氣象環境要素對北京市消化系統疾病的影響

馬 盼,李若麟,樂 滿,王式功,2*,尚可政,尹 嶺

?

氣象環境要素對北京市消化系統疾病的影響

馬 盼1,李若麟1,樂 滿1,王式功1,2*,尚可政1,尹 嶺3

(1.蘭州大學大氣科學學院,氣象環境與人體健康研究中心,蘭州 甘肅 730000；2.成都信息工程大學大氣科學學院,成都 四川 610225；3.中國人民解放軍總醫院,北京100853)

為探究氣象環境條件對消化系統疾病的影響,結合分布滯后非線性模型與廣義相加模型,分析了2009~2011年氣象環境要素與北京市消化系統疾病急診人數的暴露-反應關系.結果顯示,氣溫對消化系統疾病的影響主要體現為“高溫效應”,高于25℃的氣溫其危險度RR隨氣溫升高而增加,且滯后效應能達到10d以上.較為極端的濕度(RH<10%或RH>90%)會顯著增加消化系統疾病的發病,并有持久的作用,其與高溫結合會形成“高溫低濕”和“高溫高濕”2種讓人不適的情況.0～2m/s的風速在短的滯后期(5d)最能增加發病危險性.而3～4m/s的風速對疾病的危險性小,說明適度的風速不影響健康.濃度高于200μg/m3的PM10和濃度高于70μg/m3的 NO2具有即時的危險性(5d內顯著);而較高濃度(>55μg/m3)的SO2滯后一定時期后效應更加明顯.

氣象條件；污染物濃度；消化系統疾病；非線性；滯后性

目前,氣象環境對人體健康的影響并不確定[1-4].消化系統疾病的致病因及發作誘因復雜,不僅與患者的生活習慣、身體素質和職業因素等有關[5-7],氣象環境條件也會通過一些直接或間接的方式來致使發病或加重病情[8-9],而目前國內對此方面的研究較少,并多以傳統的逐步回歸、最優子集回歸等方法為主.目前循環系統[10-12]和呼吸系統疾病[13-15]對氣象環境的響應研究較多,常使用時間序列分析方法中的廣義相加模型[16-17]來評價其健康效應, 而氣象環境要素對消化系統疾病的影響還有待研究.本研究結合半參數的廣義相加模型與較先進的分布滯后非線性模型[18-19],對北京市消化系統疾病急診人數與氣溫、濕度、風速等氣象要素和3種環境污染物之間的滯后性暴露—反應關系進行了較深入的研究.

1 資料與方法

1.1 資料

疾病資料:經嚴格的數據質量控制,選取北京市某三級甲等醫院2009年1月1日至2011年12月31日的消化系統疾病(ICD10編碼:K00- K93)急診就診資料93301例,數據來自國家人口與健康科學數據共享平臺.就診數據已去除錄入錯誤、重復和復診等條目.

氣象資料:北京市2009年1月1日至2011年12月31日的常規地面氣象觀測資料,來源于中國氣象科學數據共享服務網.包括日平均(最高、最低)氣溫、日平均(最高、最低)氣壓、日平均相對濕度、水汽壓、日降水量、日平均風速、日照時數等氣象要素.

環境資料:北京市2009年1月1日至2011年12月31日的PM10、SO2、NO23種污染物日均濃度資料,來自中國環境監測網.

1.2 研究方法

2010年由Gasparrini[18-19]提出的分布滯后非線性模型(Distributed lag non-linear models, DLNM),能夠同時反映暴露因素及其滯后效應對某種健康結局的影響,在生物氣象學、環境流行病學等領域具有廣泛的應用前景.有人應用DLNM在評價氣象、環境因素的短期效應時發現,暴露在高污染濃度后,其健康影響一般會持續若干天[20].DLNM是一個可以同時描述非線性暴露-反應關系和延遲效應的建模框架,其核心是“交叉基”的構建,即用函數的二維空間來同時描述預測值和它發生的滯后維度的關系.

