沈阳市PM2.5离子成分对呼吸疾病门诊数影响研究

洪 也,张 莹,马雁军,张 军,侯 率,王式功*,陈凯奇,李 慧,张云海,周德平,王扬锋



沈阳市PM2.5离子成分对呼吸疾病门诊数影响研究

洪 也1,张 莹2,马雁军1,张 军3,侯 率3,王式功2*,陈凯奇4,李 慧5,张云海1,周德平1,王扬锋1

(1.中国气象局沈阳大气环境研究所,辽宁 沈阳 110016；2.成都信息工程大学大气科学学院,四川 成都 610025；3.中国医科大学附属第四医院,辽宁 沈阳 110005；4.北京师范大学全球变化与地球系统科学研究院,北京 100875；5.蚌埠市第三人民医院,安徽 蚌埠 233000)

采用时间序列的半参数广义相加模型,在控制了长期趋势、“星期几效应”和气象因素等混杂因素的基础上,分析沈阳市大气污染物及PM2.5中水溶性离子对呼吸系统疾病门诊就诊人数的影响,并按性别和年龄分层建模.结果表明: PM2.5及其各离子成分与呼吸系统疾病门诊人数之间存在关联,并有明显的滞后效应.受冬季供暖燃煤排放影响,PM2.5、NO3-和NH4+呈显著关联,在滞后累积2d后风险最大.最佳滞后时间下,PM2.5的浓度每增加10µg/m3,对应呼吸系统疾病日门诊就诊人数增加百分比(ER)为1.31%(95%CI: 1.2%~1.43%);离子成分SO42-、NO3-、NH4+、Cl-、K+、Mg2+、Ca2+和Na+的浓度每增加1个4分位间距(IQR),对应的呼吸系统疾病日门诊就诊人数增加百分比(ER)分别为3.22%(95%CI: 2.81%~3.62%)、4.67%(95%CI: 4.13%~5.22%)、5.41%(95%CI: 4.49%~6.33%)、7.38%(95%CI: 3.91%~10.96%)、0.14%(95%CI: -6.34%~7.07%)、7.64%(95%CI: -11.87%~31.47%)、3.57%(95%CI: -2.83%~10.39%)和0.46%(95%CI: -16.64%~21.06%).PM2.5、Cl-、Mg2+、Ca2+和Na+对女性呼吸疾病门诊人数的影响比对男性的影响大.PM2.5、SO42-、Cl-、Ca2+和Na+对³65岁的老人门诊人数的影响比对15~65岁劳动年龄人群的影响大.表明不同性别、不同年龄由于生理结构和环境因素的不同而引起的差异不同.

时间序列；水溶性离子；呼吸系统疾病；医院门诊就诊人数；PM2.5

PM2.5的构成复杂,包括水溶性离子成分、碳质成分、金属元素、有机物质和生物组分等.不同化学成分的颗粒物引起健康危害的类型和能力有所不同,水溶性离子是大气颗粒物中的重要组成部分,其浓度变化与霾的发生有直接关系[1].深入了解大气颗粒物化学组分对健康的影响已经成为目前研究的热点和难点.自20世纪90年代以来,时间序列的方法被广泛应用于大气污染急性暴露对各种健康效应终点的研究,成为国内外学者研究的热点之一[2].流行病学研究显示不同大气颗粒物及其化学成分跟肺癌、心肺疾病等多种健康效应相关.如美国Adventist Health Study of Smog (AHSMOG)队列长达15a的分析发现长期暴露于PM10与男性肺癌死亡之间存在显著正相关,PM10浓度>100μg/m3达43d的男性肺癌死亡相对危险度为2.38%(95%Cl: 1.42~3.97)[3].美国6城市的前瞻性队列研究显示,硫酸盐颗粒浓度最高的城市(12.8μg/m3)死亡率的相对危险度是1.26 (95% CI 1.08~1.47)[4];硫酸盐浓度从第5百分位上升到第95百分位(即浓度上升5916ng/m3),人群每日总死亡率上升3.0%[5].Willis等[6]又对6城市数据做进一步分析,指出长期暴露的硫酸盐造成的全死因和心肺疾病超额死亡要远高于之前的结果.张莹等[7-8]发现北京市PM10在滞后2d或4d使得呼吸呼吸系统疾病急诊就诊人数的相对危险度值达到最大,对应的危险度为1.0113 (95%CIL1.0049~1.0173).这些研究都从各个角度证明了不同城市,不同人群中的大气细颗粒物污染与人群的呼吸系统疾病均呈正相关关系.

沈阳市是辽宁的省会城市,是东北老工业基地的重要组成部分.以往研究对大气颗粒物的研究多关注PM10和PM2.5的影响,对于其中化学组分关注的不多.因此,本项目试图以沈阳市大气污染的特征与一所三甲医院对呼吸系统疾病门诊率的影响为切入点,调查沈阳市大气污染物对相关呼吸系统疾病的影响.对全年的PM2.5进行高时间分辨率的在线采样和分析,研究PM2.5及其中的水溶性离子成分对呼吸系统疾病的暴露-反应关系,为东北地区大气颗粒物,尤其是大气污染对人体健康影响的防治工作提供科学依据.

