环境监控与预警   2020, Vol. 12 Issue (3): 43-47.  DOI: 10.3969/j.issn.1674-6732.2020.03.008.
0

解析评价

引用本文 [复制中英文]

赵有政, 汤权, 沈进进, 咸月, 黄连成, 盐城市空气污染对呼吸系统日门诊量关系的时间序列分析. 环境监控与预警, 2020, 12(3): 43-47. DOI: 10.3969/j.issn.1674-6732.2020.03.008.
[复制中文]
ZHAO You-zheng, TANG Quan, SHEN Jin-jin, XIAN Yue, HUANG Lian-cheng. A Time Series Analysis of Effects of Air Pollution on Daily Hospital Outpatients with Respiratory Diseases in Yancheng City. Environmental Monitoring and Forewarning, 2020, 12(3): 43-47. DOI: 10.3969/j.issn.1674-6732.2020.03.008.
[复制英文]

基金项目

国家科技基础资源调查专项基金资助项目(2017FY101200);江苏省环境监测科研基金资助项目(1906)

作者简介

赵有政(1976—),男,高级工程师,本科,从事自动监测和环境分析工作.

通讯作者

黄连成  E-mail:170466733@qq.com.

文章历史

收稿日期:2019-09-11
修订日期:2019-11-18

码上扫一扫

盐城市空气污染对呼吸系统日门诊量关系的时间序列分析
赵有政1, 汤权2, 沈进进2, 咸月1, 黄连成2    
1. 江苏省盐城环境监测中心,江苏盐城224000;
2. 盐城市疾病预防控制中心,江苏 盐城 224000
摘要:根据盐城市2014—2018年逐日空气污染物监测数据细颗粒物(PM2.5)、可吸入颗粒物(PM10)、二氧化氮(NO2)、二氧化硫(SO2)、臭氧(O3)、气象数据(日平均温度、日平均相对湿度)及市区某三甲综合医院呼吸系统日门诊资料,采用时间序列半参数广义相加模型,以滞后天数最大效应值作为空气污染物对人群呼吸系统日门诊量影响的超额危险度,分析了盐城市空气污染物短期暴露对人群呼吸系统日门诊量的影响。结果表明,2014—2018年盐城市空气PM2.5、PM10、NO2、SO2和O3平均值分别为48.4,81.8,26.3,15.8和111.2 mg/m3,其中PM2.5、PM10值高于《环境空气质量标准》(GB 3095—2012)二级标准。污染物PM2.5、PM10、NO2、SO2和O3值每升高10 mg/m3,呼吸系统日门诊量就增加0.52%,0.31%,3.54%,4.36%和0.03%,SO2效应最强。空气污染物的短期暴露影响呼吸系统日门诊量,且存在滞后效应,其中PM2.5、PM10、NO2、SO2影响较大。
关键词盐城    空气污染    呼吸系统疾病    时间序列分析    广义相加模型    
A Time Series Analysis of Effects of Air Pollution on Daily Hospital Outpatients with Respiratory Diseases in Yancheng City
ZHAO You-zheng1, TANG Quan2, SHEN Jin-jin2, XIAN Yue1, HUANG Lian-cheng2    
1. Jiangsu Yancheng Environmental Monitoring Center, Yancheng, Jiangsu 224000, China;
2. Yancheng Municipal Center for Disease Control and Prevention, Yancheng, Jiangsu 224000, China
Abstract: The data of air pollutants(PM2.5, PM10, NO2, SO2 and O3), meteorological data(daily mean temperature, daily mean relative humidity) and daily outpatient visits of respiratory system in a grade A hospital of Yancheng City during 2014—2018 were collected. A time series semi-parametric generalized additive model was used to analyze the relationship between short-term exposure to air pollutants and respiratory hospitalization, and the maximum effect value of lag days was adopted to evaluate the excessive risk of the effect of air pollution on daily outpatient visits of respiratory system.According to the research results, the annual average concentrations of PM2.5, PM10, NO2, SO2 and O3 were 48.4, 81.8, 26.3, 15.8 and 111.2 mg/m3, respectively.PM10 and PM2.5 concentrations were higher than national class II standard.With an increase of 10 mg/m3 of PM2.5, PM10, NO2, SO2 and O3, the increase of daily outpatient rate of respiratory system would be 0.52 %, 0.31 %, 3.54 %, 4.36 %, and 0.03 %, respectively, and SO2 showed strongest effect. The short-term exposure of air pollutants affects the daily outpatient rate of respiratory system, and there are lag effects, of which PM2.5, PM10. NO2 and SO2 have stronger effects.
Key words: Yancheng    Air pollution    Respiratory diseases    Time series analysis    Generalized additive model    

