黃 翌

南通大學(xué)地理科學(xué)學(xué)院，南通，226007

1 引言

非適宜氣溫（最小死亡風(fēng)險(xiǎn)所對應(yīng)的氣溫稱為適宜氣溫，其他均為非適宜氣溫）是循環(huán)系統(tǒng)、呼吸系統(tǒng)疾病的主要環(huán)境類危險(xiǎn)因素。全球13 個(gè)主要國家和地區(qū)的7000 余萬死亡人口統(tǒng)計(jì)顯示，7.71%的全因死亡由非適宜溫度導(dǎo)致，其中中國較高（11%）（Gasparrini，et al，2015）。根據(jù)《全球疾病負(fù)擔(dān)2019》，非適宜氣溫是中國居民排名第8 的死亡危險(xiǎn)因素。大量研究證實(shí)氣溫與死亡人數(shù)呈“U”型、反“J”型曲線，其中老年人群受非適宜氣溫影響的死亡風(fēng)險(xiǎn)高于中低齡人群。日本年齡相關(guān)的身體衰弱死亡與寒潮的關(guān)系比與其他死因更為密切（Ma，et al，2021）。浙江省老齡人口受氣溫影響顯著高于65 歲以下群體（Hu，et al，2019）。蘇州市65 歲以上人群受極端低溫和極端高溫的影響比0—64 歲更大（Wang，et al，2014）。巴西圣保羅65 歲以上男性人群腦血管病死亡風(fēng)險(xiǎn)更大（Ikefuti，et al，2018）。南京市60 歲以上的氣溫-循環(huán)系統(tǒng)疾病死亡的暴露-反應(yīng)關(guān)系高于60 歲以下（肖冰霜等，2017）。蘭州市極端氣溫對老齡人的影響更早，持續(xù)期更長（Liu，et al，2019）。一項(xiàng)綜述研究（Song，et al，2017）顯示冷效應(yīng)對老年人的影響尤為顯著。

空氣污染（氣體及顆粒物）是全球死亡的高風(fēng)險(xiǎn)因素（Cohen，et al，2017），2017 年中國有120 萬人死于空氣中的顆粒物污染，其疾病負(fù)擔(dān)較嚴(yán)重（Zhou，et al，2019），其中PM2.5是顆粒物中的主要危險(xiǎn)成分。PM2.5對不同年齡人群的影響大小還存在爭議，全球疾病負(fù)擔(dān)的研究結(jié)果（GBD 2017 Risk Factor Collaborators，2018）顯示，PM2.5的相對危險(xiǎn)度隨年齡增長而下降，但是中國的一些研究發(fā)現(xiàn)，PM2.5中各成分濃度升高對于75 歲以上人群的風(fēng)險(xiǎn)高于0—74 歲（Yang，et al，2020）、65—74 歲人群的危害大于0—64 歲（Chen C，et al，2018）。

老年群體是脆弱群體的主體和對疾病及其危險(xiǎn)因素抵御力較弱的群體，死亡率隨年齡增長不斷升高，非適宜氣溫、PM2.5等全民暴露的環(huán)境危險(xiǎn)因素對不同年齡段老年人的危險(xiǎn)性、滯后期、收獲效應(yīng)（也稱“補(bǔ)償效應(yīng)”，極端氣溫導(dǎo)致死亡人數(shù)多于平時(shí)，其中以老年和體弱者為主，極端氣溫過后，人群中高危人數(shù)減少，死亡人數(shù)比平時(shí)更少）、協(xié)同作用可能存在與年齡相關(guān)的規(guī)律，但是目前對老齡群體內(nèi)部細(xì)分年齡的影響研究還不足。本研究以中國老齡化最嚴(yán)重的地區(qū)為例，研究低溫（指一年中低于適宜溫度的氣溫）、高溫（指一年中高于適宜溫度的氣溫）和PM2.5濃度對不同年齡段老年人的危險(xiǎn)程度及協(xié)同作用，旨在進(jìn)一步認(rèn)識大氣環(huán)境對各年齡段老齡人群的影響并為制定應(yīng)對措施提供參考。

