日平均气温在滞后21 d内对非意外死亡、心血管疾病死亡和呼吸系统疾病死亡效应曲线均呈“J”形,低温效应强。非意外死亡和心血管疾病死亡在-12~-4℃:范围内的RR值 > 1,呼吸系统疾病死亡在-12~-11℃:范围内的RR值 > 1。三种死亡均对高温不敏感。

图 2

兰州市日均气温在滞后21 d内对死因别死亡影响的总效应

2.4   低温与高温在不同滞后对死亡的效应

图 3所示,气温对非意外死亡和心脑血管疾病死亡的效应趋势相似,低温效应在lag4开始出现,lag6达到小高峰,后开始下降,在lag21再次达到最高峰;高温效应呈现lag0和lag21的双峰效应,其中lag0~3的RR值 > 1。低温对呼吸系统疾病死亡的效应在lag0~18较低,后开始上升,在lag21达到最高峰;高温对呼吸系统疾病死亡效应不明显。

图 3

兰州市低温(-4.2℃)和高温(25.5℃)在不同滞后日对死因别死亡的影响

2.5   低温和高温对死亡的累积效应

结果显示,低温对非意外死亡和心血管疾病死亡的累积效应均在lag21时RR值最大,RR及其95%CI分别为1.15(1.07~1.23)和1.16(1.04~1.28);对呼吸系统疾病死亡的累积效应在整个滞后期均无统计学意义。高温对非意外死亡的累积效应在lag0、lag0~3均有统计学意义,以lag0~3时RR值最大,RR及其95%CI为1.11(1.02~1.20);对心血管疾病死亡和呼吸系统疾病死亡的累积效应在整个滞后期均无统计学意义。见表 2

表2

低温和高温对死因别死亡影响的累积效应[RR(95%CI)]

Table2.The cumulative effects of low temperature and high temperature on cause-specific mortalities

3   讨论

本研究采用DLNM模型探讨了兰州市日平均气温对居民死亡的影响,结果显示日平均气温与非意外死亡、心血管疾病死亡和呼吸系统疾病死亡之间为非线性关系,高温和低温均对居民死亡有影响。这与国内外研究一致[15-20]。例如,VÝBERČI等[19]发现高温热浪天气使斯洛伐克居民死亡风险增加9.9%;HATAMI等[20]发现马什哈德地区的心血管死亡人数最多是在气温较低的冬春季;马新明等[21]发现我国北京地区极高气温天气居民死亡风险RR及其95%CI为1.09 (1.04~1.14),极低气温天气为1.71(1.43~2.04)。

近年来的研究还发现,气温-死亡率曲线多呈“U”“V”和“J”形。例如:孟加拉国[22],我国泰安、上海、武汉地区气温-死亡率曲线呈“J”形[15-18];我国北京、天津地区气温-死亡率曲线则呈“U”形[21, 23]。本研究发现兰州市日均气温与死亡总的暴露-反应关系呈“J”形,低温效应时间较长,达21 d,这和兰州市地理特征及气候条件有密不可分的关系。兰州深居大陆腹地,年、日温差相对较大,冬季温度较低,冷空气活动较频繁,同时群山对峙,东西狭长,黄河穿城而过,形成以“两峡一谷”为特征的峡谷型河谷盆地地形,这种地形会对盆地的空气气流产生一定的加速作用。每当冷空气入侵或寒潮过境时,兰州市气温迅速下降,日均温差可以超过20℃;同时伴有大风天气,较高风速亦可降低气温,形成干冷的环境。此外冷空气入侵或寒潮过境对兰州的影响存在叠加效应:第一次冷空气影响尚未消退,从河西走廊或蒙古高原西部出发的冷空气又再次入侵或从兰州地区边缘过境,导致每年冬春季节冷空气在兰州盘踞的时间较长,故兰州低温效应滞后时间较长,达21 d之久。针对以上情况,建议当地医疗卫生机构应及时与气象部门开展合作,在条件成熟时推出相关的医疗气象预报服务,在低温期间要对患有心血管和呼吸系统疾病的人群采取持续的保护措施,在寒冷季节加强针对脆弱人群的医疗卫生资源供给。

