近年来我国空气污染由传统的煤烟型向复合型（煤烟型和机动车尾气混合污染）转变，汽车尾气中的氮氧化物和挥发性有机物通过光化学反应生成臭氧（ozone,O₃），导致大气O₃污染逐渐加重。O₃已经成为我国空气污染的主要问题之一。O₃是氮氧化物和挥发性有机物等在大气中通过一系列光化学反应生成的二次污染物，对人体健康和生态环境均可产生较大影响^[1]。

昆明市是云南省省会，是一座低纬度高原山地城市，日照充足，紫外辐射强。近年来随着环保力度的加大，大气质量逐步向好，优良天气越来越多，但随着城市发展建设，机动车保有量的增加，O₃浓度逐年上升，O₃逐渐成为昆明空气污染不可忽视的问题。

国外大量关于大气O₃暴露对于人群危害的生态学研究发现，O₃浓度与人群非意外死亡、住院数、急诊数等多种健康结局存在相关性^[2-4]。国内的流行病学研究也发现大气中O₃浓度的上升会导致我国人群非意外总死亡率、心血管系统疾病死亡率和呼吸系统疾病死亡率增加，且中国O ₃短期暴露对死亡风险影响的暴露-反应关系系数较高^[5-7]。国内目前已有研究多位于北方或沿海发达地区，针对云南省O₃暴露与人群健康的流行病学研究相对较少，且昆明市地理位置特殊，研究昆明市O₃暴露对人群非意外死亡的影响，对昆明市居民的健康防护有现实意义。因此，本研究使用时间序列方法评价昆明市大气O₃暴露对居民非意外死亡的影响。

1.   材料与方法

1.1   资料来源

从中国疾病预防控制中心死因登记报告系统收集2017—2019年昆明市主城区常住人口死因资料，指标包括性别、死亡时间、出生日期、根本死因，对根本死因按照世界卫生组织制定的国际疾病分类第10版（International Classification of Diseases-10, ICD-10）进行分类，非意外死亡为A00~R99，心血管系统疾病死亡为I00~I99，呼吸系统疾病死亡为J00~J99。从昆明市生态环境局和昆明市气象局收集同期污染物资料和气象资料，污染物指标包括O₃（指标为O₃-8 h）、可吸入颗粒物（inhalable particulates, PM₁₀）、细颗粒物（fine particulate matter, PM_2.5）、二氧化氮（nitrogen dioxide, NO₂）、二氧化硫（sulfur dioxide, SO₂）和一氧化碳（carbon monoxide, CO），气象指标包括日照小时数、日均温度、日均气压和相对湿度。本研究数据使用通过昆明市疾病预防控制中心生物医学研究伦理委员会审查（编号：02）。

1.2   统计学处理

采用广义相加模型分析昆明市常住居民非意外死亡人数与当日及滞后效应的O₃浓度的相关性^[8]。广义相加模型公式为：lg[E(Y_t)]＝$\beta $Z_t+ns(V_time,ν)+ns(V_temp,ν)+ns(V_rhum,ν)+V_dow+V_intercept。式中：E(Y_t)为观察日ｔ死亡人数的数据期望；β为回归系数；Z_t为第t日的O₃质量浓度（浓度），μg·m⁻³；ns为自然样条平滑函数；V_time代表时间；V_temp代表平均温度；V_rhum代表平均相对湿度；ν代表自由度；V_dow代表星期，以分类变量的形式纳入模型；V_intercept代表截距。日均温度、日均相对湿度、时间长期趋势和季节趋势采用自然样条平滑函数拟合。基于经验^[8]日均温度、日均相对湿度自由度ν选择为3，基于赤池信息法则^[9]确定时间趋势自由度ν为9·年⁻¹。分析O₃-8 h浓度对居民每日非意外死亡人数的当日（lag0）、单日（lag1~lag3）及平均滞后效应（lag01~lag03），计算O₃-8 h浓度每升高10 μg·m⁻³，居民非意外死亡增加的超额危险度（excess risk, ER）及95%置信区间（confidence interval, CI）。

