張 瑩 王式功,2 張 婕 馮鑫媛 張小玲,3 胡文東 賈旭偉

【提 要】 目的 評估成都市氣溫暴露造成的人群死亡歸因風(fēng)險。方法 本研究收集成都市2014-2016年人群呼吸和心腦血管疾病逐日死亡資料，以及同期的氣象資料和大氣污染物資料，利用時間序列分析方法和分布滯后非線性模型，在控制污染物等混雜因素的基礎(chǔ)上，探明氣溫對當(dāng)?shù)睾粑托哪X血管疾病死亡的影響，并定量估算了由不同溫度段造成的歸因死亡人數(shù)和人群歸因分值(AFs)。結(jié)果 成都市氣溫對呼吸和心腦血管疾病死亡的累積暴露-反應(yīng)關(guān)系近似呈“L”型，22.2℃為最適溫度(MMT)，其對應(yīng)死亡風(fēng)險最?。唤?jīng)計算，由氣溫直接造成的呼吸和心腦血管疾病年均超額死亡人數(shù)分別為3121例和4043例，對應(yīng)AFs分別為15.69%和15.81%，其中歸因于冷效應(yīng)(

在全球氣候異常變化、極端天氣氣候事件發(fā)生頻率明顯增加的大背景下，天氣氣候的異常變化對人類健康的影響也漸趨凸顯[1-2]，已成為了現(xiàn)階段人們關(guān)注的熱點。其中以氣溫異常變化的影響尤為顯著，如高溫?zé)崂?、低溫寒潮以及氣溫驟變等均會對相關(guān)人群健康產(chǎn)生直接的不利影響，且不同區(qū)域差異較大[3-4]。國外及國內(nèi)發(fā)達(dá)重點城市和地區(qū)率先開展了該方面的相關(guān)研究[5-8]，但以往的研究更多的側(cè)重于極端天氣(主要包括高溫?zé)崂?、低溫寒潮?以及氣溫變幅(24h變溫、氣溫日較差)對人群健康的不利影響，而忽略了弱低(高)溫對人群健康的潛在效應(yīng)，繼而導(dǎo)致由氣溫造成超額發(fā)病/死亡負(fù)擔(dān)的影響評價不夠全面。Gasparrini等人[9]在對美國、巴西、加拿大等13個國家的溫度-死亡關(guān)系的風(fēng)險評估中發(fā)現(xiàn)：極端氣溫(包括高溫和低溫)和弱低(高)溫均會導(dǎo)致超額死亡人數(shù)的增加，且不同區(qū)域差異較大。近期Chen等[10]對我國272個城市2013-2015年由氣溫導(dǎo)致的總死亡及不同疾病死亡的歸因風(fēng)險開展了類似的研究，并進(jìn)一步劃分氣候區(qū)進(jìn)行研究，發(fā)現(xiàn)我國由氣溫造成的呼吸和心腦血管疾病死亡的歸因風(fēng)險分別為10.57%和17.48%，還發(fā)現(xiàn)氣溫對我國不同地區(qū)疾病死亡影響存在地域性差異。成都市作為我國第四大人口城市，不同溫度段對當(dāng)?shù)厝巳航】涤绊懙难芯窟€不夠充分，這方面的研究還有待深入和加強(qiáng)。

本研究收集了2014-2016年成都市逐日呼吸和心腦血管疾病死亡人數(shù)以及同期的氣象和污染物資料，借助時間序列分析方法和分布滯后非線性模型(distributed lag non-linear model,DLNM)[11]，在探明氣溫對當(dāng)?shù)睾粑托哪X血管疾病死亡人數(shù)影響整體效應(yīng)的基礎(chǔ)上，開展不同溫度段對相關(guān)系統(tǒng)疾病死亡影響的風(fēng)險評估。以期為當(dāng)?shù)卣跋嚓P(guān)部門依據(jù)天氣變化開展天氣敏感性疾病的合理防控提供科學(xué)依據(jù)和技術(shù)支持。在全球變暖大背景下，為準(zhǔn)確評估氣溫的健康效應(yīng)提供科學(xué)指導(dǎo)。