近年来,空气污染对人体健康影响越来越受到重视[1]。大量研究[2-4]结果表明,大气污染浓度的短期急剧升高可增加人类呼吸系统发病率和死亡率,不同地理位置的特征污染物及作用效果均有明显差异。目前,国内外开展的大气污染物对人体健康影响效应研究,多以住院或死亡作为健康结局[5-6],而医疗机构门诊就诊数据因其覆盖面广、便于收集,可更加灵敏反应大气污染物对人群健康的急性效应,正逐步被广大专家学者所利用。此前很多类似研究以广义线性模型(GLM)和广义相加模型(GAM)进行大气污染物与呼吸系统疾病的时间序列分析,对变量进行拟合,同时也能考虑污染物的滞后效应[7]

江苏省盐城市地处中国东部沿海中部,濒临黄海,市辖区面积4 921 km2,常住人口240万。城市建设规模的不断扩增,新型化工、汽车尾气、工地扬尘及输入性大气污染等源头产生的空气污染物对居民健康的影响,与其他地区“燃煤型”、“工业型”等污染类型造成影响有所不同。现根据盐城市2014—2018年逐日空气污染物监测数据细颗粒物(PM2.5)、可吸入颗粒物(PM10)、二氧化氮(NO2)、二氧化硫(SO2)、臭氧(O3)、气象数据(日平均温度、日平均相对湿度)及市区某三甲综合医院呼吸系统日门诊资料,采用时间序列半参数广义相加模型,以滞后天数最大效应值作为空气污染物对人群呼吸系统日门诊量影响的超额危险度,分析了盐城市空气污染物短期暴露对人群呼吸系统日门诊量的影响,为预防和干预措施的制定提供科学依据。

1 研究方法 1.1 资料收集 1.1.1 医院门诊

门诊资料来自于盐城市城区某三级甲等综合性医院(市某院),规模较大,病例较多,能够代表本地空气污染时居民就诊情况。收集该院2014年1月1日—2018年12月31日内科门诊呼吸系统病例资料(ICD编码为J00-J99,R04-R07,R09.0-R09.3),依据《国际疾病分类第十版》(ICD-10)对数据进行整理,采用Excel 2007对数据进行查重清理。

1.1.2 空气污染物数据

来源于江苏省盐城环境监测中心,以当地4个国控监测点的算术平均值作为污染物日均值,监测项目为PM2.5、PM10、NO2、SO2和O3

1.1.3 气象资料

来自于江苏省气象台,包括日平均温度、日平均相对湿度。

1.2 统计方法

采用SPSS 18.0和R 3.6.1中的mgcv软件包对数据进行统计分析。对呼吸系统日门诊数据、空气污染物监测数据、气象数据进行统计描述。采用Spearman相关分析对空气污染物和气象因素进行统计分析,采用双侧检验,检验标准a=0.05。

相对于总人群,去医院门诊就诊属于小概率事件,每日呼吸系统门诊量的分布近似服从Poisson分布,可以采用广义相加模型分析空气污染对呼吸系统日门诊量的影响,采用自然样条平滑函数对时间趋势、温度和湿度进行拟合,控制“星期几效应”的影响。模型如下:

