成都市不同温度段对呼吸和心脑血管疾病死亡影响的归因风险评估*

张 莹 王式功,2 张 婕 冯鑫媛 张小玲,3 胡文东 贾旭伟

【提 要】 目的 评估成都市气温暴露造成的人群死亡归因风险。方法 本研究收集成都市2014-2016年人群呼吸和心脑血管疾病逐日死亡资料，以及同期的气象资料和大气污染物资料，利用时间序列分析方法和分布滞后非线性模型，在控制污染物等混杂因素的基础上，探明气温对当地呼吸和心脑血管疾病死亡的影响，并定量估算了由不同温度段造成的归因死亡人数和人群归因分值(AFs)。结果 成都市气温对呼吸和心脑血管疾病死亡的累积暴露-反应关系近似呈“L”型，22.2℃为最适温度(MMT)，其对应死亡风险最小；经计算，由气温直接造成的呼吸和心脑血管疾病年均超额死亡人数分别为3121例和4043例，对应AFs分别为15.69%和15.81%，其中归因于冷效应(

在全球气候异常变化、极端天气气候事件发生频率明显增加的大背景下，天气气候的异常变化对人类健康的影响也渐趋凸显[1-2]，已成为了现阶段人们关注的热点。其中以气温异常变化的影响尤为显著，如高温热浪、低温寒潮以及气温骤变等均会对相关人群健康产生直接的不利影响，且不同区域差异较大[3-4]。国外及国内发达重点城市和地区率先开展了该方面的相关研究[5-8]，但以往的研究更多的侧重于极端天气(主要包括高温热浪、低温寒潮等)以及气温变幅(24h变温、气温日较差)对人群健康的不利影响，而忽略了弱低(高)温对人群健康的潜在效应，继而导致由气温造成超额发病/死亡负担的影响评价不够全面。Gasparrini等人[9]在对美国、巴西、加拿大等13个国家的温度-死亡关系的风险评估中发现：极端气温(包括高温和低温)和弱低(高)温均会导致超额死亡人数的增加，且不同区域差异较大。近期Chen等[10]对我国272个城市2013-2015年由气温导致的总死亡及不同疾病死亡的归因风险开展了类似的研究，并进一步划分气候区进行研究，发现我国由气温造成的呼吸和心脑血管疾病死亡的归因风险分别为10.57%和17.48%，还发现气温对我国不同地区疾病死亡影响存在地域性差异。成都市作为我国第四大人口城市，不同温度段对当地人群健康影响的研究还不够充分，这方面的研究还有待深入和加强。

本研究收集了2014-2016年成都市逐日呼吸和心脑血管疾病死亡人数以及同期的气象和污染物资料，借助时间序列分析方法和分布滞后非线性模型(distributed lag non-linear model,DLNM)[11]，在探明气温对当地呼吸和心脑血管疾病死亡人数影响整体效应的基础上，开展不同温度段对相关系统疾病死亡影响的风险评估。以期为当地政府及相关部门依据天气变化开展天气敏感性疾病的合理防控提供科学依据和技术支持。在全球变暖大背景下，为准确评估气温的健康效应提供科学指导。

资料与方法

1.资料来源

病例资料来自中国疾病预防控制中心(Chinese center for disease control and prevention)收集到的2014年1月1日至2016年12月31日成都市死亡病例资料。借助SQLServer2016数据库，根据ICD-10[12]对病例资料进行分类整理。经统计，收集到的总死亡(ICD10:A00～R99)数据共计243135例，其中呼吸系统疾病(ICD10:J00～J99)死亡数据59676例，心脑血管疾病(ICD10:I00～I99)死亡数据76721例。

气象资料：来源于中国气象科学数据共享服务网中国地面气象资料成都市2014年1月1日至2016年12月31日的日均气象资料，主要包括日最高(低)气温(℃)、日均气温(℃)、日均相对湿度(%)和日均风速(m/s)等。

环境空气质量数据：本研究所用同期大气污染物资料来源于四川省环境监测总站质量控制后发布的污染数据资料，包括PM2.5(μg/m3),PM10(μg/m3),SO2(μg/m3),NO2(μg/m3)和CO(mg/m3)日均浓度资料，经检查数据完整无缺失。