气温对死亡的影响具有区域性差异。影响死亡的因素较多,如社会经济条件状况较差与人群的死亡率紧密相关,ROMASZKO等[24]发现居住在波兰奥尔什丁无家可归的人在低体温状况下的死亡率是正常人的13倍。因此,胡梦珏等[25]在控制了经济状况等因素后对我国15个城市的气温与死亡风险的研究文献进行meta分析,发现纬度对气温与死亡风险的关系有一定修饰作用,中高纬度地区人群对热要比低纬度地区人群更敏感,对冷要比低纬度地区人群更为适应。而本研究结果显示兰州市居民对冷较为脆弱,而对热要比低纬度地区人群更为适应,这一结果与上述文献报道不一致。究其原因,可能主要在于胡梦珏等的研究只考虑了纬度的影响,而没有考虑城市地形地貌的影响。兰州市为“两峡一谷”特征的峡谷型河谷盆地地形,冬春季节气候多变,北方冷空气不时南下,锋面活动频繁,当冷锋过境、气温骤降时,刺激人体交感神经兴奋,使肾上腺素释放增加,血管收缩更加剧烈,血流阻力增加,血压升高,包括高血压在内的多种心脑血管疾病患者好转率降低,病死率上升[26-28]。对呼吸系统而言,当环境温度降低时,人体支气管纤毛运动减弱,肺泡巨噬细胞吞噬功能下降,气道防御能力削弱,气道反应性增高,容易诱发或加剧呼吸系统疾病,使呼吸系统疾病的死亡率上升[29-30]。因此,在冬春季节,室外环境温度较低、温度变化较大的时期,要提高居民的低温防冻意识,低温保护措施要延续3周左右时间,不应随着低温结束而立即停止相应的防护。

高温对兰州市居民非意外死亡和心血管疾病死亡的影响主要表现为短期效应,在29℃、滞后当日的发病风险最大;但在整个21 d的滞后期对心血管疾病的累积效应无统计学意义。究其原因,可能与高温影响心血管疾病死亡的临界温度有关。梁亚琼等[31]研究发现,32℃是夏季心血管疾病死亡人数增加的日最高温度的临界值,即当日最高温度高于32℃时,随着日最高温度的增高,心血管疾病死亡人数显著增加,而在该温度以下则温度变化对死亡影响不大。兰州市是著名的避暑胜地,夏季凉爽,较少出现高温热浪天气,本研究也显示兰州市最高日均气温为29.9℃。这可能就是兰州市心血管疾病死亡对高温不敏感的原因。因此,在夏季高温期间,尤其是日高温达32℃以上时,建议居民尽量避免外出活动,减少因此造成的急性健康损害甚至死亡。

本研究也存在一定的局限性,因气象监测站点分布的影响,城市的实际气温及个体暴露温度与监测值之间会有一定差异,这可能对研究结果会有一定的影响。

综上所述,2014—2017年兰州市日均气温变化影响每日居民非意外死亡、心血管疾病死亡和呼吸系统疾病死亡人数,气温与死亡总的暴露-反应关系呈“J”形,高温存在0~3d的滞后期,低温滞后期较长,达21d。冬春季居民对低温的防范措施要延续3周左右时间。

图 1

兰州市日均气温对死因别死亡影响的3D图

Figure 1 3D graph of the relative risks for cause-specific mortalities by daily mean temperature in Lanzhou

[注]A:非意外死亡;B:心血管疾病死亡;C:呼吸系统疾病死亡。 [Note] A: Non-accidental mortality; B: Cardiovascular mortality; C: Respiratory mortality.
表1

2014—2017年兰州市居民日死亡、每日大气污染物浓度及气象指标

Table 1 Mortalities, daily air pollutant concentrations, and meteorological factors from 2014 to 2017 in Lanzhou

