银川市大气污染物对循环系统疾病门诊量的影响
时间：2023-03-01 11:25:05 来源：柠檬阅读网 本文已影响 人 
王兴甜，陆雯雯，苏馨雅，孟 华，梁沛枫
（1.宁夏医科大学公共卫生与管理学院，银川 750004；
2.宁夏环境因素与慢性病控制重点实验室，银川 750004；
3.宁夏回族自治区人民医院病案统计科，银川 750002）
大气污染已成为全球主要的公共卫生危险因素之一，是世界各地广泛面临的重大环境健康问题[1]。国内外多项流行病学和实验研究证实，暴露于大气污染中会增加循环系统疾病的发病率、死亡率并影响患者期望寿命[2-6]。此外，受气象条件的影响，大气污染物对人群健康的影响在不同季节具有差异[7]。银川市地处西北干旱区，沙尘天气频发，常伴随着污染物增多，加上汽车尾气排放、采暖及其他能源燃烧进一步加重了大气污染。因此，可能会引起循环系统疾病增多，继而对医院门诊量存在短期影响，但目前有关银川市乃至宁夏地区循环系统疾病与大气污染关系的研究相对欠缺。为此，本研究利用银川市2019—2021年逐日气象数据、大气污染物监测数据及某多院区三级甲等综合医院循环系统疾病门诊数据，借助广义相加模型（generalized additive models，GAM）探索可吸入颗粒物（PM10）、细颗粒物（PM2.5）、二氧化氮（NO2）短期暴露对循环系统疾病门诊量的影响及其季节特征，以期为医院门诊资源配置提供科学依据。
1.1 资料收集
1.1.1 循环系统疾病门诊数据 收集2019年1月1日至2021年12月31日宁夏回族自治区某三级甲等综合医院在银川市所有院区的逐日门诊病例数据，以第十版《国际疾病分类》（ICD-10）为标准，筛选出循环系统疾病门诊病例（ICD10：I00-I99、R00-R03、R09.8）。
1.1.2 气象及大气污染物数据 同时期银川市逐日气象数据摘自中国气象科学数据共享服务网，包括日均气温（℃）、日均气压（hPa）、日均相对湿度（%）、日均风速（m·s-1）。大气污染物数据来源于宁夏空气质量监测平台，收集银川市PM10、PM2.5、NO2的逐日平均浓度。
1.2 统计学方法
以日期、时间变量、循环系统疾病门诊量、气象数据、三种大气污染物的日均质量浓度及“星期几”哑变量为数据组建立时间序列；
利用Spearman相关系数分析气象与大气污染数据之间的相关性。
相较于银川市总人口，居民每日循环系统疾病门诊量属于小概率事件，因此采用基于泊松回归的GAM分析2019—2021年银川市大气污染物对循环系统疾病门诊量的影响；
分别建立单污染物模型和双污染物模型，并以季节（春季：3、4、5月份；
夏季：6、7、8月份；
秋季：9、10、11月份；
冬季：12、1、2月份）分层，计算不同大气污染物对循环系统疾病门诊量的影响。
GAM构建如下：
式中：Yt为第t日循环系统疾病门诊就诊量；
E（Yt）为Yt的数学期望；
β为回归系数；
Xt为第t日污染物浓度；
s为样条函数；
df为自由度；
time为时间趋势；
Zt为第t日的温度等气象因子；
DOW为（Day of the week）“星期几”哑变量；
intercept为截距，常数项。
以赤池信息准则（akaike information criterion，AIC）最小原则确定时间趋势及气象因子的自由度。由于大气污染物对人群健康事件的影响具有滞后效应，因此除分析当天（lag0）的急性效应外，选择污染物1 d前到7 d前的浓度分析单日滞后效应，即lag1～lag7；
选择污染物1 d前到7 d前的移动平均浓度分析累计滞后效应，即lag01～lag07。
计算污染物浓度每升高10μg·m-3，每日循环系统疾病门诊量改变的百分比，即超额危险度（excess risk，ER）：
式中：exp为以自然常数e为底的指数函数；
