辽宁省两县域城市气温对呼吸系统疾病住院人数的影响_殷宁潞.pdf

第 41 卷 第 1 期2023 年 2 月Vol.41 No.1February，2023干旱气象Journal of Arid Meteorology辽宁省两县域城市气温对呼吸系统疾病住院人数的影响殷宁潞1，5，李俊林1，洪也2，郭勇3，王式功1，4（1.成都信息工程大学大气科学学院/环境气象与健康研究院，四川 成都 610225；2.中国气象局沈阳大气环境研究所，辽宁 沈阳 110016；3.贵州省民政厅，贵州 贵阳 550004；4.遵义院士工作中心 气候环境与医疗康养重点实验室，贵州 遵义 563000；5.内蒙古自治区乌海市气象局，内蒙古 乌海 016000）摘要：为了探明气温与呼吸系统疾病住院人数的关系，合理实施辽宁省县域城市疾病预防预警，基于20162018年辽宁省北票市和西丰县两县域城市的逐日气象观测资料和呼吸系统疾病住院病例资料，分析当地呼吸系统疾病住院就诊人数的季节分布特征及其年龄分布特征。在此基础上，采用广义相加模型（Generalized Additive Model，GAM）和分布滞后非线性模型（the Distributed Lag Non-linear Model，DLNM）探究了气温对呼吸系统疾病住院人数的影响，并按性别、年龄分层建模，使用归因分值（Attributable Fraction，AF）量化了暴露在特定气温（极端低温、中度低温、中度高温、极端高温）范围内的患病风险。结果表明，两地呼吸系统疾病住院人数全年峰值出现在冬春季，患病人群以少儿和老年人群居多。北票市、西丰县人群的最适宜气温分别为26.2、22.2；气温对呼吸系统疾病患病的影响以低温滞后效应为主，高温存在即时效应但并不显著。北票市和西丰县分别有27.0%（95%置信区间为20.3%32.9%）和29.0%（95%置信区间为22.1%35.0%）的呼吸系统住院人数归因于气温，且患病风险主要以中度低温为主，北票市和西丰县患病归因于中度低温分别占 25.9%（95%置信区间为19.5%31.5%）和28.1%（95%置信区间为21.5%33.9%）。就年龄分布而言，与成年组相比，少儿组和老年组中归因于中度低温的患病百分比均较高，此外老年组对极端低温也较敏感。就性别而言，女性比男性更容易受低温影响。辽宁省两县域城市的气温对不同人群的影响不同，气温对女性与老年居民造成的发病风险较大。关键词：气温；呼吸系统疾病；分布滞后非线性模型；归因分值文章编号：1006-7639（2023）01-0132-11 DOI：10.11755/j.issn.1006-7639（2023）-01-0132中图分类号：P49；P423 文献标志码：A引 言呼吸系统疾病是门诊住院中常见且多发的疾病，对人们的日常生活影响很大，且呼吸系统疾病患病与气象要素变化存在密切联系（李瑞盈等，2019；张莹等，2014；张智等，2015；张智和崔巍，2017），其中气温对呼吸系统疾病的影响最大（付桂琴等，2017；徐静等，2021；Fu et al.，2018；Mkinen et al.，2009；Wang et al.，2013）；特别是气温的急剧变化会刺激呼吸系统，从而导致呼吸系统疾病患病风险增加。国外研究表明，纽约地区日平均气温为29.036.0 时，每升高1.0，呼吸系统疾病当日住院人数会增加2.7%3.1%（Lin et al.，2009）；在越南境内，热浪对当日呼吸系统疾病住院的相对风险（relative risk，RR）为 1.3（95%置信区间为 1.191.42）（Dang et al.，2019）。近年来，国内各地关于气温对呼吸系统疾病的影响研究也表明，安徽阜南县的呼吸系统住院人数更易受低温影响，高温影响不显著（赵笑颜，2018）；遵义地区低温对呼吸系统疾病有明显的滞后效应，在敏感阈值范围内（17.1 以殷宁潞，李俊林，洪 也，等.