气象环境要素对北京市消化系统疾病的影响

马 盼,李若麟,乐 满,王式功,2*,尚可政,尹 岭



气象环境要素对北京市消化系统疾病的影响

马 盼1,李若麟1,乐 满1,王式功1,2*,尚可政1,尹 岭3

(1.兰州大学大气科学学院,气象环境与人体健康研究中心,兰州 甘肃 730000；2.成都信息工程大学大气科学学院,成都 四川 610225；3.中国人民解放军总医院,北京100853)

为探究气象环境条件对消化系统疾病的影响,结合分布滞后非线性模型与广义相加模型,分析了2009~2011年气象环境要素与北京市消化系统疾病急诊人数的暴露-反应关系.结果显示,气温对消化系统疾病的影响主要体现为“高温效应”,高于25℃的气温其危险度RR随气温升高而增加,且滞后效应能达到10d以上.较为极端的湿度(RH<10%或RH>90%)会显著增加消化系统疾病的发病,并有持久的作用,其与高温结合会形成“高温低湿”和“高温高湿”2种让人不适的情况.0～2m/s的风速在短的滞后期(5d)最能增加发病危险性.而3～4m/s的风速对疾病的危险性小,说明适度的风速不影响健康.浓度高于200µg/m3的PM10和浓度高于70µg/m3的 NO2具有即时的危险性(5d内显著);而较高浓度(>55µg/m3)的SO2滞后一定时期后效应更加明显.

气象条件；污染物浓度；消化系统疾病；非线性；滞后性

目前,气象环境对人体健康的影响并不确定[1-4].消化系统疾病的致病因及发作诱因复杂,不仅与患者的生活习惯、身体素质和职业因素等有关[5-7],气象环境条件也会通过一些直接或间接的方式来致使发病或加重病情[8-9],而目前国内对此方面的研究较少,并多以传统的逐步回归、最优子集回归等方法为主.目前循环系统[10-12]和呼吸系统疾病[13-15]对气象环境的响应研究较多,常使用时间序列分析方法中的广义相加模型[16-17]来评价其健康效应, 而气象环境要素对消化系统疾病的影响还有待研究.本研究结合半参数的广义相加模型与较先进的分布滞后非线性模型[18-19],对北京市消化系统疾病急诊人数与气温、湿度、风速等气象要素和3种环境污染物之间的滞后性暴露—反应关系进行了较深入的研究.

1 资料与方法

1.1 资料

疾病资料:经严格的数据质量控制,选取北京市某三级甲等医院2009年1月1日至2011年12月31日的消化系统疾病(ICD10编码:K00- K93)急诊就诊资料93301例,数据来自国家人口与健康科学数据共享平台.就诊数据已去除录入错误、重复和复诊等条目.

气象资料:北京市2009年1月1日至2011年12月31日的常规地面气象观测资料,来源于中国气象科学数据共享服务网.包括日平均(最高、最低)气温、日平均(最高、最低)气压、日平均相对湿度、水汽压、日降水量、日平均风速、日照时数等气象要素.

环境资料:北京市2009年1月1日至2011年12月31日的PM10、SO2、NO23种污染物日均浓度资料,来自中国环境监测网.

1.2 研究方法

2010年由Gasparrini[18-19]提出的分布滞后非线性模型(Distributed lag non-linear models, DLNM),能够同时反映暴露因素及其滞后效应对某种健康结局的影响,在生物气象学、环境流行病学等领域具有广泛的应用前景.有人应用DLNM在评价气象、环境因素的短期效应时发现,暴露在高污染浓度后,其健康影响一般会持续若干天[20].DLNM是一个可以同时描述非线性暴露-反应关系和延迟效应的建模框架,其核心是“交叉基”的构建,即用函数的二维空间来同时描述预测值和它发生的滞后维度的关系.

