龔天宜,孫兆彬,張小玲,王式功

?

人群的自然和社會屬性分類下PM2.5對心血管疾病的影響

龔天宜1,2,孫兆彬2*,張小玲1,3**,王式功1,3

(1.成都信息工程大學(xué)大氣科學(xué)學(xué)院,高原大氣與環(huán)境四川省重點實驗室,四川 成都 610225；2.中國氣象局北京城市氣象研究所,北京 100089；3.上海市氣象與健康重點實驗室,上海 200030)

為了研究人群在自然屬性和社會屬性分類下的效應(yīng)修飾作用,利用2005~2011年北京市大氣PM2.5日均濃度、氣象要素及循環(huán)系統(tǒng)疾病每日死亡人數(shù)數(shù)據(jù),根據(jù)不同年齡、性別及學(xué)歷將人群分組,采用時間序列的半?yún)?shù)廣義相加模型(GAM),定量評價大氣PM2.5對居民循環(huán)系統(tǒng)疾病死亡人數(shù)的影響.單污染物模型和多污染物模型結(jié)果表明,PM2.5為影響循環(huán)系統(tǒng)疾病每日死亡人數(shù)的主要大氣污染物.北京市空氣中PM2.5的濃度每增加10μg/m3,循環(huán)系統(tǒng)疾病總死亡人數(shù)增加0.50% (95%CI: 0.36, 0.63).不同人群的易感程度不同,各人群死亡人數(shù)的增加范圍為0.23~0.71%,女性、60~74歲人群、文盲人群的健康風(fēng)險相對較高.在文盲人群中,老年(60+)女性占比為66.2%,為了分離社會屬性人群分類中可能存在的自然屬性因素干擾,本文去除其中老年、女性這兩個混雜因素的影響,文盲人群健康風(fēng)險仍然大于較高學(xué)歷的人群.年齡和性別因素疊加在學(xué)歷因素上,可能加大低學(xué)歷人群的健康風(fēng)險,對于這部分疊加了自然因素和社會因素雙重敏感性的人群應(yīng)給與重點關(guān)注.

不同人群；細(xì)顆粒物；心血管疾??；時間序列；效應(yīng)修飾作用

近年來,北京的重度霧霾天氣受到國際社會的高度關(guān)注,我國也積極出臺強(qiáng)有力的治理措施,使得北京的PM2.5年均濃度從2013年的90μg/m3降至2017年的58μg/m3[1],但北京地區(qū)重污染頻發(fā)這一現(xiàn)狀仍未得到徹底解決[2].據(jù)學(xué)者估算,我國2010年大氣環(huán)境中的PM2.5污染使得125萬人過早死亡,比2000年高出了42%[3].現(xiàn)有的流行病學(xué)和毒理學(xué)研究顯示,在大氣污染物中,顆粒物污染的人群不良健康效應(yīng)最為顯著,且顆粒物粒徑越小效應(yīng)越強(qiáng),會對人體心肺系統(tǒng)等造成誘發(fā)疾病、加重病情等眾多不利影響[4-5].從20世紀(jì)90年代以來,國際上開始了對于顆粒物污染的人體健康急性和慢性影響的流行病學(xué)評估.應(yīng)用時間序列和隊列研究等方法,近年來我國研究人員對PM2.5污染的呼吸系統(tǒng)毒性、心血管系統(tǒng)毒性等方面的健康效應(yīng)研究也有較為豐碩的成果[6-9].的易感人群是當(dāng)今學(xué)界關(guān)注的熱點.Bell等[10]通過對1995~2012年間發(fā)表的108篇相關(guān)文獻(xiàn)進(jìn)行meta分析,歸納出了國際上大致認(rèn)可的顆粒物短期暴露與人群死亡或住院風(fēng)險之間的關(guān)聯(lián)及相關(guān)修飾效應(yīng)結(jié)論.結(jié)果顯示,有確鑿證據(jù)證明年齡具有顯著效應(yīng)修飾作用,而性別的效應(yīng)修飾作用證據(jù)不夠顯著,至于證明教育程度低、收入或就業(yè)狀況較差人群具有較高風(fēng)險這一論斷的可信證據(jù)則更加缺乏.換而言之,從人的社會屬性角度(學(xué)歷、收入或就業(yè)狀況)出發(fā)的研究,其結(jié)論的不確定性較大.由于缺少相關(guān)醫(yī)療數(shù)據(jù),目前國內(nèi)對于大氣顆粒物健康效應(yīng)的流行病學(xué)研究多集中于全人群范圍[11-14].在我國南方地區(qū),如Lin等[15]在珠江三角洲地區(qū)、復(fù)旦大學(xué)公共衛(wèi)生學(xué)院的研究團(tuán)隊在廣州[16]和上海[17]有過幾個討論不同分類人群易感程度的研究,但是中國南、北方城市的污染水平、排放源清單、顆粒物成分、人群結(jié)構(gòu)都有所不同,關(guān)于北京市易感人群的研究仍有待開展.

基于此,本研究采用時間序列的半?yún)?shù)廣義相加模型(GAM),探討北京市大氣PM2.5濃度對不同年齡、性別及學(xué)歷人群的心血管疾病死亡人數(shù)的影響.并從學(xué)歷(社會屬性)因素中剝離年齡、性別(自然屬性)因素的干擾,從而研究不同人群自然屬性和社會屬性之間的交互影響.研究結(jié)果將為保護(hù)易感人群提供依據(jù), 也為城市大氣污染物健康效應(yīng)評價奠定基礎(chǔ),同時為北京地區(qū)大氣污染防治措施和政策的制定提供直接的科學(xué)依據(jù).

1 材料與方法

1.1 材料

本研究時段為2005年1月1日~2011年12月31日.每日大氣污染物濃度均值數(shù)據(jù)包括PM2.5和氣態(tài)污染物SO2、NO2,來源于寶聯(lián)大氣成分觀測站,該站為城區(qū)站,附近無工業(yè)污染源,以居民和辦公區(qū)為主,為北京市氣象局所建設(shè)運行的準(zhǔn)業(yè)務(wù)研究觀測站,有專職人員負(fù)責(zé)日常儀器維護(hù)和數(shù)據(jù)質(zhì)量控制,對北京市具有較好的區(qū)域代表性[18-19].PM2.5數(shù)據(jù)采自美國Rupprecht&Patashnick公司生產(chǎn)的TEOM1400a系列環(huán)境顆粒物監(jiān)測儀,儀器原理是錐形元件振蕩微量天平方法,可以連續(xù)測量大氣中顆粒物的質(zhì)量濃度.原始數(shù)據(jù)的采樣及數(shù)據(jù)分析周期為5min,7a間PM2.5日均值缺失率為2%,未對缺測值進(jìn)行處理.SO2數(shù)據(jù)采自EC9841型氮氧化物分析儀,采用化學(xué)發(fā)光法進(jìn)行測量.NO2數(shù)據(jù)采自EC9850型二氧化硫分析儀,應(yīng)用紫外熒光原理進(jìn)行測量.