分析大气污染物O₃对居民非意外死亡的单日及平均滞后效应的影响，选择其中最显著的效应日，调整时间在自然样条函数中不同的自由度和实施双污染物模型（选择相关性r<0.6的PM₁₀、PM_2.5、SO₂、O₃、CO）分析，以判断模型的稳定性。

采用SPSS 20.0分析，气象、大气污染物和居民非意外死亡数据采用$\bar x \pm s $、最小值、最大值和百分位数（P₂₅、M、P₇₅）进行统计描述；采用Spearman相关分析大气污染物之间及与气象指标的相关性，检验水准α=0.05。运用R4.11分析软件进行时间序列分析，计算O₃-8 h浓度每升高10 μg·m⁻³对各类指标的影响，同时分冷季（12—2月）、暖季（5—8月）对季节因素进行探讨。

2.   结果

2.1   O₃概况

2017—2019年昆明市大气质量主要为优良，偶有轻度污染，无中重度污染。O₃超标成为昆明轻度污染的主要原因，O₃超过一级、二级标准的天数和O₃-8 h浓度的均值和P₉₀均呈现逐年增加的趋势。见表1。

表  1  昆明市2017—2019年大气O₃概况

Table  1.  Overview of ambient O₃ in Kunming from 2017 to 2019

时间	O3导致轻度污染的天数/d	O3超过一级标准的天数/d	O3超过二级标准的天数/d	浓度/（μg·m−3）
				$\bar x \pm s $	最小值	P25	M	P75	P90	最大值
2017	1	99	1	79.9±31.4	12.5	56.3	76.0	102.8	123.9	170.8
2018	4	115	4	83.8±32.9	9.5	59.8	75.3	111.6	130.5	170.0
2019	8	119	8	89.2±32.1	12.8	68.0	83.1	111.3	134.6	183.7

下载: 导出CSV 

| 显示表格

2.2   描述性分析

大气污染物资料显示：2017—2019年，昆明市O₃-8 h平均浓度为（84.3±32.3）μg·m⁻³，达到国家一级标准；P₇₅为107.7 μg·m⁻³，超过国家一级标准；最大值为183.7 μg·m⁻³，超过国家二级标准。死因监测资料显示，昆明市居民非意外死亡中，男性占比59.2%，65岁以上人口占比76.9%。人群死亡数、大气污染物浓度和气象因素概况见表2。

表  2  2017—2019年昆明市人群死亡数、大气污染物浓度和气象因素概况

Table  2.  Deaths, air pollutants, and meteorological factors in Kunming from 2017 to 2019

指标	$\bar x \pm s $	最小值	P25	M	P75	最大值
每日死亡人数/(例·d−1)
非意外死亡总数	42.4±10.3	20	35	41	48	91
男性	25.1±6.8	10	20	24	29	55
女性	17.3±5.4	5	14	17	20	43
≤65	9.8±3.5	1	7	10	12	23
>65	32.6±8.6	15	27	31	37	70
心血管系统疾病	18.4±5.8	5	14	18	22	45
呼吸系统疾病	7.5±3.3	0	24	5	7	9
大气污染物浓度
O3-8 h/(μg·m−3)	84.3±32.3	9.5	61.8	79.0	107.7	183.7
NO2/(μg·m−3)	32.3±8.6	13.5	25.5	31.5	37.5	74.0
CO/(mg·m−3)	0.8±0.2	0.3	0.7	0.8	1.0	1.8
PM2.5/(μg·m−3)	27.5±12.8	7.2	18.2	24.5	34.7	101.2
PM10(μg·m−3)	51.3±22.9	14.2	34.5	46.0	65.7	173.8
SO2/(μg·m−3)	13.1±4.6	5.3	10.0	12.3	15.2	39.2
气象因素
气压/hPa	810.9±3.2	803.0	808.6	810.7	813.1	822.4
温度/℃	16.1±4.8	0.1	12.3	16.5	20.1	25.4
相对湿度/%	70.2±13.6	32.0	60.8	72.8	80.8	97.0
日照小时数/(h·d−1)	6.4±3.8	0.0	3.0	7.5	9.8	12.9

下载: 导出CSV 

| 显示表格

对2017—2019年昆明市大气O₃-8 h每日浓度和居民每日非意外死亡数绘图，得到O₃-8 h和每日死亡人数的时间序列图（图1）。由图可见，每年春季（3—5月）为大气O₃-8 h浓度的高峰季节，每年冬季（12—2月）为每日非意外死亡人数的高峰季节。

