气温与湿度的交互作用对呼吸系统疾病的影响

王敏珍,郑 山,王式功,尹 岭,黎檀实,何史林(.兰州大学公共卫生学院,甘肃 兰州 730000；2.兰州大学大气科学学院,甘肃 兰州 730000；3.成都信息工程大学大气科学学院,四川 成都 60225；.中国人民解放军总医院,北京 00853)



气温与湿度的交互作用对呼吸系统疾病的影响

王敏珍1*,郑 山1,王式功2,3,尹 岭4,黎檀实4,何史林4(1.兰州大学公共卫生学院,甘肃 兰州 730000；2.兰州大学大气科学学院,甘肃 兰州 730000；3.成都信息工程大学大气科学学院,四川 成都 610225；4.中国人民解放军总医院,北京 100853)

摘要：为评价平均气温、相对湿度及其交互作用对呼吸系统疾病急诊就诊人数的影响,采用广义相加模型(GAM),在控制了时间长期趋势、“星期几效应”、节假日效应、空气污染等因素的影响后,分析2009～2011年北京市平均气温、相对湿度及其交互作用对呼吸系统疾病急诊就诊人数影响的暴露反应关系.结果显示,平均气温与呼吸系统疾病急诊就诊人数呈现近似U型的非线性关系,其作用临界点为12℃,当平均气温低于12℃时,气温每升高1℃,呼吸系统疾病急诊就诊人数减少2.26％(95％CI -2.43, -2.09);当气温高于12℃时,气温每升高1℃,呼吸系统疾病急诊就诊人数增加0.92％(95％CI 0.72, 1.11).相对湿度与呼吸系统疾病的效应也呈现U型的分布特征,作用阈值为51％,当相对湿度≤51％时,相对湿度每增加10％,呼吸系统疾病急诊就诊人数减少3.43％(95％CI -3.47％, -3.38％);当相对湿度>51％时,其每增加10％呼吸系统疾病急诊就诊人数增加1.80％(95％CI 1.76％,1.85％).平均气温对呼吸系统疾病的影响受相对湿度水平的调节.在低温环境下,相对湿度越小,气温对呼吸系统疾病的影响越显著,气温每升高1℃,呼吸系统疾病急诊就诊人数减少2.71％(95％CI -2.88, -2.53);;而高温环境下,当相对湿度较大时气温健康效应较强,即气温每升高1℃,呼吸系统疾病急诊就诊人数增加1.37％(95％CI 1.13, 1.61).

关键词：气温；相对湿度；交互作用；呼吸系统；时间序列

* 责任作者, 讲师, wangmzh@lzu.edu.cn

近年来在全球气候异常变化、极端天气气候事件明显增多的大背景下,天气气候因素的异常变化对人类健康的影响已经受到越来越多的关注.大量研究表明,气温是影响呼吸系统疾病最重要的因素之一,且气温和人群死亡或者发病的关系呈现J型或U型分布特征,在温度相对适宜的情况下死亡或者发病最少,但是随着温度的升高或者降低死亡人数呈上升趋势[1-2].除气温健康效应外,环境中的湿度对呼吸系统疾病的发生和发展也发挥着重要的作用,当人体暴露于极端湿度环境下同样也会增加呼吸系统疾病的死亡风险[3-4].目前针对相对湿度与呼吸系统疾病的研究相对较少,且有限的研究结果缺乏一致性[2,5].湿度与气温存在一种特有的关系,即当气温较高或者偏低时,湿度变化可以对人体的温热感产生一定的调节作用[6].另有研究显示,在分析气候变化对人群死亡率影响的研究中,如果忽略湿度的作用,会明显低估气候变化的健康效应[3].由此提示湿度和气温对人群健康的影响应该存在一定的协同作用,但是两者协同作用的研究相对有限.本团队前期对气温与相对湿度的交互作用与呼吸系统中常见疾病的关系进行了初步分析,但是对于相对湿度的健康效应以及其与气温交互作用对不同人群的影响差异并未进行深入分析[7].本研究拟采用近年国际上通用的危险度评价方法——基于时间序列的广义相加模型(GAM),以急诊数据为暴露效应指标,定量评价平均气温、相对湿度及其交互作用对呼吸系统疾病日急诊就诊人数之间的关系,同时针对不同的人群属性给予分层分析,为今后开展医疗气象预报及呼吸系统疾病的防治提供科学依据.

