《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(10):975-980.doi:10.13213/j.cnki.jeom.2020.20213

西安市大气PM2.5短期暴露对人群心脑血管系统疾病死亡的影响


1. 兵器工业卫生研究所生物效应技术研究室, 陕西 西安 710065 ;
2. 西安市疾病预防控制中心, 陕西 西安 710054

收稿日期: 2020-05-06;  录用日期:2020-08-20;  发布日期: 2020-11-06

基金项目: 陕西省自然科学基础研究计划(2019JQ-993)

通信作者: 赵国栋, Email: 93887810@qq.com  

作者简介: 王鸿(1984-), 男, 博士, 副主任医师; E-mail:wanghong@mail.nwpu.edu.cn

伦理审批  已获取

利益冲突  无申报

[背景] PM2.5的健康效应是环境健康领域的研究热点,也是与我国居民身体健康密切相关的重大社会问题。

[目的] 分析西安市大气PM2.5短期暴露对人群心脑血管疾病死亡的影响。

[方法] 收集2014年1月1日—2018年12月31日西安市人群心脑血管疾病死亡资料、大气污染物(PM2.5、PM10、CO、SO2、NO2、O3)和气象数据(温度、相对湿度),并作相关性分析。采用基于时间序列的广义线性模型,控制时间趋势和星期几效应等混杂因素,将日均气温和日均相对湿度作为协变量,分析PM2.5单滞后(lag0~lag7)的效应,研究PM2.5单污染和多污染物累积滞后2 d(lag02)对心脑血管系统疾病死亡的效应,同时对性别和年龄(0~44,45~59,60~74,75~89和90岁以上)进行分层分析。

[结果] 研究期内PM2.5日均浓度为(67.0±55.4)μg·m-3,每日心脑血管疾病平均死亡人数为(70.17±18.53)人。PM2.5与PM10、SO2、NO2和CO呈正相关(r=0.88、0.64、0.68、0.79,P < 0.01),与O3、气温和湿度呈负相关(r=-0.42、-0.51和-0.05,P < 0.05)。PM2.5浓度每升高10 μg·m-3,在lag0~lag2的超额危险度(ER)分别为0.32%(95% CI:0.12%~0.52%)、0.28%(95% CI:0.07%~0.49%)和0.31%(95% CI:0.09%~0.52%),lag3~lag7的效应均无统计学意义。lag02时PM2.5单污染模型的ER为0.45%(95% CI:0.19%~0.70%),多污染物模型中PM2.5分别与SO2、NO2、O3组合,ER分别为0.38%(95% CI:0.10%~0.66%)、0.42%(95% CI:0.14%~0.70%)、0.45%(95% CI:0.20%~0.71%),经Z检验发现,多污染物模型与单污染物模型的累积滞后效应差异没有统计学意义(P>0.05)。PM2.5对男性与女性lag02时的ER分别为0.47%(95% CI:0.17%~0.78%)和0.42%(95% CI:0.10%~0.74%),P < 0.05;PM2.5对60~74、75~89和90岁以上人群lag02时的ER分别为0.41%(95% CI:0.01%~0.82%)、0.43%(95% CI:0.11%~0.75%)和0.99%(95% CI:0.26%~1.74%),P < 0.05;但Z检验显示不同性别、年龄组间差异无统计学意义(P>0.05)。

[结论] 2014—2018年西安市PM2.5污染可能会导致居民心脑血管疾病死亡风险的增加。

关键词: 大气污染;  细颗粒物;  超额危险度;  心脑血管疾病 

随着工业化和城市化进程的加速推进, 空气污染已成为影响居民生活环境的重要因素之一, 由此带来的健康问题不断凸显。PM2.5是造成空气污染的主要污染物之一[1-2]。据报道[3], 我国每年约有160万人的死因与空气污染有关。PM2.5可对呼吸系统产生影响已被大家所认识[4-5], 近年来逐步认识到PM2.5可增加心血管系统疾病的发生率和病死率[6-8]。超额危险度(excess risk, ER)已被广泛应用于评估PM2.5引起人群疾病负担的效应[9-10]。文献报道, 北京、南京、深圳市PM2.5日均质量浓度(后称:浓度)每增加10μg·m-3, 其心脑血管疾病ER值分别增加0.021%、0.293%和0.027%[11-13]。赵珂等[14]定量评价了西安市2004-2008年大气PM2.5污染对城区居民每日疾病死亡率的影响, 发现大气PM2.5日均浓度每增加100μg·m-3, 心血管疾病死亡风险增加6.18%。本研究拟收集西安市2014-2018年的死亡数据和空气污染数据, 采用基于时间序列的广义线性模型研究PM2.5暴露对居民心脑血管疾病死亡的影响, 为当地制定大气污染和疾病防治的策略提供数据支撑。