本研究的氣象資料(包括氣溫、氣壓、風(fēng)速、相對濕度和降雨量數(shù)據(jù)的日均值)來源于北京觀象臺(39°48￠N,116°28￠E),位于北京市東南五環(huán).該站點為北京范圍內(nèi)的中國地面國際交換站,為國家基本氣象站,所有獲取的數(shù)據(jù)均經(jīng)過國家氣象信息中心嚴(yán)格的質(zhì)量控制和檢查.

本研究中所用到的疾病數(shù)據(jù)來自于中國疾病預(yù)防疾病控制中心(CDC)全國疾病監(jiān)測系統(tǒng)死因監(jiān)測數(shù)據(jù)集,覆蓋了北京市2005年1月1日~2011年12月31日之間所有死亡人口.根據(jù)第十版國際疾病分類編碼(ICD-10)對死因進(jìn)行分類,心血管疾病資料共229223例.根據(jù)死者家庭住址地區(qū)編碼,剔除非北京市居住的人群資料,以確保研究對象均來自當(dāng)?shù)氐某＞尤丝?再根據(jù)年齡(45~59、60~75、>75)、性別(男性、女性)及學(xué)歷(文盲、小學(xué)、中學(xué)及以上)對全人群進(jìn)行分組.由于2005年北京市居民死亡人口的受教育程度記錄不全,本研究使用的學(xué)歷分類數(shù)據(jù)的時間跨度為2006~2011年,其他組別的日死亡人數(shù)數(shù)據(jù)的時間跨度均為2005~2011年.

1.2 方法

本研究采用SPSS19.0統(tǒng)計軟件進(jìn)行統(tǒng)計描述和分析,采用R3.4.3軟件中的“mgcv”軟件包對數(shù)據(jù)進(jìn)行建模和定量分析.相對于總?cè)丝诙?北京每天的循環(huán)系統(tǒng)疾病死亡人口屬于小概率事件,其實際分布更近似Poisson分布.因此本研究將回歸模型(Possion)引入半?yún)?shù)廣義相加模型(GAM)[20]中,利用該模型來研究大氣污染物的短期波動對循環(huán)系統(tǒng)疾病死亡率變化的急性影響.

首先,利用非參數(shù)平滑樣條函數(shù)排除“星期幾效應(yīng)”、長期趨勢等混雜因素的影響,根據(jù)AIC值最小原則,確定非參數(shù)平滑樣條函數(shù)的自由度取值.氣象因素也是需要排除的混雜因素之一,本研究分別引入氣溫、氣壓、相對濕度、風(fēng)速到模型中,若某氣象因子的引入沒有使模型的AIC值降低,則棄用該氣象因子,反之則保留.再將PM2.5日均濃度作為線性變量引入模型中,同心血管疾病每日死亡人數(shù)建立泊松廣義相加模型.在建立模型的過程中,考慮到大氣細(xì)顆粒物對心血管疾病每日死亡人數(shù)的滯后效應(yīng),對各污染物當(dāng)日(lag0)及1~6d前濃度(lag1、lag2、……、lag6)分別建立GAM模型,同樣采用AIC準(zhǔn)則對模型進(jìn)行檢驗,確定最佳滯后天數(shù),選擇最優(yōu)模型進(jìn)行暴露-反應(yīng)關(guān)系分析.具體模型如下:

log[(Y)]=+DOW+′X+(time,df)+s(Z,df) (1)

式中:Y為第日的心血管疾病死亡人數(shù);(Y)為第日的心血管疾病死亡人數(shù)的期望值;為截距;DOW代表處理“星期幾效應(yīng)”的虛擬函數(shù);為暴露-反應(yīng)關(guān)系系數(shù);X為第日的PM2.5濃度;為非參數(shù)樣條平滑函數(shù);time為日歷時間;df為自由度;Z為第日的某種氣象要素.

在確定最優(yōu)模型后,將PM2.5、SO2、NO2這3種污染物引入模型,目的是在檢驗單污染物模型敏感性的同時,分析多種污染物協(xié)同作用下大氣污染物對居民健康造成的影響如何變化,由此確定研究期間影響心血管疾病每日死亡人數(shù)的主要危險因子.根據(jù)GAM模型估算出暴露-反應(yīng)關(guān)系系數(shù),計算當(dāng)PM2.5變化單位濃度時,每日死亡人數(shù)的相對危險度(RR).本研究中, RR部分的單位濃度變化為污染物濃度的四分位間距(IQR). RR =EXP(IQR).在此基礎(chǔ)上計算出RR的95%置信區(qū)間(95%CI)為:EXP[(±1.96SE)′IQR].污染物濃度每增加10mg/m3,心血管疾病日死亡人數(shù)變化的百分比為:

10/IQR′(RR-1)′100% (2)

按照上述原則和步驟,分別對不同年齡、性別、學(xué)歷的各層次人群逐個建立模型,估算PM2.5對不同人群健康的影響.

為了探討性別及年齡對污染物造成的健康風(fēng)險的效應(yīng)修飾作用,檢驗性別、年齡、學(xué)歷的不同分層間是否存在顯著性差別,采用下述公式計算兩層間差別的95%CI[21].如果置信區(qū)間不包括0,說明兩層間污染物效應(yīng)的差別具有統(tǒng)計學(xué)意義.

2 結(jié)果與分析

2.1 描述性分析

大氣污染物、氣象因素以及心血管疾病每日死亡人數(shù)的頻數(shù)分布見表1.研究期間北京PM2.5、SO2和NO2的日均濃度分別為75.9,42.3和49.1μg/m3, PM2.5和NO2的濃度都超過了國家二級標(biāo)準(zhǔn)[22].平均溫度為13.4℃,相對濕度為51.6%,平均風(fēng)速為2.3m/s,平均氣壓為1012.5hPa,符合北京市暖溫帶半濕潤半干旱季風(fēng)氣候的特征.