1 资料与方法

1.1 数据来源

1.1.1 疾病资料采用整群抽样方法 抽取2009 年1月1日-2011年12月31日北京市三家三级甲等综合医院逐日急诊科病例资料.根据国际疾病分类标准第10版(ICD-10),对病例资料进行分类整理,本文以呼吸系统疾病(ICD-10编码: J00-J99)为研究对象,病例资料共计246,872例.收集急诊病例信息主要包括患者性别、年龄、家庭住址、疾病诊断、就诊科室、就诊日期、就诊ID号等信息.

1.1.2 气象观测资料来源于中国气象科学数据共享服务网中的中国地面气象资料北京市2009 年1月1日～2011年12月31日的日均气象资料,包括日均气温(℃)、相对湿度(％)、平均气压(hPa)、平均风速(m/s)等.

1.1.3 大气环境监测资料2009年1月1日～2011 年12月31日北京市大气环境监测资料来源于北京市环保公众网(http://www.bjee.org.cn/cn/index.php),环境监测资料收集信息包括城区各监测站点逐日的PM10、SO2、NO2平均浓度.采用线性内插法对缺失数据进行填补从而得到完整的日污染物浓度.

1.2 统计分析

采用SPSS19.0、EXCEL2013和R3.1.3进行数据统计描述,以“mgcv”软件包进行模型构建和定量分析.采用广义相加模型(GAM)探讨平均气温、相对湿度对人群呼吸系统疾病的影响.相对于总人口而言,作为时间序列数据的逐日急诊就诊小概率事件,其实际分布一般可认为接近Poisson分布,因此,本文选择拟合Poisson回归的GAM模型.首先建立核心模型,即以呼吸系统疾病日急诊就诊人数为响应变量,控制时间的长期趋势、短期波动、星期几效应、节假日效应、流感效应、PM10、SO2、NO2的影响,基本模型为:

式中:Yt为第t日的急诊就诊人数;E(Yt)为第t日急诊就诊人数的期望值;s为自然立方样条函数;time为时间序列变量;DOW为星期哑变量;holiday为节假日效应哑变量;influence为流感效应哑变量;PM10为颗粒污染物;SO2为二氧化硫;NO2为二氧化氮;pressure为平均气压;wind为平均风速;α为残差.根据相关文献和AIC值确定参数自由度,time自由度为7/a,PM10、SO2、NO2、pressure、wind自由度为3.在核心模型的基础上,为定量分析气温的影响,进一步采用一般线性阈值模型,即假定在超过最适宜气温后死亡风险以线性方式增加,分别计算在低温和高温环境下气温每增加1℃呼吸系统疾病就诊人数的超额增加率(ER％)及其95％可信区间(95％CI)[8-10].

平均气温与相对湿度的交互作用分析包括3部分.首先,建立不分层模型(nonstratification model),探讨平均气温和相对湿度的交互作用对呼吸系统疾病影响,根据模型计算的Z值和P值检验交互作用的有效性,检验效力为P<0.05.如果交互作用存在,建立非参数二元响应模型(nonparametric bivariate response model),拟合平均气温与相对湿度交互作用对呼吸系统疾病影响的三维立体图,描述平均气温和相对湿度对呼吸系统疾病作用的空间分布特征.第三,建立相对湿度分层模型从而探讨在不同相对湿度分层条件下,平均气温对呼吸系统疾病的影响是否有所不同.根据上述结果中计算出的相对湿度阈值构建相对湿度的二分类变量,即小于等于阈值humidityk为0,当大于阈值humidityk为1.最后,将平均气温和相对湿度的乘积项引入模型,其中平均气温为连续变量,相对湿度为二分类变量,从而评价平均气温与相对湿度的交互作用[11-13].

1.3 质量控制

急诊病例资料均按照全国三级甲等医院标准进行规范化管理和检查,专人负责病历信息录入及管理,并剔除病例信息不全,诊断不清的病例.空气污染数据和气象资料均来自国家认证的大气自动监测系统和气象观测系统,并有专人负责检查、判别及管理.本研究所用数据均通过数据管理软件进行汇总计算,对数据的分析、统计、管理进行严格质控.