2 數(shù)據(jù)來源及研究方法

2.1 數(shù)據(jù)來源

研究區(qū)為江蘇省南通市。中國第五（2000 年）、六（2010 年）、七（2020 年）次人口普查結(jié)果表明，南通市65 歲以上人口占該市總?cè)丝诒壤謩e為12.44%、16.50%、22.67%，均位于全國340 余個(gè)地級以上行政區(qū)的首位，較大的人口規(guī)模和嚴(yán)重的老齡化程度使南通市老齡死亡人數(shù)較多，為研究氣溫和空氣污染對老年人的影響提供了條件。

文中人口死亡數(shù)據(jù)來自南通市衛(wèi)生健康委員會、公安局聯(lián)動的人口死亡數(shù)據(jù)庫，共存儲2005 年以來數(shù)十萬死亡者信息，考慮到2011 年以前的死亡數(shù)據(jù)登記遺漏率較高、近一兩年的死亡數(shù)據(jù)還在不斷補(bǔ)錄完善、105 歲以上死者年齡存疑等情況，本研究收集了數(shù)據(jù)準(zhǔn)確度較高的2012 年1 月1 日—2017 年12 月31 日全市6 個(gè)縣、縣級市（不含南通市區(qū)，市區(qū)和縣區(qū)老齡化率相差較大，6 個(gè)縣2020年65 歲以上人口占比均在23%以上，市區(qū)只有12.9%）共計(jì)256037 位65—104 歲全死因死者的死亡日期和年齡、性別、住址等信息。

2012—2017 年氣溫?cái)?shù)據(jù)來自中國氣象局全國氣象數(shù)據(jù)共享服務(wù)網(wǎng)，PM2.5數(shù)據(jù)來自清華大學(xué)與多個(gè)機(jī)構(gòu)共同研制的中國大氣成分近實(shí)時(shí)追蹤數(shù)據(jù)集（Tracking Air Pollution in China，TAP，http://tapdata.org.cn）（Geng，et al，2021；Xiao，et al，2021a，2021b），該數(shù)據(jù)集提供了2000 年以來10 km 分辨率的PM2.5長期濃度值，可以減弱農(nóng)村地區(qū)缺乏觀測站而導(dǎo)致區(qū)域平均濃度偏差的問題，與本研究主要以鄉(xiāng)鎮(zhèn)、農(nóng)村的人口死亡數(shù)據(jù)較契合。

2.2 研究方法

研究采用2 步模型，第1 步研究非適宜氣溫和PM2.5的獨(dú)立效應(yīng)。大量研究已發(fā)現(xiàn)氣溫與死亡的非線性關(guān)系和滯后關(guān)系，而空氣污染與死亡以線性關(guān)系為主，利用在氣溫和空氣污染領(lǐng)域較成熟的分布滯后非線性模型（DLNM，Gasparrini，2014）和廣義相加模型（GAM）估算氣溫、PM2.5對6 個(gè)年齡組老年死亡人數(shù)的影響。

為了檢驗(yàn)研究結(jié)果的穩(wěn)定性，設(shè)計(jì)了4 種敏感性試驗(yàn)：（1）除日平均氣溫以外，還分析了日最低、最高氣溫的風(fēng)險(xiǎn)。（2）將暴露-反應(yīng)關(guān)系的滯后期在14—28 d 內(nèi)調(diào)整。（3）為檢驗(yàn)時(shí)間趨勢的平穩(wěn)性，對其自由度在每年1—10 內(nèi)調(diào)整。（4）對PM2.5等因素的自由度在每年2—5 內(nèi)調(diào)整。敏感性試驗(yàn)結(jié)果見附錄。運(yùn)行模型后，發(fā)現(xiàn)氣溫對各年齡組的影響在14 d 以后已不存在滯后效應(yīng)，故將滯后期修改為14 d。