$ \begin{array}{l} \log \left[E\left(Y_{t}\right)\right]=\beta Z_{t}+\text { Dow }+n s(\text { time }, \mathrm{d} f)+ \\ n s(T, \mathrm{d} f)+n s(H, \mathrm{d} f)+\alpha \end{array} $

式中:t——0~7 d;

Yt——观察日t日当天的呼吸系统日门诊量,例/d;

E(Yt)——观察日t日呼吸系统日门诊量的数学期望;

α——截距;

β——回归系数,表示污染物浓度每升高单位浓度引起呼吸系统日门诊量增加;

Zt——观察日t污染物日平均值,mg/m3

Dow——星期几效应;

ns——自然平滑样条函数;

time——日期变量,选择合适的日期自由度能有效调整污染物-呼吸系统日,门诊量序列数据的长期趋势和季节波动;

df——自由度大小;

T——第t日的日平均温度,℃;

H——第t日的相对湿度,%。

考虑存在滞后效应和累积效应,将当日及前7 d单日滞后时间的空气污染物值(lag0~lag7)和前7 d滞后时间的空气污染物移动平均值(lag01~lag07)分别引入模型,进而确定空气污染物值对人群呼吸系统日门诊量影响最强的滞后时间。以赤池信息量准则(Akaike Information Criterion,AIC)值最小为原则选择自由度,其中时间长期趋势的自由度为7,每日平均温度和相对湿度的自由度为3。

2 结果分析 2.1 统计结果

2014年1月1日—2018年12月31日,盐城市空气PM2.5、PM10、NO2、SO2和O3平均值分别为48.4,81.8,26.3,15.8和106.9 mg/m3。其中PM2.5、PM10值分别高于《环境空气质量标准》(GB 3095—2012)二级标准(35和70 mg/m3)的38.3%、16.9%,见表 1

表 1 2014—2018年呼吸系统日门诊量、污染平均值及气象指标

2014年1月1日—2018年12月31日,市某院内科门诊量共计835 941人次,日均门诊量457.8人次,其中呼吸系统门诊量共计110 087人次,日均门诊量为60.3人次。呼吸系统门诊量高峰期出现在每年的11月至次年的2月,见图 1

图 1 2014—2018年呼吸系统门诊量时间序列
2.2 污染物与气象因素相关性

将各污染物与气象因素之间做Spearman相关性分析,结果表明,除O3与SO2相关无统计学意义外,其他因素间均存在相关性,见表 2。其中,呈强相关及以上的为PM2.5和PM10(0.909)、PM2.5和NO2(0.692)、PM10和NO2(0.721)、SO2和PM2.5(0.632)、SO2和PM10(0.690)、SO2和NO2(0.607)。

表 2 污染物、气象因素与呼吸系统日门诊量相关系数
2.3 空气污染对呼吸系统日门诊量滞后效应

污染物日均值增加10 mg/m3对呼吸系统日门诊量影响的首日效应超额危险度(ER)及95%置信区间(CI)见图 2(a)(b)(c)(d)(e),其中圆球代表ER值,工字符号代表ER值的95% CI。

图 2 污染物日均值增加10 g/m3对呼吸系统日门诊量影响的ER及95%CI

图 2可见,PM2.5、PM10、NO2和SO2值每升高10 mg/m3,均出现ER(lag0),可于首日引起当地居民出现短期急性效应,分别增加呼吸系统日门诊量的0.18%(95%CI:0.06%~0.29%)、0.09%(95%CI:0.01%~0.17%)、0.69%(95%CI:0.38%~1.01%)、0.87%(95%CI:0.35%~1.39%)。O3ER为-0.05%(95%CI:-0.07%~-0.02%)。

采用滞后天数0~7 d(lag0~lag7)最大效应值作为空气污染物对人群呼吸系统日门诊量影响的ER,结果发现盐城市PM2.5、PM10、NO2、SO2和O3值升高10 mg/m3,均会对呼吸系统日门诊量产生影响,其中PM2.5、PM10值升高后lag0最强,分别为0.18%和0.09%;NO2值升高后lag2最强,为0.89%;SO2值升高后lag3最强,为1.14%;O3值升高后lag5最强,为0.02%。