图 2

兰州市日均气温在滞后21 d内对死因别死亡影响的总效应

Figure 2 The total effects of daily mean temperature on cause-specific mortalities over lag 21 days in Lanzhou

[注]A:非意外死亡;B:心血管疾病死亡;C:呼吸系统疾病死亡。阴影为RR值的95%CI。 [Note] A: Non-accidental mortality; B : Cardiovascular mortality; C: Respiratory mortality. Gray regions indicate 95% confidence interval of RR.
图 3

兰州市低温(-4.2℃)和高温(25.5℃)在不同滞后日对死因别死亡的影响

Figure 3 The effects of temperature at -4.2℃ and 25.5℃ on cause-specific mortalities on different lag days

[注]1:-4.2℃;2:25.5℃。A:非意外死亡;B:心血管疾病死亡;C:呼吸系统疾病死亡。阴影为RR值的95%CI。 [Note]1:-4.2℃; 2: 25.5℃。A: Non-accidental mortality; B:Cardiovascular mortality; C: Respiratory mortality. Gray regions indicate 95% confidence interval of RR.
表2

低温和高温对死因别死亡影响的累积效应[RR(95%CI)]

Table 2 The cumulative effects of low temperature and high temperature on cause-specific mortalities

参考文献

[1]

ROBINE J M, CHEUNG S L, LE ROY S, et al. Death toll exceeded 70000 in Europe during the summer of 2003[J]. C R Biol, 2008, 331(2):171-178.

[2]

MATSUEDA M. Predictability of Euro-Russian blocking in summer of 2010[J]. Geophys Res Lett, 2011, 38(6):L06801.

[3]

PENG R D, BOBB J F, TEBALDI C, et al. Toward a quantitative estimate of future heat wave mortality under global climate change[J]. Environ Health Perspect, 2011, 119(5):701-706.

[4]

KRAU S D. The impact of heat on morbidity and mortality[J]. Crit Care Nurs Clin North Am, 2013, 25(2):243-250.

[5]

FOWLER D R, MITCHELL C S, BROWN A, et al. Heatrelated deaths after an extreme heat event-four states, 2012, and United States, 1999-2009[J]. MMWR Morb Mortal Wkly Rep, 2013, 62(22):433-436.

[6]

GASPARRINI A, GUO Y, HASHIZUME M, et al. Mortality risk attributable to high and low ambient temperature:a multicountry observational study[J]. Lancet, 2015, 386(9991):369-375.

[7]

WU W, XIAO Y, LI G, et al. Temperature-mortality relationship in four subtropical Chinese cities:a time-series study using a distributed lag non-linear model[J]. Sci Total Environ, 2013, 449:355-362.

[8]

BACCINI M, BIGGERI A, ACCETTA G, et al. Heat effects on mortality in 15 European cities[J]. Epidemiology, 2008, 19(5):711-719.

[9]

ZENG Q, LI G, CUI Y, et al. Estimating temperature-mortality exposure-response relationships and optimum ambient temperature at the multi-city level of China[J]. Int J Environ Res Public Health, 2016, 13(3):279.

[10]

GASPARRINI A, ARMSTRONG B, KENWARD M G. Distributed lag non-linear models[J]. Stat Med, 2010, 29(21):2224-2234.

[11]

GASPARRINI A. Distributed lag linear and non-linear models in R:the package dlnm[J]. J Stat Softw, 2011, 43(8):1-20.

[12]

GASPARRINI A, ARMSTRONG B, KENWARD M G. Reducing and meta-analysing estimates from distributed lag non-linear models[J]. BMC Med Res Methodol, 2013, 13:1.

[13]

GASPARRINI A. Modeling exposure-lag-response associations with distributed lag non-linear models[J]. Stat Med, 2014, 33(5):881-899.

[14]

张慧玲, 汪庆安, 杨艺, 等.银川市日内温差与居民心血管病死亡人数的时间序列研究[J].中华疾病控制杂志, 2018, 22(1):23-28.

