
2016—2018年乌鲁木齐市呼吸系统疾病日均急救人次与相关气象和污染指标
Table1.Daily average number of emergency visits for respiratory diseases and relevant meteorological and air pollution indicators in Urumqi from 2016 to 2018
2020, 37(6):594-598.doi:10.13213/j.cnki.jeom.2020.19753
近年来,大气污染已成为影响人类健康的重大环境问题,引起了世界的广泛关注。颗粒物是大气环境中化学组成复杂、来源多样、危害较大的污染物之一,是造成大气污染的主要原因。流行病学研究表明,PM2.5和PM10的短期暴露与呼吸系统疾病之间存在密切关联[1-4]。欧盟、美国和中国等地的研究发现,PM10暴露导致慢性阻塞性肺疾病死亡率分别上升了6%、1%和1%(P< 0.05) [1]。意大利一项涉及25个城市的研究表明,PM2.5浓度每增加10 μg·m-3,呼吸系统疾病发病率增加1.23%[2]。在中国北京、沈阳、无锡进行的研究表明PM2.5和PM10浓度的升高能使呼吸系统疾病日均门诊就诊人数有不同程度的增加[1, 3-4]。
目前,相关研究主要以呼吸系统疾病死亡率和门诊率为健康效应终点,对呼吸系统疾病急诊人次影响的研究相对较少[5]。因此本研究收集了2016—2018年乌鲁木齐市呼吸系统疾病急救、气象及大气污染物数据,采用时间序列分析方法探讨该市大气PM2.5和PM10暴露对居民呼吸系统疾病急诊人次的影响,为进一步评估大气污染的健康效应提供科学依据。
急救数据来自乌鲁木齐市疾病预防控制中心,包括2016—2018年该市常住人口的急救医疗数据;按照世界卫生组织国际疾病分类(ICD-10)对初诊疾病分类,统计每日呼吸系统疾病(J00~J99)的急救人次;气象及大气污染物数据来自乌鲁木齐市主城区的6个国控监测点(收费所、铁路局、三十一中学、监测站、七十四中学、米东区环保局),气象数据包括日均气温、相对湿度,大气污染物数据包括PM2.5、PM10、SO2、NO2、CO的日均浓度和O3的日最大8h平均值。
采用均值、中位数(M)、最小值(Min)、最大值(Max)、第25百分位数(P25)以及第75百分位数(P75)描述呼吸系统疾病急救人次、气象及污染物浓度数据;分析呼吸系统急救人次分布构成及顺位等疾病特征。
采用Spearman相关分析污染物和气象指标之间的相关性。
居民每日因呼吸系统疾病而被急救为小概率事件,人数分布符合泊松分布,因此采用时间序列中基于泊松分布的广义相加模型来分析每日大气中PM2.5、PM10浓度对居民因呼吸系统疾病急救人次的影响。本研究中的混杂因素包括长期时间趋势、气象因素和“星期几效应”(day of the week,DOW)。在模型中采用平滑样条函数拟合长期时间趋势和气象因素,采用哑变量来控制DOW,基本模型表达为:logE(Yt) =β Zt+DOW+s(time,ν) + s(temp,3) +s(rhum,3)。式中Yt:观察日t日接受急救的人次;E(Yt):第t日的呼吸系统疾病急救期望人次;β:回归系数;Zt:t日PM2.5或PM10日均浓度;DOW:星期几效应;s:平滑样条函数,其中ν为自由度,time:长期趋势;temp:每日平均温度,rhum:每日相对湿度。
根据残差独立原则,通过最小化模型残差自相关来选择自由度。实际工作中,可根据基础模型残差的偏自相关绝对值之和最小的原则选取自由度[6]。研究发现大气颗粒物对人群健康的影响具有滞后性[1-4],故本研究分析了大气PM2.5和PM10污染单独滞后lag0~lag7和累积滞后lag01~lag07对居民因呼吸系统疾病急救人次的影响,本研究采用超额危险度(excess risk,ER)及其95%可信区间(95% CI)为风险估计值。超额危险度ER=(RR-1) ×100%,本研究中指PM2.5或PM10每升高10 μg·m-3造成呼吸系统急救人次增加的百分比。研究中主要统计分析采用R软件(3.5.3版)实施,广义相加模型运用R软件中的“mgcv”包,检验水准α =0.05。
由表 1可见,2016—2018年乌鲁木齐市每日呼吸系统疾病急救人次平均为5.9人次,其中男性平均为3.6人次,女性为2.4人次;日均温度为8.2℃,相对湿度为57.5%;根据GB 3095—2012《环境空气质量标准》[7],监测期间乌鲁木齐市PM2.5和PM10的年均浓度分别为64.6 μg·m-3和107.2 μg·m-3,均高于国家二级年均浓度标准(PM2.5和PM10年均浓度二级限值为35.0 μg·m-3和70.0 μg·m-3);PM2.5和PM10的日均浓度分别有317 d(占28.92%)和211 d(占19.25%)超过了国家二级日均浓度标准(PM2.5和PM10日均浓度二级限值分别为75.0μg·m-3和150.0 μg·m-3)。
2016—2018年乌鲁木齐市呼吸系统疾病日均急救人次与相关气象和污染指标