2.4 空气污染对呼吸系统日门诊量累积滞后效应

采用累积滞后天数1~7 d(lag01~lag07)最大效应值作为空气污染物对人群呼吸系统日门诊量影响的ER,结果发现PM2.5、PM10、NO2、SO2和O3值升高10 mg/m3,呼吸系统日门诊量影响趋于稳定,其中PM2.5、PM10值分别升高至lag06、lag05最强,分别为0.52%和0.31%,然后呈递减趋势;SO2、NO2值升高后对呼吸系统日门诊量的影响呈递增趋势,lag07最强,分别为4.36%和3.53%;O3的效应在lag07达到最大,但无统计学意义。

污染物都存在滞后效应,移动平均滞后效应均大于当日效应(O3除外)。根据滞后天数最大效应值作为空气污染物对呼吸系统日门诊量影响的ER,PM2.5、PM10、NO2、SO2和O3值每升高10 mg/m3,呼吸系统日门诊量分别增加0.52%(lag06),0.31%(lag05),3.54%(lag07),4.36%(lag07)和0.02%(lag5),其中SO2效应最强,见表 3

表 3 空气污染影响呼吸系统日门诊量的超额危险度
3 讨论

近年来,国内外研究[8-9]表明,空气污染与医院门诊呼吸系统疾病之间存在密切关联,可不同程度引起呼吸道感染、哮喘、肺炎等疾病的发生,首日效应显著,且污染物大多以滞后0~7 d对呼吸道疾病的健康效应影响最大。该研究发现,盐城市空气污染物对人群呼吸系统存在短期急性效应,可不同程度增加呼吸系统日门诊量。

不同空气污染物最强效应的滞后日期不同,滞后效应的结果也存在较大差异。盐城市在PM2.5污染滞后6 d时效应最大,与上海研究结果[10]一致,而北京[11]、成都[12]、济南[13]等地在滞后1 d时出现最大效应值。同时,盐城ρ(PM2.5)每升高10 mg/m3引起呼吸系统日门诊量增加0.52%(lag06),与既往较多研究结果存在差异。如徐艳龙等[14]研究显示合肥地区ρ(PM2.5)每升高10 mg/m3引起呼吸系统日门诊量增加0.90%(合肥市第二人民医院,lag2)、0.78%(滨湖医院,lag0);王大虎等[15]研究显示广州地区ρ(PM2.5)每升高10 mg/m3引起呼吸系统日门诊量增加2.12%(lag2);这可能跟不同地区空气污染严重程度及人群耐受程度有关。

盐城市空气污染物均会对呼吸系统日门诊量增加产生影响。空气污染物PM10、NO2、SO2和O3值每升高10 mg/m3,因呼吸系统疾病引起的门诊病例数分别增加0.31%(lag05)、3.54%(lag07)、4.36%(lag07)和0.02%(lag5)。NO2和SO2ER要明显高于PM2.5和PM10,这与文献[16-17]研究结果一致,可能跟当地汽车产业、化工企业发达及机动车保有量持续增加,而人群普遍低耐受易感有关。盐城本地O3值每升高10 mg/m3,引起呼吸系统日门诊量增加0.02%(lag5),远低于深圳[18]0.52%(lag0)、北京[16]0.22%(lag3),可能跟本地位处亚热气候带,常年气温不高,城市热岛效应不强有关,并不能引起明显的门诊量增加。

该研究还存在一些局限性。一是只选择一家医院,可能存在就医偏倚误差;二是以盐城本地4个空气监测点数据不能很好代表本地区人群暴露的真实情况,且暴露效应仅考虑室外大气污染,并未对室内空气污染暴露水平进行调查。