广义相加模型GAM(Generalized Additive Models)一般用来处理因变量和众多自变量之间复杂的非线性关系,较之于标准线性或非线性模型,更适用于气象、环境条件对人体健康影响的研究中[21].应用GAM模型可以定量地计算出所要研究的某些气象要素(气温、湿度等)对因变量(疾病的发生/死亡率)的影响程度.本文以GAM为模型框架,首先利用DLNM分别构造气温、相对湿度、风速和3种污染物的交叉基,然后用GAM进行发病人数与各种影响因素的拟合,并检验不同自由度下模型的优度(AIC准则,模型残差是否白噪声).

相对危险度(Relative Risk,RR):无单位,取值在0~¥之间.RR=1,表明暴露与疾病无联系; RR<1,表明暴露会造成疾病发病的减少(即暴露是保护因子); RR>1,表明暴露会造成额外的发病,是风险因子. RR一般表示关联性的强弱,其精确取值所代表的意义尚需进一步证实.RR以及其95%的可信区间(95%CI)的计算方法为:

式中:是根据GAM模型估算出的暴露-反应关系系数;d(℃)是气温变化的一定量,也可用其他要素的变化计算其危险度.

本研究通过光滑的非线性函数(样条函数,多项式,分层函数等)来构造各要素的“交叉基”. GAM模型中除了包含气温、湿度、风速和污染物的交叉基外,为了去除时间序列本身的趋势,以及星期、节假日等的影响,还要加入时间趋势项(time)和哑变量(DOW.week, DOW.holiday).

最终构建出完整的基本模型为:

其中:为消化系统疾病急诊就诊人数, E()为人数期望值; s()为自然立方样条函数, time即时间序列变量,为其自由度; basis., basis. RH, basis.分别为气温、湿度和风速的“交叉基”; basis.PM10, basis.SO2, basis.NO2分别为3种污染物的交叉基,均使用样条函数和分层函数分别构建其浓度效应和滞后效应; DOW. week和DOW.hol分别表示星期和节假日的哑变量;为残差.调节模型中各项的自由度,选定具有最小AIC和残差PACF值的作为最优核心模型.

2 结果

2.1 消化系统急诊就诊人数与气象环境要素的描述性统计

北京属于暖温带半湿润大陆性季风气候,研究时段平均气温13.15℃,平均相对湿度50.38%,平均风速2.23m/s. 3年内3种主要大气污染物PM10、SO2、NO2年均浓度分别为118.43, 31.30, 55.26µg/m3(表1),其中PM10和NO2的年均浓度超过了国家二级标准(年均浓度70µg/m3和40µg/m3)[22], SO2年均浓度未超过二级标准(年均浓度60µg/m3)[22].

表1 消化系统急诊就诊人数与主要气象环境要素的描述性分析Table 1 The statistical description of digestive emergency visits, main meteorological elements and air pollutants

2.2 消化系统急诊人数的时间分布特征

由就诊人数的月际分布(图1)可见,北京市消化系统急诊人数的年内分布呈单峰型,即7月最多、8月次之,1、2月最少,即为夏季多(6~8月就诊人数占年总人数的31.8%)、冬季少(12月~2月仅占20.2%),春秋季为过渡时期.男性病人在各个月份均多于女性病人,且男、女性年内变化趋势均与总就诊人数保持一致.

经统计,周一至周日每日就诊人数占总人数的百分比分别为14.56%、14.04%、13.45%、13.33%、13.40%、15.27%和15.95%,休息日就诊人数略高于工作日,即消化系统疾病就诊人数序列具有医学气象学领域常见的“周末效应”,尤以星期三至星期五就诊人数最少.究其原因,若非严重的急性病症,患者更愿意选择时间充裕的休息日去医院就诊,因此也给数据分析带来了一定的不确定性,即就诊相对于发病的滞后性.这与气象环境要素对疾病影响的滞后性是有根本性区别的,但周末效应在GAM非线性模型中可以通过哑变量(DOW-week)进行拟合,故而并不会与气象环境要素的滞后性造成混淆.