資料與方法

1.資料來源

病例資料來自中國疾病預(yù)防控制中心(Chinese center for disease control and prevention)收集到的2014年1月1日至2016年12月31日成都市死亡病例資料。借助SQLServer2016數(shù)據(jù)庫，根據(jù)ICD-10[12]對病例資料進(jìn)行分類整理。經(jīng)統(tǒng)計，收集到的總死亡(ICD10:A00～R99)數(shù)據(jù)共計243135例，其中呼吸系統(tǒng)疾病(ICD10:J00～J99)死亡數(shù)據(jù)59676例，心腦血管疾病(ICD10:I00～I(xiàn)99)死亡數(shù)據(jù)76721例。

氣象資料：來源于中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)中國地面氣象資料成都市2014年1月1日至2016年12月31日的日均氣象資料，主要包括日最高(低)氣溫(℃)、日均氣溫(℃)、日均相對濕度(%)和日均風(fēng)速(m/s)等。

環(huán)境空氣質(zhì)量數(shù)據(jù)：本研究所用同期大氣污染物資料來源于四川省環(huán)境監(jiān)測總站質(zhì)量控制后發(fā)布的污染數(shù)據(jù)資料，包括PM2.5(μg/m3),PM10(μg/m3),SO2(μg/m3),NO2(μg/m3)和CO(mg/m3)日均濃度資料，經(jīng)檢查數(shù)據(jù)完整無缺失。

2.研究方法

本研究利用R軟件(3.4.4版本)中的 “mgcv”，“dlnm”程序包進(jìn)行時間序列分析方法和DLNM建模。大量研究表明[6,13-14]，氣溫等環(huán)境暴露因素的健康效應(yīng)均存在一定的持續(xù)和滯后效應(yīng)，換言之，人群健康指標(biāo)(如發(fā)病率、死亡率等)不僅與當(dāng)天的暴露水平有關(guān)，還可能受前幾天甚至更長時間前暴露水平的影響。就氣溫而言，對人群健康影響的最長滯后時間可達(dá)3周(21d)[15-16]。DLNM模型通過交叉基函數(shù)(cross-basis)實現(xiàn)同時描述因變量在自變量維度與滯后維度的分布[10]，最終以暴露-滯后-反應(yīng)關(guān)系三維空間分布圖直觀地展示暴露因素的滯后效應(yīng)和非線性效應(yīng)，這為開展環(huán)境因素的歸因風(fēng)險評估提供了新的思路。廣義相加模型GAM(generalized additive models)作為環(huán)境對人群健康影響的主流時間序列模型，擅長處理因變量和眾多自變量之間復(fù)雜的非線性關(guān)系[14]。因此，本文以GAM為模型框架，首先利用DLNM構(gòu)建出氣溫的交叉基函數(shù)，隨后采用GAM進(jìn)行死亡人數(shù)與各影響因素之間暴露-響應(yīng)關(guān)系的擬合。模型基本框架如下：

Log[E(Yt|x)]=βTempt,l+ns(Time,3×8)+ns(Wind,3)+ns(RH,3)+PM10+SO2+NO2+PM2.5+CO+DOW+Holiday+α

(1)

Yt為每日死亡人數(shù)；E(Yt|x)為每日死亡人數(shù)估計值；Tempt,l為通過DLNM產(chǎn)生的交叉基，最長滯后時間為21d，β為日均氣溫的系數(shù)，利用赤池信息準(zhǔn)則(akaike information criterion，AIC)確定交叉基函數(shù)中的自由度(df)，采用相對危險度(relative risk，RR)作為短期暴露效應(yīng)評價指標(biāo)[17]；ns()為三次樣條函數(shù)，Time為時間序列，Wind和RH分別為日均風(fēng)速和相對濕度，調(diào)節(jié)各項自由度，選定具有最小AIC和殘差PACF值的作為最優(yōu)模型[18]。最終Time的df為8/年；Wind和RH的df均為3。PM2.5,PM10,SO2,NO2和CO五種污染物作為混雜效應(yīng)，均以線性形式引入；DOW和Holiday依次為周末效應(yīng)和節(jié)假日效應(yīng)，二者都以啞元變量的形式引入；α為殘差。