2 结果

2.1 一般情况

表1　2009～2011年北京市主要气象要素、空气污染及呼吸系统疾病急诊就诊人数的一般情况Table 1 Summary statistics of weather conditions, air pollution concentrations, and ER visits for respiratory diseases in Beijing, China, 2009～2011.

2009～2011年北京市呼吸系统日均急诊就诊人数为225.5人次,其中男性125.7人次,女性99.7人次,<65岁为210.1人次,≥65岁15.3人次.该期间北京市平均气温为13.1℃,平均相对湿度为50.4％,具体各变量的频数分布特征见表1.

2.2 平均气温、相对湿度与呼吸系统疾病的暴露反应关系

在控制了时间趋势、星期几效应、节假日效应、流感效应和空气污染效应的影响,图1所示为平均气温、相对湿度与呼吸系统疾病日急诊就诊人数的暴露反应关系.由图1可见,平均气温和相对湿度与呼吸系统疾病的关系均呈现近似“U”型分布的特征(最适温度为12℃,最适相对湿度为51％),即低于相应阈值,呼吸系统疾病日急诊就诊人数随着平均气温的降低,或者相对湿度降低,呈现上升趋势;而高于相应阈值,呼吸系统疾病日急诊就诊人数与平均气温和相对湿度均呈现正相关关系.

图1　2009～2011年北京市平均气温、相对湿度与呼吸　系统疾病急诊就诊人数的暴露反应关系Fig.1 The associations between mean temperature, relative humidity, and respiratory disease in Beijing, China, 2009～2011

2.3 平均气温、相对湿度与呼吸系统疾病急诊就诊人数的定量关系

以最适温度和最适相对湿度为界,将气温和相对湿度分别划分为2类:热期(>12℃)和冷期(≤12℃),低湿(≤51％)和高湿(>51％),应用一般线性模型分别拟合不同气温、相对湿度与呼吸系统疾病急诊就诊人数的定量关系,如表2所示当平均气温≤12℃时,当天(lag0)平均气温每增加1℃对呼吸系统疾病日急诊就诊人数的影响最为显著,ER％为-2.26％(95％CI -2.43％, -2.09％);当平均气温>12℃时,滞后01d(lag01)的平均气温每增加1℃造成呼吸系统疾病急诊就诊人数影响显著,ER％为0.95％(95％CI 0.75％, 1.16％).女性对低温和高温的敏感性大于男性;≥65岁人群对冷效应较为敏感.

表2　2009～2011年北京市日平均气温每增加1℃或者相对湿度每增加10％呼吸系统疾病日急诊就诊人数增加百分比(ER％)及95％可信区间(95％CI)Table 2 Percent change (％) in daily ER visits for respiratory morbidity per 1℃ increase in temperatureor per 10％ increase in relative humidity in Beijing, China, 2009～2011.

当相对湿度≤51％时,滞后01d(lag01)相对湿度每增加10％,呼吸系统疾病急诊就诊人数超额增加率ER％为-3.43％(95％CI -3.47％, -3.38％);当相对湿度>51％时,滞后02d(lag02)相对湿度效应较强,其每增加10％呼吸系统疾病急诊就诊人数超额增加1.80％(95％CI 1.76％, 1.85％).女性对相对湿度的敏感性大于男性.低湿对≥65岁人群的影响较大,而高湿对<65岁人群效应较显著.

2.4 平均气温与相对湿度的交互作用对呼吸系统疾病的影响

首先,采用不分层模型,检验平均气温和相对湿度对呼吸系统疾病的作用是否存在交互作用结果显示两者存在交互作用,P<0.05.随后,采用非参数二元响应模型构建平均气温与相对湿度对呼吸系统疾病作用的空间分布,如图2所示.以全人群为例,平均气温越低,相对湿度越小,呼吸系统疾病的日急诊就诊人数越多,即低湿干燥环境对呼吸系统疾病的影响最为显著.其次,高温高湿环境下,呼吸系统疾病的日急诊就诊人数也存在一个小高峰.