為了觀察PM2.5的滯后效應(yīng)，構(gòu)建日均PM2.5濃度與滯后時(shí)間的廣義相加模型進(jìn)行試驗(yàn)，如果PM2.5的滯后期大于0，則統(tǒng)計(jì)滯后期內(nèi)的累積風(fēng)險(xiǎn)，否則，統(tǒng)計(jì)當(dāng)天的死亡風(fēng)險(xiǎn)。

第2 步研究非適宜氣溫和PM2.5的協(xié)同作用。采用薄板樣條函數(shù)（thin-plate spline）構(gòu)建非參數(shù)二元響應(yīng)模型進(jìn)行分析（張瑩等，2021）。

依據(jù)第1 步中各年齡組氣溫與死亡人數(shù)的關(guān)系，進(jìn)一步將溫度分為低溫和高溫，對2 個(gè)溫度層內(nèi)PM2.5與死亡的關(guān)系進(jìn)行定量分析和對比。

依據(jù)研究結(jié)果將氣溫分為適宜溫度區(qū)間（MMT）、熱不適宜溫度區(qū)間（高于MMT）、冷不適宜溫度區(qū)間（低于MMT）。采用超額危險(xiǎn)度（ER）、相對危險(xiǎn)度（RR）、歸因分值（PAF）及其95%置信區(qū)間（95%CI）來評價(jià)暴露效應(yīng)，相對危險(xiǎn)度、歸因分值、超額危險(xiǎn)度的計(jì)算參考相關(guān)資料和文獻(xiàn)。分布滯后非線性模型和廣義相加模型分別利用R 軟件的dlnm 和mgcv程序包進(jìn)行建模。

3 數(shù)據(jù)特征

死亡人口的年齡分布如圖1，時(shí)間序列分布如圖2。男性、女性、全體的死亡峰值年齡分別是82 歲、86 歲、83 歲（死亡的峰值年齡一般高于預(yù)期壽命是因?yàn)橹械妄g死亡人員對預(yù)期壽命的拉低作用），90 歲以上死亡者占65 歲以上死亡人數(shù)的16.3%，男、女比隨年齡增長而降低，符合全球及中國人口死亡規(guī)律。為了研究氣溫和PM2.5對不同年齡老年人的影響，從統(tǒng)計(jì)上消除人數(shù)差異大引發(fā)的隨機(jī)因素的干擾，以利于年齡組之間的等效對比，文中按照各組死亡人數(shù)大致相等的原則，對65—104 歲老人按年齡分成6 組（65—72、73—77、78—81、82—85、86—89、90—104 歲）。

提取研究區(qū)范圍內(nèi)10 km 分辨率的80 個(gè)點(diǎn)的PM2.5濃度并計(jì)算平均值，氣溫和PM2.5時(shí)間序列分布和頻數(shù)見圖2。南通市年平均氣溫16℃，2012—2017 年氣溫的5%、25%、50%、75%、95%分位數(shù)分別為2.0、8.0、17.2、23.5 和30.4℃。PM2.5濃度的5%、25%、50%、75%、95%分位數(shù)分別為15.6、32.3、52.9、80.9 和137.2 μg/m3。

圖2 PM2.5（a）、氣溫（b）和死亡人數(shù)（c）的時(shí)間序列（a1—c1）及頻次分布（a2—c2）Fig.2 Time series（a1—c1）and frequencies（a2—c2）of PM2.5（a），temperature（b）and mortality（c）

4 非適宜氣溫和PM2.5 的獨(dú)立效應(yīng)

