吳亞飛 葉子容 方 亞,△

1.廈門大學(xué)公共衛(wèi)生學(xué)院(361102) 2.福建省高校衛(wèi)生技術(shù)評估重點實驗室

高血壓作為最常見的慢性病之一,是腦卒中、冠心病等心腦血管疾病發(fā)生和死亡的主要危險因素[1]。高血壓不僅造成了巨大的壽命損失,也給家庭和社會帶來了沉重的經(jīng)濟(jì)負(fù)擔(dān)[2],已成為人類健康和生存質(zhì)量的重要威脅。據(jù)WHO報道,2014年全球18歲及以上人群高血壓患病率約為22%[3];而我國2016年高血壓患病率高達(dá)32.5%[4]。與全球相比,我國高血壓人群的死亡水平和DALY均很高,疾病負(fù)擔(dān)沉重[5],因此,開展高血壓相關(guān)研究進(jìn)而采取有效的預(yù)防措施十分必要。

近年來,隨著對高血壓危險因素的探索,研究者發(fā)現(xiàn),高血壓的發(fā)生不僅與人口學(xué)、健康狀況、飲食習(xí)慣、社會心理因素有關(guān)[6],還與大氣污染物的存在密不可分。隨著經(jīng)濟(jì)的快速發(fā)展,空氣污染問題顯得尤為突出,我國空氣污染狀況不容樂觀,由此導(dǎo)致的健康危害已成為重要的公共衛(wèi)生問題[7]。因此,大氣污染與血壓的關(guān)系受到重視,大量流行病學(xué)研究表明大氣污染物與血壓之間關(guān)系密切[8-9],如大氣中SO2、NOx和O3等濃度增加都會不同程度地影響血壓[10-12]。但近年來,可吸入顆粒物污染嚴(yán)重,對健康的威脅日益增大,引起了社會和學(xué)界的廣泛關(guān)注。因此,本文旨在梳理常見大氣污染物(PM2.5,PM10)對血壓影響的研究進(jìn)展,全面了解兩者之間的關(guān)系,以及該領(lǐng)域常用的統(tǒng)計學(xué)分析方法,為后續(xù)研究提供借鑒。

大氣污染物與血壓關(guān)系的研究

關(guān)于大氣污染物與血壓關(guān)系的研究眾多,但結(jié)論存在爭議,根據(jù)暴露時間長短的差異,可以將大氣污染物對血壓的影響分為長期效應(yīng)和短期效應(yīng)。由于長期暴露在測量上存在一定難度,以及缺乏足夠可進(jìn)行長期暴露研究的隊列,使得該方面的研究相對較少;相比而言,短期暴露在研究開展及暴露測量等方面,都相對容易實現(xiàn),因此,短期暴露導(dǎo)致急性效應(yīng)的研究較多。

1.基于短期暴露的大氣污染物與血壓關(guān)系研究

雖然不同地區(qū)的研究在人口學(xué)特征、暴露時長、污染物濃度、污染物和血壓測量方法等方面存在差異,但目前在全球不同地區(qū)開展的短期暴露與血壓關(guān)系的研究,基本都顯示短期暴露與血壓之間存在不同程度的正向關(guān)系。

