摘 要：本文探究某市大氣污染與當(dāng)?shù)匦难苁录l(fā)生的關(guān)聯(lián)關(guān)系。收集2018年1月1日—2022年12月31日某市心血管事件、氣象及污染物監(jiān)測(cè)資料，通過(guò)控制氣象、時(shí)間及假日等因素，分冷、暖兩季構(gòu)建類Poisson分布的廣義相加模型，分析各污染物對(duì)疾病發(fā)生的滯后效應(yīng)。冷季建模發(fā)現(xiàn)，PM2.5、PM10危險(xiǎn)超額在滯后13d分別為0.16%、0.12%，NO2在滯后19d達(dá)2.07%（95%CI為1.33%～2.81%），SO2在滯后18d達(dá)0.54%（95%CI為0.30%～0.79%）；暖季O3在滯后12d危險(xiǎn)超額0.10%（95%CI為0.05%～0.16%）。結(jié)果表明，冷季PM2.5、PM10、NO2、SO2可能對(duì)某市心血管事件發(fā)生具有滯后效應(yīng)關(guān)聯(lián)；暖季O3可能對(duì)某市心血管事件發(fā)生具有滯后效應(yīng)關(guān)聯(lián)。

關(guān)鍵詞：大氣污染；心血管事件；氣象因素；廣義相加模型

中圖分類號(hào)：R 31 文獻(xiàn)標(biāo)志碼：A

心血管事件（Cardiovascular Events，CVE）是一組危及生命安全的心腦血管疾病。有研究顯示，極端氣候變化會(huì)誘發(fā)CVE。一方面，氣候變化能直接改變氣溫、氣壓等氣象因素，對(duì)CVE產(chǎn)生作用。另一方面，氣候變化易造成工業(yè)負(fù)荷活動(dòng)，過(guò)量排放的污染物將增加人群超重或肥胖、2型糖尿病、高血壓、血脂異常等危險(xiǎn)因素的發(fā)生風(fēng)險(xiǎn)[1]，進(jìn)而誘發(fā)CVE。研究認(rèn)為，暴露于大氣污染會(huì)增加CVE的死亡風(fēng)險(xiǎn)，通常表現(xiàn)為滯后效應(yīng)[2]。

某市化工、建材、電力等工廠企業(yè)眾多，顆粒物（細(xì)顆粒物PM2.5、可吸入顆粒物PM10）、二氧化硫（SO2）、氮氧化物（NOx）、氟化物等污染嚴(yán)重[3]。目前未見(jiàn)某市大氣污染與當(dāng)?shù)鼐用馛VE發(fā)生的關(guān)聯(lián)研究成果，因此本文以某市2018—2022年CVE日?qǐng)?bào)數(shù)據(jù)為基礎(chǔ)，構(gòu)建類Poisson分布的廣義相加模型（Generalized Additive Model，GAM），以充分探討污染物對(duì)CVE發(fā)生的滯后效應(yīng)，為某市相關(guān)部門(mén)制定策略措施提供數(shù)據(jù)參考。

1 材料與方法

1.1 資料來(lái)源

研究選取2018年1月1日—2022年12月31日某市CVE日?qǐng)?bào)資料，數(shù)據(jù)來(lái)源于疾控中心CVE監(jiān)測(cè)報(bào)告系統(tǒng)。根據(jù)國(guó)際疾病分類第十版（ICD-10），選取心血管疾?。毙孕募」Ｋ溃↖21～I(xiàn)22）、心臟性猝死（I46.1）；腦血管疾病：蛛網(wǎng)膜下腔出血（I60）、大腦內(nèi)出血（I61）、其他非外傷性顱內(nèi)出血（I62）、腦梗塞（I63）、未特指為出血或梗塞的中風(fēng)（I64）等）作為健康效應(yīng)觀測(cè)終點(diǎn)。搜集整理CVE發(fā)生時(shí)間、診斷分類、患者性別、年齡等基本信息。對(duì)應(yīng)收集同期某市氣象因素（氣溫、氣壓、相對(duì)濕度、風(fēng)速）、大氣污染物（PM2.5、PM10、NO2、SO2、O3）日均監(jiān)測(cè)資料，數(shù)據(jù)來(lái)源于國(guó)家氣象科學(xué)數(shù)據(jù)中心（http：//data.cma.cn/）。

1.2 描述性統(tǒng)計(jì)

使用SPSS25.0與R4.2.2軟件統(tǒng)計(jì)CVE診斷構(gòu)成及各年人口的性別、年齡構(gòu)成并繪制氣象與污染物數(shù)據(jù)的時(shí)間序列模式，了解數(shù)據(jù)的季節(jié)性波動(dòng)及污染物超標(biāo)情況。正態(tài)分布數(shù)據(jù)用均數(shù)和標(biāo)準(zhǔn)差（x±s）、非正態(tài)分布數(shù)據(jù)用中位數(shù)（Me）和四分位數(shù)間距（IQR）描述分布特征。