2.3 气象环境要素与消化系统急诊就诊人数的斯皮尔曼相关

表2所示为消化系统疾病急诊就诊人数与气压、气温、水汽压、日降水量、风速等气象要素以及SO2、NO2和PM10等环境污染物之间的Spearman相关性,显示急诊人数与(平均/最高/最低)气温、相对湿度、水汽压、降水量等均为显著性正相关,与(平均/最高/最低)气压、风速、SO2浓度为显著性负相关,而与气温日较差、日照时数、NO2和PM10浓度不体现出统计学上的相关性.区分男、女病人后发现,在所有与消化系统疾病发病有显著性关系的气象和环境要素中,女性就诊病人数量与气象环境条件的相关系数均大于男性病人,说明女性具有更高的易感性和脆弱性.

由于天气变化与污染浓度之间的关系复杂,一般在天气系统造成降温、降水、大风等现象时,污染物浓度会因为扩散和沉降等作用而明显降低,这是普遍造成疾病发病与污染物浓度负相关的原因(如急诊人数与SO2相关系数-0.394),但不能否定空气污染在发病前期对人体已经产生的累积效应[23-24],因此在定量研究污染浓度本身和疾病发病就诊的关系时,需要将温、湿、风等气象要素作为混杂因素加入.NO2和PM10与消化系统急诊人数的相关性不显著,只能说明气象环境要素的交叉作用无法由相关性体现,需要更进一步探讨.

表2 北京市消化系统疾病就诊人数同气象环境要素的斯皮尔曼相关性Table 2 The Spearman correlations between emergency visits and meteorological environmental factors

注:**表示通过了显著性水平α=0.01的显著性检验; * 表示通过了显著性水平α=0.05的显著性检验.

2.4 气象要素与消化系统急诊就诊人数的滞后关联性

2.4.1 气温的非线性-滞后效应 由“气温-滞后”对急诊人数影响的3-D图(图2)可见,气温在就诊当日对消化系统疾病的发病具有明显的“高温效应”,即在气温较低和相对适宜的阶段(约低于20℃),其对消化系统疾病的影响非常小,当气温高于某阈值后,其危险度随着气温升高增加显著,且趋势接近线性(图2).再观察各气温段的滞后效应,发现其滞后特点不同.低气温的危险度在较长滞后期(10d以后)才会明显体现;而高温立即出现较大的RR,而后随着时间推移效应逐渐减小.且不同气温的最大危险度对应的滞后日也有区别.

为准确分析不同气温段对消化系统疾病的影响,作出典型气温值Ta=-10、0、10、15、20、25、30、35和40℃时其RR随滞后时间的变化(图3).图3显示,气温低时(以-10℃为例)其效应具有明显的滞后性;适中的气温(约为10~20℃)总体上危险性较小(RR≈1);当气温高于20℃后能立即增加消化系统疾病风险,且就诊当天RR最大,而后随着时间推移慢慢减小,10d后效应消失.同时发现气温越高,其危险度越大(图3,表3);在滞后11d以内的只需考虑高温效应,在更久的滞后期还要适度关注低温的影响.高温不仅可导致内分泌失衡、消化液分泌减少、胃液酸度降低[24-25],还作用于人的神经系统从而影响食欲和情绪,加之天气炎热时常食冷饮,无疑都增大了消化系统疾病的患病风险.

2.4.2 相对湿度的非线性-滞后效应 湿度效应既与湿度本身大小有关,也随着滞后时间而变化 (图4~5).图4显示在较大的湿度范围(20~80%)其危险度很小,且随滞后时间进一步减小;只有较极端的湿度体现较为明显且持久的增加就诊人数的作用.10%和90%的湿度危险度高且滞后效应明显,但置信区间较宽,这是由于极端的情况本身出现次数较少的缘故.在湿度为50%时,其对就诊人数虽有微弱的增加作用,但并不显著.由图5发现,不同滞后日的湿度效应趋势类似,均呈“W”型,但RR值随时间有变化.危险度在RH=30%和70%附近有2个小的低值;危险度大且效应持久的是两端较为极端的湿度(RH<20%,RH>80%),且极端低的湿度滞后性强于极端高的湿度.