2.研究方法

本研究利用R软件(3.4.4版本)中的 “mgcv”，“dlnm”程序包进行时间序列分析方法和DLNM建模。大量研究表明[6,13-14]，气温等环境暴露因素的健康效应均存在一定的持续和滞后效应，换言之，人群健康指标(如发病率、死亡率等)不仅与当天的暴露水平有关，还可能受前几天甚至更长时间前暴露水平的影响。就气温而言，对人群健康影响的最长滞后时间可达3周(21d)[15-16]。DLNM模型通过交叉基函数(cross-basis)实现同时描述因变量在自变量维度与滞后维度的分布[10]，最终以暴露-滞后-反应关系三维空间分布图直观地展示暴露因素的滞后效应和非线性效应，这为开展环境因素的归因风险评估提供了新的思路。广义相加模型GAM(generalized additive models)作为环境对人群健康影响的主流时间序列模型，擅长处理因变量和众多自变量之间复杂的非线性关系[14]。因此，本文以GAM为模型框架，首先利用DLNM构建出气温的交叉基函数，随后采用GAM进行死亡人数与各影响因素之间暴露-响应关系的拟合。模型基本框架如下：

Log[E(Yt|x)]=βTempt,l+ns(Time,3×8)+ns(Wind,3)+ns(RH,3)+PM10+SO2+NO2+PM2.5+CO+DOW+Holiday+α

(1)

Yt为每日死亡人数；E(Yt|x)为每日死亡人数估计值；Tempt,l为通过DLNM产生的交叉基，最长滞后时间为21d，β为日均气温的系数，利用赤池信息准则(akaike information criterion，AIC)确定交叉基函数中的自由度(df)，采用相对危险度(relative risk，RR)作为短期暴露效应评价指标[17]；ns()为三次样条函数，Time为时间序列，Wind和RH分别为日均风速和相对湿度，调节各项自由度，选定具有最小AIC和残差PACF值的作为最优模型[18]。最终Time的df为8/年；Wind和RH的df均为3。PM2.5,PM10,SO2,NO2和CO五种污染物作为混杂效应，均以线性形式引入；DOW和Holiday依次为周末效应和节假日效应，二者都以哑元变量的形式引入；α为残差。

首先，通过公式(1)构建出气温与死亡人数的暴露-滞后-反应关系，依照气温风险累积效应最小计算出最适气温(MMT)，将其作为归因风险评估的基线水平，在此基础上，分别估算冷效应(

归因风险的基础指标是归因人数(attribute numbers,ANs)和人群归因分值(attribute fractions,AFs)。其中AFs表示如果人群不再暴露于某风险因子，相对健康结局减少的数量占该健康结局的比例[21]。如果已知健康结局的总数和AFs，则可计算出对应的ANs，这些指标可以同样理解为风险因子采取干预措施后可以达到的效果。本研究中风险因子为气温，气温累积滞后21d对死亡人数影响的AFs和ANs计算公式分别为：

(2)

ANs=n·AFs

(3)

RRi为和基线水平相比，各暴露水平下的相对危险度；l0和L分别为最小滞后天数和最大滞后天数；βxi为暴露水平为i时的效应参数，n为死亡总人数。

为验证模型的稳定性，本研究通过改变模型(1)中时间序列的自由度为6～9、日均风速和相对湿度的自由度分别为3～5，对其进行敏感性分析。

结 果

1.变量描述性统计

表1为2014年1月1日至2016年12月31日成都市呼吸和心脑血管疾病死亡人数及同期气象要素和污染物浓度统计表，研究时段内收集到呼吸和心脑血管疾病死亡人数各59676和76721例，分别占总死亡人数的24.54%和31.55%，这两大系统疾病死亡人数之和超过总死亡人数的55%，说明这两大系统疾病为该地区导致死亡的主要疾病。由表1可知，呼吸和心脑血管疾病对应的日均死亡人数分别为54.45和70.00例。成都市属于亚热带季风性湿润气候，年均气温、最高气温和最低气温依次为16.56℃、21.34℃和13.26℃，平均风速为1.29 m/s，相对湿度为81.74%。研究时段内成都市PM10、PM2.5、SO2、NO2和CO五种污染物的日均浓度依次为109.09μg/m3、65.93μg/m3、15.99μg/m3、52.41μg/m3和1.12mg/m3。

表1 2014-2016年成都市呼吸和心脑血管疾病死亡人数及气象要素和污染物的描述性分析

*：P25,P50和P75分别为第25、50和75百分位数.