1   材料与方法

1.1   资料来源

2014年1月1日-2018年12月31日西安市空气质量数据源于中国空气质量在线监测分析平台(https://www.aqistudy.cn), 主要指标为PM2.5、PM10、SO2、NO2、CO和O3的日均浓度。同期气象资料来自于中国气象科学数据共享网, 气象因素主要包括气温、相对湿度。人口死亡数据来源于西安市疾病预防控制中心网络直报系统, 通过《国际疾病分类》第10版编码, 心脑血管系统疾病编码为I00~I99, 数据包括死亡者性别、年龄、死亡日期、根本死因等。本研究已获兵器工业五二一医院伦理审查委员会的审查批准(批准号:202001)。

1.2   方法

本研究采用基于时间序列的广义相加模型, 在排除了时间趋势和星期几效应等混杂因素的基础上, 直接将PM2.5放入模型得到滞后效应的估计值, 考虑到气象因素对心脑血管系统疾病死亡的影响, 将日均气温和相对湿度作为协变量与PM2.5一起放入回归模型, 分析PM2.5对心脑血管系统疾病死亡的影响。具体模型如下:

${\rm{lg}}{\kern 1pt} {\kern 1pt} [E({Y_t}){\rm{] = }}a{\rm{ + }}\beta {\kern 1pt} {E_t} + ns(H, u)。$

其中, E(Yt)是第t天的死亡人数期望值, Et是第t天或者滞后t天的PM2.5浓度, α为截距, βEt在模型中的参数, ns为平滑样条函数, T为气温, H为相对湿度, υ为自由度。模型通过分别纳入经自然样条函数平滑处理的3d滑动平均气温和相对湿度来调整温度和相对湿度的混杂效应, 自由度分别设置为6和3[15]

单独滞后效应可能会降低PM2.5与死亡率之间的关联性, 所以通过检测PM2.5不同滞后日及其与不同污染物(SO2、NO2、CO和O3)之间的联系来进行敏感性分析, 包括单滞后效应和累积滞后效应。单独滞后效应选择lag0~lag7进行分析, 在单独滞后效应的基础上, 选择lag02分析其累积效应。另外, 基于性别(男性和女性)和年龄(0~44、45~59、60~74、75~89和90岁以上)对PM2.5致心脑血管疾病患者死亡的影响进行分层分析, 效应差别检验使用Z检验, 公式如下:

$Z = ({E_1} - {E_2})/\sqrt {SE{{({E_1})}^2} + SE{{({E_2})}^2}} 。$

式中:E1E2为各层(如男性和女性)的效应值, SE(E1)和SE(E2)为标准误。

1.3   统计学分析

采用R 3.6.2软件进行统计学分析。选择ER作为PM2.5短期效应评价指标, 计算方法如下:ER=(RR-1)× 100%=[exp(β)-1]×100%。其中ER表示PM2.5每升高10μg·m-3, 心脑血管疾病死亡人数增加的百分比, 其95%CI若包含0时则表示无统计学意义。检验水准α=0.05。

2   结果

2.1   基本情况

2.1.1   死亡人数

研究期内每日心脑血管疾病平均死亡人数为70.17人, 其中男性为35.34人, 女性为34.82人; 0~44、45~59、60~74、75~89、90岁以上组日均死亡数分别为1.77、7.37、20.17、35.44、5.40人。见表 1

表1

2014—2018年西安市心脑血管疾病死亡基本情况

Table1.

The deaths due to cardio-cerebrovascular diseases in Xi'an from 2014 to 2018

2.1.2   空气质量及气象资料

研究期内西安市大气污染物PM2.5、PM10、SO2、NO2、O3、CO平均浓度分别为67.0、130.2、21.3、50.2、82.3μg·m-3和1.6mg·m-3, 其中PM2.5时间变化趋势见图 1; 西安市2014-2018年日平均气温为15.6℃, 日平均相对湿度为59.8%, 见表 2

图 1

2014—2018 年 PM2.5 浓度逐月变化曲线

Figure1.

Monthly change curve of PM2.5 concentrations from 2014 to 2018 in Xi’an

表2

2014—2018年西安市大气污染物和气象因素水平

Table2.

