北京市24 h变温对冠心病和脑梗死急诊人数的影响

2021-08-04黄开龙宋文超王式功

干旱气象 2021年3期

陈蕾，马盼，黄开龙，宋文超，张梦，王式功

(1.成都信息工程大学大气科学学院/高原大气与环境四川省重点实验室，四川成都 610225；2.四川省气象服务中心，四川成都 610072；3. 陕西省商洛市气象局，陕西商洛 726099)

引言

根据中国疾病负担研究报告，死因疾病谱中居首的依然是脑血管疾病和缺血性心脏病，且仍保持较快增长趋势[1]。在气候异常变化的背景下，伴随我国工业化、城市化和人口老龄化进程加快[2]，控制和预防心脑血管疾病是一项长期而艰巨的任务。

大量流行病学研究揭示，心脑血管疾病的发病与平均气温及气温日较差存在紧密联系[3-9]。中国、日本、美国、欧洲均有研究表明，冬季因平均气温较低，循环系统发病率偏高20%～40%[10-13]。高温和低温都会引起发病风险的上升，但病种间存在差异性，例如美国丹佛市的平均气温偏高会显著增加急性心肌梗死、充血性心力衰竭的住院率，但会降低冠心病和肺源性心脏病的发病数[14]；纽约的平均气温偏高导致缺血性心脏病、心律失常的入院率升高，而高血压和心力衰竭的入院率降低[15]。在平均气温偏低的条件下，我国台湾冠心病和脑梗死的发病风险均明显升高，且体温调节能力较差的老年群体受影响最大[15-16]。在不同纬度带，心血管疾病的最高死亡率基本发生在中度低温而非极端低温条件下[17]。

除平均气温外，在亚洲、欧洲、澳洲和美国，气温变化导致的心脑血管疾病风险也被广泛报道[18-21]。北京市有关气象条件与人群健康风险关系的研究[22-27]表明，大幅降温会显著增加循环系统的发病风险，且老年群体最脆弱；上海气温日较差是冠心病死亡的独立危险因素，气温日较差每增加1 ℃，死亡率增加1.86%[28-29]；香港气温日较差对心血管疾病死亡的影响在滞后3 d最强[30]。韩国4个地区(首尔、仁川、大邱和釜山)的气温日较差与心血管疾病风险呈正向关系[31]；德国的气温大幅波动(变温绝对值大于5 ℃)与急性缺血性卒中的风险增加有关[32]。然而，针对24 h变温对健康影响的研究仍有待深化，一方面，由于气温波动频繁、正负变温效应叠加，在一段时期内容易相互抵消，年内不同阶段变温所致的发病风险尚不明晰；另一方面，正、负变温对循环系统疾病的影响应进行区别分析。

由于地表能量的根本来源是太阳辐射，季节性变温亦由太阳直射点的位置主导，而“二十四节气”作为世界性人类非物质文化遗产[33]，正好可以表征太阳直射点的移动规律。因此，本文以冠状动脉粥样硬化性心脏病(简称“冠心病”)和脑梗死为目标，依据24 h变温在节气上的平均值，将全年划分为正、负变温主导期，再分段进行暴露-反应关系的建模分析，并探讨心、脑血管疾病间差异。

1 资料与方法

1.1 资料

疾病数据：收集北京市3家三级甲等医院2008年1月1日至2012年12月31日的冠状动脉粥样硬化性心脏病(coronary heart disease，CHD)22 735例、脑梗死(cerebral infraction，CI)13 723例。为去除先天因素影响，剔除18岁以下急诊人次，再按年龄分组，分别为小于45、45～65和大于65岁。疾病资料经严格的数据质量控制，对急诊病例按照国际统一的疾病分类方法(ICD-10编码)进行分类[34]。

气象数据：利用北京站2008年1月1日至2012年12月31日常规地面气象观测资料，来源于中国气象数据网(http://data.cma.cn/)。包括日平均气温、相对湿度、水汽压等气象要素，个别数据缺失用内插法填补[35]。气温日较差是当日最高气温与最低气温之差，24 h变温定义为当天平均气温与前一天平均气温之差，其为正表示温度升高，为负表示温度降低。为量化年内阶段性变温趋势，计算24 h变温在节气上的平均值，将平均变温为正的节气(阶段)作为“正变温主导期”；反之，变温平均值为负的阶段认为是“负变温主导期”。

1.2 方法

1.2.1 节气划分及对应日期

太阳从黄经0°起，沿黄经每运行15°所经历的时日称为一个“节气”，每年360°共24个节气。研究时段的节气起始日严格根据农历规定的日期，在公历中日期基本固定，其对应日期见表1。