图  1  昆明市大气O₃-8 h浓度及人群非意外死亡的时间序列图

Figure  1.  Time series of O₃-8 h atmospheric mass concentration and non-accidental deaths in Kunming

下载: 全尺寸图片 幻灯片

2.3   相关性分析

Spearman相关分析显示（表3），O₃-8 h除了与CO相关没有统计学意义，与其他大气污染物均存在一定程度的正相关，其中与PM₁₀（r=0.448）和PM_2.5相关性较强（r=0.397）。O₃-8 h与温度、日照小时数呈正相关，与气压、相对湿度呈负相关，其中与日照小时数（r=0.553）和相对湿度（r=-0.655）相关性最强。

表  3  2017—2019年昆明市O₃-8 h与其他大气污染物、气象指标的相关系数

Table  3.  Correlation coefficients of O₃-8 h with other air pollutants and meteorological indicators in Kunming from 2017 to 2019

O3-8 h	大气污染物						气象因素
	NO2	CO	PM2.5	PM10	SO2		气压	温度	相对湿度	日照小时数
r值	0.158	0.019	0.397	0.448	0.248		−0.214	0.291	−0.655	0.553
P值	<0.01	0.54	<0.01	<0.01	<0.01		<0.01	<0.01	<0.01	<0.01

下载: 导出CSV 

| 显示表格

2.4   时间序列分析

全人群单日滞后效应在lag0最大，其后呈现逐渐下降的趋势，lag0时O₃-8 h浓度每升高10 μg·m⁻³，居民非意外死亡风险增加0.70%（95%CI：0.11%~1.29%）。平均滞后效应强于单日滞后，在lag01最大，其后也呈现逐渐下降的趋势，lag01和lag02时 O₃-8 h浓度每升高10 μg·m⁻³，死亡风险增加0.79%（95%CI：0.14%~1.44%）、0.75%（95%CI：0.08%~1.43%）。

人群分层分析显示：女性平均滞后效应强于单日滞后，单日滞后效应和平均滞后效应均呈现先上升后下降的趋势，在lag2和lag02处达到高峰，lag2和lag02时，O₃-8 h浓度每升高10 μg·m⁻³，非意外死亡风险增加0.80%（95%CI：0.08%~1.53%）、1.05%（95%CI：0.09%~2.03%）；>65岁人群平均滞后效应强于单日滞后，单日滞后效应在lag0处最大，其后逐渐下降，平均滞后效应先上升后下降，在lag02达到高峰，lag0和lag01、lag02时，O₃-8 h浓度每升高10 μg·m⁻³，非意外死亡风险增加0.82%（95%CI：0.16%~1.48%）、0.93%（95%CI：0.20%~1.67%）、0.96%（95%CI：0.20%~1.73%）；在男性人群与≤65岁人群中效应均无统计学意义。见图2。

图  2  O₃-8 h浓度每升高10 μg·m⁻³对昆明市人群非意外死亡的影响

A：全人群；B：男性；C：女性；D：≤65岁；E：＞65岁。

Figure  2.  Effects of per 10 μg·m⁻³ increase of O₃-8 h concentration on non-accidental deaths in Kunming

下载: 全尺寸图片 幻灯片

分冷季（12—2月）、暖季（5—8月）对不同季节进行探讨发现（图3），暖季平均滞后效应总体上大于单日滞后效应，单日滞后效应在lag0最大，其后逐渐下降，lag0时ER值为0.91%（95%CI：0.12%~1.70%），平均滞后效应先上升后下降，在lag02达到最大，lag01和lag02时ER值分别为0.98%（95%CI：0.12%~1.86%）、1.00%（95%CI：0.07%~1.93%），冷季效应无统计学意义。对死亡原因按照心血管疾病死亡和呼吸系统疾病死亡进行分析，效应未发现统计学意义。见图4。

图  3  不同季节O₃-8 h浓度每升高10 μg·m⁻³对昆明市人群非意外死亡的影响

A：暖季；B：冷季。

Figure  3.  Effects of per 10 μg·m⁻³ increase of O₃-8 h concentration in different seasons on non-accidental deaths in Kunming