1 资料与方法

1.1 资料来源

1.1.1 疾病资料 呼吸系统疾病门诊资料来源于综合性三级甲等医院中国医科大学附属第四医院呼吸科的门诊记录,包括2015年12月1日~2016年12月31日的逐日门诊就诊资料,病例资料共计3027例.资料内容包括:就诊ID号、性别、年龄、门诊日期、疾病诊断、就诊科室和家庭住址等信息.根据国际疾病分类标准第10版( ICD-10)[9],对疾病资料进行分类整理.本文以呼吸系统疾病(J00−J99)作为研究对象.其中,上感合计775例,占呼吸系统疾病的25.6%,包括上呼吸道感染(J06.901−904)、感冒(J00.02−04,J11.101)、咽(喉)炎(J02.001, J02.901−909, J06.001, J04.001−006, J31.201−204, J37.001−003).下感合计1341例,占呼吸系统疾病的44.3%,主要包括肺炎(J12, J15, J18)和支气管炎(J20, J21, J40, J42).还有慢性阻塞性疾病(J43,J44)合计302例,占呼吸系统疾病的9.9%,支气管扩张(J47)265例,哮喘(J45)237例,肺部肿物(J98)56例,肺心病(I26) 49例和鼻窦炎(J32)2例.根据患者家庭住址信息剔除非沈阳市居住的人群资料,以确保研究对象均来自当地的常居人 口.

1.1.2 大气污染资料 来源于辽宁空气质量实时发布的监测数据(http://211.137.19.74:8089/);包括2015年12月1日~2016年12月31日PM2.5的日均质量浓度数据;PM2.5中水溶性离子组分采用瑞士万通公司生产的MARGA(ADI 2080)测量,时间分辨率为60min,检测组分包括SO42-、NO3-、NH4+、Cl-、Na+、K+、Ca2+、Mg2+,最低检测限分别为0.01、0.05、0.04、0.05、0.05、0.09、0.10、0.06μg/m3.

1.1.3 气象资料 气象资料来源于辽宁省气象局气象信息中心,包括2015年12月1日至2016年12月31日逐日气象观测资料(日平均气温、日平均气压和日平均相对湿度)等气象要素.季节划分采用气象季节划分方法,即上年12月~次年2月为冬季,3月~5月为春季,6月~8月为夏季,9月~11月为秋季.

1.2 统计方法

相对于总人口而言,每日呼吸系统疾病入院人次数是小概率事件,其实际分布近似Poisson分布[10],故本研究拟合基于Poisson分布的广义相加模型(GAM)进行建模分析.采用R3.4.4统计分析软件中的“mgcv”包进行建模分析,具体步骤如下:

首先建立核心模型,模型以呼吸系统疾病日门诊人次数为响应变量,采用样条平滑函数拟合时间序列资料中的非线性自变量.用GAM模型控制时间序列中气象因素及中长期趋势、季节性和其他时间依赖变量等混杂因素的影响后,分析大气污染对日门诊人数的影响.非线性自变量包括时间(time, time=1~396)、温度和相对湿度.模型同时考虑温度与湿度的滞后效应,选择Akaike信息标准(AIC)[11]最小的温度和湿度引入模型;同时引入的还有周日亚元变量(DOW,DOW=1~7).核心模型建立后,应用残差图、偏自相关函数图判断残差是否呈随机平稳白噪分布,若不满足残差独立要求,则需进一步调整模型.基本模型建立后,引入大气污染物浓度,拟合污染物线性模型,并分别分析大气污染物滞后效应和累积效应.将污染物当日、1d前至6d前浓度( lag0、lag1~lag6)或污染物浓度移动平均值(lag01~lag06)逐一引入模型,选择AIC 最小的时间污染浓度代入模型,建立剂量-反应关系.污染物对疾病的影响存在一定的滞后效应.为找出污染物对疾病影响的最大效应,需分析疾病与不同滞后条件下污染物浓度之间的关系.由于呼吸系统疾病资料的分布为非正态分布,因此采用 Spearman’s秩相关分析方法分别建立多种污染物(PM2.5及其各水溶性离子)与呼吸系统疾病的关联性.以呼吸系统疾病和污染物PM2.5为例,在相关分析过程中,考虑了PM2.5对呼吸系统疾病影响可能存在的滞后效应,包括污染物的单天滞后和累积效应.其中单滞后即滞后第1d、滞后第2d、滞后第6d(Lag1、Lag2、…Lag6).累积效应,即滞后01d、滞后 02d、…滞后06d(Lag01、Lag02、…Lag06),滞后01d表示当天的PM2.5浓度与前一天PM2.5浓度的平均值;滞后06d表示当天和前6d共计7d的PM2.5浓度平均值.最终分别建立不同滞后条件下(当天(Lag0)、Lag1、Lag2、Lag6、Lag01、Lag02、… Lag06)对应的PM2.5浓度与呼吸系统疾病的 Spearman’s相关性,选择相关系数(s)最大的一天PM2.5浓度作为研究变量引入随后建立的广义相加模型.