首先，通過公式(1)構(gòu)建出氣溫與死亡人數(shù)的暴露-滯后-反應(yīng)關(guān)系，依照氣溫風(fēng)險累積效應(yīng)最小計算出最適氣溫(MMT)，將其作為歸因風(fēng)險評估的基線水平，在此基礎(chǔ)上，分別估算冷效應(yīng)(

歸因風(fēng)險的基礎(chǔ)指標(biāo)是歸因人數(shù)(attribute numbers,ANs)和人群歸因分值(attribute fractions,AFs)。其中AFs表示如果人群不再暴露于某風(fēng)險因子，相對健康結(jié)局減少的數(shù)量占該健康結(jié)局的比例[21]。如果已知健康結(jié)局的總數(shù)和AFs，則可計算出對應(yīng)的ANs，這些指標(biāo)可以同樣理解為風(fēng)險因子采取干預(yù)措施后可以達(dá)到的效果。本研究中風(fēng)險因子為氣溫，氣溫累積滯后21d對死亡人數(shù)影響的AFs和ANs計算公式分別為：

(2)

ANs=n·AFs

(3)

RRi為和基線水平相比，各暴露水平下的相對危險度；l0和L分別為最小滯后天數(shù)和最大滯后天數(shù)；βxi為暴露水平為i時的效應(yīng)參數(shù)，n為死亡總?cè)藬?shù)。

為驗證模型的穩(wěn)定性，本研究通過改變模型(1)中時間序列的自由度為6～9、日均風(fēng)速和相對濕度的自由度分別為3～5，對其進(jìn)行敏感性分析。

結(jié) 果

1.變量描述性統(tǒng)計

表1為2014年1月1日至2016年12月31日成都市呼吸和心腦血管疾病死亡人數(shù)及同期氣象要素和污染物濃度統(tǒng)計表，研究時段內(nèi)收集到呼吸和心腦血管疾病死亡人數(shù)各59676和76721例，分別占總死亡人數(shù)的24.54%和31.55%，這兩大系統(tǒng)疾病死亡人數(shù)之和超過總死亡人數(shù)的55%，說明這兩大系統(tǒng)疾病為該地區(qū)導(dǎo)致死亡的主要疾病。由表1可知，呼吸和心腦血管疾病對應(yīng)的日均死亡人數(shù)分別為54.45和70.00例。成都市屬于亞熱帶季風(fēng)性濕潤氣候，年均氣溫、最高氣溫和最低氣溫依次為16.56℃、21.34℃和13.26℃，平均風(fēng)速為1.29 m/s，相對濕度為81.74%。研究時段內(nèi)成都市PM10、PM2.5、SO2、NO2和CO五種污染物的日均濃度依次為109.09μg/m3、65.93μg/m3、15.99μg/m3、52.41μg/m3和1.12mg/m3。

表1 2014-2016年成都市呼吸和心腦血管疾病死亡人數(shù)及氣象要素和污染物的描述性分析

*：P25,P50和P75分別為第25、50和75百分位數(shù).

2.氣溫對不同疾病死亡人數(shù)的影響研究

圖1為2014-2016年成都市日均氣溫分別對呼吸和心腦血管疾病死亡影響的暴露-滯后-反應(yīng)關(guān)系圖，由圖可知，氣溫對人群健康的影響存在持續(xù)和滯后效應(yīng)，且不同溫度水平下其滯后效應(yīng)在維度上的變化差異較大。以呼吸為例，高溫表現(xiàn)出“即時效應(yīng)”，即高溫條件下，高溫對死亡影響的相對危險度在當(dāng)天(lag0)達(dá)到最大，隨著時間的后延，RR迅速降低；低溫效應(yīng)則存在明顯的滯后，低溫發(fā)生當(dāng)天對應(yīng)RR并未達(dá)到最大，隨著時間的后延，低溫效應(yīng)開始顯現(xiàn)，RR先增加后減小，峰值出現(xiàn)在lag2d。氣溫對心腦血管影響的分布與氣溫對呼吸影響的分布形態(tài)較為類似，但值得注意的是：就成都市而言，強(qiáng)高溫對呼吸的影響較顯著，而強(qiáng)低溫對心腦血管的影響則更為顯著。