The levels of atmospheric pollutants and meteorological factors in Xi'an from 2014 to 2018

2.1.3   大气污染物与气象因素之间的相关性分析

PM2.5和所有变量的Pearson相关系数均有统计学意义(P < 0.05)。其中, PM2.5与PM10、SO2、NO2和CO呈正相关, 相关系数分别为0.88、0.64、0.68、0.79(P < 0.01);PM2.5与O3、气温和湿度呈负相关, 相关系数分别为-0.42、-0.51和-0.05(P < 0.05)。见表 3

表3

2014—2018年西安市主要污染物与气象因素的Pearson相关分析(r

Table3.

Pearson correlation between major air pollutants and meteorological factors in Xi'an from 2014 to 2018 (r)

2.2   PM2.5浓度升高时人群心脑血管疾病死亡风险的单滞后效应

结果显示, PM2.5在当天以及滞后1、2d的效应是有统计学意义(P < 0.05), 在lag0~lag2时, PM2.5浓度每升高10μg·m-3, 其对应的ER及其95%CI分别为0.32%(0.12%~0.52%)、0.28%(0.07%~0.49%)和0.31% (0.09%~0.52%), 当天效应达到最大。见表 4

表4

不同滞后日大气PM2.5每增加10 μg·m-3时心脑血管疾病死亡率的超额危险度

Table4.

The excess risk of cardio-cerebrovascular mortality associated with 10μg·m-3 of PM2.5 concentration at different lag days

2.3   PM2.5浓度升高时人群心脑血管疾病死亡风险的累积滞后效应

2.3.1   单污染模型

结果显示, 单污染(仅为PM2.5)累积滞后2d(lag02), PM2.5浓度每升高10μg·m-3, 其ER值为0.45%(95%CI:0.19%~0.70%)(P < 0.05), 见表 5

表5

2014—2018年西安市PM2.5浓度升高10 μg·m-3时人群心脑血管疾病死亡风险的多污染物模型(lag02)

Table5.

The multi-pollutant model of cardio-cerebrovascular disease mortality associated with 10 μg·m-3 of PM2.5 concentration

2.3.2   多污染模型

在单污染模型的基础上, 使用累积滞后2d(lag02)滑动平均浓度建立PM2.5与SO2、NO2、CO、O3多污染模型。结果显示, PM2.5与SO2、NO2、O3联合暴露的效应有统计学意义(P < 0.05), ER及其95% CI分别为0.38%(0.10%~0.66%)、0.42%(0.14%~0.70%)和0.45%(0.20%~0.71%); PM2.5与CO, PM2.5与所有污染物联合暴露的效应无统计学意义(P>0.05)。但Z检验发现多污染物模型与单污染物模型的累积滞后效应估计值差异无统计学意义(P>0.05)。见表 5

2.3.3   性别、年龄分层分析

结果显示, lag02时PM2.5对男性和女性ER影响的差异无统计学意义(P>0.05);从年龄层次看, 60~74、75~89和90岁以上人群的ER有统计学意义, 随年龄的增大, PM2.5升高时, 心脑血管疾病死亡风险呈增大趋势。但年龄分层Z检验分析显示, 各组间差异无统计学意义(P>0.05)。见表 6

表6

2014—2018年西安市PM2.5浓度升高10 μg·m-3 时性别和年龄分层人群心脑血管疾病死亡风险(lag02)

Table6.

The excess risk of cardio-cerebrovascular mortality by different genders and ages associated with 10 μg·m-3 of PM2.5 concentration in Xi'an from 2014 to 2018 (lag02)

3   讨论

心脑血管系统疾病是严重威胁人类健康的重大疾病。流行病学调查和毒理学实验已证实大气污染物与人群心脑血管死亡密切相关, 尤其是PM2.5与人群死亡风险的关联更高, 这已成为倍受关注的环境问题和社会问题。