Table1.Daily average number of emergency visits for respiratory diseases and relevant meteorological and air pollution indicators in Urumqi from 2016 to 2018
2016—2018年乌鲁木齐市呼吸系统疾病急救人次(共6 173例)前3位疾病依次为流行性感冒和肺炎(2 517例,40.77%)、慢性下呼吸道疾病(1 872例,30.33%)、呼吸系统的其他疾病(909例,14.73%),共占85.83%;上呼吸道的其他疾病(562例)、急性上呼吸道感染(224例)、胸膜的其他疾病(75例)和主要影响肺间质的其他呼吸性疾病(14例)分别占了9.10%、3.63%、1.21%和0.23%。
表 2显示PM2.5和PM10两种大气颗粒物与SO2、NO2、CO和相对湿度均呈正相关,与O3、日均温度均呈负相关(均P< 0.01)。
2016—2018年乌鲁木齐市大气污染物与气象因素的相关系数(r)
Table2.Correlation coefficients between air pollutants and meteorological factors in Urumqi from 2016 to 2018 (r)
由图 1可见,在单独滞后lag0~lag7和累积滞后lag01~lag07情况下,PM2.5浓度对全人群呼吸系统疾病急救人次影响结果均有统计学意义,且在lag07时作用最大,浓度每升高10 μg·m-3,呼吸系统疾病急救人次增加1.99%(95% CI:1.18%~2.80%)。由图 2可见,除单独滞后lag3以外,在单独滞后lag1、lag2、lag4、lag5、lag6、lag7和累积滞后lag01~lag07时,PM10浓度对全人群呼吸系统疾病急救人次影响结果均有统计学意义,且在lag07时作用最大,浓度每升高10 μg·m-3,呼吸系统疾病急救人次增加1.43%(95% CI:0.76%~2.10%)。
PM2.5浓度每升高10 μg·m-3呼吸系统疾病急救人次增加风险
Figure1.The risk of emergency visits for respiratory diseases associated with every 10μg·m-3 increase of PM2.5 concentration
PM10浓度每升高10 μg·m-3呼吸系统疾病急救人次增加风险
Figure2.The risk of emergency visits for respiratory diseases associated with every 10μg·m-3 increase of PM10 Concentration
性别分层结果显示,PM2.5和PM10对男性的影响更为明显,且累积滞后7 d(lag07)时作用最大,大气PM2.5和PM10浓度每升高10 μg·m-3,男性居民因呼吸系统疾病急救人次分别增加2.18%(95% CI:1.16%~3.21%)和1.50%(95%CI:0.66%~2.35%)。累积滞后4 d(lag04)时,对女性居民的作用最大,大气PM2.5和PM10每升高10 μg·m-3,女性居民因呼吸系统疾病急救人次分别增加1.33%(95% CI:0.15%~2.52%)和1.02%(95%CI:0.05%~2.00%)。见表 3。
PM2.5和PM10对乌鲁木齐市不同性别、年龄居民呼吸系统疾病急救人次影响的最大效应[ER(95%CI)/%]
Table3.The biggest effect of PM2.5 and PM10 on the emergency visits for respiratory diseases of residents of different genders and ages in Urumqi [ER (95%CI)/%]
年龄分层结果显示,PM2.5和PM10对年龄≥ 65岁的居民影响更为明显,在累积滞后6 d (lag06)和累积滞后7 d(lag07)时,两种颗粒物对≥ 65岁居民的作用最大,大气PM2.5和PM10浓度每升高10 μg·m-3,≥ 65岁居民因呼吸系统疾病急救人次分别增加2.11%(95%CI:1.19%~3.04%)和1.67%(95%CI:0.76%~2.57%)。见表 3。
大气污染已经成为影响人类健康的主要环境危害因素之一[8]。有研究发现,PM2.5和PM10不仅能通过氧化应激、炎症反应等机制影响机体特异性及非特异性免疫反应,损伤肺巨噬细胞功能,导致肺组织和气道损伤,还可以造成细胞钙稳态失衡,使肺泡细胞或支气管上皮细胞出现遗传损伤,诱导细胞自噬,严重的会导致表观遗传学改变等[9-10]。
本研究定量描述了乌鲁木齐市大气PM2.5和PM10浓度与居民呼吸系统疾病急救人次的关系,发现大气PM2.5和PM10浓度对呼吸系统疾病急救的影响均在累积7d(lag07)时最大,PM2.5和PM10浓度每升高10μg·m-3呼吸系统疾病急救人次分别增加了1.99%(95% CI:1.18%~2.80%)和1.43%(95% CI:0.76%~2.10%)。这说明两种大气颗粒物浓度升高均能增加呼吸系统疾病急救的风险,且效应存在累积现象。这与以往研究结果基本一致,但效应值较我国上海、成都等地的同类研究高[11-12]。乌鲁木齐市冬季寒冷,供暖长达半年,同时具有山谷型的地理特征和极不利于大气污染物稀释扩散的温带大陆气候,因此污染较为严重。除此之外,还可能与城市的污染物来源与成分和研究人群的结构特点等因素不同有关。
