《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

2020, 37(8):735-740.doi:10.13213/j.cnki.jeom.2020.20117

2014—2018年重庆市主要城区大气PM2.5水平与居民非意外死亡的关系


重庆市疾病预防控制中心, 重庆 400042

收稿日期: 2020-03-16;  录用日期:2020-04-22;  发布日期: 2020-09-07

基金项目: 重庆市科卫联合医学科研重点项目(2018ZDXM006)

通信作者: 沈卓之, Email: zhuozhi1011@foxmail.com  

作者简介: 吴芸芸(1991-), 女, 硕士, 医师; E-mail:574487444@qq.com

伦理审批  已获取

利益冲突  无申报

[背景] 大气颗粒物污染严重威胁人类健康,与居民死亡密切相关。

[目的] 探讨重庆市5个主要城区大气PM2.5质量浓度(下称浓度)与居民非意外死亡的关系。

[方法] 收集2014—2018年重庆市渝中、沙坪坝、南岸、九龙坡和江北五城区居民死因资料、大气污染和气象监测数据,计算五城区每日非意外死亡总数和大气污染物日均浓度。利用广义相加模型,控制长期趋势和季节效应、气象因素(平均温度、相对湿度)及“星期几效应”的影响,建立单污染物模型及多污染物模型,分析PM2.5单独暴露及其与SO2、NO2、CO联合暴露时对居民非意外死亡的短期效应,并按性别分层比较效应差异。

[结果] 2014—2018年重庆市五城区平均每日非意外死亡70人,其中男性、女性分别为41、29人;大气PM2.5日均浓度为51 μg·m-3,超标共计299 d,占15.35%。单污染物模型显示,PM2.5在当天及滞后1~3 d时对居民非意外死亡存在影响,在滞后1 d时效应最大,PM2.5每升高10 μg·m-3时全人群非意外死亡率增加0.62%(95% CI:0.27%~0.97%),其中男性、女性非意外死亡率分别增加0.49%(95% CI:0.09%~0.89%)、0.85%(95% CI:0.39%~1.31%),女性的效应值高于男性,效应差为0.35%(95% CI:0.13%~0.57%)。双污染物模型显示:分别校正SO2、NO2时,PM2.5对居民非意外死亡的效应变弱,甚至消失;校正CO时,效应增强,非意外死亡率增加至0.69%(95% CI:0.26%~1.13%)。在全污染物模型中,仅女性的非意外死亡与PM2.5存在关联,当PM2.5每升高10μg·m-3时女性每日非意外死亡率上升0.77%(95% CI:0.10%~1.44%)。在所有多污染物模型中,女性效应值均高于男性,效应差值范围为0.35%~0.54%。

[结论] 重庆市主要城区大气PM2.5浓度升高可导致居民非意外死亡风险增加,女性更易感。

关键词: 细颗粒物;  非意外死亡;  广义相加模型;  时间序列分析 

大气污染严重威胁人类健康。大气颗粒物为大气污染物的重要组成部分,在所有健康危险因素中排名第五[1]。多项研究证实大气颗粒物暴露会造成呼吸系统、心血管系统、内分泌系统等的健康损害[2-3]。中国归因于大气颗粒污染物的死亡人数约为85万[4]。大气颗粒物的短期暴露与居民死亡密切相关[5]。大气细颗粒物(fine particulate matter with median aerodynamic diameter ≤ 2.5 μm,PM2.5)由于粒径小、比表面积大、重力小,一方面容易吸附空气中重金属、细菌等人体有害成分,另一方面在空气中悬浮时间长,被吸入机体的可能性大、位置深,容易进入肺泡并随血液循环转移至其他部位,从而导致健康损害,死亡风险增加。大量流行病学研究表明,大气PM2.5与人群非意外总死亡率之间存在关联[6],空气中PM2.5每升高10 μg·m-3,我国、北美和欧洲地区居民每日非意外总死亡率分别上升0.22%、0.94%和1.23%[7]