表1 北京市2005~2011年北京市心血管疾病每日死亡人數(shù)、空氣污染物及氣象因素描述性分析 Table 1 Descriptive statistics of daily environmental variables and cardiovascular mortality in Beijing, China, 2005~2011

對心血管疾病原始資料進(jìn)行統(tǒng)計分析得知(表格未在文中展示),男性占比為54.7%,高于女性.從年齡來看,居民中45歲及以上者,即中年及老年死者占絕大多數(shù),占比為97.2%.考慮到低年齡段死者對于研究細(xì)顆粒物的健康影響與學(xué)歷的關(guān)系的干擾,及其對于學(xué)歷背后可能折射的社會經(jīng)濟(jì)學(xué)現(xiàn)象的干擾,因此,在本文的年齡、學(xué)歷兩個群組中,僅使用45歲及以上死者的統(tǒng)計數(shù)據(jù).參照文獻(xiàn)[23],本研究對北京市45歲及以上人群按照45~59歲(中年)、60~74歲(老年前期)、75歲及以上(老年)3個年齡段人群進(jìn)行分組研究.其中,45~59歲死亡者相對較少,數(shù)量和構(gòu)成比分別為25479例、11.1%,60~74歲、75歲及以上死亡者構(gòu)成比分別為29.5%、56.6%.其次,對2006~2011年45歲及以上死亡者按學(xué)歷分成文盲、小學(xué)、中學(xué)及以上組,3組人數(shù)的數(shù)量級相當(dāng),構(gòu)成比分別為39.1%、33.0%、27.9%.

2.2 單污染物模型擬合分析

2.2.1 PM2.5與心血管疾病死亡人數(shù)的暴露反應(yīng)關(guān)系 圖1表示PM2.5濃度每升高一個IQR單位(64μg/m3),心血管疾病的相對危險度(RR)及其在lag0~6的變化趨勢,lag0~2的所有數(shù)據(jù)點都具有統(tǒng)計學(xué)意義.從當(dāng)天到滯后6d,大部分?jǐn)?shù)據(jù)組的相對危險度數(shù)值變化趨勢有較好的一致性,都是先增加并在lag1處達(dá)到最大值再逐漸減小.全人群的RR最大值則出現(xiàn)在lag1(圖1(a)),為1.032(95%置信區(qū)間(CI):1.023,1.041),這也意味著,北京地區(qū)大氣中PM2.5的濃度每增加10μg/m3,心血管疾病總死亡人數(shù)增加0.50% (95%CI: 0.36, 0.63).值得一提的是,男性組的所有數(shù)據(jù)都通過了顯著性檢驗,而此組的RR值在lag5~6時顯示出輕微上升趨勢.在所有人群分組中,最大的95%置信區(qū)間范圍出現(xiàn)在中年組(45~59歲)(圖1(b)).

圖1 北京市不同人群PM2.5的相對危險度與滯后時間關(guān)系的單污染物模型分析結(jié)果 Fig.1 Estimated percentage increase in cardiovascular mortality (95% CI) and lag days structure for an IQR increase in PM2.5 using the single-pollutant models

2.2.2 人群的自然屬性分組研究結(jié)果 本文從人群先天具有的自然屬性的角度出發(fā),探討對于不同年齡、性別的人群而言,大氣中PM2.5濃度與循環(huán)系統(tǒng)疾病死亡人數(shù)之間的聯(lián)系.雖然組間的修飾效應(yīng)差異并未通過顯著性檢驗,但是從結(jié)果來看,各組在數(shù)值上的區(qū)別較為明顯(表2).

關(guān)于性別的修飾作用,本研究發(fā)現(xiàn)心血管疾病的女性人群健康風(fēng)險均高于男性.北京大氣PM2.5濃度每升高10μg/m3,男性和女性的心血管疾病死亡人數(shù)升高的百分比分別為0.55%(95%CI:0.47,0.64)和0.49%(95%CI:0.37,0.64).關(guān)于年齡的修飾作用,研究結(jié)果顯示,因PM2.5濃度升高而導(dǎo)致的心血管疾病超額死亡率(Excess Risk, ER)在兩個老年人組(60~74, 75+)間的差別不大.大氣PM2.5濃度每升高10μg/m3, 60~74歲和75歲以上人群的超額死亡率分別為0.63% (95%CI:0.48,0.78)和0.62%(95%CI:0.51, 0.73).與年長者相比,中年人(45~59歲)的超額死亡率為0.23%(95%CI:-0.01,0.47).

2.2.3 人群的社會屬性分組研究結(jié)果 本文從人群后天獲得的社會屬性的角度出發(fā),探討對于不同學(xué)歷人群,大氣PM2.5濃度變化所引起的心血管疾病健康風(fēng)險,試圖從學(xué)歷(社會屬性)因素中剝離出其中摻雜的年齡、性別(自然屬性)因素的干擾,從而研究不同人群自然屬性和社會屬性之間的交互影響.

首先,本文直接按照文盲、小學(xué)和中學(xué)及以上3個受教育程度級別對人群分組.結(jié)果顯示,低學(xué)歷人群的健康風(fēng)險明顯大于較高學(xué)歷人群(表2).PM2.5濃度每升高10μg/m3,文盲、小學(xué)和中學(xué)及以上人群的循環(huán)系統(tǒng)疾病的超額死亡率分別為0.71%(95%CI: 0.54,0.88)、0.63%(95%CI:0.46,0.81)和0.47%(95%CI: 0.26,0.60).

表2 PM2.5濃度每升高10μg/m3引起北京市居民心血管疾病每日死亡人數(shù)增加的百分比及95%CI Table 2 Estimated percentage increase in cardiovascular mortality (95% CI) for a 10μg/m3increase in PM2.5 in different subgroups

注:***表示<0.001.

然而,通過檢視原始數(shù)據(jù)發(fā)現(xiàn),不同年齡段、不同性別的學(xué)歷人群結(jié)構(gòu)的差異較為明顯. 如表3所示,在75~89歲這一年齡段(顯然全部都是1949年前出生),文盲、小學(xué)、中學(xué)及以上這3種學(xué)歷級別的人群比例近似于5:3:2,其中,文盲的男女比例近似于3:7,中學(xué)及以上的男女比例近似于7:3. 其他年齡段的各個學(xué)歷級別人群比例及其對應(yīng)的男女比例差異也較大. 對于學(xué)歷研究部分的原始數(shù)據(jù)中存在的明顯年齡、性別差異,容易產(chǎn)生以下疑問:前文得出的隨教育程度的升高健康風(fēng)險明顯降低這一結(jié)論是否會摻雜年齡、性別的影響.