图2　2009～2011年北京市日平均气温、相对湿度与呼吸系统疾病日急诊人数关系的平滑曲面Fig.2 Bivariate response surface of mean temperature and humidity on daily ER visits for respiratory disease in Beijing, China, 2009～2011

2.5 不同相对湿度水平下平均气温对呼吸系统疾病急诊就诊人数的影响

按照相对湿度的作用阈值(51％)将其划分为二层,分析不同相对湿度水平下,平均气温的冷效应和热效应对呼吸系统疾病的定量关系,见表3.在低温时,不同相对湿度水平下,平均气温的效应有所差异,其中当相对湿度≤51％,平均气温的效应较强,当平均气温每增加1℃,呼吸系统疾病日急诊就诊人数全人群减少2.71％、男性2.24％、女性3.27％、<65岁2.74％、≥65岁2.16％.在高温时,当相对湿度>51％,平均气温的效应较强.当平均气温每增加1℃,呼吸系统疾病日急诊就诊人数全人群增加1.37％、男性1.00％、女1.85％、<65岁1.39％、≥65岁1.10％.

表3　2009～2011年北京市不同相对湿度水平下日平均气温每增加1℃呼吸系统疾病日急诊就诊人数增加百分比(ER％)及95％可信区间(95％CI)Table 3 Percent change (％) in daily ER visits for respiratory morbidity per 1°C increase in temperature by humidity level in Beijing, China, 2009～2011

3 讨论

本研究显示,平均气温与呼吸系统疾病急诊就诊人数呈现近似U型分布的非线性关系,作用阈值为12℃.当平均气温≤12℃,平均气温(lag0)每增加1℃,呼吸系统疾病急诊就诊人数超额增加率(ER％)为-2.26％(95％CI -2.43％, -2.09％).当平均气温>12℃时, lag01平均气温每增加1℃造成呼吸系统疾病急诊就诊人数的ER％为0.95％(95％CI 0.75％, 1.16％).本文研究结果与前期相关报道一致[14-16],但作用阈值可能因地区差异所不同[17-19].西班牙一项病例交叉研究报道,低温对人群死亡的影响明显大于高温效应,OR值为3.40(95％CI:2.95,3.93)[20]. Mäkinen等[21]报道,低温对呼吸系统的影响较明显,当气温每降低1℃时,上呼吸道感染、感冒、咽炎、下呼吸道感染的相对危险分别增加4.3％、2.1％、2.8％、2.1％.尽管低温对呼吸系统疾病的影响较显著,但是高温的效应同样不容忽视.一项在欧洲12个城市开展的关于高温对呼吸系统疾病影响的研究显示,当温度超过阈值1℃,呼吸系统疾病的入院率增加4.5％,而在75岁以上人群中增加3.1％[22].总体而言,低温和高温均增加呼吸系统疾病急诊就诊风险,但低温效应更加显著.气温对呼吸系统疾病影响的潜在机制可能是,一方面低温环境下增加了炎症细胞的数量,诱发支气管痉挛[23].另一方面低温或者高温环境为呼吸系统疾病相关的细菌和病毒提供了适宜的传播和存活环境[24-25].

与相对湿度而言,本研究发现相对湿度对呼吸系统疾病的作用也呈现近似U型的非线性关系,作用阈值为51％,当相对湿度≤51％,lag01天相对湿度每增加10％,呼吸系统疾病急诊就诊人数ER％为-3.43％(95％CI -3.47％, -3.38％).当相对湿度>51％时,lag02相对湿度每增加10％,呼吸系统疾病急诊就诊人数超额增加1.80％(95％CI 1.76％,1.85％).相关研究发现,湿度与人群死亡或者上呼吸道感染等呼吸系统疾病呈现U型的非线性关系,其中以低湿的效应更加显著[3,21].病毒感染是呼吸系统疾病发生的重要原因,目前研究认为湿度与流感病毒的生存和传播能力具有一定的相关性,且以低湿效应为主[26-27].同时,研究显示当人体吸入低湿的空气会引起呼吸道粘膜变得干燥、上皮细胞损伤以及呼吸道纤毛的运动受到抑制,从而增加人体的易感性[28-29].除此之外,也有研究表明湿度与呼吸系统疾病的发生并没有相关性[2,30],这可能与研究的区域或者选择的资料类型不同有关,需要进一步开展相关研究.