[15]

孙允宗, 李丽萍, 周脉耕.气温对中国五城市居民死亡率的滞后影响分析[J].中华预防医学杂志, 2012, 46(11):1015-1019.

[16]

李萌萌, 周脉耕, 张霞, 等.济南市4个区气温对非意外死亡及死因别死亡的影响[J].中华流行病学杂志, 2014, 35(6):684-688.

[17]

张璟, 王文军, 张春菊.泰安市日平均气温对居民死亡数的滞后影响分析[J].济宁医学院学报, 2015, 38(6):381-388.

[18]

张璟, 刘学, 阚海东.上海市日平均气温对居民死亡数的滞后效应研究[J].中华流行病学杂志, 2012, 33(12):1252-1257.

[19]

VÝBERČI D, ŠVEC M, FAŠKO P, et al. The effects of the 1996-2012 summer heat events on human mortality in Slovakia[J]. Morav Geogr Rep, 2015, 23(3):58-70.

[20]

HATAMI M, MOHAMMADI M, ESMAELI R, et al. Assessing the Relationship between meteorological parameters, air pollution and cardiovascular mortality of Mashhad city based on time series model[J]. Iran J Health Saf Environ, 2018, 5(1):894-903.

[21]

马新明, 李润奎, 罗凯, 等.中国3城市气温与人群死亡的关系[J].基础医学与临床, 2016, 36(6):805-810.

[22]

HASHIZUME M, WAGATSUMA Y, HAYASHI T, et al. The effect of temperature on mortality in rural Bangladesh-a population-based time-series study[J]. Int J Epidemiol, 2009, 38(6):1689-1697.

[23]

GUO Y, BARNETT A G, PAN X, et al. The impact of temperature on mortality in Tianjin, China:a case-crossover design with a distributed lag nonlinear model[J]. Environ Health Perspect, 2011, 119(12):1719-1725.

[24]

ROMASZKO J, CYMES L, DRAGAŃSKA E, et al. Mortality among the homeless:causes and meteorological relationships[J]. PLoS One, 2017, 12(12):e0189938.

[25]

胡梦珏, 马文军, 张永慧, 等.中国城市气温与人群死亡暴露反应关系的Meta分析[J].中华流行病学杂志, 2013, 34(9):922-926.

[26]

王罗莎.老年急性冠脉综合征转归与气候变化关系的研究[D].天津: 天津医科大学, 2013.

[27]

高菡璐, 兰莉, 杨超, 等.哈尔滨市极端天气对脑出血死亡的时间序列分析[J].现代预防医学, 2016, 43(20):3676-3679, 3741.

[28]

董航, 李晓宁, 刘华章, 等. 2012-2013年广州市心血管病逐日死亡数与气象因子的时间序列分析[J].热带病与寄生虫学, 2016, 14(3):155-159.

[29]

王宁, 丁国永, 高璐, 等.气象因素对平江县慢支敏感人群慢支死亡率的影响[J].山东大学学报(医学版), 2015, 53(7):92-96.

[30]

李佳耘, 马新平, 王式功, 等.基于GAM模型分析南京市循环和呼吸系统疾病死亡人数与体感温度的关系[J].兰州大学学报(自然科学版), 2015, 51(5):659-664.

[31]

梁亚琼, 洪忻, 徐斐.南京市气象因素对居民心血管疾病死亡的影响[J].中华疾病控制杂志, 2015, 19(1):24-27.

上一张 下一张
上一张 下一张

[基金项目] 甘肃省自然科学基金项目(编号:17JR5RA347);兰州市人才创新创业项目(编号:2016-RC-29)

[作者简介] 王金玉(1978-), 女, 博士, 副教授; 研究方向:环境医学; E-mail: wangjiny@lzu.edu.cn

[收稿日期] 2018-07-20 00:00:00.0

【点击复制中文】
【点击复制英文】
计量
  • PDF下载量 (48)
  • 文章访问量 (253)
  • XML下载量 (0)
  • 被引次数 (0)

目录

2014-2017年兰州市气温与死亡人数关系的时间序列研究

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