表1 二十四节气对应日期Tab.1 The corresponding dates of the 24 solar terms

1.2.2 气象要素与疾病暴露-反应关系研究方法

广义相加模型GAM[36](the generalized additive model)在气象环境与健康领域已得到较广泛的应用，可将线性与非线性变量用加和的形式表达，使用灵活。GASPARRINI[37]提出的分布滞后非线性模型(the distributed lag non-linear model, DLNM)，能够同时反映某种暴露因素及其滞后效应对所研究健康结局的影响，其核心是“交叉基”(cross-basis)的构建，可以同时描述非线性的暴露-反应关系和延迟效应的建模框架。暴露-反应关系研究设计思路及其统计分析方法均为已得到普遍应用和验证的方法。

本文结合应用GAM与DLNM模型，模型参数需进行检验(AIC准则，模型残差为白噪声)使拟合效果达到最优。为去除时间序列本身的趋势，以及周末、节假日等影响，模型中需加入时间趋势项和相关哑变量；要素的交叉基多采用立方样条函数拟合要素本身效应，多项式函数表示其滞后维度。以相对风险(relative risk, RR)量化气象环境条件对疾病就诊/死亡人数的影响程度，其定义为一个群体暴露在一定风险下与未暴露在该风险下某事件发生概率的比值，本文计算结果中，RR值及其95%的置信区间均大于1则认为具有显著影响。

构建的变温对心脑血管疾病影响的基本模型为[36-37]：

lnE(Yt)=s(time)+basis(T)+basis(T24)+s(RH)+s(DTR)+heat+weekend+holiday+season

(1)

式中：T、T24(℃)分别为平均气温、24 h变温，basis(T)、basis(T24)分别为气温、24 h变温“交叉基”，交叉基函数是同时描述变量非线性效应和滞后维度的二维空间[37]，使用样条函数和多项式函数构建其二维效应；Yt为第t日住院人数，E(Yt)为第t日住院人数的期望值；s为自然立方样条函数，time为时间趋势，RH(%)为相对湿度，DTR(℃)为气温日较差；heat、weekend、holiday、season分别表示供暖、周末效应、节假日和季节的影响。

研究采用SPSS19.0对数据进行描述性统计；采用R3.1.2中的mgcv、dlnm程序包建立广义相加模型和分布滞后模型。

2 基本统计特征

图1为2008年1月1日至2012年12月31日北京市3家三级甲等医院冠心病及脑梗死逐日急诊人数。可以看出，北京市两类疾病急诊人数均有明显上升趋势，其日际振荡明显，总体上季节性波动或年际周期较弱。发病的增长趋势总体与我国心脑血管发病率保持较快增长[1]相一致，人口老龄化加剧、气候环境的异常改变等均是可能诱因。本文采用资料为急诊数据，一定程度上可排除外地赴京就诊数。

图1 2008年1月1日至2012年12月31日北京市3家三级甲等医院冠心病(a)及脑梗死(b)逐日急诊人数Fig.1 The daily variation of emergency visits for CHD (a) and CI (b) in three tertiary A hospitals in Beijing from 1 January 2008 to 31 December 2012

表2、表3分别列出2008年1月1日至2012年12月31日北京市3家三级甲等医院不同人群冠心病、脑梗死急诊人次及同期北京市不同气象要素统计。可以看出，冠心病和脑梗死日平均急诊人次分别为12.3和7.5人，心血管发病数多于脑血管疾病，且老年人群占到全部发病人次一半以上。另外，2008年1月1日至2012年12月31日北京市24 h变温、日平均气温、相对湿度、气温日较差的取值范围依次为-8.7～6.4 ℃、-12.5～34.5 ℃、9.0%～97.0%、1.1～21.9 ℃。

表2 2008年1月1日至2012年12月31日北京市3家三级甲等医院冠心病、脑梗死急诊人次统计Tab.2 The emergency visits of CHD and CI in three tertiary A hospitals in Beijing from 1 January 2008 to 31 December 2012

表3 2008年1月1日至2012年12月31日北京市气象要素统计特征Tab.3 The statistical characteristics of meteorological factors in Beijing from 1 January 2008 to 31 December 2012