相对湿度与平均气温均对呼吸系统疾病的发生均具有一定影响,但是本文通过进一步分析发现,相对湿度对气温与呼吸系统疾病的作用存在一定的调节作用.在平均气温≤12℃时,低温干燥和低温高湿环境均增加呼吸系统疾病的风险,但前者更加显著;而当平均气温>12℃,高温高湿环境对呼吸系统疾病影响大于高温干燥环境.相关研究提示低温干燥的环境可以增加流感和肺炎的死亡率[31].Xiao等[32]报道低温、干燥、静风以及高气压是引起H1N1流感爆发的重要环境条件.另有研究显示当环境温度为5℃,湿度为20％时,流感病毒的传播能力最强[33],说明低温干燥环境对呼吸系统疾病的重要影响.此外,除低温干燥环境外,本研究还提示低温高湿、高温干燥以及高温高湿环境均可增加呼吸系统疾病风险,只是健康效应相对较小.主要考虑,呼吸系统疾病的致病微生物是多样的,不同病毒对环境的适应力也有所差异,例如呼吸道合胞病毒(RSV)适宜于寒冷的气候,而副流感病毒3(PIV-3)与高温环境有关,流感病毒A(IV-A)则与低温和干燥环境均相关[34].其次,呼吸系统疾病的主要传播方式包括飞沫传播和直接接触传播,而研究发现低温干燥环境为呼吸道飞沫传播的疾病提供了适宜条件,而高温高湿环境则抑制了飞沫传播的方式,主要为病毒在呼吸道的沉降提供了便利条件,从而此环境下的传播方式主要是近距离直接接触[35].传播方式的不同也造成呼吸系统疾病在不同环境中发生的差异性.总之,气温和湿度是共同存在的环境因素,其对人体健康的影响不仅仅是一种简单的单独效应[36].

4 结语

平均气温与相对湿度对呼吸系统疾病急诊就诊人数的影响均呈现U型的非线性分布特征,其中低温、低湿是呼吸系统疾病发生的重要环境因素.同时,相对湿度与平均气温存在一定交互作用,效应强度依次为低温干燥、低温高湿、高温高湿、高温干燥.

参考文献：

[1] Chung J Y, Honda Y, Hong Y C, et al. Ambient temperature and mortality: an international study in four capital cities of East Asia [J]. Sci Total Environ, 2009,408(2):390-6.

[2] Liu Y, Kan H, Xu J, et al. Temporal relationship between hospital admissions for pneumonia and weather conditions in Shanghai, China: a time-series analysis [J]. BMJ Open, 2014,4(7): e004961.

[3] Barreca A I. Climate change, humidity, and mortality in the United States [J]. J Environ Econ Manage, 2012,63(1):19-34.

[4] 陶 燕,宋 捷,强 力,等.兰州市城关区气象因素与麻疹发病人数的时间序列研究 [J]. 中国环境科学, 2014,34(11):2964-2969.

[5] Jaakkola K, Saukkoriipi A, Jokelainen J, et al. Decline in temperature and humidity increases the occurrence of influenza in cold climate [J]. Environ Health, 2014,13(1):22.

[6] 王 汶,鲁 旭.基于GIS的人居环境气候舒适度评价——以河南省为例 [J]. 遥感信息, 2009,2:104-109.

[7] Su Q, Liu H, Yuan X, et al. The Interaction Effects of Temperature and Humidity on Emergency Room Visits for Respiratory Diseases in Beijing, China [J]. Cell Biochemistry and Biophysics, 2014,70(2):1377-1384.

[8] Chung J Y, Honda Y, Hong Y C, et al. Ambient temperature and mortality: An international study in four capital cities of East Asia [J]. Science of The Total Environment, 2009,408(2):390-396.

[9] Kim H, Ha J S, Park J. High Temperature, Heat Index, and Mortality in 6Major Cities in South Korea [J]. Archives of Environmental & Occupational Health, 2006,61(6):265-270.