非適宜氣溫對不同年齡段老年人的相對危險(xiǎn)度和滯后效應(yīng)見圖3 和4，最低死亡溫度（MMT）為24—26℃。低溫和高溫的風(fēng)險(xiǎn)均隨年齡增長而增加，低溫風(fēng)險(xiǎn)隨年齡增長升高的幅度高于高溫。低溫、高溫均具有滯后效應(yīng)，低溫的滯后效應(yīng)從低溫后1—3 d 開始，持續(xù)9—12 d。高溫的滯后效應(yīng)從當(dāng)天開始，持續(xù)3—6 d，低溫、高溫的滯后期長短與年齡的關(guān)系均不明顯。各年齡組均表現(xiàn)出溫度越高或越低，滯后期越長。65—72、73—77 歲組的高溫具有微弱的收獲效應(yīng)，即相對危險(xiǎn)度低于1，但78 歲以上組的高溫?zé)o收獲效應(yīng)。

圖3 2012—2017 年南通市平均氣溫與不同年齡段老年人（a—f）全因死亡人數(shù)的累積暴露-反應(yīng)關(guān)系（陰影為95%置信區(qū)間）Fig.3 Cumulative exposure-response association of mean temperature and all-cause mortality in Nantong，2012—2017（a—f.groups of different ages；shaded：95%CI）

各滯后期內(nèi)PM2.5的超額危險(xiǎn)度如表1。由表1可見，研究區(qū)PM2.5滯后效應(yīng)隨年齡增長而增加，65—72 歲、73—77 歲在滯后0、1 d 顯著，78—81 歲在滯后0 d 顯著，82—85 歲在滯后0、1、2 d 顯著，86—89 和90—104 歲在滯后0、1、2、3 d 顯著?；谏鲜鼋Y(jié)果，根據(jù)不同年齡組的顯著性分別設(shè)定滯后期。

表1 不同滯后時(shí)間下PM2.5 濃度變化導(dǎo)致的全因超額死亡風(fēng)險(xiǎn)Table 1 Excess risk of all-cause mortality associated with PM2.5 with different lag days

低溫、高溫、PM2.5的整體相對危險(xiǎn)度和歸因分值見表2，其中PM2.5是否有安全暴露劑量存在爭議，各國標(biāo)準(zhǔn)差異較大，研究（Chen，et al，2017）顯示，相同濃度的PM2.5對中國居民的風(fēng)險(xiǎn)低于西方國家。依照世界衛(wèi)生組織對于顆粒物的空氣質(zhì)量標(biāo)準(zhǔn)（24 h 內(nèi)PM2.5濃度10 μg/m3）和過渡期標(biāo)準(zhǔn)（24 h 內(nèi)PM2.5濃度25 μg/m3）（WHO，2006）兩種情況設(shè)定閾值。表2 顯示，低溫、高溫的相對危險(xiǎn)度和歸因分值均隨年齡增長而升高，雖然低溫的相對風(fēng)險(xiǎn)效應(yīng)比高溫顯著得多，19.02%的90 歲以上老人死于低溫，而65—72歲僅有3.56%。與氣溫相比，PM2.5對于低齡老人風(fēng)險(xiǎn)較大，但是隨年齡增長先減小后增大，其風(fēng)險(xiǎn)在高齡段小于低溫。

圖4 不同年齡組（a—f）的低溫、高溫滯后效應(yīng)和收獲效應(yīng)（色階為相對危險(xiǎn)度）Fig.4 Lagged effect and harvest effect of high and low temperatures for groups of different ages（a—f；shaded：RR）

表2 低溫、高溫、PM2.5 的累積相對危險(xiǎn)度和歸因分值及95%置信區(qū)間Table 2 Relative risk and attributable fraction of high and low temperature and PM2.5