廣義相加模型GAM(Generalized Additive Models)一般用來處理因變量和眾多自變量之間復雜的非線性關系,較之于標準線性或非線性模型,更適用于氣象、環境條件對人體健康影響的研究中[21].應用GAM模型可以定量地計算出所要研究的某些氣象要素(氣溫、濕度等)對因變量(疾病的發生/死亡率)的影響程度.本文以GAM為模型框架,首先利用DLNM分別構造氣溫、相對濕度、風速和3種污染物的交叉基,然后用GAM進行發病人數與各種影響因素的擬合,并檢驗不同自由度下模型的優度(AIC準則,模型殘差是否白噪聲).

相對危險度(Relative Risk,RR):無單位,取值在0~￥之間.RR=1,表明暴露與疾病無聯系; RR<1,表明暴露會造成疾病發病的減少(即暴露是保護因子); RR>1,表明暴露會造成額外的發病,是風險因子. RR一般表示關聯性的強弱,其精確取值所代表的意義尚需進一步證實.RR以及其95%的可信區間(95%CI)的計算方法為:

式中:是根據GAM模型估算出的暴露-反應關系系數;d(℃)是氣溫變化的一定量,也可用其他要素的變化計算其危險度.

本研究通過光滑的非線性函數(樣條函數,多項式,分層函數等)來構造各要素的“交叉基”. GAM模型中除了包含氣溫、濕度、風速和污染物的交叉基外,為了去除時間序列本身的趨勢,以及星期、節假日等的影響,還要加入時間趨勢項(time)和啞變量(DOW.week, DOW.holiday).

最終構建出完整的基本模型為:

其中:為消化系統疾病急診就診人數, E()為人數期望值; s()為自然立方樣條函數, time即時間序列變量,為其自由度; basis., basis. RH, basis.分別為氣溫、濕度和風速的“交叉基”; basis.PM10, basis.SO2, basis.NO2分別為3種污染物的交叉基,均使用樣條函數和分層函數分別構建其濃度效應和滯后效應; DOW. week和DOW.hol分別表示星期和節假日的啞變量;為殘差.調節模型中各項的自由度,選定具有最小AIC和殘差PACF值的作為最優核心模型.

2 結果

2.1 消化系統急診就診人數與氣象環境要素的描述性統計

北京屬于暖溫帶半濕潤大陸性季風氣候,研究時段平均氣溫13.15℃,平均相對濕度50.38%,平均風速2.23m/s. 3年內3種主要大氣污染物PM10、SO2、NO2年均濃度分別為118.43, 31.30, 55.26μg/m3(表1),其中PM10和NO2的年均濃度超過了國家二級標準(年均濃度70μg/m3和40μg/m3)[22], SO2年均濃度未超過二級標準(年均濃度60μg/m3)[22].

表1 消化系統急診就診人數與主要氣象環境要素的描述性分析Table 1 The statistical description of digestive emergency visits, main meteorological elements and air pollutants

2.2 消化系統急診人數的時間分布特征

由就診人數的月際分布(圖1)可見,北京市消化系統急診人數的年內分布呈單峰型,即7月最多、8月次之,1、2月最少,即為夏季多(6~8月就診人數占年總人數的31.8%)、冬季少(12月~2月僅占20.2%),春秋季為過渡時期.男性病人在各個月份均多于女性病人,且男、女性年內變化趨勢均與總就診人數保持一致.

經統計,周一至周日每日就診人數占總人數的百分比分別為14.56%、14.04%、13.45%、13.33%、13.40%、15.27%和15.95%,休息日就診人數略高于工作日,即消化系統疾病就診人數序列具有醫學氣象學領域常見的“周末效應”,尤以星期三至星期五就診人數最少.究其原因,若非嚴重的急性病癥,患者更愿意選擇時間充裕的休息日去醫院就診,因此也給數據分析帶來了一定的不確定性,即就診相對于發病的滯后性.這與氣象環境要素對疾病影響的滯后性是有根本性區別的,但周末效應在GAM非線性模型中可以通過啞變量(DOW-week)進行擬合,故而并不會與氣象環境要素的滯后性造成混淆.