本研究通过收集西安市2014-2018年日大气污染物浓度、气象指标及居民心脑血管疾病死亡数据, 利用基于时间序列的广义相加模型分析了PM2.5暴露与居民心脑血管疾病日死亡风险的关联。结果显示, 2014-2018年西安市PM2.5的日均浓度为67.0μg·m-3, 按照GB3095-2012《环境空气质量标准》中的24h平均污染物限值标准, 该市PM2.5浓度高于国家一级标准(35μg·m-3)[16]。研究发现, 西安市PM2.5与心脑血管死亡数呈正相关。在单污染模型中, 死亡当日PM2.5浓度对心脑血管疾病死亡影响的ER值最大, PM2.5日均浓度每增加10μg·m-3, 西安市人群心脑血管疾病死亡的风险增加0.32%, 提示PM2.5的短期暴露可能引起心脑血管疾病死亡风险增加, 与Huang等[17]对西安的研究结果相近, 该研究中PM2.5日均浓度每上升10μg·m-3, 心脑血管疾病死亡风险增加0.27%(95%CI:0.08%~0.46%)。不同城市的研究结果不尽相同。李静等[11]报道了北京昌平地区PM2.5浓度对心血管系统疾病死亡的影响, 发现PM2.5分别在滞后7d和9d时才显现出危害效应, 滞后14d时效应达到最大, 累积滞后21d时, PM2.5每增加10μg·m-3, 人群心血管系统疾病死亡的累积超额死亡率为0.021% (95%CI:0.004%~0.038%)。刘晓剑等[12]报道了深圳市空气PM2.5浓度在滞后7d对心脑血管疾病死亡的影响最强, 日均浓度每上升10μg·m-3, 人群心脑血管疾病死亡风险增加0.27%(95%CI:0.06%~0.48%)。张永利等[18]报道了舟山市PM2.5浓度每升高10μg·m-3, 滞后2d时总人群和≥65岁人群循环系统疾病日死亡风险分别增加2.46%(95%CI:0.36%~4.55%)和3.32% (95%CI:1.13%~5.52%)。不同城市之间PM2.5浓度升高时, 人群心血管系统疾病死亡风险变化值存在差异, 主要影响因素可能有大气污染水平、污染物来源及成分、人群易感性、研究周期等[19-20]

本研究结果还显示, 在大气PM2.5分别与NO2、SO2和O3构建的双污染物模型中, 居民心脑血管疾病死亡的效应是有统计学意义; 但在多污染物模型中, PM2.5浓度对心脑血管疾病死亡影响的ER值与单污染物模型的ER值的差异无统计学意义, 提示PM2.5的效应是稳健的, 这与陈志永等[21]在常州市的研究结果一致, 可能由于存在其他混杂因素导致多污染物对心脑血管疾病死亡之间的关系变弱, 同时也提示不同污染物的健康效应并不是简单的叠加。在性别分层方面, PM2.5对男性和女性心脑血管系统疾病的影响无明显差异; 在年龄层面, PM2.5使≥60岁人群心脑血管疾病ER增加, 可能是由于人群随着年龄的增大, 较多患有基础性疾病, 并且抵抗力下降, 更容易受PM2.5的影响, 但各年龄组无差异。这与李静等[11]关于北京市昌平区PM2.5对心脑血管死亡的影响是一致的。

综上所述, 本研究采用了基于时间序列的广义相加模型, 通过对收集资料的分析表明, 2014-2018年西安市的心脑血管疾病死亡率增加与PM2.5浓度升高有关, 后期加强大气污染的防治, 对降低人群心脑血管疾病死亡具有重要的意义。

表1

2014—2018年西安市心脑血管疾病死亡基本情况

Table 1

The deaths due to cardio-cerebrovascular diseases in Xi'an from 2014 to 2018

图 1

2014—2018 年 PM2.5 浓度逐月变化曲线

Figure 1

Monthly change curve of PM2.5 concentrations from 2014 to 2018 in Xi’an

表2

2014—2018年西安市大气污染物和气象因素水平

Table 2

The levels of atmospheric pollutants and meteorological factors in Xi'an from 2014 to 2018

表3

2014—2018年西安市主要污染物与气象因素的Pearson相关分析(r

Table 3

Pearson correlation between major air pollutants and meteorological factors in Xi'an from 2014 to 2018 (r)

表4

不同滞后日大气PM2.5每增加10 μg·m-3时心脑血管疾病死亡率的超额危险度

Table 4

The excess risk of cardio-cerebrovascular mortality associated with 10μg·m-3 of PM2.5 concentration at different lag days

表5

2014—2018年西安市PM2.5浓度升高10 μg·m-3时人群心脑血管疾病死亡风险的多污染物模型(lag02)

Table 5

The multi-pollutant model of cardio-cerebrovascular disease mortality associated with 10 μg·m-3 of PM2.5 concentration

表6

2014—2018年西安市PM2.5浓度升高10 μg·m-3 时性别和年龄分层人群心脑血管疾病死亡风险(lag02)

Table 6

The excess risk of cardio-cerebrovascular mortality by different genders and ages associated with 10 μg·m-3 of PM2.5 concentration in Xi'an from 2014 to 2018 (lag02)

参考文献

[1]

ZHANG L, YANG G, LI X. Mining sequential patterns of PM2.5 pollution between 338 cities in China[J]. J Environ Manag, 2020, 262:110341.