重庆市是我国直辖市之一,人口密集、工业发达,位于四川盆地,以山地地形为主,不利于大气污染物排放。中国生态环境部发布的《2017年中国生态环境公报》指出,PM2.5为重庆市首要污染物[8]。PM2.5的健康风险已成为民众关注的热点话题,然而目前重庆市大气PM2.5与居民健康相关的研究较为缺乏。渝中区、沙坪坝区、南岸区、九龙坡区和江北区为重庆市传统的主城区,覆盖人口约480万,人口密集、经济发达,城镇化率在90%以上[9],与重庆市其他主要城区毗邻,在社会发展水平、气候地形等自然因素、大气污染水平和环境暴露状况等方面相当[10],对重庆市主城区具有良好的代表性。本研究采用广义相加模型的时间序列分析方法,定量评估2014—2018年重庆市这5个主要城区PM2.5污染与人群非意外总死亡率之间的关系。

1   材料与方法

1.1   资料来源

1.1.1   死因监测资料

收集2014年1月1日—2018年12月31日重庆市渝中区、沙坪坝区、南岸区、九龙坡区和江北区常住居民死因资料,数据来源于重庆市疾病预防控制中心死因监测系统,其中根本死因按照国际疾病分类第十版(International Classification of Disease 10th Revision,ICD-10)进行编码。剔除故意伤害死亡的数据,纳入根本死因为非意外死亡(A00~R99)的个案。将非意外死亡个案按死亡时间汇总,计算五城区每日非意外死亡总数。分析前对死因资料进行严格质量控制,包括剔除重报、多报和误报资料,剔除死亡人数异常升高或者降低日期的数据。本研究经重庆市疾病预防控制中心医学伦理委员会审批通过(编号:2020005)。

1.1.2   环境与气象监测资料

2014—2018年逐日空气污染物监测数据来源于重庆市环保局,覆盖5个主要城区的17个国控环保监测站点,收集的资料包括PM2.5、二氧化硫(sulfur dioxide,SO2)、二氧化氮(nitrogen dioxide,NO2)、一氧化碳(carbon monoxide,CO)质量浓度(下称浓度),计算所有监测站点污染物浓度的日均值并纳入分析。气象监测数据来源于重庆市气象局,主要包括日平均温度、日平均相对湿度、日平均气压和日平均风速。各项空气污染物及气象指标缺失率均小于0.01%,缺失值以前后2 d算数平均值填补。

1.2   研究方法

1.2.1   描述性分析和相关分析

为了解研究地区非意外死亡、大气污染和气象条件的一般情况,对定量资料采用均数±标准差、百分位数(P25P50P75)、最大值和最小值进行描述性分析。采用Spearman秩相关分析日死亡数与大气污染物、气象因素的相关性。

1.2.2   广义相加模型

本研究采用广义相加模型分析PM2.5对居民非意外死亡的急性效应。由于居民每日因非意外死亡为小概率事件,故采用类泊松分布作为连接函数。基本公式如下:

$\text{lg}\left[ E\left( {{Y}_{t}} \right) \right]=\alpha +\beta {{X}_{t}}+s\left( t, \upsilon \right)+s\left( {{Z}_{t}}, \upsilon \right)+{{D}_{\text{dow}}}。$

其中:E(Yt)为第t日非意外死亡人数的期望值;α为截距项;β为大气污染物的回归系数;Xt为第t日大气污染物浓度;s(tυ)为时间的平滑样条函数,用于控制长期趋势和季节效应;s(Ztυ)为气象变量的平滑样条函数,用以控制气象因素的短期效应;υ为各变量对应的自由度;Ddow为控制星期几效应的哑变量。根据前期相关研究[11],时间自由度选择为7年-1,气象变量纳入平均温度、相对湿度,自由度选择为3,由于相邻几天的气象因素存在强相关性,因此仅控制了死亡当天气象因素的混杂作用。

单污染物模型只纳入PM2.5,考虑大气污染物的滞后效应,对单日滞后0~6 d分别进行分析。在单污染物模型的基础上,选择最大效应对应的滞后时间,分别纳入SO2、NO2、CO及全部污染物,拟合多污染物模型,分析比较PM2.5单独暴露及与其他污染物联合暴露时对居民非意外死亡的急性效应。本研究以超额危险度(excess risk,ER)及其95%置信区间(confidence interval,CI)作为效应指标,表示日均PM2.5每升高10 μg·m-3时,日死亡数改变的百分比。为鉴别大气PM2.5污染的高危人群,按照性别进行分层分析,计算男女之间的效应差及其95% CI