多數(shù)關(guān)于PM10的研究顯示暴露與該污染物與血壓上升關(guān)系顯著。有研究運用廣義可加模型,對臺灣高血壓調(diào)查數(shù)據(jù)進(jìn)行分析,發(fā)現(xiàn)PM10與血壓之間存在顯著相關(guān)關(guān)系,PM10每上升34μg/m3,血壓相應(yīng)升高0.47mmHg[13]。進(jìn)一步地,為了探索特定職業(yè)人群的暴露危險,為高暴露人群提供有針對性的防控措施,Andrea Baccarelli等人運用重復(fù)測量設(shè)計,對北京60名室內(nèi)工作人員和卡車司機(jī)進(jìn)行研究,結(jié)果顯示PM10濃度每8日增加10μg/m3,收縮壓、舒張壓、平均血壓值分別上升0.98mmHg(95%CI:0.34～1.61)、0.71mmHg(95%CI:0.18～1.24)、0.81mmHg(95%CI:0.31～1.30),但兩組人員之間血壓差異不存在統(tǒng)計學(xué)意義。另外,研究還發(fā)現(xiàn)PM10對血壓的影響存在滯后效應(yīng),大約需5～8天才能顯效[14]。同樣地,Paulo Se′rgio Chiarelli等人選擇圣安德烈市19名男性交通工作人員作為研究對象,以探究在交通管制人員中是否存在類似的關(guān)系,結(jié)果發(fā)現(xiàn)PM10濃度每增加33μg/m3,血壓會上升2.53mmHg,同時該研究也指出PM10主要與早期效應(yīng)相關(guān),并對收縮壓影響明顯[15]。進(jìn)一步地,由于特殊人群往往對危險因素存在更高的敏感性,因而也有研究聚焦于特殊人群,如Regina Hampel等人于2002-2006年對1500名孕婦進(jìn)行隊列研究,結(jié)果顯示在妊娠前三個月,血壓與PM2.5濃度呈正相關(guān)關(guān)系,但在妊娠后期,兩者之間呈現(xiàn)負(fù)相關(guān)關(guān)系,該研究從孕婦角度進(jìn)行探討,對妊娠期高血壓防控具有較大意義[16]。此外,為解大氣污染物對高血壓入院率的影響程度,進(jìn)而為高血壓防控和醫(yī)院資源合理化配置提供參考,有研究對PM10濃度與高血壓入院率關(guān)系進(jìn)行探究,結(jié)果顯示PM10每上升10μg/m3,高血壓入院風(fēng)險OR值會增加1.060(95%CI:1.02～1.10)[17]。上述關(guān)于PM10的研究,從不同人群角度對污染物與血壓關(guān)系進(jìn)行探討,大多認(rèn)為短期暴露于PM10與血壓升高關(guān)系密切,但由于樣本大小、污染物濃度時空等方面的差異,因而在影響強(qiáng)度上存在一定差異。

近年來,隨著PM2.5關(guān)注度的提高,對PM2.5與血壓關(guān)系的研究越來越多。Lotte Jacobs等人對比利時88名非吸煙女性進(jìn)行追蹤研究,發(fā)現(xiàn)在57例服用抗高血壓藥物患者中,室外PM2.5濃度每上升20.8μg/m3,脈壓會增加4mmHg(95%CI:1.8～6.2),但在31名未服用藥物的患者中,PM2.5濃度與血壓關(guān)系不具有統(tǒng)計學(xué)意義[18]。同樣地,Sabit Cakmak等利用加拿大衛(wèi)生措施調(diào)查部的數(shù)據(jù),對5604名6～79歲人群進(jìn)行研究,發(fā)現(xiàn)PM2.5濃度每上升4.5μg/m3,血壓約上升0.5mmHg[19]。為了更準(zhǔn)確獲得個體實際PM2.5暴露濃度,研究逐漸聚焦在個體污染物監(jiān)測方面。一項基于社區(qū)人群的研究顯示,個體總的PM2.5暴露每上升10μg/m3,延遲一日的收縮壓會上升1.41mmHg[20]。同樣地,一項關(guān)于中國農(nóng)村成年女性的研究顯示,PM2.5濃度與血壓之間關(guān)系具有統(tǒng)計學(xué)意義;同時該研究指出,在50歲以上的女性中,個人PM2.5暴露量每增加1μg/m3,收縮壓相應(yīng)增加4.1 mm Hg(95%CI:1.5～6.6),舒張壓增加1.8 mm Hg(95%CI:0.4～3.2)[21]。另外,也有研究對PM2.5濃度與高血壓入院率關(guān)系進(jìn)行探究,發(fā)現(xiàn)PM2.5濃度每上升10μg/m3,高血壓入院風(fēng)險OR值會增加1.084(95%CI:1.028～1.139),該研究為防控高血壓提供了新思路[17]。以上研究進(jìn)一步說明短期暴露對人體的嚴(yán)重危害,但不可回避的問題是,目前研究普遍存在對PM2.5暴露測量不準(zhǔn)確的問題,所以隨著研究人群的擴(kuò)大以及污染物暴露測量方法的改進(jìn),PM2.5對血壓影響的研究會得到更快地發(fā)展。

與上述結(jié)果相反,臺灣另一項研究指出,短期暴露于PM10反而會使收縮壓和脈壓降低,且這種關(guān)系在男性、老年人、高血壓患者、工業(yè)區(qū)居民中表現(xiàn)更加明顯[22]?？赡艿慕忉層?一方面,顆粒污染物是不同化學(xué)成分的復(fù)合體,其來源和成分在時間、空間上存在較大的變異[23-24];另一方面,后者研究人群是非吸煙成年人(平均年齡:57.9歲),前者包含吸煙人群,但平均年齡相對更小(平均年齡:43.1歲),因而人群易感性差異可能也是一個重要原因。同時,二手煙暴露也可能是導(dǎo)致污染物與血壓變化關(guān)系不一致的因素,如Brook等人的研究發(fā)現(xiàn)二手煙暴露會影響PM與血壓之間的關(guān)系[20]。