具体模型见公式(1):

log[

E

(

Yk

)]=

s

(Time, d

f

)+

s

(

Zk

, d

f

) +

β

Xk

+as. factor

(DOW)+heat+a (1)

式中:Y为第日沈阳市呼吸系统疾病门诊就诊人数;(Y)为第日呼吸系统疾病急诊就诊人数的期望值;为非参数样条平滑函数;Time为时间序列;Z为第日的某种气象因素变量;d为自由度;为回归系数;X为第日大气污染物浓度,μg/m3;DOW为“星期几”效应;heat为是否采暖期变量;为残差.

根据GAM模型估算出空气污染物的回归系数,从而对污染物的健康效应做出定量评价.当污染物浓度增加Δ时,呼吸系统疾病门诊就诊人数的相对危险度(RR)的计算公式,参见式(2).

RR=exp(Δ

c

×

β

)×100% (2)

根据RR可以计算当污染物浓度增加Δ时,疾病就诊人数增加百分比(ER%)及其95%的置信区间(CI)如公式(3、4)所示.

ER%=(RR-1)×100% (3)

ER%(95%CI)=[exp(Δ

c

×(

β

±1.95SE))-1] ×100% (4)

为研究污染物对不同性别及不同年龄人群健康的效应.本文对性别(男、女)、年龄(0~15岁,15~64岁,³65岁)进行分层,对污染物的健康效应进行分层分析.模型灵敏度检验时,观察单污染物模型稳健性;进行污染物滞后效应和累积效应比较,分析污染物效应稳健性.

2 结果分析

2.1 大气污染物PM2.5及其中重要水溶性离子的浓度分布

表1 2016年沈阳市气象因素,PM2.5及其水溶性离子浓度(µg/m3)

研究期间主要污染物PM2.5及重要水溶性离子浓度的日平均值情况见表1.沈阳地区的PM2.5、SO42-、NO3-、NH4+、Cl-日均浓度的平均水平分别为54.73,11.61,8.71,6.16和2.08µg/m3.其余离子浓度较低.SO42-的浓度高于NO3-和NH4+的浓度.根据《环境空气质量标准》可知PM2.5超出二级标准43.8%.根据此标准,AQI全年轻度污染(AQI³101)及以上的天数全年共82d.其中严重污染(AQI³300)全年有3d,重度污染(201

2.2 呼吸系统疾病门诊的日就诊人数分析

表2 沈阳市居民患呼吸系统疾病日门诊情况汇总(人/d)

研究期间研究地区呼吸系统疾病日门诊平均人数一般情况见表2.研究期间和研究区域内呼吸系统疾病总门诊人数是3027人,其中女性患者1574人,男性患者1453人,男性人数略低于女性人数.年龄结构中15~65岁患者人数最多,为1961人,占总门诊人数的51.9%.其次是³65岁的老人,为1036人,占总门诊人数的34.2%.从季节变化上看,各年龄段患者人数非常一致,均为冬季最高,其次是春季,夏季最少.

2.3 污染物浓度与气象因素的相关性分析

由表3可见,PM2.5与其中各水溶性离子成分之间存在显著的正相关,相关性都很强,均通过0.01显著性水平性检验.其中PM2.5与其中各水溶性离子相关性都很强,SO42-、NO3-与NH4+之间的相关性也非常强,表明其来源具有相似性.Cl-与三者相关性稍弱一些,与SO42-的相关性高于另外2种离子成分.表明它的来源与SO42-的来源更为相似.气象因素中对污染物浓度影响最大的是气温.除NO3-外,各污染物与气温呈显著的负相关关系,均通过0.01显著性检验.气温越高,污染程度呈现越低的趋势.除个别离子外,相对湿度、气压和风速与水溶性离子之间有较强的相关性,大部分通过0.01显著性检验.

表3 沈阳市大气污染物浓度与气象因素的Spearman相关系数

注:**相关性通过=0.01显著水平检验(双尾);*相关性通过=0.05显著水平检验.

2.4 沈阳市大气污染对呼吸系统疾病门诊率影响的分析

2.4.1 全人群门诊就诊人数的变化对疾病的健康效应 在GAM模型中,探讨不同滞后时间条件下污染物浓度与呼吸系统疾病日门诊就诊人数的关联,结果如图1所示.可以看出,PM2.5及其成分对呼吸系统疾病的影响存在着滞后效应和累积效应.PM2.5、NO3-、NH4+和K+在滞后累积2d(Lag01)的移动平均值与呼吸系统疾病门诊就诊人数关联的 ER 值最大,SO42-和Cl-在滞后累积3d(Lag02)、Mg2+和Ca2+在滞后累积4d(Lag03)、Na+在滞后累积5d(Lag04)的移动平均值与呼吸系统疾病门诊就诊人数关联的ER值最大.