下载: 全尺寸图片 幻灯片

图  4  O₃-8 h浓度每升高10 μg·m⁻³对昆明市人群心血管系统疾病（A）、呼吸系统疾病（B）死亡的影响

Figure  4.  Effects of per 10 μg·m⁻³ increase of O₃-8 h concentration on deaths of cardiovascular diseases (A) and respiratory diseases (B) in Kunming

下载: 全尺寸图片 幻灯片

2.5   敏感性分析

选择效应最强的lag01，调整时间在自然样条函数中不同的自由度，观察对ER（95%CI）的影响，判断模型的稳定性，结果显示在7~11的自由度之间，人群非意外死亡风险的ER（95%CI）没有明显变化，见图5。选择效应最强的lag01引入其他污染物，观察对ER（95%CI）的影响，发现单独引入PM_2.5、PM₁₀、SO₂、NO₂、CO和引入PM_2.5+PM₁₀+SO₂+NO₂+CO后，O₃-8 h浓度对人群非意外死亡的影响变化均没有统计学意义，见图6。

图  5  不同时间自由度对模型稳定性的影响

Figure  5.  Influence of different time degrees of freedom on model stability

下载: 全尺寸图片 幻灯片

图  6  不同污染物模型下（lag01）ER及95%CI

Figure  6.  ER and 95%CI under different pollutant models (lag01)

下载: 全尺寸图片 幻灯片

3.   讨论

本研究对2017—2019年昆明市大气污染物浓度进行研究，发现虽然目前昆明市O₃浓度仍处于一个较低水平，但是近年来O₃浓度逐年增高，偶有超过二级标准的情况发生，且昆明市颗粒物等大气污染物浓度逐年下降，已经很少导致轻度污染，O₃已经成为导致昆明市出现轻度污染的首要污染物，表明研究昆明市O₃对人群健康的影响具有重要意义。

时间序列图显示每年3—5月为大气O₃-8 h浓度的高峰季节，呈现单峰值，这与京津冀O₃高值出现在夏季，峰值出现在6月不同，这可能与昆明春季日照充足，白天地表温度较高，容易在入夜时产生逆温有关^[10]。O₃与气象因素的相关研究显示O₃-8 h浓度与温度、日照小时数呈正相关，与气压、相对湿度呈负相关。京津冀夏季温度较高，日照充足，而昆明夏季（6—8月）为湿季，多云多雨，日照较少，表明这种高峰值的差异可能是由气候差异引起。同时O₃与气象因素的相关研究结果提示O₃浓度在无云少云高日照、高温、无降水的天气较高，当此类气象出现时，应注意加强预警，提醒居民加强防护。O₃-8 h与 PM₁₀和PM_2.5相关性较强，可能与两者都来源于机动车尾气和在逆温等不利于大气污染物扩散的天气时浓度均较高有关，该研究结果提示在O₃浓度较高时，颗粒物浓度也可能较高，需同时加强两者的防护。

广义相加模型分析结果显示，单日滞后情况下，O₃-8 h浓度每升高10 μg·m⁻³，当天居民非意外死亡的死亡风险增加0.70%（95%CI：0.11%~1.29%）；平均滞后情况下，O₃-8 h浓度每升高10 μg·m⁻³，lag01和lag02时死亡风险增加0.79%（95%CI：0.14%~1.44%）、0.75%（95%CI：0.08%~1.43%），说明昆明市O₃浓度升高会增加人群非意外死亡的风险，且存在滞后效应，平均滞后效应大于单日滞后效应。滞后效应主要集中在1~2 d。效应与珠三角地区的0.81%（95%CI：0.63%~1.00%）接近，高于上海的0.31%（95%CI：0.13%~0.48），这可能与污染物浓度、气候、人群构成不同有关^[5]。