辽宁省两县域城市气温对呼吸系统疾病住院人数的影响 J.干旱气象，2023，41（1）：132-142，YIN Ninglu，LI Junlin，HONG Ye，et al.Influence of air temperature on number of respiratory diseases hospitalization in two counties of Liaoning ProvinceJ.Journal of Arid Meteorology，2023，41（1）：132-142，DOI：10.11755/j.issn.1006-7639（2023）-01-0132收稿日期：2021-03-19；改回日期：2021-06-08基金项目：中国气象局公共服务中心2020年度创新基金重点项目(K2020010)、中国气象局预报预测核心业务发展专项(CMAHX 20160307)和辽宁省气象局科学技术研究课题项目(202012)共同资助作者简介：殷宁潞(1992)，女，内蒙古乌海人，硕士生，主要研究方向为天气预报、气象服务。E-mail：。通信作者：王式功(1955)，男，山东安丘人，教授，博士生导师，主要从事医学气象学研究。E-mail：。第 1 期殷宁潞等：辽宁省两县域城市气温对呼吸系统疾病住院人数的影响下）日平均气温每变化 1.0，患病人数将增加31.6%（95%置信区间为 4.4%65.8%）（乐满等，2018）；由此可见，不同日平均气温段导致呼吸系统患病的风险不同。北京的一项研究表明，虽然极端低温寒潮对诱发呼吸系统疾病当天的相对风险最高，但累积相对风险却不是最高；而中等强度的寒潮由于发生频次较高，其对呼吸系统疾病的累积风险最高；热浪对呼吸系统疾病的相对风险随着气温升高而增加（Song et al.，2018）。此外，气温对性别以及各年龄段人群的影响也不相同，在兰州地区，女性比男性更容易受低温影响，而614岁少年儿童对高温和低温的影响更敏感（Chai et al.，2020）。在香港地区，老年人更容易受气温的影响，老年人群的肺炎住院病例中，10.7%的病例与气温变化密切相关，其中有8.7和2.0的病例分别归因于低温和高温，且大多数的老年人肺炎入院病例归因于中度寒冷的天气（Qiu et al.，2016）。综上所述，尽管气温与呼吸系统疾病之间的关系已有诸多研究，但由于我国地域辽阔，地形复杂，南北气候差异较大，其研究工作的覆盖面仍有局限性。特别是东北地区属于我国四季气温变化最大的地区，也是冬季气温最低的地区，气温对当地居民健康的影响也比国内其他地区更明显，但目前东北地区关于此方面的研究还较少。此外，目前国内大多数研究侧重于极端气温对人体健康的影响，忽略了中度气温对人体健康的潜在影响，且对各气温段所导致的患病风险评估还不够全面。基于此，本文利用20162018年辽宁省北票市和西丰县两县域城市的逐日气象观测资料和呼吸系统疾病住院病例资料，着重研究气温对北票市和西丰县两地居民呼吸系统疾病的影响，拟采用相对风险（RR）和归因分值（Attributable Fraction，AF）两种指标，探究呼吸系统疾病患病的气象环境诱因，试图探明性别、年龄分层的呼吸系统疾病住院人数对气温的响应关系，以期为当地恰当进行疾病预防、合理开展气候康养提供科学依据。1资料与方法1.1研究区概况北票市归属于辽宁省朝阳市，北有努鲁儿虎山脉，南有松岭山脉，属于北温带大陆性季风气候区，是东北老工业基地的重要组成部分（北票市史志办公室，2018）。而西丰县地处铁岭市东部丘陵地带，地势由东向西逐渐降低，同属于北温带大陆性季风气候区，冬季寒冷干燥、夏季温热多雨。两地冬季气温较低，并伴有干旱、寒潮等极端事件，虽然两地距渤海较近，但由于南部山脉的阻隔，受海洋暖湿空气影响较小，所以降雨量偏少，空气中颗粒物不易沉降扩散，大气污染物和气象要素共同影响呼吸系统疾病。1.2资 料疾病数据：辽宁省朝阳市北票市和铁岭市西丰县2016年1月1日至2018年12月31日的呼吸系统疾病逐日住院人数资料。