圖1 2014-2016年成都市日均氣溫對呼吸和心腦血管疾病死亡影響的暴露-滯后-反應(yīng)關(guān)系圖

3.不同溫度段短期效應(yīng)的歸因風(fēng)險

圖2為氣溫對呼吸和心腦血管疾病影響的累積暴露-反應(yīng)關(guān)系和氣溫頻數(shù)分布圖，由圖可知，氣溫對呼吸和心腦血管疾病影響的累積-暴露-反應(yīng)關(guān)系均呈“L”型，即冷效應(yīng)和熱效應(yīng)均會造成死亡風(fēng)險的增加，且溫度越低RR越大，表明死亡風(fēng)險越大。且22.2℃為最適溫度(MMT)，此時對應(yīng)死亡風(fēng)險最小。以該溫度閾值為基準(zhǔn)，分別討論冷效應(yīng)(

圖2 成都市日均氣溫對呼吸和心腦血管疾病死亡影響的累積效應(yīng)和氣溫頻數(shù)分布圖

在上述基礎(chǔ)上，以2.5th(3.29℃)和97.5th(27.6℃)氣溫百分位點作為臨界點，進(jìn)一步將溫度劃分為強(qiáng)低溫、弱低溫、弱高溫和強(qiáng)高溫4個溫度段，經(jīng)統(tǒng)計(表2)，發(fā)現(xiàn)由不同溫度段造成的呼吸和心腦血管疾病超額死亡人數(shù)由高到低依次為：弱低溫>強(qiáng)低溫>弱高溫>強(qiáng)高溫，其中弱低溫效應(yīng)占主導(dǎo)，由弱低溫造成的呼吸和心腦血管疾病超額死亡人數(shù)分別為6009和9629例，對應(yīng)的AFs為10.07%(95%CI:4.53,15.61)和12.16%(95%CI:3.71,20.61)。綜上所述，氣溫對人群健康的影響主要以低溫為主，而在低溫中弱低溫的健康效應(yīng)最為顯著。究其原因，一方面較高的MMT導(dǎo)致冷效應(yīng)段包含了較多的溫度頻次；另一方面，雖然弱低溫對應(yīng)的死亡風(fēng)險(RR)小于強(qiáng)低溫對應(yīng)的死亡風(fēng)險，但弱低溫段溫度發(fā)生頻次高，這是弱低溫造成呼吸和心腦血管疾病死亡人數(shù)最多的一個主要原因。

表2 2014-2016年成都市氣溫短期暴露對當(dāng)?shù)睾粑托哪X血管疾病死亡人數(shù)影響的歸因風(fēng)險(AFs)及歸因人數(shù)(ANs)

為進(jìn)一步細(xì)化溫度效應(yīng)，接下來將氣溫的死亡歸因風(fēng)險細(xì)化到每1℃，圖3為每度對應(yīng)的溫度頻數(shù)分布及其對呼吸和心腦血管死亡影響的歸因風(fēng)險(AFs)分布圖。由圖可知，雖然溫度頻次高值區(qū)位于21℃，但AFs高值對應(yīng)的溫度主要集中在弱低溫段，呼吸和心腦血管對應(yīng)的AFs峰值均為6℃。經(jīng)統(tǒng)計，3～10℃范圍內(nèi)的溫度出現(xiàn)頻次占總溫度頻次的23.90%，但該溫度段造成的呼吸和心腦血管疾病死亡的AFs分別為8.17%和8.58%，占整體溫度造成死亡負(fù)擔(dān)的52.08%和54.30%?？梢?，該溫度段是導(dǎo)致呼吸和心腦血管等氣象敏感性疾病死亡的高發(fā)溫度段。圖4為研究時段內(nèi)成都市日均氣溫的時間序列圖，從圖中可以看出3～10℃主要集中在冬-春季/秋-冬季的季節(jié)轉(zhuǎn)化過渡時期。

圖3 氣溫頻次分布及每度氣溫對應(yīng)呼吸和心腦血管疾病死亡歸因風(fēng)險分布圖

圖4 日均氣溫時間序列圖

本研究通過改變模型中時間序列、日均風(fēng)速和相對濕度的自由度對其進(jìn)行敏感性分析，當(dāng)時間序列、日均風(fēng)速和相對濕度取不同的自由度時(表3)，氣溫對呼吸和心腦血管疾病死亡影響的歸因風(fēng)險變化不大，表明該模型穩(wěn)健。