对死亡居民的性别和年龄进行分层分析，发现O₃-8 h浓度每升高10 μg·m⁻³，在lag2和lag02，女性非意外死亡风险增加，而男性人群结果无统计学意义，提示女性可能对O₃更加敏感。陈琦^[11]、Zhao等^[12]的研究也发现同样规律，可能是由性别间职业、文化水平差异导致暴露机会不同引起。周权等^[13]研究发现男性相对女性更加敏感，这种研究差异可能由昆明、福州两地人群构成、地理环境、大气污染等潜在健康影响因素不同造成。本研究发现>65岁人群lag0、lag01、lag02时非意外死亡风险增加，65岁及以下人群死亡风险增加未发现统计学意义，提示65岁以上人群可能为O₃影响的易感人群。这一发现与既往研究一致^[11-13]，可能与老年人免疫力低下、循环系统功能下降有关^[14]。对季节分暖季和冷季进行分析，本研究发现暖季O₃-8 h浓度每升高10 μg·m⁻³，lag0、lag01和lag02时居民非意外死亡的死亡风险均增加，冷季效应无统计学意义，表明暖季时人群对O₃暴露的危害更加敏感。这与芦静等^[15]发现一致，这可能与暖季时昆明O₃浓度比冷季要高有关，也可能与暖季时人们户外活动较大，暴露概率较高有关。

本研究同时研究了O₃暴露对心血管疾病和呼吸系统疾病死亡的影响，结果并未发现死亡风险与O₃暴露的相关性。叶伟鹏^[6]、陈琦^[11]、芦静^[15]等研究发现O₃短期暴露会导致心血管系统疾病死亡风险增加，本研究的不同发现可能与死亡指标敏感度低于发病指标以及昆明市心血管系统疾病死亡人数较少有关。陈浪^[1]研究发现O₃短期暴露与呼吸系统疾病死亡具有关联，叶伟鹏^[6]的研究则并未发现该规律。O₃具有强氧化性，且人体吸入80%~90%被呼吸道吸收，对呼吸系统有强烈刺激和损伤^[1]。本次流行病学研究未能发现O₃短期暴露与呼吸系统疾病死亡风险的相关性，可能与O₃对人体呼吸道损伤引起发病较多、死亡可能较少及昆明市呼吸系统疾病死亡人数较少有关。

本研究敏感性分析显示在7~11的自由度之间，O₃-8 h浓度与人群非意外死亡的ER（95%CI）没有明显变化，表明模型稳定。单独引入PM_2.5、PM₁₀、SO₂、NO₂、CO，O₃-8 h浓度对人群非意外死亡的影响变化均没有统计学意义。引入其他污染物导致效应下降可能与污染物的相互作用有关，也可能与共线性有关。芦静等^[15]发现仅纳入PM₁₀后包头人群死亡风险降低，纳入PM_2.5、NO₂、SO₂、CO后死亡风险均升高。贾云飞等^[16]发现当纳入PM_2.5、PM₁₀、NO₂、CO时，大气O₃对南京人群循环系统疾病死亡风险的影响均有一定程度的降低；当纳入污染物SO₂时，死亡风险有一定程度的增加。引入其他污染物会影响O₃对人群健康效应，表明O₃对人群健康的危害可能不是独立效应，效应大小受到其他大气污染物的影响。昆明市其他污染物对O₃对人群健康效应的影响与包头、南京不同，可能与各地污染物浓度、构成比例、颗粒物成分、气候、人群构成不同有关。

本研究存在一定局限性。首先，本研究以环境监测站的O₃ 监测浓度代表人群平均暴露水平，但是多数人的主要活动时间在室内，呼吸高度主要为呼吸带高度，而环境监测站点O₃浓度与人群呼吸带O₃浓度，室内室外O₃浓度可能存在差异，因此人群真实O₃暴露水平与环境监测站点O₃浓度可能存在差异。其次，本研究仅分析了居民死亡的风险，未研究住院率、发病率等更敏感指标，未能发现O₃对不同系统疾病的健康影响。最后，本次研究是基于人群水平的数据而非个体水平的数据，属于生态学研究，无法避免生态学谬误存在的可能性。

综上，本研究显示昆明市O₃短期暴露会导致人群非意外死亡风险增加且存在滞后效应，女性和65岁以上人群为敏感人群，暖季时（5—8月）O₃污染对人群非意外死亡风险增加较为显著。昆明市O₃污染已对人群健康造成威胁，需加强对O₃污染的监测和治理，对敏感人群开展针对性的健康教育。