郑州市日均气温对居民非意外死亡影响的分布滞后非线性模型分析

王永星，闫晓娜，张 杰，杨似玉，张书芳

河南省疾病预防控制中心公共卫生研究所 郑州 450016

随着全球气候变化的加剧，气象因素的健康效应成为研究热点，气温对人群健康的影响越来越受到关注[1-2]。研究[3-4]显示，气温改变与人群非意外死亡有关，气温-死亡暴露反应关系的曲线为非线性，且存在滞后效应。分布滞后非线性模型(distributed lag non-linear model，DLNM)是在广义线性和广义相加模型等传统模型的基础上，引入自变量和滞后时间的交叉基过程，能同时拟合暴露-反应的非线性关系并分析暴露的滞后效应[5]。本研究利用郑州市2013年1月1日至2019年12月31日气象数据、大气污染物和每日死亡数据，运用DLNM分析气温对居民非意外死亡的影响，为有关部门制定干预策略和措施提供依据。

1 资料与方法

1.1 一般资料①居民死亡资料：依据郑州市死因登记报告信息系统，收集2013年1月1日至2019年12月31日郑州市城区(中原区、二七区、管城回族区、金水区、上街区和惠济区)居民死亡资料，按照国际疾病编码(ICD-10)对非意外总死亡(A00～R99)、循环系统疾病死亡(I00～I99)和呼吸系统疾病死亡(J00～J99)数据进行统计整理。②气象资料：由郑州市气象局提供同期日均气温和日均相对湿度(RH)。③大气污染物监测资料：依据郑州市主城区9个国控点(经开区管委会、河医大、郑纺机、岗李水库、四十七中、银行学校、供水公司、市监测站和烟厂)监测的大气污染数据，计算同期PM10、NO2、SO2的日均浓度(μg/m3)，数据来自郑州市生态环境局。

1.2 分析方法有研究[6-7]发现日均气温指标预测死亡效果较好。所以本研究选择日均气温进行冷、热气温效应分析。定义日均气温的第一百分位数[P1(-3 ℃)]和第99百分位数[P99(33 ℃)]为极端低温和极端高温。

DNLM建模：利用交叉基函数分析气象因素与健康效应的非线性及滞后效应，建立交叉基函数并引入广义线性模型，分析日均气温对日均死亡人数的影响[8]。因死亡事件为小概率事件，故采用“quasipoisson”作为连接函数。将大气污染数据、日均RH、星期几效应、节假日效应纳入模型。DLNM计算公式为：lag[E(Yt)]=α+βTt.l+NS(RHt,υ)+NS(Time,υ)+NS(PM2.5t,υ)+NS(NO2t,υ)+NS(SO2t,υ)+Dowt+Holidayt；式中：Yt为第t天的日均死亡人数，α为截距，β为Tt.l的参数向量，Tt.l为气温指标矩阵，l为滞后天数，NS为自然立方样条函数，υ为自由度，Dowt为星期几哑变量(周一为1，周二为2……，周日为7)，Holidayt为节假日哑变量(节假日为1，其他为0)。

对长期趋势自由度(5～8)和气温暴露效应(3～6)进行排列组合，以AIC值最小所对应的自由度组合作为模型参数，并参考相关研究[13-15]结果，经模型测试后确定各变量的自由度如下：长期趋势自由度设为7/a，气温和滞后的自然样条函数自由度设为4和3，RH、NO2、SO2和PM10的自由度均设为3。有研究[7,9-12]发现热效应表现为急性；冷效应出现相对缓慢，持续时间长，综合考虑冷热效应的特点及滞后时间，参考上述研究及本研究数据模型测试结果，最大滞后时间设定为21 d。

1.3 统计学处理采用R 3.6.3进行统计分析，应用Pearson相关性分析气象因素与大气污染物相关性。并应用dlnm程序包构建DLNM模型，通过“crossbasis”函数构建交叉基函数，通过“glm”函数拟合模型，通过“crosspred”函数估计相对危险度(RR)及其累计值(cumRR)，并通过plot函数进行结果可视化处理。检验水准α=0.05。

2 结果

2.1 资料统计描述2013年1月1日至2019年12月31日，观察日数为2 556。郑州市非意外死亡共99 888例，其中循环系统疾病49 740例，呼吸系统疾病11 519例，日均气温为(16.4±10.1) ℃，日均RH为(58.2±18.6)%，PM10日均浓度为(140.49±80.06) μg/m3，NO2日均浓度为(50.68±18.85) μg/m3，SO2日均浓度为(29.04±25.71) μg/m3。详见表1。

表1 2013～2019年郑州市居民日死亡情况 人/d

2.2 气象因素与大气污染物的相关性分析日均气温、日均RH与3种污染物浓度之间的相关性均有统计学意义(P<0.05)，详见表2。

表2 郑州市日均气象因素与日均大气污染物的Pearson相关系数

2.3 气温对居民死亡的影响对郑州市日均气温与每日死亡数据进行DLNM建模拟合，发现每日非意外和循环系统疾病死亡主要受高温和低温的影响，高温表现为急性，低温表现为滞后效应。见图1。因呼吸系统疾病死亡人数较少，模型不稳定，故未分析。