表3 典型气温在不同滞后时长下的相对危险度及其95%可信区间Table 3 The relative risk and its 95%CI of some specific temperatures on different lag days

注:( )内为95%CI.

2.4.3 风速的非线性-滞后效应 由风速及其滞后性与消化系统发病的关系(图6)可知,在小于3m/s的风速就诊当天即出现危险性,且其效应在较短滞后期内还会有所增加,而后减小在滞后10d以后到达极低值;较大的风速(>4m/s)对消化系统疾病的影响并不明显.在滞后0~6d的时段,较小的风速会增加发病危险性;1周以后不同等级风速的效应均不明显,其中3~4m/s风速的RR在整个滞后时段始终在1附近(而且置信度较高),说明适度的风速对健康并无影响.0m/s的风速在滞后前5d以及15d以后具有一定的危险性.综合以上,0~2m/s的风速最能增加发病危险性.大的风速由于置信度低,且其本身出现频次低,结论仅供参考.

2.5 三种污染物对消化系统急诊人数的非线性-滞后效应

对比分析PM10、SO2、NO23种污染物不同浓度对应的滞后效应(图7~9)发现,PM10与NO2的滞后效应特点类似,即低的污染浓度在较长期的滞后时段才体现出增加发病危险性的作用, 而浓度高于200µg/m3的PM10以及浓度高于70µg/m3的NO2在就诊当天和短的滞后时段更具危险性; SO2与以上两者具有相反的特点,即低浓度SO2效应迅速(但未通过检验),高浓度SO2滞后性明显.较高浓度的PM10和NO2可产生即时效应,说明消化系统疾病对高浓度的PM10和NO2较为敏感;而浓度较低时不足以对人体产生强刺激作用而即刻增加就诊人数,但污染物的效应是存在且慢性累积的,在一定的滞后时期内,一方面其持续累积作用于人体使得脆弱性增加[23-24],另一方面气象要素的波动也会诱发疾病发作[9,25],故而较低浓度的污染物效应具有明显的滞后性.

PM10浓度高于200µg/m3时只在5d以内有显著增加发病风险的作用, 5d以后RR减小且不能通过检验,考虑到大多数季节我国北方城市颗粒物浓度较高,因此需要重点关注较高浓度PM10的短期效应.浓度高于70µg/m3的NO2随着时间推移其效应为不断减小的趋势;浓度低于50µg/m3的NO2在滞后10d以后会显著增加消化系统疾病发病风险.200µg/m3的PM10与70µg/m3左右的NO2可看做能否对消化系统疾病产生即时效应的重要阈值浓度.

SO2浓度高于55µg/m3时会在滞后10天以后显著增加消化系统疾病的发病风险,且RR值随其浓度增加而增大;而低浓度SO2的危险度在整个滞后时段均是不显著的.这说明消化系统疾病对SO2的敏感性不及PM10和NO2,只有浓度高于55µg/m3时才会在累积作用一段时间以后显著增加发病人数,这方面迄今还鲜见报道,可见不同污染物对人体的生理病理学作用是有差异的.

表4所示为3种污染物浓度24h一、二级排放标准对应的相对危险度,时间段从滞后0d到滞后20d. PM10二级标准浓度在滞后0~4d会显著增加消化系统疾病的危险度,而一级标准浓度在滞后10d以后会有显著效应.SO2的一、二级标准浓度在短的滞后期(0~4d)均无影响,在滞后6~10d具有危险性,但未能通过显著性检验,此后SO2对消化系统疾病就诊人数具有显著的增加作用.NO2的一、二级浓度标准相同.且只在临近短期(滞后0~2d)具有不显著的危险性.

注: ( ) 数据为各危险度的95%置信区间.