研究區(qū)最低死亡溫度在不同年齡段略有差異，主要位于24—26℃，但并未發(fā)現(xiàn)最低死亡溫度隨年齡增長的變化規(guī)律，在該溫度范圍外，低溫和高溫下死亡風(fēng)險(xiǎn)均升高。大量研究表明，最低死亡溫度與緯度呈負(fù)相關(guān)，緯度越低，最低死亡溫度越高（Yang，et al，2015；Yu，et al，2012；Gasparrini，et al，2015；Guo，et al，2014）。本研究與已有研究（Yang，et al，2016；Ma，et al，2015；Cheng，et al，2019；Wang，et al，2017）得到的北亞熱帶最低死亡溫度主要位于20—26℃的結(jié)論一致。本研究還發(fā)現(xiàn)，隨著年齡增長，氣溫暴露-反應(yīng)關(guān)系的曲線逐漸由65—72 歲的“U”型轉(zhuǎn)變?yōu)楦啐g的反“J”型，在老年低齡階段，離開最低死亡溫度后，低溫和高溫相對危險(xiǎn)度升高的幅度大致接近，低溫略高，但是隨著年齡增長，低溫的升高幅度比高溫明顯得多，隨年齡增長的6 個(gè)年齡段1℃（氣溫的2.5%分位數(shù)）的相對危險(xiǎn)度分別是31℃（氣溫的97.5%分位數(shù)）的1.04 倍、1.14 倍、1.19 倍、1.32 倍、1.26 倍、1.46 倍，導(dǎo)致反“J”型曲線的兩端差異變大。類似對年齡分為2 組的研究（Zhang，et al，2017）也表明，年齡越大，低溫比高溫的危險(xiǎn)性增幅越大。對中國272 個(gè)城市的研究（Chen R J，et al，2018）顯示，75 歲以上人群的氣溫歸因死亡分值＞65—74 歲＞5—64 歲，并且75 歲以上與65—74 歲的差異明顯大于65—74 歲與5—64 歲的差異，說明氣溫的歸因死亡在老齡人群中隨年齡呈發(fā)散型上升。中國南方2008 年寒潮對75 歲以上人群的影響＞65—74 歲＞0—64 歲（Xie，et al，2013）。以上研究結(jié)果均表明，氣溫的劑量-反應(yīng)關(guān)系為發(fā)散型。與某些因素的危險(xiǎn)性隨濃度升高而收斂并具有極限不同，離開最低死亡溫度后，氣溫越高或越低，相對危險(xiǎn)度的曲線呈凹形加速上升，導(dǎo)數(shù)沿“U”型、反“J”型、“J”型曲線向兩側(cè)增大，呈發(fā)散特征。

本研究結(jié)果顯示，由最低死亡溫度向兩側(cè)，氣溫越高或越低，滯后效應(yīng)越顯著，低溫范圍內(nèi)，15℃的滯后期只有1—3 d，0℃的滯后期超過8 d，高溫范圍內(nèi)也呈現(xiàn)溫度、滯后期、相對危險(xiǎn)度之間的三角形結(jié)構(gòu)，只是滯后期短于低溫，這與已發(fā)現(xiàn)的低溫引發(fā)的死亡具有明顯的滯后效應(yīng)，滯后期為1—25 d（李艷等，2016；董繼元等，2017；Ma，et al，2014）；高溫的滯后期較短，只有1—5 d 且主要影響集中在當(dāng)天（張瑩等，2019；Bao，et al，2016）等結(jié)論一致，但是滯后效應(yīng)與年齡不存在相關(guān)。部分研究發(fā)現(xiàn)高溫具有收獲效應(yīng)，本研究結(jié)果發(fā)現(xiàn)65—77 歲有收獲效應(yīng)，而78 歲以上各組無收獲效應(yīng)，說明高溫對高齡老人的影響可能具有廣泛性，不僅脆弱者和患病者受影響較大，對普通高齡人群也有風(fēng)險(xiǎn)。