表3 氣溫導(dǎo)致的呼吸和心腦血管疾病死亡歸因風(fēng)險模型的敏感性分析

*：Time:時間序列；Wind:平均風(fēng)速；RH:相對濕度。

討 論

本研究發(fā)現(xiàn)成都市日均氣溫對呼吸和心腦血管疾病死亡影響的累積效應(yīng)的暴露-反應(yīng)關(guān)系均呈“J”型，22.2℃為最適溫度點，其對應(yīng)死亡人數(shù)最少。由氣溫造成的呼吸和心腦血管超額死亡人數(shù)分別為9363和12130例，對應(yīng)的AFs分別為15.69%和15.81%。Yang J等[19]研究報告中指出氣溫對長春、北京和上海心腦血管疾病死亡影響的最適溫度分別為20.6℃、24.9℃和24.5℃，對應(yīng)的AFs分別為12.9%、20.1%和10.1%；Chen R等[10]研究指出氣溫對應(yīng)的我國平均最適溫度為22.8℃，由氣溫引起的我國呼吸和心腦血管疾病的歸因風(fēng)險分別為10.57%和17.48%；Gasparrini[22]研究指出，氣溫引起的倫敦和羅馬死亡人數(shù)對應(yīng)的AFs分別為13.59%和12.58%。由此說明，不同區(qū)域氣溫對當(dāng)?shù)厝巳寒a(chǎn)生的死亡風(fēng)險差異較大，在今后的研究中應(yīng)該分區(qū)域進(jìn)行。此外，本研究還發(fā)現(xiàn)冷效應(yīng)和熱效應(yīng)均會產(chǎn)生死亡風(fēng)險。成都市由冷效應(yīng)造成的呼吸和心腦血管疾病死亡對應(yīng)的AFs分別為11.52%和13.76%；而熱效應(yīng)對應(yīng)的AFs分別為4.17%和2.05%?？梢姡蓺鉁卦斐傻某~死亡負(fù)擔(dān)中冷效應(yīng)占主導(dǎo)，熱效應(yīng)所占比重相對較小。本研究結(jié)果與國內(nèi)外[10,23-24]其他地區(qū)的研究結(jié)果一致，均認(rèn)為低溫健康風(fēng)險大于高溫健康風(fēng)險。究其原因，一方面，高溫和低溫對人體影響的機(jī)制差異較大，醫(yī)學(xué)研究表明：高溫能夠引起機(jī)體心率升高、血液粘度增加、從而導(dǎo)致人體內(nèi)的鹽、水代謝失調(diào)，效應(yīng)出現(xiàn)快且持續(xù)時間短；而低溫則主要引起血管收縮、血壓改變、炎癥反應(yīng)等，效應(yīng)持續(xù)時間較長，造成的影響也更大[15,17]。另一方面，本研究結(jié)果與成都市當(dāng)?shù)貧夂驐l件、經(jīng)濟(jì)水平、人群特征、生活習(xí)慣等因素也有一定的關(guān)聯(lián)，夏季當(dāng)?shù)厝巳合矚g借助空調(diào)等手段改變生活環(huán)境，進(jìn)而使得高溫效應(yīng)降低，相對于低溫而言，現(xiàn)階段尚無集體供暖措施，相對于高溫，低溫時段人為干預(yù)相對較少，低溫對人群的健康效應(yīng)相對較為客觀。