为验证模型的稳定性,本研究改变了各样条函数的自由度及类型,增加或减少其他气象因素,结果显示对模型最终结果无明显影响。上述数据整理及统计分析使用R3.6.0软件,通过“mgcv”软件包拟合广义相加模型。检验水准α=0.05。

2   结果

2.1   一般情况

重庆市五城区2014—2018年非意外死亡128364人,平均每日70人;男性共计死亡74 928人,平均每日41人,女性共计死亡53 436人,平均每日死亡29人。大气PM2.5日均浓度为51 μg·m-3,依据GB 3095—2012 《环境空气质量标准》日均浓度二级限值(75 μg·m-3),PM2.5超标共计299 d,占15.35%。2014—2018年重庆市五城区居民非意外死亡、大气污染物和气象因素一般情况详见表 1。2014—2018年重庆市五城区大气PM2.5浓度与非意外死亡人数均呈现季节波动,表现为冬季高夏季低;从长期趋势来看,PM2.5浓度逐年下降,非意外死亡人数逐年上升,详见图 1

表1

2014—2018年重庆市五城区居民非意外死亡、大气污染物和气象因素一般情况

Table1.

The distribution of daily non-accidental deaths, air pollutants, and meteorological factors in five urban districts of Chongqing from 2014 to 2018

图 1

2014—2018年重庆市五城区PM2.5浓度(A)与非意外死亡(B)时间序列图

Figure1.

Time-series of daily PM2.5 concentration (A) and non-accidental deaths (B) in five urban districts of Chongqing from 2014 to 2018

2.2   指标相关性分析

居民非意外死亡数与PM2.5、SO2、NO2、CO浓度及平均气压呈正相关,与平均温度、风速呈负相关;PM2.5浓度与其他大气污染物浓度、平均气压呈正相关,与平均温度、风速呈负相关,以上相关性均具有统计学意义(P < 0.05)。见表 2

表2

2014—2018年重庆市五城区居民非意外死亡数、大气污染物浓度和气象因素相关性分析(r

Table2.

Correlation analysis of daily non-accidental death, air pollutants, and meteorological factors in five urban districts of Chongqing from 2014 to 2018 (r)

2.3   PM2.5对居民非意外死亡的急性效应

总体来看,PM2.5在当天及滞后1~3 d时对居民非意外死亡存在影响,在滞后1 d时效应最大,PM2.5每升高10 μg·m-3时,居民每日非意外死亡率上升0.62% (95% CI:0.27%~0.97%)。男性在当天及滞后1~2 d时存在效应,而女性滞后时间更长,在滞后1~3 d时存在效应,男性、女性均在滞后1 d时效应最强,PM2.5每升高10 μg·m-3时,男、女非意外死亡率分别上升0.49%(95% CI:0.09%~0.89%)、0.85%(95% CI:0.39%~ 1.31%),女性的效应值高于男性,效应差为0.35% (95% CI:0.13%~0.57%)。见图 2

图 2

单污染模型中PM2.5每升高10 μg·m-3时不同人群非意外死亡的ER

Figure2.

ERs of non-accidental deaths by gender groups for a 10μg·m-3 increase of PM2.5 in single-pollutant models

在单污染物模型的基础上,选取滞后1 d,分别纳入SO2、NO2、CO以及全部污染物建立多污染物模型。结果显示在双污染物模型中:单独校正CO时,PM2.5对居民非意外死亡的效应上升0.69%(95% CI:0.26%~1.13%);分别校正SO2和NO2时,PM2.5的效应变弱,甚至消失。在全污染物模型中,PM2.5的效应变弱,仅女性的非意外死亡与PM2.5存在关联,PM2.5每升高10 μg·m-3时女性非意外死亡率上升0.77%(95% CI:0.10%~1.44%)。在所有多污染物模型中,女性效应值均高于男性,效应差值范围为0.35%~0.54%。见表 3

表3

多污染模型中PM2.5浓度每升高10 μg·m-3时不同人群非意外死亡的ER

Table3.