2.气温对不同疾病死亡人数的影响研究

图1为2014-2016年成都市日均气温分别对呼吸和心脑血管疾病死亡影响的暴露-滞后-反应关系图，由图可知，气温对人群健康的影响存在持续和滞后效应，且不同温度水平下其滞后效应在维度上的变化差异较大。以呼吸为例，高温表现出“即时效应”，即高温条件下，高温对死亡影响的相对危险度在当天(lag0)达到最大，随着时间的后延，RR迅速降低；低温效应则存在明显的滞后，低温发生当天对应RR并未达到最大，随着时间的后延，低温效应开始显现，RR先增加后减小，峰值出现在lag2d。气温对心脑血管影响的分布与气温对呼吸影响的分布形态较为类似，但值得注意的是：就成都市而言，强高温对呼吸的影响较显著，而强低温对心脑血管的影响则更为显著。

图1 2014-2016年成都市日均气温对呼吸和心脑血管疾病死亡影响的暴露-滞后-反应关系图

3.不同温度段短期效应的归因风险

图2为气温对呼吸和心脑血管疾病影响的累积暴露-反应关系和气温频数分布图，由图可知，气温对呼吸和心脑血管疾病影响的累积-暴露-反应关系均呈“L”型，即冷效应和热效应均会造成死亡风险的增加，且温度越低RR越大，表明死亡风险越大。且22.2℃为最适温度(MMT)，此时对应死亡风险最小。以该温度阈值为基准，分别讨论冷效应(

图2 成都市日均气温对呼吸和心脑血管疾病死亡影响的累积效应和气温频数分布图

在上述基础上，以2.5th(3.29℃)和97.5th(27.6℃)气温百分位点作为临界点，进一步将温度划分为强低温、弱低温、弱高温和强高温4个温度段，经统计(表2)，发现由不同温度段造成的呼吸和心脑血管疾病超额死亡人数由高到低依次为：弱低温>强低温>弱高温>强高温，其中弱低温效应占主导，由弱低温造成的呼吸和心脑血管疾病超额死亡人数分别为6009和9629例，对应的AFs为10.07%(95%CI:4.53,15.61)和12.16%(95%CI:3.71,20.61)。综上所述，气温对人群健康的影响主要以低温为主，而在低温中弱低温的健康效应最为显著。究其原因，一方面较高的MMT导致冷效应段包含了较多的温度频次；另一方面，虽然弱低温对应的死亡风险(RR)小于强低温对应的死亡风险，但弱低温段温度发生频次高，这是弱低温造成呼吸和心脑血管疾病死亡人数最多的一个主要原因。

表2 2014-2016年成都市气温短期暴露对当地呼吸和心脑血管疾病死亡人数影响的归因风险(AFs)及归因人数(ANs)

为进一步细化温度效应，接下来将气温的死亡归因风险细化到每1℃，图3为每度对应的温度频数分布及其对呼吸和心脑血管死亡影响的归因风险(AFs)分布图。由图可知，虽然温度频次高值区位于21℃，但AFs高值对应的温度主要集中在弱低温段，呼吸和心脑血管对应的AFs峰值均为6℃。经统计，3～10℃范围内的温度出现频次占总温度频次的23.90%，但该温度段造成的呼吸和心脑血管疾病死亡的AFs分别为8.17%和8.58%，占整体温度造成死亡负担的52.08%和54.30%。可见，该温度段是导致呼吸和心脑血管等气象敏感性疾病死亡的高发温度段。图4为研究时段内成都市日均气温的时间序列图，从图中可以看出3～10℃主要集中在冬-春季/秋-冬季的季节转化过渡时期。

图3 气温频次分布及每度气温对应呼吸和心脑血管疾病死亡归因风险分布图

图4 日均气温时间序列图

本研究通过改变模型中时间序列、日均风速和相对湿度的自由度对其进行敏感性分析，当时间序列、日均风速和相对湿度取不同的自由度时(表3)，气温对呼吸和心脑血管疾病死亡影响的归因风险变化不大，表明该模型稳健。

表3 气温导致的呼吸和心脑血管疾病死亡归因风险模型的敏感性分析

*：Time:时间序列；Wind:平均风速；RH:相对湿度。

讨 论

本研究发现成都市日均气温对呼吸和心脑血管疾病死亡影响的累积效应的暴露-反应关系均呈“J”型，22.2℃为最适温度点，其对应死亡人数最少。由气温造成的呼吸和心脑血管超额死亡人数分别为9363和12130例，对应的AFs分别为15.69%和15.81%。Yang J等[19]研究报告中指出气温对长春、北京和上海心脑血管疾病死亡影响的最适温度分别为20.6℃、24.9℃和24.5℃，对应的AFs分别为12.9%、20.1%和10.1%；Chen R等[10]研究指出气温对应的我国平均最适温度为22.8℃，由气温引起的我国呼吸和心脑血管疾病的归因风险分别为10.57%和17.48%；Gasparrini[22]研究指出，气温引起的伦敦和罗马死亡人数对应的AFs分别为13.59%和12.58%。由此说明，不同区域气温对当地人群产生的死亡风险差异较大，在今后的研究中应该分区域进行。此外，本研究还发现冷效应和热效应均会产生死亡风险。成都市由冷效应造成的呼吸和心脑血管疾病死亡对应的AFs分别为11.52%和13.76%；而热效应对应的AFs分别为4.17%和2.05%。可见，由气温造成的超额死亡负担中冷效应占主导，热效应所占比重相对较小。本研究结果与国内外[10,23-24]其他地区的研究结果一致，均认为低温健康风险大于高温健康风险。究其原因，一方面，高温和低温对人体影响的机制差异较大，医学研究表明：高温能够引起机体心率升高、血液粘度增加、从而导致人体内的盐、水代谢失调，效应出现快且持续时间短；而低温则主要引起血管收缩、血压改变、炎症反应等，效应持续时间较长，造成的影响也更大[15,17]。另一方面，本研究结果与成都市当地气候条件、经济水平、人群特征、生活习惯等因素也有一定的关联，夏季当地人群喜欢借助空调等手段改变生活环境，进而使得高温效应降低，相对于低温而言，现阶段尚无集体供暖措施，相对于高温，低温时段人为干预相对较少，低温对人群的健康效应相对较为客观。