表3 不同年齡段、不同性別的學(xué)歷人群結(jié)構(gòu) Table 3 Inhabitant structure of education attainment level in different age or sex groups

為了解決這一質(zhì)疑,本文選取北京市2006~2011年循環(huán)系統(tǒng)疾病死者中的45~89歲人群(占循環(huán)系統(tǒng)疾病全人群的91.1%),進(jìn)一步設(shè)計了2組實驗開展更細(xì)致的分組研究.第一組實驗,為了控制年齡這個可能的混雜因素,將45~89歲人群以15歲(研究時段長度的兩倍)為跨度分為3大組,分別代表中年(多為1949年后出生)、老年前期、老年(均為1949年前出生)人群,在每個大組內(nèi)按學(xué)歷分為文盲、小學(xué)、中學(xué)及以上3個小組,第一組實驗共計9個小組.第二組實驗,為了控制性別這個可能的混雜因素,將45~89歲人群按上述學(xué)歷分層劃分為3大組,在每個大組內(nèi)分成男、女2個小組,第二組實驗共計6個小組.

PM2.5濃度每增加10μg/m3,各小組的死亡人數(shù)增加百分比如圖2所示,其中,除了45~59歲的文盲小組(該組樣本數(shù)量最少,為1569例,其余組別的樣本數(shù)量均超過4300例),其他15個小組的結(jié)果均通過了顯著性檢驗(<0.001).第一組(圖2(a)),45~59歲年齡段中文盲、小學(xué)和中學(xué)及以上人群的超額死亡率分別為0.43%(95%CI:-0.56,1.49)、0.63%(95%CI: 0.04,1.23)和0.48%(95%CI:0.13,0.84),60~74歲年齡段的分別為0.84%(95%CI:0.48,1.21)、0.65% (95%CI:0.34,0.96)和0.55%(95%CI:0.25,0.84),75~89歲年齡段的分別為0.74%(95%CI:0.53,0.94)、0.59% (95%CI:0.34,0.85)和0.34%(95%CI:0.07,0.61).結(jié)果顯示,在同一個年齡段內(nèi),健康風(fēng)險均隨受教育程度的升高而降低,60~74歲年齡段的文盲、小學(xué)、中學(xué)及以上3組別的超額死亡率均大于前文中的粗略分組結(jié)果(0.71%、0.63%、0.47%).第二組(圖2(b)),男性中文盲、小學(xué)和中學(xué)及以上人群的超額死亡率分別為0.62%(95%CI:0.40,0.84)、0.49%(95%CI:0.23, 0.75)和0.29%(95%CI:-0.02,0.61),女性的分別為0.68%(95%CI:0.41,0.95)、0.51%(95%CI:0.29,0.72)和0.37%(95%CI:0.18,0.56).結(jié)果顯示,在同一種性別分組中,健康風(fēng)險均隨受教育程度的升高而降低.

2.3 多污染物模型擬合分析

為了檢驗?zāi)Ｐ偷姆€(wěn)健性、考察PM2.5是否為影響心血管疾病每日死亡人數(shù)的主要大氣污染物,研究中引入了氣態(tài)污染物SO2、NO2,多污染模型各污染物的相對危險度見表4. PM2.5在 lag1有最大的滯后效應(yīng),SO2和NO2的最大滯后效應(yīng)在lag0,所有數(shù)值均通過了顯著性檢驗.對總?cè)藬?shù)來說,在單污染物模型中,PM2.5、SO2、NO2對應(yīng)的RR值分別為1.032、1.021、1.017,PM2.5的最高,SO2高于NO2.在多污染物模型中,PM2.5、SO2、NO2對應(yīng)的RR值分別為1.030、1.019、1.014,PM2.5的最高,其次是SO2,NO2最低.結(jié)果表明,當(dāng)我們將PM2.5、SO2、NO2三種污染物一同引入模型中時,PM2.5的RR值較單污染模型有所降低但仍是最高的,它的相對危險度被SO2和NO2所共同分擔(dān),并且SO2分擔(dān)較多.

表4 大氣污染影響心血管疾病日死亡總?cè)藬?shù)的相對危險度及95%CI(多污染物模型) Table 4 Estimated percentage increase in cardiovascular mortality (95% CI) for an IQR increase in PM2.5using the multi-pollutant models

注:***表示<0.001,**表示<0.01.

3 討論

為了探討細(xì)顆粒物污染環(huán)境下是否存在心血管疾病死亡的易感人群,本研究從人先天具有的自然屬性和后天獲得的社會屬性兩個角度出發(fā),對北京地區(qū)的不同年齡、性別及學(xué)歷的人群進(jìn)行了分層分析.結(jié)果表明,北京地區(qū)空氣中的PM2.5的濃度每增加10μg/m3,心血管疾病總死亡人數(shù)增加0.50%,最佳滯后天數(shù)在lag1.綜合PM2.5、SO2、NO2的多污染物模型結(jié)果來看,本文中的數(shù)學(xué)模型穩(wěn)健性較高,PM2.5表現(xiàn)為影響心血管疾病每日死亡人數(shù)的主要污染物.不同人群的易感程度也有所不同,女性、60~74歲、文盲人群分別為3種分類下的易感人群,疊加了這3種特征的人群占總樣本數(shù)量的4.4%.本研究發(fā)現(xiàn),在去除了女性、老年這兩個混雜因素影響后,文盲人群健康風(fēng)險仍然高于較高學(xué)歷人群,年齡和性別因素疊加在學(xué)歷因素上,可能加大低學(xué)歷人群的健康風(fēng)險.