同時,也有研究發(fā)現(xiàn)PM2.5暴露與血壓之間不存在相關(guān)關(guān)系。如Baumgartner J等人對中國云南省180名兒童進(jìn)行研究,發(fā)現(xiàn)兒童室內(nèi)PM2.5暴露與血壓之間無關(guān)[25],出現(xiàn)這一結(jié)果的原因,可能是兒童在室內(nèi)接觸污染物的濃度較低造成。

上述關(guān)于短期暴露的研究僅能從整體上了解可吸入顆粒物與血壓之間的關(guān)系,但無法闡明影響血壓的具體成分,為了解決這一問題,研究者開始聚焦于PM2.5特有化學(xué)成分對血壓的影響。例如,Wu S等人對北京學(xué)生進(jìn)行研究,發(fā)現(xiàn)PM2.5中的含碳成分(有機(jī)碳、元素碳)、離子(氯離子、氟離子)和 金屬元素(鎳、鋅、鎂、鉛和砷)與血壓之間存在顯著正相關(guān)[26]。 Lotte Jacobs 等人通過一項老年人隊列研究發(fā)現(xiàn)PM2.5中的釩、鐵、鎳與收縮壓和脈壓之間存在相關(guān)性[18]。同樣地,一項在底特律三地區(qū)開展的隊列研究發(fā)現(xiàn),PM2.5上升會引起血壓的明顯變化,但不同地區(qū)血壓變化程度不盡相同[27],這也進(jìn)一步說明PM2.5中特有的化學(xué)成分在隨后的血壓變化中起著重要作用。

2.基于長期暴露的大氣污染物與血壓關(guān)系研究

在實際情況中,大氣污染物對人體健康更多時候表現(xiàn)為長期影響,這就為研究提出了新的要求。為了更好地探索空氣污染物對血壓的影響,近年來,研究者開始轉(zhuǎn)向長期暴露的研究。目前,已有流行病學(xué)研究發(fā)現(xiàn)長期暴露會增加心腦血管疾病的發(fā)病率和死亡率,并且研究表明長期暴露比短期暴露具有更大的發(fā)病風(fēng)險[28]。關(guān)于PM10的多項研究顯示長期暴露與血壓升高關(guān)系密切[29-31]。如Dong GH等的PM10濃度上升19μg/m3,高血壓發(fā)病風(fēng)險OR值將增加1.12(95%CI：1.08～1.16)[30]。同樣地,Kai-Jen Chuang等人對臺灣老年人進(jìn)行研究,發(fā)現(xiàn)1年內(nèi)PM10暴露濃度與血壓升高關(guān)系顯著[29]。進(jìn)一步地,有研究聚焦到高血壓患病率方面,如有研究者以24845名中國受試者進(jìn)行橫斷面研究,發(fā)現(xiàn)高血壓患病率與PM10之間具有顯著相關(guān)性[30]。

隨著PM2.5關(guān)注度的提高,長期暴露的研究也越來越多,如Patricia F.Coogan等人對洛杉磯美裔非洲女性進(jìn)行研究,結(jié)果顯示PM2.5濃度每上升10μg/m3,高血壓發(fā)病風(fēng)險RR達(dá)到1.48(95%CI:0.95～2.31)[32]。同樣地,Kai-Jen Chuang等關(guān)于臺灣老年人的研究發(fā)現(xiàn),1年內(nèi)PM2.5暴露濃度與血壓升高關(guān)系顯著[29]。Chen等基于澳大利亞成年人的隊列研究顯示,暴露于低水平PM2.5與高血壓發(fā)病率之間存在密切的相關(guān)性[33]。以上在不同地域開展的研究,均說明長期暴露于PM2.5對健康會產(chǎn)生嚴(yán)重危害。

然而,長期暴露與血壓的關(guān)系尚有爭議,有少數(shù)研究認(rèn)為兩者之間不存在相關(guān)性。如Chuang Liu等人對德國兩個出生隊列的兒童進(jìn)行研究,結(jié)果發(fā)現(xiàn)血壓與PM2.5、PM10之間不存在相關(guān)性[34]。同樣地,在一項超過3000名黑人女性的研究中,研究者隨訪10年后發(fā)現(xiàn),高血壓與PM2.5之間不存在相關(guān)性[32]。Babisch W等選取德國兩個城市4166人作為研究對象,探討了噪聲和PM2.5對高血壓患病率的影響,在調(diào)整噪聲的影響后,發(fā)現(xiàn)高血壓患病率與PM2.5之間不存在相關(guān)性[35]。