表4显示的是不同污染物条件下沈阳市呼吸系统疾病门诊人数的ER值和95%的置信区间以及ER值最显著时出现的时间(最佳滞后日).PM2.5的ER值表示浓度每增加10µg/m3呼吸系统疾病门诊就诊人数增加的百分比.各离子成分的ER值表示离子浓度每增加1个4分位间距(IQR从第25百分位上升到第75百分位),呼吸系统疾病门诊就诊人数增加的百分比.PM2.5、NO3-、NH4+对门诊人数影响所关联的ER值均通过显著性检验(=0.01),Cl-通过=0.05显著性检验,均具有统计学意义.

最佳滞后时间下,PM2.5的浓度每增加10µg/m3,对应的呼吸系统疾病日门诊就诊人数增加百分比(ER)为1.31%(95%CI: 1.2%~1.43%).离子成分SO42-、NO3-、NH4+、Cl-、K+、Mg2+、Ca2+和Na+的浓度每增加1个IQR,对应的呼吸系统疾病日门诊就诊人数增加百分比(ER)分别为3.22%(95%CI: 2.81%~3.62%)、4.67%(95%CI: 4.13%~5.22%)、5.41% (95%CI: 4.49%~6.33%)、7.38%(95%CI: 3.91%~ 10.96%)、0.14%(95%CI: -6.34%~7.07%)、7.64% (95%CI: -11.87%~31.47%)、3.57%(95%CI: -2.83%~ 10.39%)和0.46%(95%CI: -16.64%~ 21.06%).所有成分中,Mg2+的ER值是最高的,其次是Cl-,然后是NH4+、NO3-、Ca2+和SO42-,Na+和K+的ER值最低.在后续的研究中,均采用最佳滞后时间所对应的污染物作为研究变量引入随后建立的广义相加模型中.

图1 沈阳市污染物日均浓度每增加10µg/m3(1个IQR),呼吸系统疾病门诊数在不同滞后条件下增加百分比(ER%)及95%的置信区间(95%CI)

表4 在最佳滞后日,污染物浓度每增加10µg/m3或1个IQR,呼吸系统疾病门诊就诊人数增加百分比(ER%)及95%的置信区间(95%CI)统计表

注:=0.001(**), 0.01(*),0.05(•).

2.4.2 不同性别和不同年龄人群门诊就诊人数的变化对疾病的健康效应 表5显示的是不同性别和不同年龄人群污染物浓度升高与沈阳市呼吸系统疾病门诊就诊人数变化的关联.PM2.5对女性和³65岁的老人影响比对男人和15~65岁劳动年龄人口略高,浓度每升高10µg/m3,对应的呼吸系统疾病门诊人数分别上升0.77%和0.66%.女性是在累积滞后第5d(lag04)的滑动平均值影响最大,³65岁老人在第2d(lag01)影响最大.

就不同性别而言, PM2.5、Cl-、Mg2+、Ca2+和Na+对女性的影响比对男性的影响大.尤其是Cl-,浓度上升1个IQR(即浓度上升2.47µg/m3),对应的呼吸系统疾病门诊人数上升7.39%,是男性的2.3倍,但发病的滞后时间比男性长,累积滞后第3d(lag02)门诊率最高.而男性是当天(lag0)最高.SO42-、NO3-和NH4+对男性的影响最为显著,高于女性及总人数.其关联的ER值为分别为4.92%、4.27%和2.77%,分别在累积第4d(lag03)、第2d和滞后第7d(lag6)门诊率最高.

对不同年龄人群而言,污染物对呼吸系统疾病在不同年龄段发病率影响均有差异.因为<15岁的人群多去儿童医院就诊的缘故,来本研究医院就诊的人群数少,统计没有太大意义,故未统计.对于³65岁的老人人群而言,PM2.5、SO42-、Cl-、Ca2+、Na+对其门诊人数的影响大,关联的ER值高于15~65岁人群,分别为0.66%、5.12%、5.75%、4.78%和6.11%,在滞后累积2d(lag01)、第3d(lag02)、滞后第2d (lag1) 和滞后第7d (lag6)对门诊人数的影响最大.而对于15~65岁人群,NO3-、NH4+、K+和Mg2+对门诊人数的影响非常大.

表5 最佳滞后日时污染物浓度每增加10µg/m3(1个IQR),不同性别和年龄段的呼吸系统疾病门诊就诊人数增加百分比(ER%)及 95%的置信区间(95%CI)统计表

注:=0.001(**), 0.01(*), 0.05(•).