DOI: 10.1016/j.jenvman.2020.110341
[2]

LI J, HAN X, LI X, et al. Spatiotemporal patterns of ground monitored PM2.5 concentrations in China in recent years[J]. Int J Environ Res Public Health, 2018, 15(1):114.

DOI: 10.3390/ijerph15010114
[3]

ROHDE R A, MULLER R A. Air pollution in China:mapping of concentrations and sources[J]. PLoS One, 2015, 10(8):e0135749.

DOI: 10.1371/journal.pone.0135749
[4]

AL-HAMDAN A Z, ALBASHAIREH R N, AL-HAMDAN M Z, et al. The association of remotely sensed outdoor fine particulate matter with cancer incidence of respiratory system in the USA[J]. J Environ Sci Health, Part A, 2017, 52(6):547-554.

DOI: 10.1080/10934529.2017.1284432
[5]

HUANG B F, CHANG Y C, HAN A L, et al. Metal composition of ambient PM2.5 influences the pulmonary function of schoolchildren:a case study of school located nearby of an electric arc furnace factory[J]. Toxicol Ind Health, 2018, 34(4):253-261.

DOI: 10.1177/0748233717754173
[6]

TAPIA V, STEENLAND K, VU B, et al. PM2.5 exposure on daily cardio-respiratory mortality in Lima, Peru, from 2010 to 2016[J]. Environ Health, 2020, doi:10.21203/rs.2.23559/v2.

[7]

齐爱, 张亚娟, 杨惠芳.大气PM2.5对心血管系统影响及其作用机制研究进展[J].环境与健康杂志, 2016, 33(5):465-469.

[8]

BARRETT J R. Subtle but potentially serious:long-term ambient PM2.5 exposure and risk of cardiopulmonary mortality[J]. Environ Health Perspect, 2020, 128(2):024001.

DOI: 10.1289/EHP6324
[9]

张献伟, 徐美华, 王玉雯, 等. 2016-2018年天津市大气PM2.5对儿童呼吸系统门诊量的时间序列分析[J].公共卫生与预防医学, 2019, 30(5):29-32.

[10]

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.

[11]

李静, 王焕新, 屈龙, 等. PM2.5对北京市昌平区居民心血管系统疾病死亡的短期影响[J].中华流行病学杂志, 2019, 40(3):331-334.

[12]

刘晓剑, 吴永胜, 付英斌, 等.深圳市空气PM2.5与心脑血管疾病死亡的广义相加模型分析[J].中华疾病控制杂志, 2016, 20(2):207-209.

[13]

常倩, 叶云杰, 汪庆庆, 等.南京市大气污染物与居民心脑血管疾病死亡的相关性[J].环境与职业医学, 2017, 34(12):1041-1045.

[14]

赵珂, 曹军骥, 文湘闽.西安市大气PM2.5污染与城区居民死亡率的关系[J].预防医学情报杂志, 2011, 27(4):257-262.

[15]

贺天锋, 黄婧, 李国星, 等.宁波市大气可吸入颗粒物对人群死亡短期影响的归因风险评估[J].上海预防医学, 2017, 29(11):857-862.

[16]

环境空气质量标准: GB 3095-2012[S].北京: 中国环境科学出版社, 2016.

[17]

HUANG W, CAO J, TAO Y, et al. Seasonal variation of chemical species associated with short-term mortality effects of PM2.5 in Xi'an, a central city in China[J]. Am J Epidemiol, 2012, 175(6):556-566.

[18]

张永利, 莫哲, 易井萍, 等.舟山市大气PM2.5对居民循环系统疾病日死亡人数的影响[J].环境与职业医学, 2017, 34(3):224-229.

[19]

BEELEN R, STAFOGGIA M, RAASCHOU-NIELSEN O, et al. Long-term exposure to air pollution and cardiovascular mortality:an analysis of 22 European cohorts[J]. Epidemiology, 2014, 25(3):368-378.

[20]

臧希文, 齐向前. PM2.5对心血管系统的影响[J].中国循环杂志, 2018, 33(3):305-307.

[21]

陈志永, 陈小岳, 董慧斌, 等.常州市大气细颗粒物对老年人死亡影响的时间序列研究[J].现代预防医学, 2019, 46(7):1181-1185.

上一张 下一张
上一张 下一张

[基金项目] 陕西省自然科学基础研究计划(2019JQ-993)

[作者简介]

[收稿日期] 2020-05-06

【点击复制中文】
【点击复制英文】
计量
  • PDF下载量 (35)
  • 文章访问量 (122)
  • XML下载量 (0)
  • 被引次数 (0)

目录

西安市大气PM2.5短期暴露对人群心脑血管系统疾病死亡的影响

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