值得注意的是,在上述長期暴露的研究中,大氣污染物對血壓影響強(qiáng)度在中外結(jié)果中存在一定差異,國內(nèi)研究發(fā)現(xiàn)大氣污染物對健康的負(fù)面效應(yīng)普遍強(qiáng)于國外?？赡茉蚴?相比于國外,中國的污染物水平較高,人口也較多,暴露時間較長等。同時,由于污染物的成分和來源存在時空差異,污染物對血壓的影響也存在差異。

大氣污染物與血壓關(guān)系的統(tǒng)計學(xué)研究方法

關(guān)于大氣污染物與血壓關(guān)系的研究,已有較多的研究方法。但多數(shù)研究忽略了樣本的空間屬性,而越來越多的研究發(fā)現(xiàn)空間屬性在空氣污染對疾病的影響中具有重要作用。因此,根據(jù)研究是否考慮空間屬性,我們將研究方法分為兩大類:傳統(tǒng)的統(tǒng)計學(xué)研究方法和基于空間統(tǒng)計研究方法。

1.傳統(tǒng)統(tǒng)計學(xué)研究方法

早期,研究者多采用多重線性回歸探究血壓變化的影響因素,如Baumgartner等采用該法探討了PM2.5、碳黑(BC)與血壓之間的關(guān)系,結(jié)果顯示兒童室內(nèi)PM2.5暴露于血壓之間不存在相關(guān)關(guān)系[25]。

然而,很多情況下污染物與血壓之間的關(guān)系并非滿足線性假設(shè),這就為研究提出新的挑戰(zhàn)。于是,在此基礎(chǔ)上,研究者們開始采用基于概率型非線性思維的logistic回歸開展研究,如Van den Hooven EH等人將多重線性回歸與logistic回歸結(jié)合起來探討大氣污染物與血壓之間關(guān)系,結(jié)果顯示妊娠期暴露PM10與收縮壓升高之間存在相關(guān)性,但與舒張壓之間不存在相關(guān)性。研究還發(fā)現(xiàn)孕期PM10暴露會導(dǎo)致高血壓發(fā)病風(fēng)險增高[36]。同樣地,Guang-Hui Dong等人為了探討大氣污染物與高血壓的相互關(guān)系,采用二分類logistic回歸模型進(jìn)行研究,對協(xié)變量進(jìn)行控制后,發(fā)現(xiàn)長期暴露于PM10與血壓升高、高血壓發(fā)病風(fēng)險增高緊密相關(guān)[30]。另外,Wolfgang Babisch等人采用非條件logistic回歸對交通噪聲、大氣污染物與高血壓關(guān)系進(jìn)行研究,對噪聲進(jìn)行校正后,發(fā)現(xiàn)PM2.5與高血壓發(fā)病風(fēng)險存在相關(guān)性[35]。為了分析污染物暴露與自報高血壓的關(guān)系,Hans Orru等采用多重logistic回歸進(jìn)行分析,結(jié)果顯示污染物暴露會使心血管疾病發(fā)病風(fēng)險明顯增高[37]。

進(jìn)一步地,為了探究多種大氣污染物對高血壓患者生存時間和生存結(jié)局的影響,研究者開始采用多因素生存分析方法。例如,Patricia F.Coogan等人運用Cox比例風(fēng)險回歸模型對高血壓發(fā)病風(fēng)險進(jìn)行研究,結(jié)果顯示PM2.5暴露可能與患高血壓相關(guān)[32]。同樣地,Hong Chen等人采用分層Cox比例風(fēng)險回歸對加拿大人群進(jìn)行研究,發(fā)現(xiàn)PM2.5與高血壓之間關(guān)系顯著[33]。

在許多研究中,往往會同時考慮多個污染物對血壓的影響。此時如果納入較多的解釋變量,而樣本含量又不是很大時,傳統(tǒng)非參數(shù)回歸模型的擬合效果也不盡如人意,甚至可能產(chǎn)生較大的偏差[38],為了解決這一問題,廣義可加回歸模型開始得到運用,如Guang-Hui Dong等人發(fā)現(xiàn)暴露于高濃度的PM10會使血壓升高,患高血壓的風(fēng)險也會增加;但母乳喂養(yǎng)可能有助于降低上述風(fēng)險[39]。Kai-Jen Chuang等人也采用廣義可加模型開展研究,發(fā)現(xiàn)PM10與血壓升高之間存在顯著相關(guān)關(guān)系[13]。