研究區(qū)的最低死亡溫度主要出現(xiàn)在6 月和9 月，高溫期（氣溫高于最低死亡溫度）只有2—2.5 個(gè)月，低溫期（氣溫低于最低死亡溫度）長達(dá)8—9 個(gè)月，導(dǎo)致低溫歸因死亡占比遠(yuǎn)高于高溫，且年齡越大，低溫與高溫歸因分值的比值差異越大，從65 歲到90 歲以上分別為2.52、4.07、5.34、6.12、4.95、6.49 倍，說明高齡老人更需要注意低溫的傷害。雖然單次高溫的危險(xiǎn)不一定低于低溫，部分國家及中國各地的死亡歸因主要表現(xiàn)為冷效應(yīng)（Huang，et al，2015；張雪等，2018；Heo，et al，2016；Chen R J，et al，2018；Xie，et al，2013），研究中低溫和高溫的歸因死亡從2.7:1（張瑩等，2019）到30.7:1（Gasparrini，et al，2015）不等，即使今后全球變暖，英國2020、2050、2080年低溫歸因死亡依然分別是高溫的13.0、5.8、2.9 倍（Hajat，et al，2014）。主要原因是，①低溫的滯后期更長，增大了危險(xiǎn)性；而高溫收獲效應(yīng)降低了危險(xiǎn)性（Ma，et al，2014；Gasparrini，et al，2015）。②世界及中國大多數(shù)地區(qū)全年每日氣溫低于最低死亡溫度的天數(shù)遠(yuǎn)多于高于此溫度的天數(shù)，最低死亡溫度一般位于當(dāng)?shù)貧鉁氐?0%—90%分位，全球平均在81%分位（Gasparrini，et al，2015），導(dǎo)致低溫的危險(xiǎn)度上升區(qū)間更寬，且低溫期漫長，發(fā)生頻率更高，死亡遠(yuǎn)多于高溫。③人們對高溫的應(yīng)對措施更有效，如使用空調(diào)降溫，但對低溫特別是弱低溫的重視不夠。研究區(qū)位于冬季采暖線南側(cè)不遠(yuǎn)的北亞熱帶，是冬季室內(nèi)氣溫最低的地區(qū)之一，相關(guān)研究也顯示，溫帶地區(qū)的最低死亡溫度低于亞熱帶，即低溫對溫帶地區(qū)的風(fēng)險(xiǎn)性更低，并且推測與冬季溫帶地區(qū)有供暖密切相關(guān)（Ma，et al，2014；Yang，et al，2016）。

PM2.5的獨(dú)立效應(yīng)表明，在老年低齡段，PM2.5風(fēng)險(xiǎn)與低溫、高溫相差不大，在不設(shè)閾值的情況下其歸因死亡占比更高。隨年齡增長，PM2.5的相對危險(xiǎn)度和歸因分值均先降后升：65—72 歲＞73—77 歲＞78—81 歲＜82—85 歲＜86—89 歲＜90—104 歲，呈現(xiàn)波動變化，這與全球疾病負(fù)擔(dān)給出的PM2.5的相對危險(xiǎn)度隨年齡增長下降的趨勢（GBD 2017 Risk Factor Collaborators，2018）以及相關(guān)研究（Franklin，et al，2007；Chen C，et al，2018；Ma，et al，2011）發(fā)現(xiàn)的死亡風(fēng)險(xiǎn)：65—74 歲＞75 歲以上＞0—64 歲、75 歲以上＞5—64 歲＞65—74 歲、65 歲以上或75 歲以上風(fēng)險(xiǎn)更大等結(jié)論有相似之處但并不完全一致。并且已有研究（Gao，et al，2017；Cao，et al，2011；Zhou，et al，2014）和本研究結(jié)果均發(fā)現(xiàn)，PM2.5對中國的危險(xiǎn)性低于西方發(fā)達(dá)國家。與氣溫的相對危險(xiǎn)度和歸因分值隨年齡增長迅速升高不同，PM2.5在中青年和低齡老年段危害較大，但是隨年齡增長并非發(fā)散式升高，表明與低溫相比，PM2.5與過早死亡聯(lián)系更緊密，而低溫對高齡、超高齡老人的影響更大。同時(shí)本研究發(fā)現(xiàn)PM2.5的滯后期隨年齡增長而延長，相關(guān)研究（Yang，et al，2020；張瑩 等，2021）也表明，PM2.5對于不同死因存在1—3 d 的滯后期。