[10] Yu W, Vaneckova P, Mengersen K, et al. Is the association between temperature and mortality modified by age, gender and socio-economic status? [J]. Science of The Total Environment, 2010,408(17):3513-3518.

[11] Ren C, Tong S. Temperature modifies the health effects of particulate matter in Brisbane, Australia [J]. International Journal of Biometeorology, 2006,51(2):87-96.

[12] Ren C, Williams G M, Morawska L, et al. Ozone modifies associations between temperature and cardiovascular mortality: analysis of the NMMAPS data [J]. Occupational and Environmental Medicine, 2008,65(4):255-260.

[13] Lipsett M, Hurley S, Ostro B. Air pollution and emergency room visits for asthma in Santa Clara County, California [J]. Environ Health Perspect, 1997,105(2):216-22.

[14] Lin S, Luo M, Walker R J, et al. Extreme High Temperatures and Hospital Admissions for Respiratory and Cardiovascular Diseases[J]. Epidemiology, 2009,20(5):738-746.

[15] Curriero F C, Heiner K S, Samet J M, et al. Temperature and Mortality in 11Cities of the Eastern United States [J]. American Journal of Epidemiology, 2002,155(1):80-87.

[16] Kan H D, Jia J, Chen B H. Temperature and daily mortality in Shanghai: a time-series study [J]. Biomed Environ Sci, 2003, 16(2):133-9.

[17] Gosling S N, McGregor G R, Paldy A. Climate change and heat-related mortality in six cities part 1: model construction and validation [J]. Int J Biometeorol, 2007,51(6):525-40.

[18] Freitas M, Pacheco A, Verburg T, et al. Effect of particulate matter, atmospheric gases, temperature, and humidity on respiratory and circulatory diseases’ trends in Lisbon, Portugal [J]. Environmental Monitoring and Assessment, 2010,162(1):113-121.

[19] Ye X, Wolff R, Yu W, et al. Ambient temperature and morbidity: a review of epidemiological evidence [J]. Environ Health Perspect, 2012,120(1):19-28.

[20] Gómez-Acebo I, Dierssen-Sotos T, Llorca J. Effect of cold temperatures on mortality in Cantabria (Northern Spain): A case–crossover study [J]. Public health, 2010,124(7):398-403.

[21] Mäkinen T M, Juvonen R, Jokelainen J, et al. Cold temperature and low humidity are associated with increased occurrence of respiratory tract infections [J]. Respiratory Medicine, 2009,103(3): 456-462.

[22] Michelozzi P, Accetta G, De Sario M. High Temperature and Hospitalizations for Cardiovascular and Respiratory Causes in 12European Cities [J]. Am J Respir Crit Care Med, 2009,179(5): 383-9.

[23] Larsson K, Tornling G, Gavhed D, et al. Inhalation of cold air increases the number of inflammatory cells in the lungs in healthy subjects [J]. European Respiratory Journal, 1998,12(4):825-830.

[24] Lowen A C, Mubareka S, Steel J, et al. Influenza Virus Transmission Is Dependent on Relative Humidity and Temperature [J]. PLoS Pathog, 2007,3(10):e151.

[25] Keatinge W R, Donaldson G C, Cordioli E, et al. Heat related mortality in warm and cold regions of Europe: observational study [J]. BMJ, 2000,321(7262):670-673.

[26] Sheffield P E, Landrigan P J. Global Climate Change and Children’s Health: Threats and Strategies for Prevention [J]. Environmental Health Perspectives, 2011,119(3):291-298.

[27] Shaman J, Goldstein E, Lipsitch M. Absolute humidity and pandemic versus epidemic influenza [J]. Am J Epidemiol, 2011, 173(2):127-35.

[28] Liener K, Leiacker R, Lindemann J, et al. Nasal mucosal temperature after exposure to cold, dry air and hot, humid air [J]. Acta oto-laryngologica, 2003,123(7):851-856.

[29] Cruz A A, Naclerio R M, Proud D, et al. Epithelial shedding is associated with nasal reactions to cold, dry air [J]. Journal of Allergy and Clinical Immunology, 2006,117(6):1351-1358.

[30] 杨 军.广州市气象因素对居民死亡影响的研究 [D]. 广州:南方医科大学, 2013.