3 讨论

大量流行病学研究显示大气颗粒物(PM) 污染与人群发病率和死亡率上升有关,尤其是呼吸系统疾病和心脑血管疾病[12-13].水溶性无机离子是PM2.5的最主要的组分,其中的SO42-、NO3-、NH4+(SNA)是人类排放的气体转化而成的二次粒子,占离子成分的比例很高.因此本研究对PM2.5及其水溶性离子成分的健康效应进行分析.本研究结果表明:

3.1 季节对呼吸系统疾病的影响

冬季是呼吸系统疾病的高发季节,不同性别、不同年龄人群门诊人数的增加比其它季节都高.可能是因为寒冷季节极易诱发肺炎、上呼吸道感染、也激发支气管哮喘病的发作.低温、温差较大等气象因素是诱发呼吸系统门诊增加风险的影响因素[14-15].另外,冬季取暖燃煤排放的污染物浓度高,也易引起各种呼吸系统疾病.如气管炎的促发因素主要为气温下降使呼吸道小血管痉挛缺血引起的防御功能下降及烟雾粉尘、污染大气等的慢性刺激.而哮喘的促发因素主要为大气污染、其他剧烈运动、气候转变及多种非特异性刺激如吸入冷空气等,冬季、春季都是它的高发季节.

3.2 PM2.5及其离子成分对呼吸系统疾病门诊率的影响

PM2.5及其各水溶性离子成分之间存在很强的正相关,表明它们之间的来源具有相似性,对于污染的贡献具有协同作用.气象因素中,气温对污染影响程度最大.大气颗粒物及其离子成分与气象因素存在较强的相关性,表明气象要素对它们有着很重要的影响.因此在研究大气污染物对人体健康的影响时,应把它们作为重要的混杂因素加以考虑.

PM2.5及其离子成分对呼吸系统疾病的全人群门诊率有重要影响.粒径小于2.5μm的细颗粒(PM2.5),被吸入人体后会沉积到肺泡.存在于肺泡和气道上皮表面的肺巨噬细胞在遇到PM2.5 时,将通过吞噬作用清理入侵的外来细颗粒物,而当颗粒物过多时,其主要成分具有抑制细胞分化和细胞代谢,刺激气管和肺上皮细胞增生、致纤维化的作用[16]. Andrew等[17]研究发现,细颗粒物可通过刺激血小板生长因子(PDGF)与转化生长因子-α,β(TGF-α,β)的产生,间接促进上皮和间质增生,引起气道壁纤维组织增厚.因此,在呼吸道中的颗粒物可导致支气管壁增厚、炎性细胞和胶原的增加,进入肺部的颗粒物会腐蚀肺泡壁,同时刺激肺部巨噬细胞释放炎性介质,引起哮喘、肺炎、支气管炎、慢性阻塞性肺病等[18].研究发现,滞后和累积几天的值比当天的风险更高.Peer等[19]也发现,儿童呼吸急诊的发病率高值是延迟几天后出现的.正如所引用的其他分析一样,目前尚不清楚较长的滞后关联是由生物机制引起的,还是仅仅由于随机变化所致.然而,由于炎症和免疫抑制,接触和加重感染之间可能会出现几天的潜伏期,这是合理的.

各水溶性离子对门诊人数影响的ER值很高,是PM2.5的近2.5~5.6倍.PM2.5、NO3-和NH4+对呼吸疾病很敏感,呈显著关联,在滞后累积2d后增加的风险最大.最佳滞后时间下,PM2.5的浓度每增加 10µg/m3,对应的呼吸系统疾病日门诊就诊人数增加百分比(ER)为1.31%(95%CI: 1.2%~1.43%).与广州市2009年~2011年的门诊人数相比[1.003 5(95%CI:1.001 2~1.016 4)][18],沈阳PM2.5的ER值对门诊人数的增加影响更大.

在水溶性离子中,对ER值影响最大的是Mg2+,其次是Cl-.对门诊人数影响的ER值分别高达7.64%和7.38%.Mg2+的来源与工业和土壤源有关,还和供暖锅炉的脱硫工艺有关.沈阳的供暖锅炉大部分采用氧化镁脱硫[21].在供暖期,我们大气成分监测站的MAGAR仪器在冬季供暖期经常可以发现Mg2+的小时高峰值出现,而且大多出现在清晨5:00,正是供暖锅炉工作的时间.Cl-也是燃煤和燃烧的标识物,在东北的冬季它的浓度也比较高.因此,沈阳冬季的供暖燃煤燃烧排放会对呼吸疾病的门诊人数影响很大.颗粒物因其组分的差异,对细胞的毒性作用也不同.金属元素虽然占比较小,但由于具有不可降解、生物富集、持久毒性等特点,是PM2.5中不可忽视的毒性组分. Mg2+对眼、上呼吸道和皮肤有刺激性.过量吸入可引起咳嗽、胸痛等.Cl2主要通过呼吸道和皮肤粘膜使人体发生中毒.当空气中Cl2的浓度达0.04~0.06毫克/升时,30~60分钟即可致严重中毒,如空气中Cl2的浓度达3mg/L时,则可引起肺内化学性烧伤而迅速死亡.由我们的分析结果也能看出,Mg2+和Cl-对呼吸疾病门诊率的影响很大.