2.3 氣象環境要素與消化系統急診就診人數的斯皮爾曼相關

表2所示為消化系統疾病急診就診人數與氣壓、氣溫、水汽壓、日降水量、風速等氣象要素以及SO2、NO2和PM10等環境污染物之間的Spearman相關性,顯示急診人數與(平均/最高/最低)氣溫、相對濕度、水汽壓、降水量等均為顯著性正相關,與(平均/最高/最低)氣壓、風速、SO2濃度為顯著性負相關,而與氣溫日較差、日照時數、NO2和PM10濃度不體現出統計學上的相關性.區分男、女病人后發現,在所有與消化系統疾病發病有顯著性關系的氣象和環境要素中,女性就診病人數量與氣象環境條件的相關系數均大于男性病人,說明女性具有更高的易感性和脆弱性.

由于天氣變化與污染濃度之間的關系復雜,一般在天氣系統造成降溫、降水、大風等現象時,污染物濃度會因為擴散和沉降等作用而明顯降低,這是普遍造成疾病發病與污染物濃度負相關的原因(如急診人數與SO2相關系數-0.394),但不能否定空氣污染在發病前期對人體已經產生的累積效應[23-24],因此在定量研究污染濃度本身和疾病發病就診的關系時,需要將溫、濕、風等氣象要素作為混雜因素加入.NO2和PM10與消化系統急診人數的相關性不顯著,只能說明氣象環境要素的交叉作用無法由相關性體現,需要更進一步探討.

表2 北京市消化系統疾病就診人數同氣象環境要素的斯皮爾曼相關性Table 2 The Spearman correlations between emergency visits and meteorological environmental factors

注:**表示通過了顯著性水平α=0.01的顯著性檢驗; * 表示通過了顯著性水平α=0.05的顯著性檢驗.

2.4 氣象要素與消化系統急診就診人數的滯后關聯性

2.4.1 氣溫的非線性-滯后效應 由“氣溫-滯后”對急診人數影響的3-D圖(圖2)可見,氣溫在就診當日對消化系統疾病的發病具有明顯的“高溫效應”,即在氣溫較低和相對適宜的階段(約低于20℃),其對消化系統疾病的影響非常小,當氣溫高于某閾值后,其危險度隨著氣溫升高增加顯著,且趨勢接近線性(圖2).再觀察各氣溫段的滯后效應,發現其滯后特點不同.低氣溫的危險度在較長滯后期(10d以后)才會明顯體現;而高溫立即出現較大的RR,而后隨著時間推移效應逐漸減小.且不同氣溫的最大危險度對應的滯后日也有區別.

為準確分析不同氣溫段對消化系統疾病的影響,作出典型氣溫值Ta=-10、0、10、15、20、25、30、35和40℃時其RR隨滯后時間的變化(圖3).圖3顯示,氣溫低時(以-10℃為例)其效應具有明顯的滯后性;適中的氣溫(約為10~20℃)總體上危險性較小(RR≈1);當氣溫高于20℃后能立即增加消化系統疾病風險,且就診當天RR最大,而后隨著時間推移慢慢減小,10d后效應消失.同時發現氣溫越高,其危險度越大(圖3,表3);在滯后11d以內的只需考慮高溫效應,在更久的滯后期還要適度關注低溫的影響.高溫不僅可導致內分泌失衡、消化液分泌減少、胃液酸度降低[24-25],還作用于人的神經系統從而影響食欲和情緒,加之天氣炎熱時常食冷飲,無疑都增大了消化系統疾病的患病風險.

2.4.2 相對濕度的非線性-滯后效應 濕度效應既與濕度本身大小有關,也隨著滯后時間而變化 (圖4~5).圖4顯示在較大的濕度范圍(20~80%)其危險度很小,且隨滯后時間進一步減小;只有較極端的濕度體現較為明顯且持久的增加就診人數的作用.10%和90%的濕度危險度高且滯后效應明顯,但置信區間較寬,這是由于極端的情況本身出現次數較少的緣故.在濕度為50%時,其對就診人數雖有微弱的增加作用,但并不顯著.由圖5發現,不同滯后日的濕度效應趨勢類似,均呈“W”型,但RR值隨時間有變化.危險度在RH=30%和70%附近有2個小的低值;危險度大且效應持久的是兩端較為極端的濕度(RH<20%,RH>80%),且極端低的濕度滯后性強于極端高的濕度.