3 讨论

以往同类研究的系统性、定量化的分析不多,也很少同时考虑气象条件与环境污染对疾病的影响机制,以及全面分析各因素效应的滞后性.本文选取北京市2009~2011年消化系统疾病及相应的气象、环境资料,系统性探讨急诊人数对各主要气象要素和3种污染物的响应.通过Poisson回归的半参数GAM模型来拟合北京市消化系统疾病急诊就诊人数与气象环境条件的非线性关系.模型中以“交叉基”形式纳入了气温、湿度、风速等气象要素和SO2、NO2、PM10等污染物浓度的滞后性影响,同时考虑就诊人数本身的时间趋势和“星期效应”、“节假日效应”.

综合气温分析结果,当气温高于20℃左右时,由于其“热效应”,就诊当天和前一天的气温会明显增加消化系统疾病发病风险;气温高于25℃后效应明显,且危险度随着气温升高而非线性增加,高温的累积影响主要在滞后4~7d时明显体现.认为超过一周的气温效应可信度有限.只有较为极端的湿度(RH<10%或RH>90%)会显著增加消化系统疾病的发病并有持久作用.极端的湿度结合高温会形成“高温低湿”或“高温高湿”两种情况,前者一般出现在我国北方(炎热干燥的天气),后者在南方的夏季更为常见,3~4m/s的风速对消化系统疾病的发病影响小,即适度的风速不影响健康.0m/s的风速在滞后5d内以及15d以后具有一定的危险性;0~2m/s的风速在短的滞后期(5d)最能增加发病危险性.

就诊人数与气温显著的正相关性说明气温是影响消化系统疾病最主要的气象要素,气温越高,发病人数越多,这与谢静芳等[9]的研究一致.高温条件下,唾液、胃液、胰液、胆汁、肠液等消化液的分泌减少.消化液含有食物消化过程所必需的游离盐酸、蛋白酶、脂酶、淀粉酶等,会使胃消化机能相应地减退[26].高温环境下,出汗增多引起氯化钠大量丧失,又因为胃液中游离盐酸的氯离子来自血液,因此胃液的酸度也明显降低[25].高温环境还可引起胃的排空加快,使食物的化学消化过程不能充分进行.再者,高温常常还能导致人们食欲减退和饮食不规律,这与气温对中枢神经系统的影响也有关.高于一定气温时,细菌、病毒等微生物的繁殖开始活跃,肠道传染病高发;加之高温天气下人们常食瓜果冷饮,无疑增加了肠胃不适的风险.与水汽条件(湿度,水汽压)的正相关性表明高的湿度也会增加消化系统疾病的发病,就诊人数与降水量也显著正相关(男性病人未通过过检验).气压与就诊人数的显著性负相关多是基于气温与气压之间本身的反向变化,那么影响消化系统疾病的是以高温高湿效应为主.由于风速可以通过增强空气对流和促进汗液蒸发等方式有效降低体感气温[27],从而缓解高温高湿效应,故其与发病人数为显著性负相关.

由于气象条件对空气质量的决定性影响,使得单独分析污染物浓度对疾病的作用存在难度.因此使用广义相加模型同时拟合气象环境因素对急诊人数的作用是合理的.本研究发现PM10与NO2的滞后效应类似,即低的污染浓度在较长的滞后时段才会增加发病风险,而浓度高于200µg/m3的PM10和浓度高于70µg/m3的NO2在短的滞后时段更具危险性; SO2与以上两者特点相反,即低浓度SO2效应迅速,高浓度SO2滞后性明显.高浓度的PM10和NO2对疾病产生即时效应符合常规认识,而浓度较低时明显的滞后效应缘于其不足以对人体产生强刺激作用,从而即刻增加就诊人数,但效应是存在且慢性累积的.在一定的滞后期内,一方面污染物持续累积作用于人体使得脆弱度增加,另一方面气象要素的波动会诱发疾病的发作,因此表现为低浓度的显著滞后性.