图1 气温在不同滞后天数对非意外和循环系统疾病死亡影响的3D分析

郑州市日均气温与每日非意外死亡数和循环系统疾病死亡数的关系均为非线性关系。每日非意外死亡和循环系统疾病死亡的最小效应气温(MMT)均为27 ℃(P66)。以MMT为参考，计算日均气温P1(-3 ℃)和P99(33 ℃)的效应。见图2。

图2 2013～2019年郑州市日均气温对每日死因人数的效应

以日均气温的P99(33 ℃) 和P1(-3 ℃)分别作为热和冷效应的气温截点。不同滞后天数内的RR值见图3。由图3可知，与MMT相比，由第4天开始，气温对非意外和循环系统疾病死亡的冷效应增加，冷效应作用时间均为第4天至第12天，持续9 d，均在第7天时RR值最高，RR(95%CI)分别为1.041(1.024～1.059)和1.046(1.021～1.070)；由当天开始，气温对非意外和循环系统疾病死亡的热效应风险增加，热效应作用时间均为当日至第5天，持续6 d，均在当日时RR值最高，RR(95%CI)分别为1.039(1.013～1.067)和1.050(1.009～1.085)。

A、C：冷效应；B、D：热效应

非意外死亡的累积冷效应在滞后21 d达到最大，RR(95%CI)为1.398(1.115～1.752)，累积热效应在滞后11 d达到最大，RR(95%CI)为1.178(1.070～1.297)。循环系统疾病死亡的累积冷效应在滞后16 d达到最大，RR(95%CI)为1.301(1.010～1.675)，累积热效应在滞后9 d达到最大，RR(95%CI)为1.239(1.097～1.398)。详见表3。

表3 气温对非意外死亡和循环系统疾病死亡的累积冷效应和热效应 cumRR(95%CI)

续表3 cumRR(95%CI)

2.4 分层分析将人群按性别、年龄进行分层，分别进行 DLNM 建模拟合。根据最大滞后效应对应的滞后天数对低温(-3 ℃)滞后21 d和高温(33 ℃)滞后11 d的累积效应进行分析，结果见表4。累积冷效应和热效应对男性死亡的影响均有统计学意义(P<0.05)，对女性死亡的影响均无统计学意义(P>0.05)；累积冷效应对男性死亡影响高于累积热效应。累积冷效应和热效应对≥65岁人群死亡的影响均有统计学意义(P<0.05)，对<65岁人群死亡的影响均无统计学意义(P<0.05)；累积冷效应对≥65岁人群死亡影响高于累积热效应。

表4 气温对不同性别和年龄人群非意外死亡的累积效应 cumRR(95%CI)

3 讨论

本研究采用DLNM模型探讨郑州市日均气温对居民死亡的影响，结果显示日均气温与非意外死亡和循环系统疾病死亡之间呈非线性关系，热效应表现为急性，冷效应存在数天的滞后性，与国内外关于气温-死亡关系的大多数研究[10-16]结果一致。

本研究为确定当地地区冷效应和热效应的滞后期及效应持续时间，为本地区制定防控策略，进一步探讨了极端低温(-3 ℃)和极端高温(33 ℃)的效应模式。结果显示，冷效应表现为滞后性，从第4 天开始，持续至第12天；热效应表现为急性效应，当日效应达到最大，持续6 d。郑州市观测到的气温对死亡影响所呈现的冷、热效应作用时间与其他城市研究结果存在差异[10-16]。气温对死亡的影响具有区域特异性，可能跟城市所处地理纬度、当地经济发展情况、人群的年龄分布、空气污染水平等因素有关[17-19]；所以，应该结合当地实际情况，采取合理有效地防控措施。

本研究按照不同性别进行分层分析，结果表明，累积冷效应和热效应对男性死亡的影响均有统计学意义，但对女性无明显影响。可能与男性在外环境工作人群中所占比例以及其外向型性格易在低温和高温中暴露有关。按照年龄进行分层分析，结果表明，累积冷效应和热效应对≥65岁人群的影响均大于<65岁人群。可能与老年人心肺功能及外周气温调节能力下降，多已有基础性疾病等因素有关，在极端低温和高温暴露时表现更脆弱[20-21]。

综上所述，高温和低温均能增加郑州市居民非意外和循环系统疾病的死亡风险，均存在累积效应。基于本研究，应注重极端气温对居民的健康影响，尤其是加强对≥65岁的男性人群的防护。此外，本研究仅分析了一个城市的数据，外推时具有一定局限性；利用既往资料分析，死亡病例存在一定的漏报率，可能存在一定的偏移。