表3 典型氣溫在不同滯后時長下的相對危險度及其95%可信區間Table 3 The relative risk and its 95%CI of some specific temperatures on different lag days

注:( )內為95%CI.

2.4.3 風速的非線性-滯后效應 由風速及其滯后性與消化系統發病的關系(圖6)可知,在小于3m/s的風速就診當天即出現危險性,且其效應在較短滯后期內還會有所增加,而后減小在滯后10d以后到達極低值;較大的風速(>4m/s)對消化系統疾病的影響并不明顯.在滯后0~6d的時段,較小的風速會增加發病危險性;1周以后不同等級風速的效應均不明顯,其中3~4m/s風速的RR在整個滯后時段始終在1附近(而且置信度較高),說明適度的風速對健康并無影響.0m/s的風速在滯后前5d以及15d以后具有一定的危險性.綜合以上,0~2m/s的風速最能增加發病危險性.大的風速由于置信度低,且其本身出現頻次低,結論僅供參考.

2.5 三種污染物對消化系統急診人數的非線性-滯后效應

對比分析PM10、SO2、NO23種污染物不同濃度對應的滯后效應(圖7~9)發現,PM10與NO2的滯后效應特點類似,即低的污染濃度在較長期的滯后時段才體現出增加發病危險性的作用, 而濃度高于200μg/m3的PM10以及濃度高于70μg/m3的NO2在就診當天和短的滯后時段更具危險性; SO2與以上兩者具有相反的特點,即低濃度SO2效應迅速(但未通過檢驗),高濃度SO2滯后性明顯.較高濃度的PM10和NO2可產生即時效應,說明消化系統疾病對高濃度的PM10和NO2較為敏感;而濃度較低時不足以對人體產生強刺激作用而即刻增加就診人數,但污染物的效應是存在且慢性累積的,在一定的滯后時期內,一方面其持續累積作用于人體使得脆弱性增加[23-24],另一方面氣象要素的波動也會誘發疾病發作[9,25],故而較低濃度的污染物效應具有明顯的滯后性.

PM10濃度高于200μg/m3時只在5d以內有顯著增加發病風險的作用, 5d以后RR減小且不能通過檢驗,考慮到大多數季節我國北方城市顆粒物濃度較高,因此需要重點關注較高濃度PM10的短期效應.濃度高于70μg/m3的NO2隨著時間推移其效應為不斷減小的趨勢;濃度低于50μg/m3的NO2在滯后10d以后會顯著增加消化系統疾病發病風險.200μg/m3的PM10與70μg/m3左右的NO2可看做能否對消化系統疾病產生即時效應的重要閾值濃度.

SO2濃度高于55μg/m3時會在滯后10天以后顯著增加消化系統疾病的發病風險,且RR值隨其濃度增加而增大;而低濃度SO2的危險度在整個滯后時段均是不顯著的.這說明消化系統疾病對SO2的敏感性不及PM10和NO2,只有濃度高于55μg/m3時才會在累積作用一段時間以后顯著增加發病人數,這方面迄今還鮮見報道,可見不同污染物對人體的生理病理學作用是有差異的.

表4所示為3種污染物濃度24h一、二級排放標準對應的相對危險度,時間段從滯后0d到滯后20d. PM10二級標準濃度在滯后0~4d會顯著增加消化系統疾病的危險度,而一級標準濃度在滯后10d以后會有顯著效應.SO2的一、二級標準濃度在短的滯后期(0~4d)均無影響,在滯后6~10d具有危險性,但未能通過顯著性檢驗,此后SO2對消化系統疾病就診人數具有顯著的增加作用.NO2的一、二級濃度標準相同.且只在臨近短期(滯后0~2d)具有不顯著的危險性.

