大气污染对呼吸系统疾病日门诊量的时间序列分析

陆雯雯，王兴甜，孟 华，苏馨雅，梁沛枫

（1.宁夏医科大学公共卫生与管理学院，银川 750004；2.宁夏环境因素与慢性病控制重点实验室，银川 750004；3.宁夏回族自治区人民医院病案统计科，银川 750002）

2021 年WHO 发布报告称，每年因大气污染造成的死亡人数高达700 万，所损失的健康寿命每年有数百万，大气污染与不健康饮食和吸烟等其他主要全球健康风险因素一样，会促进疾病的发生进展，加重疾病负担。流行病学研究[1-6]发现，大气污染物浓度升高可增加呼吸系统疾病的发生和死亡风险，但在不同地区、不同人群中的研究结果存在较大差异。门诊数据为短期效应结局指标，相比住院和死亡指标，更能敏感反映出大气污染物对呼吸系统疾病的急性影响[7]。本研究基于广义相加模型的时间序列，分析银川市不同大气污染物对医院呼吸系统疾病日门诊量的影响，探究大气污染物在不同滞后天数下对呼吸系统的暴露效应关系，以期为呼吸系统疾病的防治提供理论依据。

1 材料与方法

1.1 资料来源

收集2019 年1 月1 日至2021 年12 月31 日银川市多院区医院呼吸系统疾病门诊逐日就诊资料，按照国际疾病分类标准第10 版（international classification of diseases，ICD-10）进行分类，将疾病编码为J00-J99、R04-R07 和R09.0-R09.3（呼吸系统疾病）作为研究样本。从宁夏空气质量监测平台获取同期银川市空气质量日报，采集粒型大气污染物（PM10、PM2.5）、煤烟型大气污染物（NO2）和其他污染物（O3）平均浓度，其中O3采用最大8 h 平均浓度，其余污染物采用日平均浓度。收集中国气象科学数据共享服务网同期银川市每日气象资料数据，包括日均温度（℃）、日均湿度（%）、日均风速（m·s-2）、日均气压（hPa）、降雨量（mm）、能见度（km）。

1.2 方法

1.2.1 时间序列分析

以日期、时间变量、日门诊量、气象数据、大气污染物的日均浓度等数据建立时间序列，采用Poisson 分布的广义相加模型建立单污染物模型，控制长期趋势、气象因素、星期几效应及节假日效应等混杂因素，分析大气污染物对呼吸系统疾病日门诊量的短期效应。采用双污染物模型检验模型稳定性。按冷暖季节分层（暖季：5—10 月，冷季：11—4 月），研究不同亚组大气污染与日门诊量的关系。

1.2.2 广义相加模型

log［E（Yt）］=βZt+s（time，df1）＋s（X1t，df2）+…＋s（Xnt，df2）+as.factor（Dow）+as.factor（Holiday）+α式中，Yt 为第t 日呼吸系统疾病日门诊量；β 为线性回归系数；s 为非参数平滑样条函数；Zt 为第t 日污染物浓度变量；Xt 为第t 日气象因素变量；df1 为控制长期趋势的自由度，以赤池信息准则（AIC）最小原则确定，本文计算自由度为9/年；df2 为气象因子自由度，结合文献[1]，选择自由度为3；Dow 为星期几效应；Holiday 为节假日效应；α 为截距。

依据计算出的回归系数（β），定量计算不良健康效应的损失，结果用超额危险度（ER）及95%置信区间（95%CI）表示，即污染物浓度每升高10 μg·m-3，呼吸系统疾病日门诊量增加的百分比，计算公式为：ER=（expβ×10-1）×100%；ER95%CI=［exp（β±1.96SE）×10-1］×100%。

建立基本模型后，考虑到大气污染对人体的作用具有一定的滞后效应，所以需要继续评估大气污染物在不同滞后天数对日门诊量的影响。本研究分析了0～7 d 的单日滞后效应（lag0～lag7）和2～8 d 累积滞后效应（lag01～lag07），lag0 指去门诊当日的大气污染物浓度值，lag1 为前一天的大气污染物浓度，lag01 表示lag0、lag1 两天的大气污染物浓度平均值，并以此类推。

1.3 统计学方法

采用Microsoft Excel 建立数据库，以SPSS 25.0统计学软件进行描述性分析，采用R4.0.4 软件中的mgcv 包构建广义相加模型。P≤0.05 为差异有统计学意义。

2 结果

2.1 描述性分析

2019 年1 月1 日至2021 年12 月31 日呼吸系统疾病总门诊量为298 524 人次，门诊量中位数为577 人次/d。大气污染物PM2.5、PM10、NO2、O3日均浓度中位数分别为25、63、31 和96 μg·m-3，见表1。

表1 2019—2021 年银川市呼吸系统日门诊量、大气污染物浓度及气象因素描述

2.2 单污染模型分析结果

PM2.5、PM10、NO2、O3对呼吸系统疾病日门诊量的增加有影响（P 均<0.05），PM2.5和PM10对日门诊量的影响均在当天（lag0）最大，此后效应在第3 天递减，并维持在较稳定水平。PM2.5在累计滞后第1 天（lag01）对日门诊量影响最大，ER 值为1.398%（95%CI：1.229%～1.567%）；PM10在累计滞后第6 天（lag06）对日门诊量影响最大，ER值为17.179%（95%CI：0.678%～36.384%）。随着滞后天数的延长，NO2对日门诊量的影响逐渐增强，在累计滞后第7 天（lag07）效应值最大，ER 值为2.940%（95%CI：2.470%～3.412%）。O3在累计滞后第4 天（lag04）效应最大，ER 值为0.426%（95%CI：0.175%～0.677%），各污染物累积滞后效应的最大效应天数均大于单独滞后效应最大效应天数，见表2。