本研究将气温分为强高温、弱低温、弱高温和强低温四段，发现由弱低温造成的呼吸和心脑血管疾病死亡对应的AFs分别为10.07%和12.16%，虽然弱低温段对应的RR小于强低温段对应的RR，但弱低温发生频次高，这是导致弱低温造成超额死亡人数最多的重要原因之一。同时，通过进一步细划分气温并计算每1℃造成的疾病死亡归因风险，发现成都市导致呼吸和心脑血管超额死亡最大的温度段位于3～10℃范围(处于弱低温段)，该段温度出现频次占总温度频次的23.90%，但由其造成呼吸和心脑血管疾病死亡的AFs占由整体温度造成超额死亡负担的52.08%和54.30%。究其原因：该温度段主要集中在冬春季/秋冬季节交替时段，而此时大气环流正处在一个自我调整的状态，冷暖气团交汇频繁，温度变幅较大，气温骤升骤降时有发生。有研究表明：气温的骤变极易诱发呼吸和心脑血管等天气敏感性疾病的发病和死亡，尤其对已患有呼吸和心脑血管等慢性疾病的老年人群尤为显著[25]。其次，随着全球变暖，导致季节转化/过渡时间明显缩短，使得人体适应季节过渡的时间不够充裕，进而更易诱发各种天气敏感性疾病[26]。因此弱低温段内包含的季节过渡也是导致弱低温段死亡人数较多的一个重要原因。

本研究尚存在一些不足之处，首先，受收集资料的限制，本研究仅评估了成都市气温短期暴露对呼吸和心脑血管疾病死亡人数影响的归因风险，而尚未开展我国其他城市和地区气温对人群健康影响的研究；其次，本研究也未开展气温对不同性别、年龄段影响的差异研究。希望在后续的研究中，随着收集资料的增加，进一步弥补本研究存在的不足。但与以往研究相比，本研究不再局限于分析气温变化单位幅度的效应，而是定量评估了气温暴露的整体疾病负担，同时对温度进行分段研究，发现弱低温对人群健康的影响占主导，提醒人们在今后的研究中应该重视弱低温效应造成的患病及死亡负担。

结 论

暴露-滞后-反应关系研究结果表明：成都市高温对呼吸和心脑血管疾病死亡的影响存在“即时效应”，当天风险最大；而低温的滞后和持续效应更为显著，RR峰值出现在lag2d。

2014-2016年成都市日均气温与呼吸和心脑血管疾病死亡人数的累积暴露-反应关系曲线均呈“L”型，表明极冷和极热均会导致死亡人数的增加。由气温造成的呼吸和心脑血管超额死亡人数占总死亡人数的15.69%和15.81%；冷效应对应的AFs分别为11.52%和13.76%；热效应对应的AFs分别为4.17%和2.05%。可见，气温对人群健康的不利影响中冷效应占主导。

利用2.5th、97.5th温度百分位数和MMT三个点将成都市气温划分为强低温、弱低温、弱高温和强高温4个温度段，由弱低温造成的呼吸和心脑血管超额死亡人数占总死亡人数11.56%和11.59%，可见4个温度段中弱低温对应的死亡风险最高。虽然弱低温对应的RR小于强低温对应的RR，但弱低温出现频次高，这是弱低温造成超额死亡人数最多的主要原因之一。

成都市每度(1℃)的死亡归因风险研究结果表明：3～10℃范围内的温度频次占总温度频次的23.90%，但由该温度段造成的呼吸和心脑血管疾病死亡的AF分别为8.17%和8.58%，分别占整体温度造成死亡负担的52.08%和54.30%。表明弱低温段包含的季节过渡也是造成弱低温段超额死亡人数较多的一个重要原因。