2008年1月1日至2012年12月31日北京市逐日24 h变温总体符合正态分布，且80%的变温数据主要集中在-2.8～2.6 ℃(图略)。根据2008—2012年北京市24 h变温在不同节气的分布情况(图2)，将24 h变温平均值为正的节气划为正变温主导期(小寒至次年夏至)，24 h变温平均值为负的节气划为负变温主导期(小暑至冬至)，各自均包含12个节气。在正变温主导期包含了不同程度的升温、降温过程，在负变温主导期同理。

图2 2008—2012年北京市不同节气的24 h变温分布Fig.2 The distribution of temperature change between neighboring days (TCN) in Beijing for different solar terms from 2008 to 2012

为量化不同程度变温所致的发病风险，计算北京市24 h变温的百分位数(表4)：将24 h变温数据从小到大排序，并计算相应的累计百分位。在正变温主导期，强正、负变温分别用第75至第90百分位数(P75～P90，1.6≤T24<3.1 ℃)、第10至第25百分位数(P10～P25，-2.9≤T24<-1.3 ℃)的区间表示，中度正、负变温分别以第50至第75百分位数(P50～P75，0.3≤T24<1.6 ℃)、第25至第50百分位数(P25～P50，-1.3≤T24<0.3 ℃)的区间表示。同理，在负变温主导期，强正、负变温分别用第75至第90百分位数(P75～P90，1.1≤T24<2.0 ℃)、第10至第25百分位数(P10～P25，-2.8≤T24<-1.4 ℃)的区间表示，中度正、负变温分别以第50至第75百分位数(P50～P75，0.0≤T24<1.1 ℃)、第25至第50百分位数(P25～P50，-1.4≤T24<0.0 ℃)的区间表示。

表4 2008年1月1日至2012年12月31日北京市24 h变温的百分位数Tab.4 The percentiles of TCN in Beijing from 1 January 2008 to 31 December 2012

3 发病人次与平均气温的节气分布

图3为2008年1月1日至2012年12月31日北京市不同节气的平均气温及3家三级甲等医院冠心病、脑梗死急诊人次分布。可以看出，冠心病急诊人次在年内呈“双峰型”分布，发病高峰位于雨水至清明、寒露至冬至，低谷位于芒种至夏至。而平均气温较低的小寒及平均气温较高的夏至，相应发病人数较低。脑梗死仅在秋冬交际的寒露至冬至处于发病高峰，其余时段相对平均。

图3 2008年1月1日至2012年12月31日北京市平均气温及3家三级甲等医院急诊人次的节气分布Fig.3 The distribution of average air temperature and emergency visits of CHD and CI in three tertiary A hospitals in Beijing for different solar terms from 1 January 2008 to 31 December 2012

春季和秋季，平均气温与冠心病就诊人数的变化趋势相反，即春季伴随气温升高，冠心病就诊人次下降；秋季伴随气温下降，冠心病就诊人次有上升趋势。秋季随着气温降低，脑梗死就诊人数也有增加趋势。可见，即使平均气温作为影响健康的主要因素之一，但不能解释此类疾病的高峰时段，因此需进一步探讨变温对发病的影响，从而深入剖析其气象诱发机制。

4 发病人次与24 h变温的节气分布

图4为2008年1月1日至2012年12月31日北京市不同节气的24 h变温及3家三级甲等医院冠心病、脑梗死急诊人次分布。可以看出，正变温较大的节气为雨水、春分、谷雨，负变温绝对值较大的节气在霜降、立冬、小雪。冠心病在年内的2个发病高峰正好对应正、负变温较强的时期。而发病人次最低时恰好为正、负变温交替，变温绝对值最低的阶段。脑梗死主要对负变温响应明显。

图4 2008年1月1日至2012年12月31日北京市不同节气的24 h变温及3家三级甲等医院冠心病、脑梗死急诊人次分布Fig.4 The distribution of TCN and emergency visits of CHD and CI in three tertiary A hospitals in Beijing for different solar terms from 1 January 2008 to 31 December 2012

5 24 h变温与两类疾病风险的关联性

5.1 24 h变温对冠心病发病的影响

图5为2008年1月1日至2012年12月31日北京市正变温主导期及负变温主导期24 h变温对冠心病总人群风险的滞后效应。可以看出，正变温主导期，正变温显著增加冠心病风险，且存在滞后效应，滞后1～3 d最强，负变温仅在当天有较弱影响。在负变温主导期，仅出现极端负变温时，冠心病风险在滞后6～7 d增加。

图5 2008年1月1日至2012年12月31日北京市正变温主导期(a)及负变温主导期(b)24 h变温对冠心病总人群的滞后影响Fig.5 The lag effect of TCN on CHD patients during positive TCN period (a) and negative TCN period (b) in Beijing from 1 January 2008 to 31 December 2012