5 協(xié)同作用

圖5 是日平均氣溫與PM2.5的協(xié)同作用，Z軸表示依據(jù)氣溫和PM2.5濃度計(jì)算的死亡人數(shù)，氣溫與死亡的反“J”型關(guān)系以及PM2.5濃度與死亡人數(shù)的線性關(guān)系十分明顯。二者對死亡人數(shù)具有協(xié)同作用，不論是低溫或是高溫環(huán)境下，PM2.5濃度升高都增加了死亡風(fēng)險(xiǎn)，部分年齡組在PM2.5濃度超過150 μg/m3時(shí)死亡人數(shù)的增加幅度趨于平緩。

圖5 日平均氣溫與PM2.5 的協(xié)同作用對不同年齡（a—f）影響的二元反應(yīng)Fig.5 Bivariate response surfaces of mean temperature and PM2.5 for groups of different ages（a—f）

表3 是氣溫不分層以及分為低溫（低于最低死亡溫度）和高溫（高于最低死亡溫度）時(shí)，PM2.5濃度升高10 μg/m3對各老年組的超額死亡影響。氣溫不分層及低溫時(shí)，PM2.5濃度升高在各個(gè)年齡段都造成了0.50%—1.71%的超額死亡，但是在高溫時(shí)未觀察到超額死亡效應(yīng)。這可能與高溫時(shí)PM2.5濃度低有關(guān)，研究區(qū)2012—2017 年各月平均氣溫與PM2.5濃度存在明顯的線性負(fù)相關(guān)關(guān)系，6、7、8 月PM2.5平均濃度為45.9 μg/m3；12、1、2 月PM2.5平均濃度為87.5 μg/m3。

表3 不同溫度水平下PM2.5 濃度升高10 μg/m3 對各老年組的超額死亡影響Table 3 Excess risk for each group with 10 μg/m3 increases in PM2.5 across different temperature levels

非參數(shù)二元響應(yīng)模型的計(jì)算結(jié)果顯示，除65—72 歲年齡段氣溫與死亡為“U”型關(guān)系以外，其他5 個(gè)年齡段均呈反“J”型關(guān)系，PM2.5與死亡在0—150 μg/m3內(nèi)均為線性關(guān)系，在150—200 μg/m3內(nèi)，73—77 歲和86—89 歲趨于平緩，其他4 個(gè)年齡段仍為線性關(guān)系，死亡最低值發(fā)生在氣溫反“J”型曲線的拐點(diǎn)與PM2.5暴露值為0 的交界點(diǎn)，從死亡人數(shù)隨低溫、高溫、PM2.5濃度變化而升高的幅度看，65—72 歲為高溫≈低溫≈PM2.5，其他年齡段低溫＞高溫≈PM2.5，低溫導(dǎo)致的死亡人數(shù)遠(yuǎn)多于高溫和PM2.5，是高齡人群的主要環(huán)境危險(xiǎn)因素。因此，對于老年群體，特別是高齡老人，采取相應(yīng)措施防范低溫的死亡風(fēng)險(xiǎn)至關(guān)重要。隨著2016 年以來對大氣污染治理力度不斷加大，近幾年研究區(qū)空氣質(zhì)量為優(yōu)的天數(shù)增多，已經(jīng)很少出現(xiàn)PM2.5濃度高于150 μg/m3的情況，但是全球變暖導(dǎo)致極端高溫、極端低溫越來越頻繁，今后高溫的歸因死亡可能會高于PM2.5，并且低溫的危險(xiǎn)性不一定降低。