沈阳PM2.5中的二次污染成分SO42-、NO3-、NH4+(SNA),主要来源于燃煤及汽车尾气排放的SO2和NO2的气-粒转化,占总离子浓度的比例非常高,对门诊人数的影响ER值分别为3.22%、4.687%和5.41%,其对呼吸系统疾病门诊率的影响也很大.相关研究发现,硫酸盐、硝酸盐与多种健康结局相关.Ostro等[22]从加利福尼亚州2000~2003年的资料中发现,SO42-、NO3-离子浓度每上升5.7~1.5µg/m3, 19岁以下儿童的呼吸系统疾病入院率分别上升3.3%和3.0%.正常机体内,氧化和抗氧化系统是处于一种动态的平衡状态,当自由基产生过多会打破平衡关系,对机体造成损伤,而ROS(活性氧自由基)是使机体氧化损伤的重要物质,其含量常常反映机体内氧化损伤的程度.另外,颗粒物进入肺部后,还可通过影响细胞分泌物和相关基因的表达导致体内ROS的失衡.目前已知许多急、慢性呼吸系统疾病,如肺气肿、慢性阻塞性肺疾病(COPD)、支气管哮喘、急性肺损伤(ALI)和急性呼吸窘迫综合征等,其发病机制均与氧化应激有关,这就是氧化应激损伤假说[18].另外一种目前被普遍认可的假说是炎症介质假说.炎症是机体对于刺激的一种自动防御反应. 1995年, Seaton等[23]提出,大气颗粒物中的超细粒子所引起的肺泡炎症反应,可以改变血液凝固性,增加心血管疾病和呼吸道疾病的患病率.Guan等[24]的研究发现,细胞存活率与颗粒物中SO42-、NH4+、Cl-、Al、Ti、As和Zn的含量均呈负相关,ROS表达量则与颗粒物中Fe、Cr、Mn、Ni、Cu、As和Zn的含量均呈正相关.马琼锦等[25]的研究表明PM2.5中可溶性离子含量NO3-与染毒大鼠肺灌洗液中相关炎症指标如乳酸脱氢酶(LDH)、白介素-6(IL-6)、肿瘤坏死因子(TNF-a)和细胞总数都呈显著正相关关系,即对于大鼠肺部的炎症反应起到了促进性的作用,而SO42-同样显示与这些指标有正相关性.然而,SNA二次无机气溶胶对呼吸疾病门诊率的影响但却没有上述Mg2+和Cl-2种离子显著.较多的研究显示二次无机气溶胶在实验室条件下只能产生低毒性[26]. Grahame等[26]认为,二次无机气溶胶的生物学效应主要因为酸性而非颗粒物的阴离子,因此,有害的健康效应成分应该是硫酸、硫酸氢铵和硝酸那些强酸性物质,它们损害肺泡巨噬细胞的功能,包括活性、表面黏附力、流动性、细胞内pH值、以及活性氧和某些细胞因子(例如,TNFα、IL-1α等)的产生和释放.

3.3 PM2.5及其离子成分对不同性别和不同年龄人群门诊就诊人数的影响

呼吸系统疾病门诊就诊男性人数略低于女性人数.年龄结构中15~65岁患者人数最多,为1961人,占总门诊人数的51.9%.其次是³65岁的老人,为1036人,占总门诊人数的34.2%. 2016年,沈阳市户籍人口为730.4多万人,其中³65岁的老人户籍人口达178.4万人,占总户籍人口的24.42%,15~59岁劳动年龄人口占65.24%(辽宁省统计局).按人口比例看,³65岁的老人就医比例高于15~59岁的劳动年龄人口.其原因可能是跟自身免疫系统、环境因素有关.从季节变化上看,各年龄段患者人数非常一致,均为冬季最高,其次是春季,夏季最少.

PM2.5、Cl-、Mg2+、Ca2+和Na+对女性的影响比对男性的影响大.尤其是Cl-, ER值高达7.39%,累积滞后第3d门诊人数达最高.可能是由于女性的生理结构和生活环境与男性有区别,相对于男性来说,女性对这些污染物是易感人群,受污染物影响的潜在危险比男性大.但发病的滞后时间往往比男性长,累积时间越长,对女性的伤害越大.PM2.5、SO42-、Cl-、Ca2+、Na+对于³65岁的老人人群比对15~65岁劳动年龄人群的影响大.³65岁的老人年龄渐高,身体的各项机能处于退化之中,身体系统防御功能、免疫功能都比较差,对污染物的敏感性比青壮年高得多,随呼吸进入机体的病毒、细菌等有害物质容易使人患病.NO3-、NH4+和K+对男性和15~65岁人群的影响最为显著.一般发病时间比女性要短,可能因为男性肺功能比女性强,呼吸进入的污染物越多,发病滞后时间越短,另外,15~65岁年龄的人群大多处于工作状态,暴露在污染中时间比老人长,吸入的污染物也多,所以影响比³65岁老人显著.