ERs of non-accidental deaths by gender groups for a 10 μg·m-3 increase of PM2.5 in multi-pollutant models  单位(Unit): %

3   讨论

本研究利用广义相加模型,分析2014—2018年重庆市五城区大气PM2.5与居民非意外死亡之间的关系。结果显示,大气PM2.5浓度升高造成居民非意外死亡率增加,且效应具有滞后性。在当天及滞后1~3 d时,PM2.5对居民非意外死亡存在影响,且在滞后1 d时效应最大,滞后时间与成都[12]、广州[13]、石家庄[14]等地研究结果一致。当大气PM2.5每升高10 μg·m-3时,重庆地区居民每日非意外死亡率上升0.62%(95% CI:0.27%~0.97%),该结果接近西南地区平均效应[7],与广州(0.55%,95% CI:0.24%~0.86%) [15]较为一致,但是高于北京(0.25%,95% CI:0.11%~0.38%) [16]、上海(0.31%,95% CI:0.26%~0.35%) [17]和全国272个城市的平均效应(0.22%,95% CI:0.15%~0.28%) [7]。比较各地区相关研究发现,PM2.5对人群健康影响存在地区差异,可能与不同地区PM2.5的来源及成分、浓度、人群结构及生活习惯等因素有关。这提示为制定符合本地区实际情况的健康策略,开展本地区大气污染物浓度与居民健康关系的研究尤为必要。

2014—2018年重庆市五城区大气PM2.5日均浓度为51 μg·m-3。在全国74个城市中,2017年重庆市空气质量综合指数排名第39位[18],空气质量处于全国平均水平。有研究指出,在重庆城区大气PM2.5组分中,Zn、As、Pb、Cd等有害物质累积程度高,燃煤、交通、工业污染严重,燃煤为主要污染源,大气二次污染明显[19-20]。相关部门应针对主要污染源,协调控制一次污染物的排放,一方面降低大气PM2.5浓度,另一方面减少其他污染物排放,降低PM2.5吸附的二次转化组分浓度,减轻对居民健康的影响。

本研究显示,校正共存污染物SO2、NO2、CO之后,与单污染物模型相比,PM2.5对居民非意外死亡的效应出现变化,具体表现为校正SO2、NO2时PM2.5的效应变弱,甚至消失,校正CO时效应增强。这可能是由于PM2.5与其他污染物之间相关系数均在0.65以上,相关性较高,污染物之间存在共线性,因此影响模型中效应值的估计。此外,PM2.5与其他污染物之间可能存在交互作用。大气中SO2、NO2等污染物易发生二次转化,生成硫酸盐、硝酸盐、铵盐等水溶性离子吸附在PM2.5表面[19],这些离子对人群健康具有明显影响[21],因此PM2.5与其他大气污染物对居民健康的影响可能存在协同效应,提示在研究PM2.5健康效应时应考虑其他污染物的影响。

本研究结果显示,PM2.5对女性非意外死亡的影响大于男性,与合肥[22]、珠三角[23-24]以及一项基于中国17个城市研究[25]的结果一致。推测其原因:一方面,重庆市女性吸烟率较男性低[26],研究显示空气污染对非吸烟者的效应高于吸烟者[27],因而女性更为敏感;另一方面,由于激素状态差异等因素,女性气道反应性强于男性,导致女性更易感[28]

本研究存在一定局限性。首先,用固定监测点的空气污染物浓度代替个体暴露水平,存在一定的暴露测量误差;其次,由于缺乏室内空气污染物监测的相关数据,所以未考虑室内空气污染对人群健康的影响。下一步研究中,应考虑室内污染物情况并对暴露水平进行校正,结合个体暴露研究进展,进一步深入探讨PM2.5对人群非意外死亡的影响。

综上,本研究对2014—2018年重庆市五城区非意外死亡及环境数据进行分析,提示PM2.5浓度升高可导致居民非意外死亡风险增加,对女性的影响更为明显。建议相关部门继续加强大气污染治理工作,制定健康干预策略,重点保护高危人群,降低大气PM2.5对居民健康的影响,提高居民生活质量。