3.1 PM2.5與心血管疾病死亡人數(shù)的暴露反應(yīng)關(guān)系

從全人群的角度而言,本研究與國內(nèi)外使用同類方法得到的結(jié)果具有較好的一致性. Chen等人[24]在北京研究發(fā)現(xiàn),當(dāng)PM2.5每上升10μg/m3時,人群心血管系統(tǒng)疾病死亡人數(shù)百分比增加0.58%(95%CI: 0.35,0.81),本研究結(jié)果(0.50%(95%CI:0.36,0.63))與其高度一致.Kan等[25]在上海的研究發(fā)現(xiàn),PM2.5每上升10μg/m3,心血管疾病死亡人數(shù)增加0.41%(95% CI:0.01%,0.82%). Franklin等[26]和Pelucchi等[27]對美國27個都市區(qū)、歐洲(meta分析)的研究分別發(fā)現(xiàn),當(dāng)PM2.5濃度每升高10μg/m3,心血管系統(tǒng)疾病每日死亡率分別上升0.94%(95%CI:-0.14%,2.02%)、1.11%(95%CI:1.06%,1.16%). Atkinson等[28]對2011年之前發(fā)表的110篇相關(guān)文獻(xiàn)進(jìn)行meta分析,發(fā)現(xiàn)PM2.5濃度每升高10μg/m3,世界范圍內(nèi)的人群非意外總死亡和心血管疾病死亡率分別增加1.04% (95%CI:0.52%,1.56%)和0.84%(95%CI:0.41%, 1.28%),并且觀察到了顯著的地區(qū)性差異.同國外研究結(jié)果相比,我國PM2.5污染水平較高但相對危險度普遍較低,國外PM2.5污染水平較低但相對危險度高[29-30].對于這種現(xiàn)象,有學(xué)者通過對北京地區(qū)人群健康的研究,發(fā)現(xiàn)大氣顆粒物的健康效應(yīng)風(fēng)險存在關(guān)鍵污染濃度段,即人群對PM2.5在20~60μg/m3濃度范圍內(nèi)的濃度變化最敏感[31].

本研究中,細(xì)顆粒物對于循環(huán)系統(tǒng)疾病人群存在顯著的健康效應(yīng),前人進(jìn)行了很多人體生物學(xué)機(jī)制方面的探索[5,32-33].細(xì)顆粒物的粒徑微小,可被吸入呼吸道的深處,進(jìn)入細(xì)支氣管和肺泡,并通過氣血屏障進(jìn)入體循環(huán).在細(xì)胞中,細(xì)顆粒物可直接作為脂質(zhì)和蛋白質(zhì)的促氧化劑或作為自由基發(fā)生劑,促進(jìn)氧化應(yīng)激并誘導(dǎo)炎癥反應(yīng).

3.2 人群的自然屬性和社會屬性分組研究

本研究探討了人群的自然屬性(性別、年齡)和社會屬性(學(xué)歷)對于PM2.5健康效應(yīng)的修飾效應(yīng)及相對易感人群.本文發(fā)現(xiàn)PM2.5對女性人群心血管疾病的健康影響大于男性,該結(jié)論與此前大部分關(guān)于成年人空氣污染健康影響的性別修飾效應(yīng)的研究結(jié)論較為一致.這種現(xiàn)象可能是由于兩性的生理學(xué)和暴露模式的差異造成的,皮膚吸收、肺功能和吸入氣體體積等生理特征及指標(biāo)因性別而異,男性和女性在職業(yè)、活動模式、吸煙狀況和社會經(jīng)濟(jì)地位方面也存在一定差異[34].研究發(fā)現(xiàn),固體燃料、廚房油煙、家庭涂裝等造成的室內(nèi)污染對于女性的呼吸系統(tǒng)疾病發(fā)病率和死亡率有顯著影響[35-36].然而,正如最近的一篇綜述所言,不同國家、不同社會之間的性別差異體現(xiàn)方式有所不同,性別對空氣污染存在效應(yīng)修飾作用的原因也尚無定論[37],對此有待進(jìn)行更深入的研究.

與其他研究類似,本研究發(fā)現(xiàn)PM2.5對老年人(>60)心血管疾病的健康影響大于年輕一些的人群[38-40].這可能與老年人在冠心病、高血壓及其他心血管疾病上的較高發(fā)病率,以及人到老年心血管的功能退化有關(guān)[41].結(jié)果顯示,健康風(fēng)險在兩個老年人組(60~74,75+)之間的差異不大,這與某些研究得出的更老的老年人的健康風(fēng)險更高的結(jié)論不同[42],可能是因為研究地區(qū)及人群結(jié)構(gòu)的差異.此外,由于中年組的樣本數(shù)量較少,所以該組的95%置信區(qū)間范圍較大.關(guān)于這些不確定性,接下來仍需進(jìn)一步探索以找尋各年齡組之間更明顯的差異及其可能的原因.

本研究發(fā)現(xiàn),當(dāng)PM2.5濃度升高時,較低學(xué)歷人群所面臨的心血管疾病的健康風(fēng)險明顯大于學(xué)歷較高人群,從文盲、小學(xué)到中學(xué)及以上人群,隨著教育程度的升高健康風(fēng)險逐級降低.學(xué)界普遍認(rèn)為,在流行病學(xué)研究中,受教育程度可以作為居民社會經(jīng)濟(jì)地位(SES)的替代指標(biāo)[43].對此國際上已經(jīng)做了一些研究,比如探討在各個SES級別的群體中是否存在顆粒物污染的易感人群,但是研究結(jié)果不盡相同[44-45].曾有學(xué)者對中國南部的長江三角洲、珠江三角洲地區(qū)的一些城市進(jìn)行了相關(guān)探索[15-17,25,38,40,46],對人群分兩種受教育程度進(jìn)行研究,發(fā)現(xiàn)較低學(xué)歷人士的健康風(fēng)險更高,但關(guān)于北京地區(qū)的更細(xì)致學(xué)歷分類的研究還較為缺乏.本研究中學(xué)歷較低人群對于空氣污染健康風(fēng)險的易感性,原因可能是低社會經(jīng)濟(jì)地位人群缺乏自身防護(hù)意識或可取的有效保護(hù)手段,他們的營養(yǎng)狀況和衛(wèi)生保健條件也較差[46].