消化系统疾病对SO2的敏感性不及PM10和NO2,因此低浓度SO2的危险度在整个滞后时段均不显著,只有浓度高于55µg/m3时才会在累积作用一定时间以后具有显著危险度,此类问题的探讨迄今在生物气象和流行病学领域均较少,既然不同污染物对疾病的生理病理学作用有差异,仍值得深入研究.由于我国北方城市颗粒物浓度较高,因此需要重点关注较高浓度PM10的短期效应.

气象、环境因素的影响显著,但导致消化系统疾病的社会因素、生活因素以及个人心理因素也不容忽视.社会现代化进程和生活节奏加快,人们起居、饮食不规律;工作及生活压力大,精神长期紧张;具有吸烟、饮酒等不良嗜好的人多,这些都会直接或间接地引发消化系统疾病或成为致病诱因,应该引起广泛注意.另外,感染、理化因素、代谢-吸收障碍、自身免疫、先天性发育异常或缺陷、神经系统功能失调、遗传等因素也是消化系统疾病的重要病因.

4 结论

4.1 高温对消化系统疾病急诊人数具有显著的增加效应,气温越高其风险越大,滞后效应能维持一周左右.极高和极低的湿度效应显著并具有滞后性.偏小的风速(0~2m/s)在短期内也会增加发病就诊风险.

4.2 浓度高于200µg/m3的PM10和浓度高于70µg/m3的NO2在短的滞后时段危险性高;而高浓度SO2的滞后性明显.较之于SO2,消化系统疾病对PM10和NO2更敏感.

[1] Field C B, Barros V R, Mastrandrea M D, et al. Climate Change 2014: Impacts, Adaptation, and Vulnerability. Part A: Global and Sectoral Aspects. Contribution of Working Group II to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change [J]. 2014.

[2] Huang Cunrui, Barnett Adrian G, Wang Xiaoming, et al. The impact of temperature on years of life lost in Brisbane, Australia [J]. Nature Climate Change, 2012,2(4):265-270.

[3] Li T, Horton R M, Kinney P L. Projections of seasonal patterns in temperature- related deaths for Manhattan, New York [J]. Nature Climate Change, 2013,3(8):717-721.

[4] 黄德生,张世秋.京津冀地区控制PM2.5污染的健康效益评估 [J]. 中国环境科学, 2013,33(1):166-174.

[5] 张正伟,陆朝国,等.2002~2004年贵阳市死亡人群消化系统疾病死因分析 [J]. 贵阳医学院学报, 2009,34(4):392-395.

[6] 左利平,张 沥,江 梅.消化系统疾病与心理障碍关系的探讨 [J]. 中国煤炭工业医学杂志, 2003,6(1):48.

[7] 王 红,刘志宏,等.消化系统疾病住院患者人格特征研究 [J]. 医药世界, 2006,4:085.

[8] 张晓云,张之伦.气象要素对肠道传染病的影响及预报 [J]. 气象, 2002,28(5):53-55.

[9] 谢静芳,秦元明,等.消化系统疾病的气象影响分析和预报 [J]. 气象科技, 2004,31(6):393-396.

[10] 张志薇.基于舒适度研究的中国大陆健康气候评估 [D]. 兰州:兰州大学, 2014.

[11] 孙兆彬,陶 燕,崔甍甍,等.北京地区奥运会期间PM2.5对心脑血管疾病的影响 [J]. 中国环境科学, 2015,35(11):3481-3488.

[12] 严 俊,王振全,等.兰州大气污染对循环系统疾病日住院人数影响 [J]. 中国公共卫生, 2010,26(12):1514-1516.

[13] 周忠玉.北京地区上呼吸道感染急诊就诊人数与气象条件关系的研究 [D]. 兰州:兰州大学, 2013.

[14] 陈仁杰.复合型大气污染对我国17城市居民健康效应研究 [D]. 上海:复旦大学, 2013.