1.3 相關(guān)性分析

CVE日發(fā)生數(shù)不服從正態(tài)分布，使用Spearman相關(guān)分析并繪制相關(guān)性熱圖。

1.4 廣義相加模型

每日CVE發(fā)生可視為小概率事件，數(shù)據(jù)分布近似Poisson分布，考慮數(shù)據(jù)過(guò)于離散（μ≠σ2），因此選擇類Poisson形式進(jìn)行模型整擬[4-5]，如公式（1）所示。

式中：Log（）為類Poisson分布的連接函數(shù)；μt為第t日的健康結(jié)局預(yù)期值；α為截距；β為各污染物的回歸系數(shù)，污染物濃度變化1個(gè)單位，人群健康結(jié)局發(fā)生數(shù)變化（eβ-1）×100%；xt為第t日的污染物日平均濃度；τ為污染物暴露的滯后日；s（）為非參數(shù)平滑函數(shù)；啞變量為納入假期、星期信息分別控制節(jié)假日效應(yīng)（Holiday）與星期幾效應(yīng)（dayoftheweek，DOW）的短期波動(dòng)影響。

通過(guò)查閱文獻(xiàn)[5]及最小化殘差自相關(guān)（PACF）確定自由度ν，時(shí)間為6，氣象因素為3。

以R4.2.2mgcv包中的gam（）函數(shù)擬合GAM[5]，控制時(shí)間長(zhǎng)期趨勢(shì)、氣象混雜（氣溫、氣壓、濕度、風(fēng)速）、節(jié)假日短期波動(dòng)，并根據(jù)冷、暖季節(jié)進(jìn)行分層研究，探究各污染物在不同滯后日對(duì)CVE發(fā)生的超額危險(xiǎn)及95%可信區(qū)間。本文選用1d～14d為滯后時(shí)段，用Lagi表示（i=1，2，…，14）。當(dāng)日效應(yīng)為L(zhǎng)ag0，Lag1表示當(dāng)天與前一天的平均暴露濃度，以此類推。調(diào)整PM2.5、PM10、NO2、SO2、O3各污染物每增加10μg/m3計(jì)算超額百分比。

2 結(jié)果

2.1 CVE構(gòu)成情況

研究期間共監(jiān)測(cè)CVE7042例，其中男性4324人（61.40%），女性2718人（38.60%）；以WHO定義對(duì)年齡分層發(fā)現(xiàn)，60歲以上患者占總患病數(shù)的65.80%。各年發(fā)病人口性別構(gòu)成相似，老年居民CVE發(fā)生數(shù)總體呈上升趨勢(shì)，見(jiàn)表1。疾病分布結(jié)果顯示，人群主要疾病診斷為腦梗塞、心肌梗死、腦出血（分別占比62.24%、19.23%、12.88%）。

2.2 氣象因素和污染物的季節(jié)特征

根據(jù)可視化氣象因素及污染物的時(shí)序模式發(fā)現(xiàn)，各因素均存在明顯的季節(jié)性波動(dòng)，以波動(dòng)情況劃分當(dāng)?shù)嘏緸?—9月，冷季為10—次年3月。本文監(jiān)測(cè)人群居住區(qū)污染信息，參照《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》（GB 3095—2012）規(guī)定，相應(yīng)二級(jí)濃度限值：PM2.5（75μg/m3）、PM10（150μg/m3）、NO2（80μg/m3）、SO2（150μg/m3）、O3（160μg/m3）。研究期間PM2.5、PM10兩項(xiàng)污染物存在超標(biāo)情況（26d、2d）。

2.3 CVE發(fā)生、氣象因素和污染物分布的基本情況

研究期間，某市CVE日均發(fā)病3例，冷暖分季未見(jiàn)差異，最高日發(fā)病22例；氣象因素日均情況如下：氣溫21.50（7.30）℃、氣壓882.40（8.30）hPa、濕度69.00（16.00）%、風(fēng)速2.80（2.00）m/s，其中暖季氣溫、相對(duì)濕度均高于冷季，氣壓暖季低于冷季，風(fēng)速在冷暖季未見(jiàn)差異。

污染物日均情況如下：PM2.521.1（20.00）μg/m3、PM1030.60（26.90）μg/m3、NO28.40（4.40）μg/m3、SO210.50（6.30）μg/m3、O360.90（35.20）μg/m3，均未超過(guò)國(guó)標(biāo)二級(jí)濃度限值標(biāo)準(zhǔn)，且均表現(xiàn)為冷季濃度高于暖季，見(jiàn)表2。

2.4 氣象因素和污染物與CVE發(fā)生的相關(guān)性

Spearman相關(guān)分析結(jié)果顯示，CVE發(fā)生僅與氣溫存在正相關(guān)（相關(guān)系數(shù)r=0.09），日均氣溫越高則CVE發(fā)生數(shù)越多（P＜0.01）；各氣象因素兩兩之間存在相關(guān)（P＜0.01）；除了SO2與O3之間無(wú)相關(guān)外，其他污染物均兩兩存在相關(guān)關(guān)系（P＜0.01）。氣溫、風(fēng)速與污染物之間存在相關(guān)，其中氣溫與O3成正相關(guān)，與PM2.5、PM10、NO2、SO2成負(fù)相關(guān)（P＜0.01）；風(fēng)速與PM2.5、PM10、O3成正相關(guān)，與NO2、SO2成負(fù)相關(guān)（P＜0.01）；相對(duì)濕度與NO2不存在相關(guān)關(guān)系，與SO2成正相關(guān)，與PM2.5、PM10、O3成負(fù)相關(guān)（P＜0.01）；日均氣壓與五項(xiàng)污染物之間均存在正相關(guān)（除與O3P＜0.05外，與其他四項(xiàng)均P＜0.01），如圖1所示。