此外，在24 h变温值为3 ℃和-3 ℃时，24 h变温对冠心病发病风险的影响存在显著的年龄差异(图6)。即在24 h变温为3 ℃时，小于45岁人群对变温具有即时响应，而中年人群(45～65岁)在滞后3 d时危险度最高；在24 h变温为-3 ℃时，老年人(大于65岁)对气温变化最敏感，滞后5～6 d最强。

图6 2008年1月1日至2012年12月31日北京市在24 h变温为3 ℃(上)及-3 ℃(下)时不同年龄段冠心病风险的响应(黑色圆点表示RR值，线段表示RR的95%置信区间，下同)Fig.6 The risks of CHD for each age-specific group when TCN was equal to 3 ℃ (the top) and -3 ℃ (the bottom) in Beijing from 1 January 2008 to 31 December 2012(the black dot for RR values, and the line segments for 95% confidence intervals for RR, the same as below)

表5、表6分别为正变温主导期、负变温主导期不同程度24 h变温对各人群冠心病风险的影响，为避免表格过于冗杂，典型变温值以前文变温百分位数的划分为基础，选取暴露-反应关系效应最显著的变温数值：24 h变温为-2、-1 ℃时分别代表强负变温、中度负变温，24 h变温为1、2 ℃时分别代表中度正变温、强正变温。

在正变温主导期，就性别分组而言，男性主要受正变温影响，滞后3 d最强；女性主要受中度正、负变温的影响，且均为即时效应，其中T24=1 ℃时，RR可达1.10(表5)。就年龄分层而言，正变温主导期的正变温对青年人群(小于45岁)影响最强，RR可达1.31，对中年人群(45～65岁)的影响次之(RR=1.12)。在负变温主导期，就性别分组而言，仅女性对负变温敏感(表6)。就年龄分层而言，负变温主导期的负变温(T24=-1 ℃)对老年人有滞后效应，RR为1.03。

表5 2008年1月1日至2012年12月31日北京市正变温主导期不同程度24 h变温对各人群冠心病风险的影响Tab.5 Effect of different TCN on the risk of CHD for all groups during positive TCN period from 1 January 2008 to 31 December 2012 in Beijing

表6 2008年1月1日至2012年12月31日北京市负变温主导期不同程度24 h变温对各人群冠心病风险的影响Tab.6 Effect of different TCN on the risk of CHD for all groups during negative TCN period in Beijing from 1 January 2008 to 31 December 2012

另外，出现与主导性变温相反的情况，即正变温期的负变温、负变温期的正变温，也会显著增加中、老年组的发病风险。

5.2 24 h变温对脑梗死发病的影响

图7为2008年1月1日至2012年12月31日北京市正变温主导期及负变温主导期24 h变温对脑梗死总人群风险的滞后效应。可以看出，在正变温主导期，正变温只在极端情形下有影响(变温大于6 ℃)，且滞后日数在1～3 d；而负变温则会增大脑梗死风险，且滞后2～4 d时影响最强。在负变温主导期，仅正变温会导致脑梗死风险增加，且滞后0～3 d。此外，在正变温主导期，两性对变温的响应存在差异(图8)，即女性在负变温下脑梗死风险上升，而男性对强正变温较敏感。各年龄层对正、负变温的响应差异不明显(图略)。

图7 2008年1月1日至2012年12月31日北京市正变温主导期(a)及负变温主导期(b)24 h变温对脑梗死总人群风险的滞后效应Fig.7 The lag effect of TCN on CI patients during positive TCN period (a) and negative TCN period (b) in Beijing from 1 January 2008 to 31 December 2012

图8 2008年1月1日至2012年12月31日北京市正变温主导期女性(a)和男性(b)脑梗死发病风险对24 h变温的响应Fig.8 The response of CI risks for female (a) and male (b) to TCN during positive TCN period in Beijing from 1 January 2008 to 31 December 2012

表7、表8分别为正变温主导期、负变温主导期不同程度24 h变温对各人群脑梗死风险的影响。在正变温主导期，就性别分组而言，仅女性对负变温有显著响应，滞后2 d时RR达1.18。不同程度24 h变温对各年龄层发病风险均无显著影响。

表7 2008年1月1日至2012年12月31日北京市正变温主导期不同程度24 h变温对各人群脑梗死风险的影响Tab.7 Effect of different TCN on the risk of CI for all groups during positive TCN period in Beijing from 1 January 2008 to 31 December 2012