本研究將氣溫分為強(qiáng)高溫、弱低溫、弱高溫和強(qiáng)低溫四段，發(fā)現(xiàn)由弱低溫造成的呼吸和心腦血管疾病死亡對應(yīng)的AFs分別為10.07%和12.16%，雖然弱低溫段對應(yīng)的RR小于強(qiáng)低溫段對應(yīng)的RR，但弱低溫發(fā)生頻次高，這是導(dǎo)致弱低溫造成超額死亡人數(shù)最多的重要原因之一。同時，通過進(jìn)一步細(xì)劃分氣溫并計算每1℃造成的疾病死亡歸因風(fēng)險，發(fā)現(xiàn)成都市導(dǎo)致呼吸和心腦血管超額死亡最大的溫度段位于3～10℃范圍(處于弱低溫段)，該段溫度出現(xiàn)頻次占總溫度頻次的23.90%，但由其造成呼吸和心腦血管疾病死亡的AFs占由整體溫度造成超額死亡負(fù)擔(dān)的52.08%和54.30%。究其原因：該溫度段主要集中在冬春季/秋冬季節(jié)交替時段，而此時大氣環(huán)流正處在一個自我調(diào)整的狀態(tài)，冷暖氣團(tuán)交匯頻繁，溫度變幅較大，氣溫驟升驟降時有發(fā)生。有研究表明：氣溫的驟變極易誘發(fā)呼吸和心腦血管等天氣敏感性疾病的發(fā)病和死亡，尤其對已患有呼吸和心腦血管等慢性疾病的老年人群尤為顯著[25]。其次，隨著全球變暖，導(dǎo)致季節(jié)轉(zhuǎn)化/過渡時間明顯縮短，使得人體適應(yīng)季節(jié)過渡的時間不夠充裕，進(jìn)而更易誘發(fā)各種天氣敏感性疾病[26]。因此弱低溫段內(nèi)包含的季節(jié)過渡也是導(dǎo)致弱低溫段死亡人數(shù)較多的一個重要原因。

本研究尚存在一些不足之處，首先，受收集資料的限制，本研究僅評估了成都市氣溫短期暴露對呼吸和心腦血管疾病死亡人數(shù)影響的歸因風(fēng)險，而尚未開展我國其他城市和地區(qū)氣溫對人群健康影響的研究；其次，本研究也未開展氣溫對不同性別、年齡段影響的差異研究。希望在后續(xù)的研究中，隨著收集資料的增加，進(jìn)一步彌補(bǔ)本研究存在的不足。但與以往研究相比，本研究不再局限于分析氣溫變化單位幅度的效應(yīng)，而是定量評估了氣溫暴露的整體疾病負(fù)擔(dān)，同時對溫度進(jìn)行分段研究，發(fā)現(xiàn)弱低溫對人群健康的影響占主導(dǎo)，提醒人們在今后的研究中應(yīng)該重視弱低溫效應(yīng)造成的患病及死亡負(fù)擔(dān)。

結(jié) 論

暴露-滯后-反應(yīng)關(guān)系研究結(jié)果表明：成都市高溫對呼吸和心腦血管疾病死亡的影響存在“即時效應(yīng)”，當(dāng)天風(fēng)險最大；而低溫的滯后和持續(xù)效應(yīng)更為顯著，RR峰值出現(xiàn)在lag2d。

2014-2016年成都市日均氣溫與呼吸和心腦血管疾病死亡人數(shù)的累積暴露-反應(yīng)關(guān)系曲線均呈“L”型，表明極冷和極熱均會導(dǎo)致死亡人數(shù)的增加。由氣溫造成的呼吸和心腦血管超額死亡人數(shù)占總死亡人數(shù)的15.69%和15.81%；冷效應(yīng)對應(yīng)的AFs分別為11.52%和13.76%；熱效應(yīng)對應(yīng)的AFs分別為4.17%和2.05%?？梢?，氣溫對人群健康的不利影響中冷效應(yīng)占主導(dǎo)。

利用2.5th、97.5th溫度百分位數(shù)和MMT三個點將成都市氣溫劃分為強(qiáng)低溫、弱低溫、弱高溫和強(qiáng)高溫4個溫度段，由弱低溫造成的呼吸和心腦血管超額死亡人數(shù)占總死亡人數(shù)11.56%和11.59%，可見4個溫度段中弱低溫對應(yīng)的死亡風(fēng)險最高。雖然弱低溫對應(yīng)的RR小于強(qiáng)低溫對應(yīng)的RR，但弱低溫出現(xiàn)頻次高，這是弱低溫造成超額死亡人數(shù)最多的主要原因之一。

成都市每度(1℃)的死亡歸因風(fēng)險研究結(jié)果表明：3～10℃范圍內(nèi)的溫度頻次占總溫度頻次的23.90%，但由該溫度段造成的呼吸和心腦血管疾病死亡的AF分別為8.17%和8.58%，分別占整體溫度造成死亡負(fù)擔(dān)的52.08%和54.30%。表明弱低溫段包含的季節(jié)過渡也是造成弱低溫段超額死亡人數(shù)較多的一個重要原因。