2.5 污染物與CVE發(fā)生的滯后效應(yīng)分析

本文以14d的滯后時(shí)間探究各污染物在不同滯后日對(duì)CVE發(fā)生的超額影響，以超額百分比Plt;0.05發(fā)現(xiàn)其對(duì)疾病發(fā)生的單因素滯后效應(yīng)。研究發(fā)現(xiàn)，冷季PM2.5、PM10在滯后13d分別造成0.16%、0.12%的危險(xiǎn)超額，NO2在滯后19d觀察到2.07%的最大危險(xiǎn)超額（95%CI為1.33%～2.81%），SO2在滯后18d達(dá)到0.54%的最大危險(xiǎn)超額（95%CI為0.30%～0.79%），見(jiàn)表3；而暖季O3在滯后12d危險(xiǎn)超額0.10%（95%CI：0.05%～0.16%），見(jiàn)表4。

3 結(jié)語(yǔ)

本文觀察到氣象因素與污染物對(duì)CVE發(fā)生的相關(guān)性，為進(jìn)一步明確污染物對(duì)當(dāng)?shù)谻VE發(fā)生的具體關(guān)聯(lián)，擬建立類Poisson分布的廣義相加模型（GAM），主要控制氣象因素混雜并進(jìn)一步區(qū)分冷暖季節(jié)，以充分暴露各污染物對(duì)CVE發(fā)生的單因素效應(yīng)。研究發(fā)現(xiàn)，冷季PM2.5、PM10、NO2、SO24項(xiàng)污染物均為CVE發(fā)生的危險(xiǎn)因素，與南京溧水區(qū)結(jié)論一致。此外，NO2在滯后19d時(shí)達(dá)到最大累積效應(yīng)，超額風(fēng)險(xiǎn)為2.07%，SO2則為滯后18d。中國(guó)綿陽(yáng)市開(kāi)展的一項(xiàng)研究顯示，NO2、SO2與當(dāng)?shù)谻VD每日死亡數(shù)存在滯后關(guān)聯(lián)。暖季O3是CVE發(fā)生的危險(xiǎn)因素，與柳州研究一致。即使研究期間NO2、SO2、O33項(xiàng)污染物均未超過(guò)國(guó)標(biāo)限值，但仍能觀察到其健康危險(xiǎn)效應(yīng)，與李鎰沖等的結(jié)論相符。冷暖兩季的污染物滯后效應(yīng)不同，可能與兩季污染物濃度存在差別有關(guān)，需要進(jìn)一步研究證實(shí)。

本文存在的不足：本文實(shí)質(zhì)屬于生態(tài)學(xué)研究，結(jié)論外推受限；未考慮當(dāng)?shù)匦鹿谝咔榉揽貙?duì)研究的影響；污染物之間仍存在相互影響關(guān)系，其聯(lián)合作用有待進(jìn)一步研究。

參考文獻(xiàn)

[1]YANG B，GUO Y，MARKEVYCH I，et al.Association of Long-term Exposure to Ambient Air Pollutants With Risk Factors for Cardiovascular Disease in China[J]. JAMA Netw Open，2019，2（3）：190318.

[2]王保東，史映紅，文獻(xiàn)英，等.2021年綿陽(yáng)市大氣污染物與心腦血管疾病每日死亡數(shù)關(guān)系的病例交叉研究[J].預(yù)防醫(yī)學(xué)情報(bào)雜志，2023，39（2）：187-191.

[3]馬平，楊宏達(dá)，林紅，等.開(kāi)遠(yuǎn)市大氣污染物排放交易政策的實(shí)施[J].環(huán)境科學(xué)研究，1995（2）：40-42.

[4]顧崢嶸，王心雨，徐會(huì)，等.空氣污染與疾病關(guān)系研究中廣義相加模型3種分布比較[J].中國(guó)公共衛(wèi)生，2022，38（9）：1199-1202.

[5]樊琳，顧清，曾強(qiáng).廣義相加模型在大氣污染流行病學(xué)研究中的應(yīng)用進(jìn)展[J].環(huán)境與職業(yè)醫(yī)學(xué)，2019，36（7）：676-681.基金項(xiàng)目：國(guó)家自然科學(xué)基金地區(qū)項(xiàng)目“基于樹(shù)模型的不限階交互作用分析方法研究及在肺癌組學(xué)數(shù)據(jù)中的應(yīng)用”（項(xiàng)目編號(hào)：82260666）；云南省基礎(chǔ)研究計(jì)劃“醫(yī)學(xué)公共數(shù)據(jù)湖構(gòu)建”（項(xiàng)目編號(hào)：202301AU070220）。