表8 2008年1月1日至2012年12月31日北京市负变温主导期不同程度24 h变温对各人群脑梗死风险的影响Tab.8 Effect of different TCN on the risk of CI for all groups during negative TCN period in Beijing from 1 January 2008 to 31 December 2012

在负变温主导期，就性别分组而言，男性和女性均对正变温具有显著响应，其中女性在滞后0 d(当天)时，RR最大达到1.15。就年龄分组而言，青年人群(小于45岁)，正变温在滞后2 d时对脑梗死发病风险具有显著影响，RR值最大达到1.23；中年人群(45～65岁)，同样是正变温会在当天对脑梗死发病风险具有显著影响，RR值最大为1.16。

6 讨论

本文以节气的平均变温情况为依据，将一年划分为正、负变温主导期，在此基础上探究不同幅度的24 h变温对人群冠心病和脑梗死发病风险的影响。

选取冠心病和脑梗死作为心、脑血管疾病的典型代表，发现冠心病的发病高峰出现在惊蛰至清明、寒露至冬至，脑梗死在秋冬交际发病最多。可见其高敏感性节气均为冷热气团交替频繁、气温变率最大的时期。小寒、大寒虽然平均气温低，但天气较稳定，加之户外活动时间少，室内有采暖措施，故发病人次反而较少，其他研究也有类似发现[38-39]。也有研究发现，脑梗死在春夏、秋冬过渡期发病增加，脑出血仅存在冬季高峰，心肌梗死的发病高峰也在11月至次年1月[40-41]。此外，血压的动态变化也与二十四节气有关，高血压患者在小寒血压最高，大暑血压最低；在清明、芒种，舒张压达标人数最多，而在立夏、大暑，收缩压达标人数最多[42]，其并发心脑血管疾病的风险值得进一步研究。

对人群分层研究显示，正变温会明显增加大部分人群的冠心病风险，且女性更为敏感，而老年群体则对负变温更敏感。对于脑梗死患者，与气候态相反的变温会导致额外风险，女性同样更敏感。其他流行病学研究也显示，气温的骤然变化可引起其发病、死亡率的升高，且不同地区(意大利、台北、高雄、雅典、北京)的结果相对一致[43-55]。

变温对两种疾病影响的滞后时间有所差异，对于冠心病，正变温的影响即时出现并持续4～5 d，而负变温在滞后5 d时危险度最大；就脑梗死而言，同样是正变温的影响有即时性，且正、负变温的影响均有短期滞后(1～3 d)。以往研究[56-58]已揭示高温对心脑血管疾病的影响具有即时性，低温则具有显著的滞后效应，这与本文结论基本一致。

生理研究结果也为变温导致发病风险上升的现象提供了理论依据，例如，研究发现栓塞性心血管疾病风险与气温呈U型关系，即冷热应激都会增大疾病风险[16]，温、压剧烈变化可导致交感和副交感神经功能失调，肾上腺素分泌增加，导致细小动脉痉挛，血压升高，冠状血管收缩，心肌缺氧，血小板聚集形成血栓，毛细血管的阻力加大[17,43-45]。此外，人体热平衡实验及模型模拟结果也表明，在环境天气条件、热辐射条件突变时，由于寒颤、出汗、皮肤血流量等人体调节机制，人体的核心温度会上升[59]。而大量实验证据表明体温升高会影响脑代谢，改变血脑屏障通透性，引起酸中毒和增加神经兴奋性氨基酸释放，从而增大脑梗死发病和死亡风险[60-62]。

老年人常被认为是受气温及其波动影响最大的人群[63]。本文发现老年群体仅对负变温更为敏感。一项美国的研究[64]指出，随着城市化发展、空调的使用增加，老年人与热有关的心血管死亡人数有所下降，而与寒冷相关的发病风险依然存在。并且老年人存在定期服药等因素，而中、青年群体的工作压力大，精神、身体负担较重，受户外环境影响较多，这也是中年组受变温短期影响更强的原因。一项欧洲的研究[65]也揭示，季节变化对女性心肌梗死患者的影响更明显，死亡率也更高，与本文关于脑梗的结论有相似之处。

由于正、负变温效应的叠加、背景温度基准值的影响，量化变温与发病风险的关系相对复杂，本文首次采用二十四节气划分年内变温阶段。而模型揭示的影响滞后期，受病种特征、资料时段、模型构造及其他社会环境因素影响，本文结论仅基于北京市3家三级甲等医院2008—2012年的资料，日后还需覆盖范围更广、时间序列更长的医疗资料来验证和拓展。