然而,值得注意的是,这里统计的虽然是某个离子成分对健康的影响,但实际上每个离子成分个体的影响仍很难确定.因为每个成分都有多个共同的来源,一个成分观测到的影响可能是具有类似来源的成分共同影响的结果,并且同一种成分也会有不同的来源.如SO42-是化石燃料燃烧的源,但同属这个源释放的还有NO3-和NH4+等,而NO3-即可能是来自化石燃料燃烧又可能来自汽车尾气排放导致.所以,关于PM2.5离子成分对健康影响的数据可能不能够代表明确的来源分配,它可能是同源污染共同影响的结果.

4 结论

确定了PM2.5及其各离子成分与呼吸系统疾病门诊人数之间的联系,特别是Mg2+和Cl-,对门诊人数影响的ER值分别高达7.64%和7.38%.但它们在呼吸系统疾病病因学上尚难以解释.PM2.5、NO3-和NH4+对呼吸疾病很敏感,呈显著关联,在滞后累积2d后增加的风险最大.这些都证明了沈阳冬季的供暖燃煤排放会对呼吸疾病的影响很大. PM2.5、Cl-、Mg2+、Ca2+和Na+对女性呼吸疾病门诊人数的影响比对男性的影响大.尤其是Cl-, ER值高达7.39%,累积滞后第3d门诊人数达最高.PM2.5、SO42-、Cl-、Ca2+、Na+对于³65岁的老人人群比对15~65岁劳动年龄人群的影响大.表明不同性别、不同年龄由于生理结构和环境因素的不同而引起的差异不同.

[1] Sun Y L, Wang Z F, Du W, et al. Long-term real-time measurements of aerosol particle composition in Beijing, China, seasonal variations, meteorological effects, and source analysis [J].Atmospheric Chemistry physics, 2015,15(17):10149-10165.

[2] Raaschou-Nielsen O, Andersen Z J, Beelen R, et al.Air pollution and lung cancer incidence in 17European cohouts: prospective analyses from the European Study of Cohorts for Air Pollution Effects (ESCAPE) [J]. Lancet Oncology, 2013,14(9):813-822.

[3] Abbey D E, Nishino N, McDonnell W F,et al.Long-term inhalable particles and other air pollutants related to mortality in nonsmokers [J]. American Jorunal Respiratory and Critcal Care Medicine, 1999,159(2): 373-382.

[4] Dockery W, Pope C A, Xu X P, et al. Anassociation between air- pollution and mortality in 6United-States Cities [J] .The New England Jorunal Medicine, 1993,329(24):1753-1759.

[5] Laden F, Neas L M, Dockery D W, et al. Association of fine particulate matter from different sources with daily mortality in six US cities [J]. Environmental Health Perspectives, 2000,108(10):941-947.

[6] Willis A, Jerrett M, Burnett R T, et al. The association between sulfate air pollution and mortality at the county scale: an exploration of the impact of scale on a long-term exposure study [J]. Journal of Toxicology Environmental Health, Part A, 2003,66(16-19):1605- 1624.

[7] 张 莹,宁贵财,康延臻,等.北京市大气污染物与呼吸系统疾病入院人数的时间序列[J].兰州大学学报, 2015,51(1):87-92.

[8] 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.

[9] 卫生部卫生统计信息中心,北京协和医院世界卫生组织疾病分类合作中心.国际疾病分类(ICD-10)应用指导手册 [M]. 北京:中国协和医科大学出版社, 2001:411-435.

[10] Morgan G C. The effects of low level air pollution on daily mortality and hospital admissions in Sydney, Australia, 1994 to 2000 [J]. Epidemiology, 2003,14(1):111−112.

[11] Dominici F, McDermott A, Zeger S L, et al. On the use of generalized additive models in time-series studies of air pollution and health [J]. American. Journal of Epidemiology, 2002,156:193-203.

[12] Dockery D W, Pope C A, Xu X P, et al. An association between air-pollution and mortality in 6United-States Cities [J]. The New England Jorunal Medicine, 1993,329(24):1753-1759.

[13] Nel A. Air pollution-related illness: effects of particles [J]. Science, 2005,308(5723):804-806.

[14] 张 千,周 连,纪 琴,等.南京市江宁区2010年气象因素对SO2等大气污染物浓度的影响[J].江苏预防医学, 2012,23(4):13-16.

[15] 李国星,陶 辉,刘利群,等.PM10与表观温度交互作用对北京市某医院呼吸系统疾病急诊的影响[J]. 环境与健康杂志, 2012,29(6): 108-111.

[16] 岳常丽,刘红刚.空气细颗粒物(PM2.5)及其致病性的研究现状[J]. 临床与实验病理学杂志, 2009,25(4):437-400.

[17] Andrew C, Michael B, Maria A C, et al.Chronic exposure to high levels of particulate air pollution and small airway remodeling [J]. Environmental Health Perspectives, 2003,111(5):714–718.

[18] 杜鹏瑞,杜 睿,任伟珊.城市大气颗粒物毒性效应及机制的研究进展[J]. 中国环境科学, 2016,36(9):2815-2827.

[19] Peel J L, Tolbert P E, Klein M, et al. Ambient air pollution and respiratory emergency department visits [J]. Epidemiology, 2005,16(2): 164–174.