2.3 双污染物模型分析结果

纳入NO2的PM2.5双污染模型较单污染物模型效应值增加，ER 值为1.403%（95%CI：1.233%～1.573%）；其余双污染物模型效应值均减小。PM10的双污染模型均会使效应值减小。纳入PM2.5、PM10之后的NO2双污染物模型较单污染物模型的ER 值减小；纳入O3后ER 值增大，为2.981%（95%CI：2.510%～3.455%）。在O3的单污染模型中分别纳入PM2.5和NO2后，效应下降；纳入PM10后污染物模型效应增加，最大效应值为0.538%（95%CI：0.282%～0.795%），见表3。

表3 双污染物模型中大气污染物浓度每升高10 μg·m-3 对呼吸系统日门诊量的影响

2.4 季节分层分析

除去PM10在冷、暖季最大效应值基本持平外（冷季：0.230%；暖季：0.226%），PM2.5、NO2和O3最大效应值均出现在暖季，最佳滞后天数分别为lag1、lag7、lag2，见图1。

图1 冷、暖季节各大气污染物浓度每升高10 μg·m-3 对呼吸系统疾病日门诊量的影响

3 讨论

本研究结果显示，PM2.5在lag01 天对呼吸系统疾病日门诊量的影响最大，与沈阳[8]、兰州[9]的研究结果一致。而西安[10]、盐城[11]在lag6 天时出现最大效应值，分析其原因可能为不同城市PM2.5污染程度不同，污染情况较轻的城市，会在较长的累积时间之后产生效应。同时，本研究中PM2.5浓度每增加10 μg·m-3，日门诊量最大效应值增加1.398%（lag01）。在不同地区的研究中，呼吸系统疾病日门诊量效应值略有不同，朱小红等[12]研究结果显示，在苏州市市立医院呼吸系统门诊中，大气中PM2.5浓度每升高10 μg·m-3，呼吸系统门诊就医风险增加0.7%，而张家口市某医院呼吸科日均门诊量增加0.56%（lag4）[13]，这可能与不同地区大气污染情况不同及人群易感性以及资料来源的差异有关。

PM10对门诊量的影响最大，大气中PM10浓度每增加10 μg·m-3，日门诊量增加17.179%（lag06）。本文研究结果效应值略高，可能因为PM10最高浓度超过了1 000 μg·m-3，且扬沙、浮尘天气频度和强度增加，不利气象条件易致PM10日均浓度迅速升高，造成严重的大气污染事件。

有研究[14-15]表明，无论是单日滞后效应还是累积滞后效应，PM2.5效应值均高于PM10。原因是PM2.5比PM10粒径小，更容易吸附有害物质并进入肺部，诱导炎性反应，从而造成呼吸系统损伤[16]。本研究中，在单日滞后效应下，PM2.5效应值高于PM10；但是累积滞后效应下，PM2.5效应值远低于PM10（lag06），可能原因是个别极端天气的出现增加了PM10的浓度，故而PM10累积效应值更大。

本研究中，NO2在lag07 天对日门诊量的影响最为显著，NO2浓度每增加10 μg·m-3，呼吸系统疾病日门诊量增加2.904%，与刘聪等[17]的研究结果相似，验证了污染物的累计滞后效应。本研究中，O3浓度每增加10 μg·m-3，日门诊量增加0.426%（lag04），效应偏小，与其他研究结果相似[18-19]。同时也有研究[20]显示，O3与呼吸系统疾病无相关性，可见O3并非呼吸系统疾病日门诊量的危险因素，但是其低浓度也会对呼吸系统造成影响。

双污染物模型结果表明污染物之间存在复杂的相互作用。模型中纳入NO2后，PM2.5对日门诊量效应增加，NO2容易与水化合形成硝酸（HNO3），能够被颗粒物带入支气管及肺部更深处，加重对呼吸系统的损害。模型中纳入O3后，NO2对日门诊量效应增加：NO2是O3形成的前体物质，两者之间存在协同作用。纳入PM10后，O3对日门诊量效应增加：O3的生成依赖于光化学反应，如果存在大量颗粒物，光化学反应速率减少，O3生成也会相应减少。目前关于大气污染物之间相互作用的研究结果不一致，且大气污染物对人体的健康效应是复杂的，污染物间存在明显的相关性，难以排除多重共线性的影响，无法区分是单一污染物还是多种污染物的效应，故需谨慎对待双污染物模型的结果[21]。

季节分层结果整体来看，暖季对呼吸疾病日门诊量的影响高于冷季，与相关研究[21]的结论不同。可能原因为，人群在冷季进行户外活动次数较少，大多时间在室内活动，且由于宁夏特有的地理特征和气候类型，在暖季多发沙尘暴，会造成大气污染浓度增加。暖季极端天气的发生，提示温度等其他气象因素可能会对大气污染物造成修饰和交互作用。

本研究尚存在局限性：首先，大气污染数据和气象因素数据来源于固定监测点，而不是个体水平暴露的数据，且未考虑室内空气污染，导致可能存在一些暴露测量误差，这种误差会低估暴露效应[22]；其次，本次收集到的门诊数据不包括年龄、性别等基本人口学资料，未能进一步进行分层分析。