注: ( ) 數據為各危險度的95%置信區間.

3 討論

以往同類研究的系統性、定量化的分析不多,也很少同時考慮氣象條件與環境污染對疾病的影響機制,以及全面分析各因素效應的滯后性.本文選取北京市2009~2011年消化系統疾病及相應的氣象、環境資料,系統性探討急診人數對各主要氣象要素和3種污染物的響應.通過Poisson回歸的半參數GAM模型來擬合北京市消化系統疾病急診就診人數與氣象環境條件的非線性關系.模型中以“交叉基”形式納入了氣溫、濕度、風速等氣象要素和SO2、NO2、PM10等污染物濃度的滯后性影響,同時考慮就診人數本身的時間趨勢和“星期效應”、“節假日效應”.

綜合氣溫分析結果,當氣溫高于20℃左右時,由于其“熱效應”,就診當天和前一天的氣溫會明顯增加消化系統疾病發病風險;氣溫高于25℃后效應明顯,且危險度隨著氣溫升高而非線性增加,高溫的累積影響主要在滯后4~7d時明顯體現.認為超過一周的氣溫效應可信度有限.只有較為極端的濕度(RH<10%或RH>90%)會顯著增加消化系統疾病的發病并有持久作用.極端的濕度結合高溫會形成“高溫低濕”或“高溫高濕”兩種情況,前者一般出現在我國北方(炎熱干燥的天氣),后者在南方的夏季更為常見,3~4m/s的風速對消化系統疾病的發病影響小,即適度的風速不影響健康.0m/s的風速在滯后5d內以及15d以后具有一定的危險性;0~2m/s的風速在短的滯后期(5d)最能增加發病危險性.

就診人數與氣溫顯著的正相關性說明氣溫是影響消化系統疾病最主要的氣象要素,氣溫越高,發病人數越多,這與謝靜芳等[9]的研究一致.高溫條件下,唾液、胃液、胰液、膽汁、腸液等消化液的分泌減少.消化液含有食物消化過程所必需的游離鹽酸、蛋白酶、脂酶、淀粉酶等,會使胃消化機能相應地減退[26].高溫環境下,出汗增多引起氯化鈉大量喪失,又因為胃液中游離鹽酸的氯離子來自血液,因此胃液的酸度也明顯降低[25].高溫環境還可引起胃的排空加快,使食物的化學消化過程不能充分進行.再者,高溫常常還能導致人們食欲減退和飲食不規律,這與氣溫對中樞神經系統的影響也有關.高于一定氣溫時,細菌、病毒等微生物的繁殖開始活躍,腸道傳染病高發;加之高溫天氣下人們常食瓜果冷飲,無疑增加了腸胃不適的風險.與水汽條件(濕度,水汽壓)的正相關性表明高的濕度也會增加消化系統疾病的發病,就診人數與降水量也顯著正相關(男性病人未通過過檢驗).氣壓與就診人數的顯著性負相關多是基于氣溫與氣壓之間本身的反向變化,那么影響消化系統疾病的是以高溫高濕效應為主.由于風速可以通過增強空氣對流和促進汗液蒸發等方式有效降低體感氣溫[27],從而緩解高溫高濕效應,故其與發病人數為顯著性負相關.

由于氣象條件對空氣質量的決定性影響,使得單獨分析污染物濃度對疾病的作用存在難度.因此使用廣義相加模型同時擬合氣象環境因素對急診人數的作用是合理的.本研究發現PM10與NO2的滯后效應類似,即低的污染濃度在較長的滯后時段才會增加發病風險,而濃度高于200μg/m3的PM10和濃度高于70μg/m3的NO2在短的滯后時段更具危險性; SO2與以上兩者特點相反,即低濃度SO2效應迅速,高濃度SO2滯后性明顯.高濃度的PM10和NO2對疾病產生即時效應符合常規認識,而濃度較低時明顯的滯后效應緣于其不足以對人體產生強刺激作用,從而即刻增加就診人數,但效應是存在且慢性累積的.在一定的滯后期內,一方面污染物持續累積作用于人體使得脆弱度增加,另一方面氣象要素的波動會誘發疾病的發作,因此表現為低濃度的顯著滯后性.