s为标准差；
95%CI为ER的95%置信区间。
根据式（2）、式（3）计算大气污染物对循环系统疾病门诊量效应的ER值及95%CI，检验结果是否存在显著性差异，并以ER值最大原则确定最佳滞后天数。
通过Excel 2019建立时间序列并进行初步统计分析，用SPSS 25.0统计学软件进行Spearman相关分析；
利用R 4.1.2软件进行GAM建模分析。检验水准均采用双侧，P≤0.05为差异有统计学意义。
2.1 2019—2021年银川市循环系统疾病每日门诊量数据
2019—2021年银川市循环系统疾病门诊量共601 493人次，日均门诊量549人次，时间序列如图1所示。
图1 2019—2021年银川市循环系统疾病每日门诊量时间序列图
2.2 2019—2021年银川市循环系统疾病、气象因子及大气污染物状况
2019—2021年银川市3年日均气温、日均气压、日均相对湿度、日均风速分别为11.6℃、890 hPa、47%、1.4 m·s-1。大气污染物PM2.5、PM10、NO2日均质量浓度分别为25、63和31μg·m-3，见表1。
表1 2019—2021年银川市循环系统疾病、气象因素及大气污染物概况
2.3 2019—2021年银川市气象因子与大气污染物的相关性
对2019—2021年银川市气象因子和大气污染物浓度进行正态性检验，发现均为非正态分布，选择Spearman相关分析后结果显示，日均气温与日均风速呈正相关，与日均气压、PM2.5、PM10、NO2均呈负相关（P均＜0.05）。日均相对湿度与PM2.5呈正相关，与日均风速、PM10、NO2呈负相关（P均＜0.05）。日均风速与日均气压、PM2.5、NO2呈负相关（P均＜0.05）。日均气压与PM2.5、PM10、NO2呈正相关（P均＜0.05）。PM2.5、PM10、NO2之间两两呈正相关（P均＜0.05），且PM2.5与PM10相关性最强（r=0.87）。日均相对湿度与日均气温、日均气压之间均无相关性，见表2。
2.4 2019—2021年银川市单污染物模型对居民循环系统疾病门诊量的滞后效应
PM2.5、PM10、NO2单污染物模型滞后效应如图2所示，其中，仅PM2.5在lag7的ER值无统计学意义（P＞0.05），PM10和NO2均在lag7效应最小，且三种污染物的累计滞后效应均强于单日滞后效应（P均＜0.05）。对于PM2.5，单日滞后效应在lag2最大，累计滞后效应在lag06最大，PM2.5日均浓度每升高10μg·m-3，循环系统疾病日门诊量分别增加0.89%（0.80%～0.99%）和2.35%（2.17%～2.53%）；
对于PM10，单日滞后效应在lag5最大，累计滞后效应在lag07最大，PM10日均浓度每升高10μg·m-3，循环系统疾病日门诊量分别增加0.19%（0.16%～0.21%）和0.45%（0.40%～0.49%）；
对于NO2，单日滞后效应在lag0最大，累计滞后效应在lag05最大，NO2日均浓度每升高10μg·m-3，循环系统疾病日门诊量分别增加5.79%（5.53%～6.06%）和8.54%（8.18%～8.90%），见表3。
表3 单污染物在最佳滞后天数下对居民循环系统疾病门诊量的效应
图2 2019—2021年银川市单污染物模型对居民循环系统疾病门诊量的滞后效应
2.5 2019—2021年银川市双污染物模型对居民循环系统疾病门诊量的滞后效应
如表2所示，PM2.5与PM10相关系数高达0.870，为避免多重共线性问题，双污染物模型中未同时引入PM2.5与PM10。根据单污染物模型分析结果，分别在PM2.5、PM10及NO2最佳滞后天数下引入另一污染物。结果显示，在NO2中引入PM2.5会增加循环系统疾病门诊量，其余组合均会减少门诊量，但污染物与门诊量的正相关关系并未发生改变，差异均有统计学意义（P均＜0.05），说明本研究构建的模型稳定性良好，见表4。