参考文献
[1]
姜少睿, 薛志钢, 李薇, 等. 我国环境空气质量状况及大气污染对健康的影响[J]. 华北电力技术, 2015(8): 7-13.
[2]
崔国权, 康真, 吕嵩, 等. 哈尔滨市PM2.5污染水平对人群呼吸系统疾病影响[J]. 中国公共卫, 2013, 29(7): 1046-1048.
[3]
杨阳.北京市大气污染对人群健康研究[D].北京: 北京协和医学院, 2015.
[4]
张永利, 戴亚欣. 舟山市空气污染物对呼吸门诊就诊人数的影响研究[J]. 中国预防医学杂志, 2017, 18(10): 753-757.
[5]
常桂秋, 潘小川, 谢学琴, 等. 北京市大气污染与城区居民死亡率关系的时间序列分析[J]. 卫生研究, 2003, 32(6): 565-568. DOI:10.3969/j.issn.1000-8020.2003.06.012
[6]
宋桂香, 江莉莉, 陈国海, 等. 上海市大气气态污染物与居民每日死亡关系的时间序列研究[J]. 环境与健康, 2006, 3(5): 390-393. DOI:10.3969/j.issn.1001-5914.2006.05.002
[7]
GASPARRINI A, ARMSTRONG B, KENWARD M G. Distributed lag non-linear models[J]. Stat Med, 2010, 29(21): 2224-2234. DOI:10.1002/sim.3940
[8]
张慧东, 周连, 陈晓东. 淮安市空气PM2.5污染对呼吸系统疾病门诊量影响[J]. 江苏预防医学, 2015, 26(6): 41-42.
[9]
SOUZA L S, NASCIMENTO L F. Air pollutants and hospital admission due to pneumonia in children: a time series analysis[J]. Revista da Associacao Medica Brasileira, 2016, 62(2): 151-156. DOI:10.1590/1806-9282.62.02.151
[10]
殷永文, 程金平, 段玉森, 等. 上海市霾期间PM2.5、PM10污染与呼吸科、儿呼吸科门诊人数的相关分析[J]. 环境科学, 2011, 32(7): 1894-1898.
[11]
王旭英, 李国星, 金晓滨, 等. 2012—2013年北京市大气PM2.5浓度与某三级甲等医院急诊人次相关性研究[J]. 中华预防医学杂志, 2016, 50(1): 73-78. DOI:10.3760/cma.j.issn.0253-9624.2016.01.013
[12]
殷振华, 高绪芳, 杜慧兰, 等. 成都市空气PM2.5浓度与呼吸系统疾病门诊人次的时间序列研究[J]. 现代预防医学, 2015, 42(4): 611-614.
[13]
崔亮亮, 李新伟, 耿兴义, 等. 2013年济南市大气PM2.5污染及雾霾事件对儿童门诊量影响的时间序列分析[J]. 环境与健康, 2015, 32(6): 489-493.
[14]
徐艳龙, 黄发源, 王志强, 等. 2014—2015年合肥市大气污染对儿童门诊量影响的时间序列分析[J]. 环境与健康, 2017, 34(4): 321-324.
[15]
王大虎, 石同幸, 吕嘉韵, 等. 2013—2015年广州市大气PM2.5浓度对儿童呼吸系统门诊量影响分析[J]. 医学动物防治, 2017, 33(12): 1230-1234.
[16]
张文增, 甄国新, 陈东妮, 等. 北京市顺义区大气污染物对呼吸系统疾病门诊量的影响[J]. 中国卫生统计, 2017, 34(2): 275-279.
[17]
路凤, 刘娅, 李小娟, 等. 大气污染对呼吸系统疾病门诊量影响的病例交叉研究[J]. 环境与健康, 2017, 7(5): 408-412.
[18]
胡雪姣, 王思嘉, 薛琪, 等. 大气污染对呼吸系统疾病门诊量影响的时间序列分析[J]. 中国预防医学杂志, 2018, 19(8): 583-588.