消化系統疾病對SO2的敏感性不及PM10和NO2,因此低濃度SO2的危險度在整個滯后時段均不顯著,只有濃度高于55μg/m3時才會在累積作用一定時間以后具有顯著危險度,此類問題的探討迄今在生物氣象和流行病學領域均較少,既然不同污染物對疾病的生理病理學作用有差異,仍值得深入研究.由于我國北方城市顆粒物濃度較高,因此需要重點關注較高濃度PM10的短期效應.

氣象、環境因素的影響顯著,但導致消化系統疾病的社會因素、生活因素以及個人心理因素也不容忽視.社會現代化進程和生活節奏加快,人們起居、飲食不規律;工作及生活壓力大,精神長期緊張;具有吸煙、飲酒等不良嗜好的人多,這些都會直接或間接地引發消化系統疾病或成為致病誘因,應該引起廣泛注意.另外,感染、理化因素、代謝-吸收障礙、自身免疫、先天性發育異常或缺陷、神經系統功能失調、遺傳等因素也是消化系統疾病的重要病因.

4 結論

4.1 高溫對消化系統疾病急診人數具有顯著的增加效應,氣溫越高其風險越大,滯后效應能維持一周左右.極高和極低的濕度效應顯著并具有滯后性.偏小的風速(0~2m/s)在短期內也會增加發病就診風險.

4.2 濃度高于200μg/m3的PM10和濃度高于70μg/m3的NO2在短的滯后時段危險性高;而高濃度SO2的滯后性明顯.較之于SO2,消化系統疾病對PM10和NO2更敏感.

[1] Field C B, Barros V R, Mastrandrea M D, et al. Climate Change 2014: Impacts, Adaptation, and Vulnerability. Part A: Global and Sectoral Aspects. Contribution of Working Group II to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change [J]. 2014.

[2] Huang Cunrui, Barnett Adrian G, Wang Xiaoming, et al. The impact of temperature on years of life lost in Brisbane, Australia [J]. Nature Climate Change, 2012,2(4):265-270.

[3] Li T, Horton R M, Kinney P L. Projections of seasonal patterns in temperature- related deaths for Manhattan, New York [J]. Nature Climate Change, 2013,3(8):717-721.

[4] 黃德生,張世秋.京津冀地區控制PM2.5污染的健康效益評估 [J]. 中國環境科學, 2013,33(1):166-174.

[5] 張正偉,陸朝國,等.2002~2004年貴陽市死亡人群消化系統疾病死因分析 [J]. 貴陽醫學院學報, 2009,34(4):392-395.

[6] 左利平,張 瀝,江 梅.消化系統疾病與心理障礙關系的探討 [J]. 中國煤炭工業醫學雜志, 2003,6(1):48.

[7] 王 紅,劉志宏,等.消化系統疾病住院患者人格特征研究 [J]. 醫藥世界, 2006,4:085.

[8] 張曉云,張之倫.氣象要素對腸道傳染病的影響及預報 [J]. 氣象, 2002,28(5):53-55.

[9] 謝靜芳,秦元明,等.消化系統疾病的氣象影響分析和預報 [J]. 氣象科技, 2004,31(6):393-396.

[10] 張志薇.基于舒適度研究的中國大陸健康氣候評估 [D]. 蘭州:蘭州大學, 2014.

[11] 孫兆彬,陶 燕,崔甍甍,等.北京地區奧運會期間PM2.5對心腦血管疾病的影響 [J]. 中國環境科學, 2015,35(11):3481-3488.

[12] 嚴 俊,王振全,等.蘭州大氣污染對循環系統疾病日住院人數影響 [J]. 中國公共衛生, 2010,26(12):1514-1516.

[13] 周忠玉.北京地區上呼吸道感染急診就診人數與氣象條件關系的研究 [D]. 蘭州:蘭州大學, 2013.

[14] 陳仁杰.復合型大氣污染對我國17城市居民健康效應研究 [D]. 上海:復旦大學, 2013.