表1

2014—2018年重庆市五城区居民非意外死亡、大气污染物和气象因素一般情况

Table 1

The distribution of daily non-accidental deaths, air pollutants, and meteorological factors in five urban districts of Chongqing from 2014 to 2018

图 1

2014—2018年重庆市五城区PM2.5浓度(A)与非意外死亡(B)时间序列图

Figure 1

Time-series of daily PM2.5 concentration (A) and non-accidental deaths (B) in five urban districts of Chongqing from 2014 to 2018

表2

2014—2018年重庆市五城区居民非意外死亡数、大气污染物浓度和气象因素相关性分析(r

Table 2

Correlation analysis of daily non-accidental death, air pollutants, and meteorological factors in five urban districts of Chongqing from 2014 to 2018 (r)

图 2

单污染模型中PM2.5每升高10 μg·m-3时不同人群非意外死亡的ER

Figure 2

ERs of non-accidental deaths by gender groups for a 10μg·m-3 increase of PM2.5 in single-pollutant models

表3

多污染模型中PM2.5浓度每升高10 μg·m-3时不同人群非意外死亡的ER

Table 3

ERs of non-accidental deaths by gender groups for a 10 μg·m-3 increase of PM2.5 in multi-pollutant models  单位(Unit): %

参考文献

[1]

COHEN A J, BRAUER M, BURNETT R, et al. Estimates and 25-year trends of the global burden of disease attributable to ambient air pollution:an analysis of data from the Global Burden of Diseases Study 2015[J]. Lancet, 2017, 389(10082):1907-1918.

DOI: 10.1016/S0140-6736(17)30505-6
[2]

TALBOTT E O, RAGER J R, BENSON S, et al. A case-crossover analysis of the impact of PM2.5 on cardiovascular disease hospitalizations for selected CDC tracking states[J]. Environ Res, 2014, 134:455-465.

DOI: 10.1016/j.envres.2014.06.018
[3]

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
[4]

Institute of Health and Metrics (IHME). GBD 2017, ambient particulate matter pollution, both sexes, all ages, 2017, deaths[EB/OL].[2020-03-04]. https://vizhub.healthdata.org/gbd-compare/.

[5]

李林, 周启星.不同粒径大气颗粒物与死亡终点关系的流行病学研究回顾[J].环境与职业医学, 2015, 32(2):168-174, 180.

[6]

夏钟, 王欣童, 郁莎燕, 等.应用Meta分析研究中国不同区域PM2.5污染与人群非意外总死亡率的关系[J].环境污染与防治, 2019, 41(8):891-895.

[7]

CHEN R, YIN P, MENG X, et al. Fine particulate air pollution and daily mortality. A nationwide analysis in 272 Chinese cities[J]. Am J Respir Crit Care Med, 2017, 196(1):73-81.

DOI: 10.1164/rccm.201609-1862OC
[8]

中华人民共和国生态环境部. 2017年中国生态环境状况公报[EB/OL].[2020-03-04]. http://www.mee.gov.cn/hjzl/sthjzk/zghjzkgb/201805/P020180531534645032372.pdf.

[9]

重庆市统计局.重庆统计年鉴2019[EB/OL].[2020-06-21]. http://tjj.cq.gov.cn/tjnj/2019/indexch.htm.

[10]

刘永林, 孙启民, 钟明洋, 等.重庆市主城区PM2.5时空分布特征[J].环境科学, 2016, 37(4):1219-1229.

[11]

樊琳, 顾清, 曾强.广义相加模型在大气污染流行病学研究中的应用进展[J].环境与职业医学, 2019, 36(7):676-681.

[12]

曾婕, 陈剑宇, 周亮, 等.成都市大气PM2.5相关的老年人超额死亡风险评估[J].江苏预防医学, 2019, 30(2):147-149, 162.

[13]

石同幸, 董航, 杨轶戬, 等.广州市中心城区冬季大气PM2.5污染状况与居民每日死亡的关系[J].环境与健康杂志, 2015, 32(6):477-481.

[14]

陈浪, 赵川, 关茗洋, 等.石家庄市大气颗粒污染物浓度与居民死亡率的时间序列分析[J].中华疾病控制杂志, 2018, 22(3):272-277.