本研究發(fā)現(xiàn),對于2006~2011年間北京的死亡人口,在心血管分類下的文盲人群中(共計70734例)老年(>60)女性占66.2%.這種現(xiàn)象在全國普遍存在, 2010年中國人口普查資料[47]顯示,關(guān)于文盲人口占15歲及以上人口比重,全國范圍內(nèi)的平均水平為4.88%,其中的男女比例近似于3:7;北京市則為1.89%,其中的男女比例近似于2:8.由于近百年尤其是中華人民共和國成立后(1949~)中國的快速發(fā)展,本研究中不同年齡段、不同性別的學(xué)歷人群結(jié)構(gòu)的變化較為明顯,基于該現(xiàn)象,本文開始研究不同人群自然屬性和社會屬性之間交互影響.不同于先天自然屬性因素人群分類所固有的相對獨立的特性,后天社會屬性因素人群分類中還可能摻雜自然因素(性別、年齡)影響,這也是從人的社會屬性角度(學(xué)歷、收入或就業(yè)狀況)出發(fā)的前人研究難以獲得效應(yīng)修飾作用的顯著證據(jù)的可能原因.因此,本文進(jìn)一步設(shè)計了兩組實驗開展更細(xì)致的分組研究,希望通過組內(nèi)對照的方式排除年齡、性別的干擾,從而得到學(xué)歷對顆粒物健康效應(yīng)可能造成的更為真實的影響.結(jié)果顯示,在同一個年齡段內(nèi)或同一種性別分組中,健康風(fēng)險均隨受教育程度的升高而降低,尤其是60~74歲年齡段的文盲、小學(xué)、中學(xué)及以上3個學(xué)歷組別的超額死亡率均大于前文中的粗略分組結(jié)果.這表明,在剝離了年齡、性別這兩個混雜因素的干擾之后,學(xué)歷因素仍然表現(xiàn)為一個獨立的因素,這就在一定程度上證明了它對于PM2.5的急性健康效應(yīng)具有效應(yīng)修飾作用,并且當(dāng)年齡和性別因素疊加在學(xué)歷因素上,可能加大低學(xué)歷人群的健康風(fēng)險.換而言之,當(dāng)先天具有的自然型因素疊加在后天獲得的社會型因素上時,可能加大受教育程度等社會型因素本身的效應(yīng)修飾作用,這部分對應(yīng)的疊加人群應(yīng)得到重點關(guān)注.

3.3 局限性說明

本文也存在一定的局限性.首先,本研究估計總?cè)丝诘谋┞妒怯靡粋€監(jiān)測站點監(jiān)測結(jié)果的均值代替.考慮到污染物濃度在城市各區(qū)域的非均勻分布,這可能會增加模擬結(jié)果的不確定性.其次,本文發(fā)現(xiàn)各組別的樣本數(shù)量對于GAM模型的模擬結(jié)果存在一些影響,極個別組別的樣本數(shù)量較少,其模擬結(jié)果的置信區(qū)間較大甚至未通過顯著性檢驗,雖然本文通過調(diào)整分組設(shè)計縮小了一些組別間的樣本數(shù)量差距,這還是可能對結(jié)果造成一定偏倚.第三,和發(fā)達(dá)國家相比,由于我國醫(yī)療數(shù)據(jù)的獲取難度較大,本研究只是在一個城市,樣本量和樣本資料的多因素維度都受到影響,也無法排除個體的混雜因素如吸煙、飲酒、體重等對于空氣污染健康效應(yīng)估計結(jié)果的干擾.以上問題都給本研究的模擬結(jié)果增加了一些不確定性.

4 結(jié)論

4.1 PM2.5濃度升高對人體的心血管存在顯著健康影響并具有滯后效應(yīng).北京地區(qū)大氣中的PM2.5濃度每增加10μg/m3,心血管疾病總死亡人數(shù)增加0.50%,最顯著滯后天數(shù)為1d. 綜合PM2.5、SO2、NO2的多污染物模型結(jié)果來看,本文構(gòu)建的數(shù)學(xué)模型穩(wěn)健性較高,PM2.5表現(xiàn)為影響循環(huán)系統(tǒng)疾病每日死亡人數(shù)的主要大氣污染物.

4.2 從人群先天自然因素(性別、年齡)和后天社會因素(學(xué)歷)的角度分析,北京市大氣PM2.5濃度每增加10μg/m3,女性、男性人群的心血管疾病日死亡人數(shù)分別增加0.55%、0.49%,45~59歲、60~74歲、75歲及以上人群分別增加0.23%、0.63%、0.62%,學(xué)歷分別為文盲、小學(xué)、中學(xué)及以上人群分別增加0.71%、0.63%、0.47%,相對易感人群為女性、60~74歲、文盲人群.

4.3 在文盲群體中,老年(>60)女性占比達(dá)66.2%.本研究發(fā)現(xiàn),在去除了女性、老年這兩個混雜因素影響后,文盲人群健康風(fēng)險仍然高于較高學(xué)歷人群,年齡和性別因素疊加在學(xué)歷因素上,可能加大低學(xué)歷人群的健康風(fēng)險,對于這部分疊加了自然因素和社會因素雙重敏感性的人群應(yīng)給與重點關(guān)注.

[1] 北京市環(huán)境狀況公報 [EB/OL]. 北京市環(huán)保局, 2018. http: //www.bjepb.gov.cn/bjhrb/xxgk/ywdt/hjzlzk/hjzkgb65/index.html.Beijing Environmental Statement [EB/OL]. Beijing Municipal Environmental Protection Bureau, 2018.

[2] Sun Z, Zhang X, Zhao X, et al. Oscillation of Surface PM2.5, Concentration Resulting from an Alternation of Easterly and Southerly Winds in Beijing: Mechanisms and Implications [J]. Journal of Meteorological Research, 2018,32(2):288-301.

[3] Xie R, Sabel C E, Lu X, et al. Long-term trend and spatial pattern of PM2.5induced premature mortality in China [J]. Environment International, 2016,97:180.

[4] Kampa M, Castanas E. Human health effects of air pollution [J]. Environmental Pollution, 2008,151(2):362-367.

[5] Yang W, Omaye S. Air pollutants, oxidative stress and human health [J]. Mutation Research/genetic Toxicology & Environmental Mutagenesis, 2009,674(1/2):45-54.

[6] 程慧波,王乃昂,李曉紅,等.蘭州主城區(qū)大氣顆粒物質(zhì)量濃度及健康風(fēng)險 [J]. 中國環(huán)境科學(xué), 2018,38(1):348-360.Cheng H B, Wang N A, Li X H, et al. Mass concentration and health risk of atmospheric particulate matter in main urban district of Lanzhou [J]. China Environmental Science, 2018,38(1):348-360.

[7] 樂 滿,王式功,謝佳君,等.環(huán)境條件對遵義市呼吸系統(tǒng)疾病的影響及預(yù)測研究 [J]. 中國環(huán)境科學(xué), 2018,38(11):4334-4347.Yue M, Wang S G, Xie J J, et al. Study about the impact of environmental conditions on respiratory diseases and prediction in Zunyi City [J]. China Environmental Science, 2018,38(11):4334- 4347.