[15] 黃 婧,郭新彪.交通相關空氣污染的健康影響研究進展 [J]. 中國環境科學, 2014,34(6):1592-1598.

[16] 楊振華,張月霞,張全喜,等.沙塵天氣PM10對多種心血管疾病日門診人數的影響 [J]. 中國環境科學, 2015,35(1):277-284.

[17] 張 瑩,邵 毅,王式功,等.北京市空氣污染物對呼吸系統疾病門診人數的影響 [J]. 中國環境科學, 2014,34(9):2401-2407.

[18] Gasparrini A, Armstrong B, Kenward M G. Distributed lag non-linear models [J]. Statistics in medicine, 2010,29(21):2224.

[19] Gasparrini A. Distributed lag linear and non-linear models in R: the package dlnm [J]. Journal of statistical software, 2011,43(8):1.

[20] 楊 軍,歐春泉,等.分布滯后非線性模型 [J]. 中國衛生統計, 2012,29(5):772-773.

[21] Schwartz J. Air pollution and hospital admissions for respiratory disease [J]. Epidemiology, 1996,7(1):20-28.

[22] GB 3095-2012 國家環境空氣質量標準 [S].

[23] 谷少華,賈紅英,李萌萌,等.濟南市空氣污染對呼吸系統疾病門診量的影響 [J]. 環境與健康雜志, 2015,32(2):95-98.

[24] 張燕萍,張志琴,張曉萍,等.太原市空氣污染對心腦血管疾病死亡率急性影響的Poisson廣義可加模型分析 [J]. 環境與健康雜志, 2008,25(1).

[25] 孫長征.濟南地區常見疾病與氣象要素關系的初步研究 [D]. 南京:南京大學, 2008.

[26] 張錦坤.消化系統功能性疾病 [J]. 中國實用內科雜志, 1991(1):5-5.

[27] Parsons, K.C. Human thermal environments: the effect of hot, moderate and cold environments on human health, comfort and performance [M]. London: Taylor & Francis, 2003.

* 責任作者, 教授, wangsg@lzu.edu.cn

Impacts of meteorological factors and environmental pollutants on digestive diseases in Beijing

MA Pan1, LI Ruo-lin1, YUE Man1, WANG Shi-gong1,2*, SHANG Ke-zheng1, YIN Ling3

(1.Center for Meteorological Environment and Human Health, College of Atmospheric Sciences, Lanzhou University, Lanzhou 730000, China；2.College of Atmospheric Sciences, Chengdu University of Information Technology, Chengdu 610225, China；3.Chinese PLA General Hospital , Beijing 100853, China)., 2016,36(5)：1589~1600

To explore meteorological and environmental impacts on human health, distributed lag non-linear model together with generalized additive model are applied to study exposure-response relationship between ambient air factors and digestive system diseases from 2009 to 2011 in Beijing. Results show that obvious influence of high temperature on digestive system diseases is revealed. Relative risk (RR) significantly increases with Ta raise when Ta>25 ℃. The lag effects can reach more than 10 days. Condition of extremely high or low humidity (RH<10% or RH>90%) can also lead to digestive diseases increase. The effect could last a long time. High temperature combined with extremely high or low humidity forms two uncomfortable circumstance, respectively ‘hot and dry’ and ‘hot and humidity’. Wind speed 0~2m/s can increase the risk of digestive diseases in a short period (5days). The risk of wind speed between 3~4m/s is small. It indicates moderate wind has weak effect on health. High PM10and NO2concentrations immediately play a significant role on digestive system diseases (less in 5days). But high SO2concentrations act significantly in a longer lag period.

meteorological condition；concentration of pollutant；digestive disease；nonlinear；lagged effect

X513.1

A

1000-6913(2016)05-1589-12

馬 盼(1990-),女,甘肅定西人,博士研究生,主要從事氣象環境與人體健康方面的研究.已發表論文5篇.

2015-10-10

公益性行業(氣象)科研專項),國家人口與健康科學數據共享平臺建設項目共同資助