對氣溫分層的結(jié)果表明，不分層和低溫環(huán)境下，PM2.5濃度升高對各個(gè)年齡段超額死亡都存在強(qiáng)相關(guān)，低溫環(huán)境下PM2.5濃度每升高10 μg/m3對65—72、73—77 和82—85 歲的超額死亡影響大于氣溫不分層時(shí)，而對78—81、86—89 和90—104 歲的影響小于氣溫不分層時(shí)，但是并未觀察到高溫環(huán)境下PM2.5濃度升高對各個(gè)年齡段超額死亡的作用。關(guān)于高溫、低溫與PM2.5協(xié)同作用的大小，不同的研究結(jié)論也不一致，成都、北京的研究（張瑩等，2021，2017）發(fā)現(xiàn)高溫段PM2.5對疾病死亡影響的健康風(fēng)險(xiǎn)均大于低溫段，且大于不分層條件下的獨(dú)立健康效應(yīng)，而西安市的研究（歐奕含等，2021）結(jié)論與本研究一致，即低溫效應(yīng)有統(tǒng)計(jì)學(xué)意義，高溫不具有統(tǒng)計(jì)學(xué)意義。

6 結(jié)論與討論

文中研究了低溫、高溫、PM2.5濃度對多個(gè)老年年齡段的危險(xiǎn)性、滯后期、收獲效應(yīng)、協(xié)同作用。低溫、高溫的危險(xiǎn)性均隨年齡增長而增加，但低溫升高趨勢更大，PM2.5的危險(xiǎn)隨濃度升高先減小后增加。低溫的滯后期較長，高溫和PM2.5的滯后期較短。高溫在老年低齡組存在收獲效應(yīng)。低溫、高溫與PM2.5間存在協(xié)同作用。

本研究存在以下不足：并未收集其他空氣污染物，如O3、NOX、CO、PM10濃度，主要原因是死亡數(shù)據(jù)的時(shí)段為2012—2017 年，未能獲取2012 年部分污染物的監(jiān)測值。未考慮人口密度分布與PM2.5濃度分布的不一致，可能導(dǎo)致地區(qū)PM2.5平均值與人群暴露實(shí)際值存在偏差。雖然本研究的時(shí)間序列長、數(shù)據(jù)量大，但由于南通是老齡化最嚴(yán)重的地區(qū)，未來還需在其他地區(qū)做進(jìn)一步的研究，增加結(jié)論的適用性。

附錄：敏感性試驗(yàn)結(jié)果

1 日最高、最低氣溫試驗(yàn)

附圖1 日最高氣溫與各年齡組（a—f）死亡的暴露-反應(yīng)關(guān)系（陰影為95%置信區(qū)間）Fig.A1 Cumulative exposure-response association of daily maximum temperature and all-cause mortality（shaded：95%CI）

附圖3 日最低氣溫與各年齡組（a—f）死亡的暴露-反應(yīng)關(guān)系（陰影為95%置信區(qū)間）Fig.A3 Cumulative exposure-response association of daily minimum temperature and all-cause mortality（shaded：95%CI）

附圖4 不同年齡組（a—f）的低溫、高溫滯后效應(yīng)和收獲效應(yīng)（以日最低氣溫計(jì)，色階為相對危險(xiǎn)度）Fig.A4 Lagged effect and harvest effect of high and low temperatures for groups of different ages（daily minimum temperature；shaded：RR）

2 滯后期21 d 的試驗(yàn)

附圖5 不同年齡組（a—f）的低溫、高溫滯后效應(yīng)和收獲效應(yīng)（滯后期21 d，色階為相對危險(xiǎn)度）Fig.A5 Lagged effect and harvest effect of high and low temperatures for groups of different ages（lag021 d；shaded：RR）

3 時(shí)間自由度變化的試驗(yàn)

附表1 時(shí)間自由度變化的試驗(yàn)結(jié)果Table A1 Result of changing df（degree of freedom）of time

附圖6 90—104 歲年齡組不同時(shí)間自由度下（a—i）平均氣溫與死亡的暴露-反應(yīng)關(guān)系（陰影為95%置信區(qū)間）Fig.A6 Cumulative exposure-response association of daily mean temperature and all-cause mortality under different df of time（shaded：95%CI）

4 PM2.5自由度變化的試驗(yàn)

附表2 PM2.5 自由度變化的試驗(yàn)結(jié)果Table A2 Result of changing df（degree of freedom）of PM2.5