[31] Davis R E, Rossier C E, Enfield K B. The Impact of Weather on Influenza and Pneumonia Mortality in New York City, 1975–2002: A Retrospective Study [J]. PLoS ONE, 2012,7(3): e34091.

[32] Xiao H, Tian H, Lin X, et al. Influence of extreme weather and meteorological anomalies on outbreaks of influenza A (H1N1) [J]. Chinese Science Bulletin, 2012,58(7):741-749.

[33] Lowen A C, Steel J. Roles of Humidity and Temperature in Shaping Influenza Seasonality [J]. Journal of Virology, 2014, 88(14):7692-7695.

[34] Chen Z, Zhu Y, Wang Y, et al. Association of meteorological factors with childhood viral acute respiratory infections in subtropical China: an analysis over 11 years [J]. Archives of Virology, 2013,159(4):631-639.

[35] Paynter S. Humidity and respiratory virus transmission in tropical and temperate settings [J]. Epidemiol Infect, 2015,143(6):1110-8.

[36] Tang J W. The effect of environmental parameters on the survival of airborne infectious agents [J]. J R Soc Interface, 2009,6: S737-46.

Interaction of temperature and relative humidity on emergency room visits for respiratory diseases.

WANG Min-zhen1*, ZHENG Shan1, WANG Shi-gong2,3, YIN Ling4, LI Tan-shi4, HE Shi-ling4(1.School of Public Health, Lanzhou University, Lanzhou 730000, China；2.College of Atmospheric Science, Lanzhou University, Lanzhou 730000, China；3.College of Atmospheric Science,Chengdu University of Information Technology, Chengdu 610225, China；4. General Hospital of PLA, Beijing 100853, China). China Environmental Scince, 2016,36(2)：581～588

Abstract：To quantitatively evaluate the effect of ambient temperature (AT), relative humidity (RH), and their interaction on emergency room visits (ERVs) for respiratory diseases in Beijing, a generalized additive model (GAM) was used to analyze the exposure-effect relationship between AT, RH and daily respiratory disease (ERVs) from 2009 to 2011 in Beijing, as well as their interaction effect on such visits. The model was considered with some potential confounding factors, such as long time trend, “day of week” effect, holiday effect, and air pollution. An obvious U-shaped pattern was found between temperature and daily respiratory disease (ERVs) with the optimum temperature threshold at 12℃. Below that optimum temperature threshold, a 1℃ increase was associated with a decrease of 2.26％ (95％CI: -2.43, -2.09) for (ERVs). Above that temperature threshold, a 1℃ increase was associated with an increase of 0.92％ (95％CI: 0.72, 1.11). A U-shaped pattern was also observed between RH and daily respiratory disease (ERVs) with the optimum RH threshold at 51％. Below that RH threshold, the (ERVs) increased by 3.43％ (95％CI: -3.47％, -3.38％) for a 10％ decrease . Above that RH threshold, the (ERVs) increased by 1.80％ (95％CI: 1.76％, 1.85％) for a 10％ increase. There was a synergistic effect of temperature and RH on respiratory diseases, which meant that the temperature effect differed by RH level. Below the temperature threshold, the temperature effect was stronger in lower RH levels, and the effect estimate per 1℃decrease in temperature was an 2.71％ (95％CI: -2.88, -2.53) increase for respiratory disease (ERVs). However, above thebook=582,ebook=265temperature threshold, the temperature effect was greater in higher humidity levels, and the effect estimate per 1℃increase in temperature was a 1.37％ (95％CI: 1.13, 1.61) increase for respiratory disease (ERVs).

Key words：temperature；relative humidity (RH)；interaction；respiratory system；time-series

作者简介：王敏珍(1984-),女,河北怀安人,讲师,博士,主要从事环境与健康研究.发表论文10余篇.

基金项目：国家自然科学青年基金项目(41505095);中央高校基本科研业务费专项资金资助(lzujbky-2014-154;lzujbky-2014-155,lzujbky-2015-259);国家人口健康科学数据共享平台(2005PKA32400)

收稿日期：2015-08-25

中图分类号：X503.1

文献标识码：A

文章编号：1000-6923(2016)02-0581-08