在大气颗粒物导致的健康效应敏感人群识别中,本研究发现PM2.5和PM10浓度升高对男性的影响高于女性,且男性对PM2.5较PM10更为敏感,污染物浓度每增加10 μg·m-3,男性居民因呼吸系统疾病急救的风险增加2.18%(95% CI:1.16%~3.21%)。以往有研究发现女性敏感度较高[13-14],推测可能有以下两个原因导致不同的结果:①男性吸烟率高于女性,而吸烟是呼吸系统疾病最重要的环境危险因素。据研究显示,有吸烟史的男性慢性阻塞性肺疾病患者急性加重入院的风险更高,对污染物浓度的变化也更敏感[15]。②不同地区间居民生活习惯和文化背景的不同,以往研究得出的结果不能外推到其他城市。本研究还发现,这两种颗粒物对男性居民影响均有累积效应。ER随着时间的累积不断增大,在累积7d(lag07)时最大,提示PM2.5和PM10对人群健康影响具有亚慢性效应,其他地区时间序列研究也有类似发现[3]。在年龄分层中发现,两种颗粒物对年龄≥ 65岁居民的影响较大且有累积效应,其中PM2.5的影响更为明显。在最大滞后作用期,PM2.5浓度每增加10 μg·m-3 (lag06),风险增加2.11% (95% CI:1.19%~3.04%)。这提示大气颗粒物暴露可能会增加高龄人群呼吸系统疾病的发病风险,这可能是由于老年人免疫系统相对薄弱,且慢性呼吸道疾病患病率较高,其对颗粒物的刺激也更加敏感[16]。
本研究存在一定的局限性:第一,时间序列分析受疾病编码的影响,在研究中编码错误或无编码都会影响结局,且本研究收集的疾病编码是根据接诊时主诉记录,可能会出现与诊断不一致的情况;第二,时间序列模型受参数影响较大,均会明显影响最终的研究结果;第三,国家环境空气质量监测点报告的颗粒物数据虽能反映人群大气颗粒物暴露水平,但未考虑到个体差异。
综上,本研究发现乌鲁木齐市2016—2018年PM2.5和PM10浓度升高会导致呼吸系统疾病急救人次风险增加,且存在滞后效应。男性和≥ 65岁居民对颗粒物的暴露更加敏感。
2016—2018年乌鲁木齐市呼吸系统疾病日均急救人次与相关气象和污染指标
Table 1Daily average number of emergency visits for respiratory diseases and relevant meteorological and air pollution indicators in Urumqi from 2016 to 2018
2016—2018年乌鲁木齐市大气污染物与气象因素的相关系数(r)
Table 2Correlation coefficients between air pollutants and meteorological factors in Urumqi from 2016 to 2018 (r)
PM2.5浓度每升高10 μg·m-3呼吸系统疾病急救人次增加风险
Figure 1The risk of emergency visits for respiratory diseases associated with every 10μg·m-3 increase of PM2.5 concentration
PM10浓度每升高10 μg·m-3呼吸系统疾病急救人次增加风险
Figure 2The risk of emergency visits for respiratory diseases associated with every 10μg·m-3 increase of PM10 Concentration
PM2.5和PM10对乌鲁木齐市不同性别、年龄居民呼吸系统疾病急救人次影响的最大效应[ER(95%CI)/%]
Table 3The biggest effect of PM2.5 and PM10 on the emergency visits for respiratory diseases of residents of different genders and ages in Urumqi [ER (95%CI)/%]
[1] |
SONG Q, CHRISTIANI D C, WANG X, et al. The global contribution of outdoor air pollution to the incidence, prevalence, mortality and hospital admission for chronic obstructive pulmonary disease:a systematic review and meta-analysis[J]. Int J Environ Res Public Health, 2014, 11(11):11822-11832. DOI: 10.3390/ijerph111111822 |