2.空間統(tǒng)計學(xué)研究方法

近年來,有研究表明高血壓的發(fā)生存在空間聚集性,而傳統(tǒng)的統(tǒng)計學(xué)研究方法往往缺乏對空間自相關(guān)性和空間異質(zhì)性的考慮,對空間信息利用并不充分[40]。為了解決研究中忽視樣本分布空間屬性的問題,基于空間統(tǒng)計的研究方法開始逐步運用在該領(lǐng)域。

最早的空間統(tǒng)計研究方法是基于頻率估計的多水平模型(混合效應(yīng)模型),該方法將傳統(tǒng)回歸中的誤差分解到不同水平上,同時放松了對線性要求的假定,適用于具有層次結(jié)構(gòu)的數(shù)據(jù)研究。例如Lotte Jacobs等人使用混合模型對污染物的暴露-效應(yīng)進(jìn)行分析,研究者在控制混雜因素基礎(chǔ)上采用隨機(jī)效應(yīng)進(jìn)行分析,發(fā)現(xiàn)PM2.5及其特有成分對血壓升高具有顯著的影響[18]。Shaowei Wu等人采用混合效應(yīng)回歸模型,發(fā)現(xiàn)PM2.5中特有化學(xué)成分能導(dǎo)致血壓上升[26]。

多水平模型在解決樣本互不獨立問題上起到了一定作用,但多數(shù)情況下不同區(qū)域之間相互影響,存在較強(qiáng)的空間自相關(guān)性。為了解決這一問題,空間自回歸模型開始得到應(yīng)用,如Chunshan Zhou等人采用空間誤差模型(SEM)對中國大陸190個城市的PM2.5進(jìn)行研究,發(fā)現(xiàn)PM2.5在整體上存在較強(qiáng)的空間自相關(guān)性[41]。但目前未見將該方法用于大氣污染物與血壓關(guān)系的研究?？臻g自回歸模型雖然較好地控制了鄰近區(qū)域的影響,但其回歸系數(shù)并不能隨位置的變化而變化,實質(zhì)上仍是一種全局回歸模型[42]。然而更多時候,影響因素在不同地理位置的作用是存在差異的,為了解決這一問題,有人提出了地理加權(quán)回歸模型(geologically weighted regression,GWR)[43],該模型基于局部光滑思想,將模型參數(shù)設(shè)定為隨地理位置的變化而變化,與傳統(tǒng)的全局模型相比,能充分展現(xiàn)大氣污染物對血壓影響隨空間變化的趨勢。近年來,該方法開始應(yīng)用于大氣污染物及高血壓等方面的研究,如B.Kauhl等人運用GWR方法對德國東北部地區(qū)高血壓分布進(jìn)行探究,在較好地控制空間自相關(guān)性和空間異質(zhì)性后,研究發(fā)現(xiàn)高血壓在不同地區(qū)存在明顯差異,并且不同地區(qū)影響因素及其強(qiáng)度差異較大[44]。由于基于貝葉斯估計的空間方法也能識別疾病與危險因素之間是否存在空間效應(yīng);并且該法能對研究結(jié)果進(jìn)行較好地可視化展現(xiàn),所以在疾病風(fēng)險識別等方面開始得到應(yīng)用。例如,Zirong Ye等人基于中國健康與營養(yǎng)調(diào)查(CHNS)數(shù)據(jù),運用共同成分模型(SCM),在空間分析的基礎(chǔ)上,引入時間維度和貝葉斯B樣條,充分展現(xiàn)了高血壓在不同年限、省份之間的變異,為高血壓等慢性病的空間研究開展提供了新的思路[45]。

小結(jié)

大氣污染物作為影響健康的重要環(huán)境因子,對血壓影響顯著,因而有必要對兩者關(guān)系進(jìn)行研究。目前,大多數(shù)關(guān)于短期暴露的研究發(fā)現(xiàn)兩者之間存在不同程度的正向關(guān)系。相比而言,長期暴露的研究較少,且兩者關(guān)系尚有爭議。進(jìn)一步地,我們將該領(lǐng)域的研究方法分為兩大類:傳統(tǒng)統(tǒng)計學(xué)方法和基于空間統(tǒng)計的方法。傳統(tǒng)的研究方法忽略了樣本的空間自相關(guān)性和空間異質(zhì)性,未能充分利用空間信息,在健康研究中存在一定缺陷;為了解決這一問題,基于空間統(tǒng)計的方法正逐步得到應(yīng)用,但目前將上述空間方法運用在大氣污染物與血壓關(guān)系方面的研究仍較少,為了進(jìn)一步闡明高血壓的時空分布特征和影響因素,從而因地制宜采取防控措施,在未來的研究中,應(yīng)積極推進(jìn)空間統(tǒng)計方法在該領(lǐng)域的應(yīng)用,尤其是在長期暴露人群中的研究。