[8] 翁 俊,韋性富,聶永紅,等.顆粒物污染對高血壓門急診就診人數(shù)的影響-時間序列研究 [J]. 中國環(huán)境科學(xué), 2018,38(7):2751-2757.Weng J, Wei X F, Nie Y H, et al. Time series study on the effect of air particulate pollution on emergency admissions for hypertension [J]. China Environmental Science, 2018,38(7):2751-2757.

[9] 杜鵬瑞,杜 睿,任偉珊.城市大氣顆粒物毒性效應(yīng)及機(jī)制的研究進(jìn)展 [J]. 中國環(huán)境科學(xué), 2016,36(9):2815-2827.Du P R, Du R, Ren W S. Research progress on toxicological characteristics and mechanisms of urban atmospheric particulate matters [J]. China Environmental Science, 2016,36(9):2815-2827.

[10] Bell M L, Zanobetti A, Dominici F. Evidence on Vulnerability and Susceptibility to Health Risks Associated With Short-Term Exposure to Particulate Matter: A Systematic Review and Meta-Analysis [J]. American Journal of Epidemiology, 2013,178(6):865-876.

[11] Aunan K, Pan X C. Exposure-response functions for health effects of ambient air pollution applicable for China – a meta-analysis [J]. Science of the Total Environment, 2004,329(1):3-16.

[12] Lu F, Xu D, Cheng Y, et al. Systematic review and meta-analysis of the adverse health effects of ambient PM2.5and PM10pollution in the Chinese population [J]. Environmental Research, 2015,136:196-204.

[13] Zhang M, Yu S, Cai X. A health-based assessment of particulate air pollution in urban areas of Beijing in 2000~2004 [J]. Science of the Total Environment, 2007,376(1):100-108.

[14] 張 瑩,王式功,賈旭偉,等.氣溫與PM2.5協(xié)同作用對疾病急診就診人數(shù)的影響 [J]. 中國環(huán)境科學(xué), 2017,37(8):3175-3182.Zhang Y, Wang S G, Jia X W, et al. Synergetic effect of mean temperature and PM2.5on emergency room visits for different diseases [J]. China Environmenal Science, 2017,37(8):3175-3182.

[15] Lin H, Liu T, Xiao J, et al. Mortality burden of ambient fine particulate air pollution in six Chinese cities: Results from the Pearl River Delta study [J]. Environment International, 2016,96:91-97.

[16] Yang C, Peng X, Huang W, et al. A time-stratified case-crossover study of fine particulate matter air pollution and mortality in Guangzhou, China [J]. International Archives of Occupational & Environmental Health, 2012,85(5):579.

[17] Kan H, London S J, Chen G, et al. Season, sex, age, and education as modifiers of the effects of outdoor air pollution on daily mortality in Shanghai, China: The Public Health and Air Pollution in Asia (PAPA) Study [J]. Environmental Health Perspectives, 2008,116(9):1183- 1188.

[18] 孫兆彬,安興琴,崔甍甍,等.北京地區(qū)顆粒物健康效應(yīng)研究——沙塵天氣、非沙塵天氣下顆粒物(PM2.5、PM10)對心血管疾病入院人次的影響 [J]. 中國環(huán)境科學(xué), 2016,36(8):2536-2544. Sun Z B, An X Q, Cui M M, et al. The effect of PM2.5and PM10on cardiovascular and cerebrovascular diseases admission visitors in Beijing areas during dust weather, non-dust weather and haze pollution [J]. China Environmental Science, 2016,36(8):2536-2544.

[19] 孫兆彬,陶 燕,崔甍甍,等.北京地區(qū)奧運會期間PM2.5對心腦血管疾病的影響 [J]. 中國環(huán)境科學(xué), 2015,35(11):3481-3488.Sun Z B, Tao Y, Cui M M, et al. The effect of PM2.5on cardiovascular and cerebrovascular diseases in Beijing areas during the Olympic Games [J]. China Environmental Science, 2015,35(11):3481-3488.

[20] Dominici F, Mc Dermott A,Zeger S L, et al. On the use of generalized additive models in time-series studies of air pollution and health [J]. Am J Epidemiol, 2002,56:193-203.

[21] Zeka A, Zanobetti A, Schwartz J. Individual-level modifiers of the effects of particulate matter on daily mortality [J]. American Journal of Epidemiology, 2006,163(9):849-59.

[22] GB 3095-2012 環(huán)境空氣質(zhì)量標(biāo)準(zhǔn) [S]. GB 3095-2012 Ambient Air Quality Standards [S].

[23] Rosenthal F S, Carney J P, Olinger M L. Out-of-hospital cardiac arrest and airborne fine particulate matter: A case–crossover analysis of emergency medical services data in Indianapolis, Indiana [J]. Environ. Health Perspect., 2008,116(5):631-636.

[24] Chen R, Li Y, Ma Y, et al. Coarse particles and mortality in three Chinese cities: The China Air Pollution and Health Effects Study (CAPES) [J]. Science of the Total Environment, 2011,409(23):4934- 4938.

[25] Kan H, London S J, Chen G, et al. Differentiating the effects of fine and coarse particles on daily mortality in Shanghai, China [J]. Environment International, 2007,33(3):376-384.

[26] Franklin M, Ariana Z, Joel S. Association between PM2.5and all-cause and specific -cause mortality in 27 US communities [J]. Journal of Exposure Science and Environmental Epidemiology, 2007,17:279- 287.

[27] Pelucchi C, Eva N. Long-term particulate matter exposure and mortality: a review of European epidemiological studies [J]. BMC Public Health, 2009,9:453-460.

[28] Atkinson R W, Kang S, Anderson H R, et al. Epidemiological time series studies of PM2.5and daily mortality and hospital admissions: a systematic review and meta-analysis [J]. Thorax, 2015,25(2):208-214.

[29] 王德慶,王寶慶,白志鵬.PM2.5污染與居民每日死亡率關(guān)系的Meta分析 [J]. 環(huán)境與健康雜志, 2012,29(6):529-532.Wang D Q, Wang B Q, Bai Z P. Meta-analysis of association between air fine particular and daily mortality of residents [J]. Journal of Environment and Health, 2012,29(6):529-532.

[30] 謝 鵬,劉曉云,劉兆榮,等.我國人群大氣顆粒物污染暴露-反應(yīng)關(guān)系的研究 [J]. 中國環(huán)境科學(xué), 2009,29(10):1034-1040.Xie P, Liu X Y, Liu Z R, et al. Exposure-response functions for health effects of ambient particulate matter pollution applicable for China [J]. China Environmental Science, 2009,29(10):1034-1040.