北票市疾病数据来自当地具有呼吸科专长的某二甲医院，该医院离矿区较近，故住院男性患者明显多于女性患者，该医院接收呼吸系统疾病住院人数占当地的50.0%以上；而西丰县疾病数据来自当地位列前茅的二甲医院，其呼吸系统疾病住院人数约占当地60.0%左右。两所医院覆盖人群包含县域内的城市和农村人群，具有较好的代表性。根据国际疾病分类标准第 10 版（ICD-10）（卫生部卫生统计信息中心，2001），通过编码筛选呼吸系统疾病，其中包括上呼吸道疾病（J00-J06）、下呼吸道疾病（J45-J47，J85-J86）、流行性感冒（J09-J11）、肺炎（J12-J22）、支气管炎（J40，J42）、慢性阻塞性疾病（J43，J44）、外部物质引起的肺部疾病（J60-J70），并把癌症等病例剔除，两县域分别筛选出呼吸系统病例资料12 948、13 528例，病例信息具体包括入院日期、出院日期、诊断、性别、年龄和实际住院日数等。气象和污染数据：来源于辽宁省气象局气象信息中心提供的北票市和西丰县 2016 年 1 月 1 日至2018年12月31日逐日气象观测资料，包括日平均气温、气压、相对湿度、风速等气象要素；从空气质量在线监测分析平台（https：/）获取2016年1月1日至2018年12月31日的污染数据，包括空气动力学直径小于2.5 m颗粒物（PM2.5）、二氧化硫（SO2）、二氧化氮（NO2）等逐日数据。为确保数据准确性，疾病资料剔除了性别、年龄信息不全的病例以及入院诊断与出院诊断不一致的病例。1.3研究方法广 义 相 加 模 型（Generalized Additive Model，GAM）适用于分析因变量与若干解释变量之间复杂的非线性关系，在环境气象与健康领域得到广泛应用（陈蕾等，2021；李俊林等，2022）。解释变量可通过各种平滑函数（自然立方样条函数 ns、B 样条函数bs、多项式函数ploy）拟合，以此定量表征各解释变量对因变量的影响程度。由于特定暴露事件的影响并不局限于观察到的时间段，可能还会有一13341 卷干旱气象定的滞后性。所以引入Gasparrini等（2010）提出的分布滞后非线性模型（the Distributed Lag Non-linear Model，DLNM）来模拟暴露事件与一系列未来结果之间的关系。分布滞后非线性模型中“交叉基”的构建提供了暴露-反应关系的额外滞后时间维度，即预测与滞后效应两个函数组合成一个二维矩阵，来反映暴露事件及其滞后效应对健康的影响。本文通过 GAM 和 DLNM 的结合，并使用近似 Poisson分布估计气象要素与呼吸系统住院人群之间的特定联系。选出每日住院人数与气象要素的 Spearman相关系数较好且显著的要素作为解释变量加入模型。基本模型框架如下：ln E(Yt)ns(time，df)holidaydowbasis.Tns(RH，3)ns(V，3)ns(P，3)ns(SO2，3)ns(NO2，3)ns(PM2.5，3)（1）式中：E（Yt）表示第 t天呼吸系统疾病的住院人数；basis.T表示气温的交叉基，其中暴露-反应曲线用二次B样条函数，其中3个内部节点分别是气温分布的第10、75、90个百分位数；用三次多项式函数构造其滞后效应，最大滞后日数设置为15 d；ns为自然立方样条函数，长期时间趋势的自由度设置为7，气象要素的自由度设置为3，以上参数的选择与设置基 于 以 往 对 呼 吸 系 统 疾 病 的 研 究（Chai et al.，2020；Ma et al.，2019；Zhao et al.，2019）。其中 RH（%）、V（ms-1）、P（hPa）分别表示相对湿度、风速、气压。并选择3种污染物变量，分别为SO2、NO2、PM2.5。为了去除节假日、星期效应，还引入了哑变量holiday、dow，公共节假日的 holiday 为 1，否则为 0；dow为星期数（17）；为残差项。以上模型以赤池信息准则（the Ak