[15]

WU R, ZHONG L, HUANG X, et al. Temporal variations in ambient particulate matter reduction associated short-term mortality risks in Guangzhou, China:a time-series analysis (2006-2016)[J]. Sci Total Environ, 2018, 645:491-498.

DOI: 10.1016/j.scitotenv.2018.07.091
[16]

LI T, YAN M, SUN Q, et al. Mortality risks from a spectrum of causes associated with wide-ranging exposure to fine particulate matter:a case-crossover study in Beijing, China[J]. Environ Int, 2018, 111:52-59.

DOI: 10.1016/j.envint.2017.10.023
[17]

FANG X, FANG B, WANG C, et al. Relationship between fine particulate matter, weather condition and daily nonaccidental mortality in Shanghai, China:a Bayesian approach[J]. PLoS One, 2017, 12(11):e0187933.

DOI: 10.1371/journal.pone.0187933
[18]

中华人民共和国生态环境部. 2014-2018年中国生态环境状况公报[EB/OL].[2020-03-04]. http://www.mee.gov.cn/hjzl/.

[19]

余家燕, 王军, 许丽萍, 等.重庆城区PM2.5化学组分特征及季节变化[J].环境工程学报, 2017, 11(12):6372-6378.

DOI: 10.12030/j.cjee.201703096
[20]

焦姣, 姬亚芹, 白志鹏, 等.重庆市颗粒物PM10/PM2.5中元素污染特征和来源[J].南开大学学报(自然科学版), 2013, 46(6):8-13, 19.

[21]

LI P, XIN J, WANG Y, et al. Association between particulate matter and its chemical constituents of urban air pollution and daily mortality or morbidity in Beijing City[J]. Environ Sci Pollut Res, 2015, 22(1):358-368.

DOI: 10.1007/s11356-014-3301-1
[22]

LEI R, ZHU F, CHENG H, et al. Short-term effect of PM2.5/O3 on non-accidental and respiratory deaths in highly polluted area of China[J]. Atmos Pollut Res, 2019, 10(5):1412-1419.

DOI: 10.1016/j.apr.2019.03.013
[23]

YANG C, PENG X, HUANG W, et al. A time-stratified casecrossover study of fine particulate matter air pollution and mortality in Guangzhou, China[J]. Int Arch Occup Environ Health, 2012, 85(5):579-585.

DOI: 10.1007/s00420-011-0707-7
[24]

LIN H, LIU T, XIAO J. Mortality burden of ambient fine particulate air pollution in six Chinese cities:results from the Pearl River Delta study[J]. Environ Int, 2016, 96:91-97.

DOI: 10.1016/j.envint.2016.09.007
[25]

陈仁杰.复合型大气污染对我国17城市居民健康效应研究[D].上海: 复旦大学, 2013.

http://d.wanfangdata.com.cn/thesis/Y2702417

[26]

沈卓之, 丁贤彬, 毛德强, 等.重庆市2014年成年人吸烟、戒烟行为及认知现状调查[J].中华流行病学杂志, 2015, 36(11):1236-1243.

DOI: 10.3760/cma.j.issn.0254-6450.2015.11.011
[27]

POPE III C A, BURNETT R T, TURNER M C, et al. Lung cancer and cardiovascular disease mortality associated with ambient air pollution and cigarette smoke:shape of the exposure-response relationships[J]. Environ Health Persp, 2011, 119(11):1616-1621.

DOI: 10.1289/ehp.1103639
[28]

CLOUGHERTY J E. A growing role for gender analysis in air pollution epidemiology[J]. Environ Health Persp, 2010, 118(2):167-176.

DOI: 10.1289/ehp.0900994
上一张 下一张
上一张 下一张

[基金项目] 重庆市科卫联合医学科研重点项目(2018ZDXM006)

[作者简介]

[收稿日期] 2020-03-16

【点击复制中文】
【点击复制英文】
计量
  • PDF下载量 (40)
  • 文章访问量 (130)
  • XML下载量 (0)
  • 被引次数 (0)

目录

2014—2018年重庆市主要城区大气PM2.5水平与居民非意外死亡的关系

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