[31] 李 沛.北京市大氣顆粒物污染對人群健康的危害風(fēng)險研究 [D]. 蘭州:蘭州大學(xué), 2016.Li P. Study on hazard risk of atmospheric particulate matter to the population health in Beijing [D]. Lanzhou:Lanzhou University, 2016.

[32] Lim S S, Vos T, Flaxman A D, et al. A comparative risk assessment of burden of disease and injury attributable to 67risk factors and risk factor clusters in 21regions, 1990~2010: a systematic analysis for the Global Burden of Disease Study 2010 [J]. Lancet, 2012,380(9859): 2224-2260.

[33] Song X, Wang S, Hu Y, et al. Impact of ambient temperature on morbidity and mortality: An overview of reviews [J]. Science of the Total Environment, 2017,586:241-254.

[34] Clougherty J E, Rossi C A, Lawrence J, et al. Chronic social stress and susceptibility to concentrated ambient fine particles in rats [J]. Environmental Health Perspectives, 2010,118(6):769-775.

[35] Smith K R, Bruce N, Balakrishnan K, et al. Millions dead: How do we know and what does it mean? Methods used in the comparative risk assessment of household air pollution [J]. Annu. Rev. Public Health, 2014,35(1):185-206.

[36] Bruce N, Dan P, Rehfuess E, et al. WHO indoor air quality guidelines on household fuel combustion: Strategy implications of new evidence on interventions and exposure–risk functions [J]. Atmospheric Environment, 2015,106:451-457.

[37] Clougherty J E, Eisen E A, Slade M D, et al. Gender and sex differences in job status and hypertension [J]. Occupational & Environmental Medicine, 2011,68(1):16-23.

[38] Chen R, Yin P, Meng X, et al. Fine particulate air pollution and daily mortality: A nationwide analysis in 272 Chinese cities [J]. American Journal of Respiratory & Critical Care Medicine, 2017,196(1):73.

[39] Franklin M, Zeka A, Schwartz J. Association between PM2.5and all-cause and specific-cause mortality in 27US communities [J]. Journal of Exposure Science & Environmental Epidemiology, 2007, 17(3):279.

[40] Ostro B, Broadwin R, Green S, et al. Fine particulate air pollution and mortality in nine California counties: results from CALFINE [J]. Environmental Health Perspectives, 2006,114(1):29-33.

[41] Li G, Xue M, Zeng Q, et al. Association between fine ambient particulate matter and daily total mortality: An analysis from 160communities of China [J]. Science of the Total Environment, 2017,599-600:108.

[42] Chen C, Zhu P, Lan L, et al. Short-term exposures to PM2.5and cause-specific mortality of cardiovascular health in China [J]. Environmental Research, 2018,161:188-194.

[43] Pope R C, Dockery D W. Health effects of fine particulate air pollution: lines that connect [J]. Journal of the Air & Waste Management Association, 2006,56(10):1368-1380.

[44] Zanobetti A, Schwartz J. Race, gender, and social status as modifiers of the effects of PM10on mortality [J]. Journal of Occupational & Environmental Medicine, 2000,42(5):469.

[45] Cakmak S, Dales R S. Do gender, education, and income modify the effect of air pollution gases on cardiac disease? [J]. Journal of Occupational & Environmental Medicine, 2006,48(1):89-94.

[46] Yang C, Peng X, Huang W, et al. A time-stratified case-crossover study of fine particulate matter air pollution and mortality in Guangzhou, China [J]. International Archives of Occupational & Environmental Health, 2012,85(5):579.

[47] 中國2010年人口普查資料 [M]. 北京:中國統(tǒng)計出版社, 2012:47-53.Tabulation of the 2010 population census of the People Republic of China [M]. Beijing: China Statistics Press, 2012:47-53.

致謝：本研究的疾病數(shù)據(jù)處理工作在京津冀環(huán)境氣象預(yù)報預(yù)警中心李梓銘老師的協(xié)助和指導(dǎo)下完成,在此表示感謝！

Natural and social factor as modifiers of the effects of PM2.5on daily cardiovascular mortality in Beijing, China.

GONG Tian-yi1,2, SUN Zhao-bin2*, ZHANG Xiao-ling1,3**, WANG Shi-gong1,3

(1.Plateau Atmosphere and Environment Key Laboratory of Sichuan Province, School of Atmospheric Sciences, Chengdu University of Information Technology, Chengdu 610225, China；2.Institute of Urban Meteorology, China Meteorological Administration, Beijing 100089, China；3.Shanghai Key Laboratory of Meteorology and Health, Shanghai 200030, China)., 2019,39(3)：1289~1298

To quantitatively analyze the modification effects of natural factor and social factor, people was classified by sex, age and education in our study. A semi-parametric generalized additive model (GAM) was used to calculate the exposure-response relationship between ambient particulate matter pollution and daily cardiovascular mortality from 2005 to 2011 in Beijing. The results of the single- and the multi-pollutant model indicated that PM2.5was the main air pollution health risk factor affecting the daily cardiovascular mortality. A 10μg/m3increase in PM2.5was associated with 0.50% (95%CI: 0.36, 0.63) increase for overall group. Different susceptibility showed in different subgroups, whose excess risks (ER) were range from 0.23%~0.71%. A much higher ER has been found in the subgroups of age 60~74years, female and illiterate. However, it showed that elderly (60+) women accounted for 66.2% among the illiterate. In order to isolate the possible interference of natural factors in the classification of social factor, distractions of elderly and female has been removed, but ER of illiterate were still greater than those with higher education attainment level. Adverse health effects of the lower education attainment level subgroup may be increase when the modification effects of age and sex are overlay on it. It is necessary to give priority attention to those people who have the dual susceptibility of both natural factor and social factor.

subgroups；fine particulates；cardiovascular disease；time series；modification effects

X503.1

A

1000-6923(2019)03-1289-10

龔天宜(1994-),女,湖南長沙人,成都信息工程大學(xué)碩士研究生,主要從事氣象環(huán)境與健康研究.

2018-07-18

國家重點研發(fā)計劃(2016YFA0602004);公益性行業(yè)(氣象)專項(GYHY201206015)

* 責(zé)任作者, 副研究員, zbsun@ium.cn; ** 教授, xlzhang @ium.cn