[2] |
SCARINZI C, ALESSANDRINI E R, CHIUSOLO M, et al. Air pollution and urgent hospital admissions in 25 Italian cities:results from the EpiAir2 project[J]. Epidemiol Prev, 2013, 37(4/5):230-241. |
[3] |
游颖琦, 朱晶颖, 张旭辉, 等.无锡市大气污染对成人内科门诊量影响的时间序列研究[J].山东大学学报(医学版), 2018, 56(11):53-60. |
[4] |
路凤, 刘娅, 李小娟, 等.大气污染对呼吸系统疾病门诊量影响的病例交叉研究[J].环境卫生学杂志, 2017, 7(5):408-412. |
[5] |
LU F, XU D, CHENG Y, et al. Systematic review and metaanalysis of the adverse health effects of ambient PM2.5 and PM10 pollution in the Chinese population[J]. Environ Res, 2015, 136:196-204. DOI: 10.1016/j.envres.2014.06.029 |
[6] |
张云权, 朱耀辉, 李存禄, 等.广义相加模型在R软件中的实现[J].中国卫生统计, 2015, 32(6):1073-1075. |
[7] |
环境空气质量标准: GB 3095-2012[S].北京: 中国环境科学出版社, 2016. |
[8] |
邬堂春.防控空气污染加强空气污染致健康危害研究[J].中华预防医学杂志, 2016, 50(8):665-667. DOI: 10.3760/cma.j.issn.0253-9624.2016.08.001 |
[9] |
朱梦婵, 陈小燕, 潘珏.大气颗粒物与呼吸系统疾病研究进展[J].国际呼吸杂志, 2017, 37(11):859-862. DOI: 10.3760/cma.j.issn.1673-436X.2017.11.012 |
[10] |
赵云利, 赵宇欣, 何义胜, 等.大气颗粒物呼吸系统毒性效应机制[J].沈阳医学院学报, 2018, 20(4):350-354, 360. |
[11] |
秦萌, 高阳, 顾品强, 等.上海市奉贤区大气污染物对人群呼吸系统疾病的急性效应[J].环境与职业医学, 2018, 35(6):521-525. |
[12] |
覃芳葵, 高绪芳, 鹿茸, 等. 2017年成都市PM2.5质量浓度与呼吸系统急救人次的关系[J].四川大学学报(医学版), 2019, 50(3): 362-366. |
[13] |
陈楠, 程娟, 孙鉴, 等. 2014年武汉市大气颗粒物数浓度与呼吸系统疾病日门诊量的时间序列研究[J].环境与职业医学, 2016, 33(10):970-976. |
[14] |
SANTUS P, RUSSO A, MADONINI E, et al. How air pollution influences clinical management of respiratory diseases. A case-crossover study in Milan[J]. Respir Res, 2012, 13(1):95. DOI: 10.1186/1465-9921-13-95 |
[15] |
WANG W, YING Y, WU Q, et al. A GIS-based spatial correlation analysis for ambient air pollution and AECOPD hospitalizations in Jinan, China[J]. Respir Med, 2015, 109(3):372-378. DOI: 10.1016/j.rmed.2015.01.006 |
[16] |
吕晨光.济南大气污染物与呼吸及心脑血管疾病患者入院风险的时间序列研究[D].济南: 山东大学, 2018. |
[作者简介]
[收稿日期] 2019-11-04
引用格式
滕婉莹
,
杨浩峰
,
马龙
.
乌鲁木齐市大气PM2.5和PM10与居民呼吸系统疾病急救人次的关系[J].环境与职业医学,
2020, 37(6): 594-598.
doi:10.13213/j.cnki.jeom.2020.19753.
TENG Wan-ying , YANG Hao-feng , MA Long . Correlations of PM2.5 and PM10 with emergency hospital visits for respiratory diseases of residents in Urumqi.Journal of Environmental & Occupational Medicine, 2020, 37(6): 594-598. doi:10.13213/j.cnki.jeom.2020.19753.