表4 2019—2021年银川市双污染物模型对居民循环系统疾病门诊量的滞后效应
2.6 2019—2021年银川市大气污染物的季节分层结果
季节分层结果显示，PM2.5在秋季出现最大效应值，最佳滞后天数为lag03，对应的ER值为7.15%（6.37%～7.94%）；
PM10和NO2均在冬季出现最大效应值，最佳滞后天数分别为lag07、lag05，对应的ER值分别为2.91%（2.74%～3.07%）、13.80%（13.10%～14.51%）。在不同季节，NO2均表现为最大效应值，见表5、表6。
表5 2019—2021年银川市大气污染物在春季和夏季对居民循环系统疾病门诊量的最大滞后效应
表6 2019—2021年银川市大气污染物在秋季和冬季对居民循环系统疾病门诊量的最大滞后效应
本研究采用时间序列的GAM，定量评估了大气污染物对循环系统疾病门诊量的短期影响。经分析，大气污染物对循环系统疾病门诊量存在短期影响，并具有滞后效应；
循环系统疾病在秋季对PM2.5最敏感，在冬季对PM10和NO2最敏感；
三种主要大气污染物中，NO2造成循环系统疾病门诊量增加的风险最高。本研究中发现，PM2.5、PM10、NO2均对循环系统疾病门诊量增加具有短期效应，与大部分研究[8-12]结果一致。王战等[13]研究发现，北京市lag07的PM2.5、暴露当日的PM10和NO2的急性效应最大，浓度每上升10μg·m-3，循环系统疾病门诊人次分别增加0.64%、0.30%和1.02%。在南京市暴露当天的PM2.5和PM10急性效应最强，浓度每升高10μg·m-3，心脑血管疾病门诊量分别增加0.42%和0.37%[14]。游颖琦等[15]的研究结果显示，无锡市lag01的PM2.5和PM10、lag04的NO2的急性效应最强，浓度每升高10μg·m-3，循环系统疾病门诊量分别增加0.68%、0.46%和4.22%。东北一项研究[16]显示，lag03的PM2.5对循环系统疾病急诊入院的效应最强，浓度每增加10μg·m-3，相对危险度为1.011。在本研究中，三种大气污染物对循环系统疾病门诊量的累计滞后效应高于单日滞后效应，且效应值略高于上述研究。三种大气污染物中，NO2的效应值最高。各研究结果呈现的效应值不同，可能是因为不同地区的暴露人群耐受程度具有差异性，以及受到经济水平、地理环境、气象条件及污染物来源、组分等一系列因素的影响。
本研究发现，仅在调整PM2.5之后，NO2对循环系统疾病门诊量的效应值增大，其余双污染物模型效应值均减小。哥伦比亚一项研究[17]也发现，NO2对循环系统疾病发病率具有主导作用，并与PM2.5有协同作用。提示各污染物对循环系统疾病门诊量的影响可能存在交互作用，因此，需要进一步探讨大气污染物的综合指标对循环系统疾病门诊量的影响。
本研究对于季节分层的结果显示，PM2.5对循环系统疾病门诊量影响的最大效应值出现在秋季，PM10和NO2的最大效应值则出现在冬季，总体表现为寒冷季节的危害效应高于温暖季节。说明大气污染物对于循环系统疾病门诊量的影响存在季节性。可能是由于冬季经常出现逆温，静小风天气较多，使污染物扩散受限[18]。另外，可能受机动车尾气排放的影响，导致NO2的效应值高于颗粒物。因此，相关环保部门应该在寒冷季节进一步加强对大气污染物的防治，并建议有基础疾病的居民或易感人群在寒冷季节减少外出频率。
本研究的局限性：1）本研究属于生态学研究的范畴，无法避免生态学谬误的发生；
2）出于隐私保护的考虑，本研究未收集患者的性别和年龄信息；
3）本研究利用全市室外污染物监测数据的平均水平进行分析，无法体现个体暴露及在室内的污染水平；
4）未剔除门诊量统计中纯医保开药的情况。