[15] 黄 婧,郭新彪.交通相关空气污染的健康影响研究进展 [J]. 中国环境科学, 2014,34(6):1592-1598.

[16] 杨振华,张月霞,张全喜,等.沙尘天气PM10对多种心血管疾病日门诊人数的影响 [J]. 中国环境科学, 2015,35(1):277-284.

[17] 张 莹,邵 毅,王式功,等.北京市空气污染物对呼吸系统疾病门诊人数的影响 [J]. 中国环境科学, 2014,34(9):2401-2407.

[18] Gasparrini A, Armstrong B, Kenward M G. Distributed lag non-linear models [J]. Statistics in medicine, 2010,29(21):2224.

[19] Gasparrini A. Distributed lag linear and non-linear models in R: the package dlnm [J]. Journal of statistical software, 2011,43(8):1.

[20] 杨 军,欧春泉,等.分布滞后非线性模型 [J]. 中国卫生统计, 2012,29(5):772-773.

[21] Schwartz J. Air pollution and hospital admissions for respiratory disease [J]. Epidemiology, 1996,7(1):20-28.

[22] GB 3095-2012 国家环境空气质量标准 [S].

[23] 谷少华,贾红英,李萌萌,等.济南市空气污染对呼吸系统疾病门诊量的影响 [J]. 环境与健康杂志, 2015,32(2):95-98.

[24] 张燕萍,张志琴,张晓萍,等.太原市空气污染对心脑血管疾病死亡率急性影响的Poisson广义可加模型分析 [J]. 环境与健康杂志, 2008,25(1).

[25] 孙长征.济南地区常见疾病与气象要素关系的初步研究 [D]. 南京:南京大学, 2008.

[26] 张锦坤.消化系统功能性疾病 [J]. 中国实用内科杂志, 1991(1):5-5.

[27] Parsons, K.C. Human thermal environments: the effect of hot, moderate and cold environments on human health, comfort and performance [M]. London: Taylor & Francis, 2003.

* 责任作者, 教授, wangsg@lzu.edu.cn

Impacts of meteorological factors and environmental pollutants on digestive diseases in Beijing

MA Pan1, LI Ruo-lin1, YUE Man1, WANG Shi-gong1,2*, SHANG Ke-zheng1, YIN Ling3

(1.Center for Meteorological Environment and Human Health, College of Atmospheric Sciences, Lanzhou University, Lanzhou 730000, China；2.College of Atmospheric Sciences, Chengdu University of Information Technology, Chengdu 610225, China；3.Chinese PLA General Hospital , Beijing 100853, China)., 2016,36(5)：1589~1600

To explore meteorological and environmental impacts on human health, distributed lag non-linear model together with generalized additive model are applied to study exposure-response relationship between ambient air factors and digestive system diseases from 2009 to 2011 in Beijing. Results show that obvious influence of high temperature on digestive system diseases is revealed. Relative risk (RR) significantly increases with Ta raise when Ta>25 ℃. The lag effects can reach more than 10 days. Condition of extremely high or low humidity (RH<10% or RH>90%) can also lead to digestive diseases increase. The effect could last a long time. High temperature combined with extremely high or low humidity forms two uncomfortable circumstance, respectively ‘hot and dry’ and ‘hot and humidity’. Wind speed 0~2m/s can increase the risk of digestive diseases in a short period (5days). The risk of wind speed between 3~4m/s is small. It indicates moderate wind has weak effect on health. High PM10and NO2concentrations immediately play a significant role on digestive system diseases (less in 5days). But high SO2concentrations act significantly in a longer lag period.

meteorological condition；concentration of pollutant；digestive disease；nonlinear；lagged effect

X513.1

A

1000-6913(2016)05-1589-12

马 盼(1990-),女,甘肃定西人,博士研究生,主要从事气象环境与人体健康方面的研究.已发表论文5篇.

2015-10-10

公益性行业(气象)科研专项),国家人口与健康科学数据共享平台建设项目共同资助