[20] 马关培,邹宝兰,许振成,等.广州市某区医院呼吸系统疾病门诊人数与大气污染关系的时间序列研究 [J] .环境与健康杂志, 2012, 29(6):526-528.

[21] 何 平,李树生,朱维群,等.湿法脱硫如何导致大面积雾霾[J]. 科学与管理, 2017,37(6):7-11.

[22] Ostro B, Roth L, Malig B, et al. The effects of fine particle components on respiratory hospital admissions in children [J]. Environmental Health Perspectives, 2009,117(3):475-480.

[23] Seaton A, Macnee W, Donaldson K. et al. Particulate air pollution and acute health effects [J]. Lancet, 1995,345(8943):176-178.

[24] Guan L F, Rui W, Bai R, et al. Effects of size-fractionated particulate matter on cellular oxidant radical generation in human bronchial epithelial BEAS-2B cells [J]. International Journal of Environmental Research & Public Health, 2016,13(483):1-14.

[25] 马琼锦,东春阳,杨 凌,等.上海二城区大气细颗粒物对大鼠肺泡灌洗液炎症指标的影响[J]. 环境与职业医学, 2014,31(3):161-165.

[26] Grahame T, Schlesinger R. Evaluating the health risk from secondary sulfates in eastern North American regional ambient air particulate matter.Inhalation Toxicology, 2005,17(1):15-27.

[27] Schlesinger R B,Cassee F. Atmospheric secondary inorganic particulate matter: the toxicological perspective as a basis for health effects risk assessment [J]. Inhalation Toxicology, 2003,15(3):197-235.

Effect of the association between PM2.5and its water-soluble ions and hospital outpatient visits for respiratory diseases in Shenyang City.

HONG Ye1, ZHANG Ying2, MA Yan-jun1, ZHANG Jun3, HOU Shuai3, WANG Shi-gong2*, CHEN Kai-Qi4, LI Hui5, ZHANG Yun-hai1, ZHOU De-ping1, WANG Yang-feng1

(1.Institute of Atmospheric Environment, China Meteorological Administration, Shenyang 110016, China；2.Collage of Atmospheric Sciences, Chengdu University of Information Technology, Chengdu 610025, China；3.The Fourth Affiliated Hospital of China Medical University, Shenyang 110005, China；4.College of Global Change and Earth System Science, Beijing Normal University, Beijing 100875, China；5.The Third the People’s Hospital of Bengbu, Bengbu 233000, China)., 2018,38(12)：4697~4705

A semi-parametric generalized additive model (GAM) was used to analyze the exposure-effect relationship between PM2.5and its water-soluble (WS) ions and daily respiratory hospital outpatient visits from 2015 to 2016 in Shenyang after a complex control of the long-term trend, the “day of the week” effect, and the meteorological parameter. The layering model was established for people with different sexes and ages. The results showed that PM2.5and its WS ions had a lag correlation with daily outpatient visits. Due to the coal burning emissions in winter, PM2.5, NO3-and NH4+had a significantly positively correlative with outpatient visits. With the largest correlation coefficient of 2- days lags (avg01). Under the optimal lagging time, the excess risk (ER%) of daily outpatients was increased by 1.31% with a 95% confidence interval (CI) of 1.2%~1.43% when PM2.5concentration increased 10µg/m3. As ionic concentrations of SO42-, NO3-, NH4+, Cl-, K+, Mg2+, Ca2+and Na+increased by 1interquartile range (IQR), the ER% of daily outpatients increased by 3.22% (with 95%CI: 2.81%~3.62%), 4.67%(4.13%~5.22%), 5.41%(4.49%~6.33%), 7.38%(3.91%~10.96%), 0.14% (-6.34%-7.07%), 7.64% (-11.87%-31.47%), 3.57%(-2.83%-10.39%) and 0.46%(-16.64%-21.06%), respectively. PM2.5, Cl-, Mg2+, Ca2+, and Na+had a greater effect on the number of respiratory disease female outpatients than on male ones. Compared with the population aged between 15 and 65, PM2.5, SO42-, Cl-, Ca2+and Na+exerted a greater effect on the elderly population aged 65 and above. This indicated that there was difference among population of different sexes and ages due to the divergence in physiological structure and environmental factors.

time-series；water-soluble ions；respiratory diseases；hospital outpatient visits；PM2.5

X513

A

1000-6923(2018)12-4697-09

洪 也(1969-),女,辽宁沈阳人,副研究员,硕士,主要从事大气环境方面研究.发表论文10余篇.

2018-05-08

中国气象局沈阳大气环境研究所中央级公益性科研院所基本科研业务费资助项目(2017SYIAEMS6);国家重点研发计划(2017YFC0212301),中国科学院大气物理研究所大气边界层和大气化学国家重点实验室开放课项目(LAPC-KF-2017-02);中国气象局预报预测核心业务发展专项(CMAHX 20160307);辽宁省气象局科学技术研究课题(201502);国家自然科学基金资助项目(41375146)

* 责任作者, 教授, wangsg@lzu.edu.cn