成都市不同溫度段對呼吸和心腦血管疾病死亡影響的歸因風險評估*

張 瑩 王式功,2 張 婕 馮鑫媛 張小玲,3 胡文東 賈旭偉

【提 要】 目的 評估成都市氣溫暴露造成的人群死亡歸因風險。方法 本研究收集成都市2014-2016年人群呼吸和心腦血管疾病逐日死亡資料，以及同期的氣象資料和大氣污染物資料，利用時間序列分析方法和分布滯后非線性模型，在控制污染物等混雜因素的基礎上，探明氣溫對當地呼吸和心腦血管疾病死亡的影響，并定量估算了由不同溫度段造成的歸因死亡人數和人群歸因分值(AFs)。結果 成都市氣溫對呼吸和心腦血管疾病死亡的累積暴露-反應關系近似呈“L”型，22.2℃為最適溫度(MMT)，其對應死亡風險最小；經計算，由氣溫直接造成的呼吸和心腦血管疾病年均超額死亡人數分別為3121例和4043例，對應AFs分別為15.69%和15.81%，其中歸因于冷效應(

在全球氣候異常變化、極端天氣氣候事件發生頻率明顯增加的大背景下，天氣氣候的異常變化對人類健康的影響也漸趨凸顯[1-2]，已成為了現階段人們關注的熱點。其中以氣溫異常變化的影響尤為顯著，如高溫熱浪、低溫寒潮以及氣溫驟變等均會對相關人群健康產生直接的不利影響，且不同區域差異較大[3-4]。國外及國內發達重點城市和地區率先開展了該方面的相關研究[5-8]，但以往的研究更多的側重于極端天氣(主要包括高溫熱浪、低溫寒潮等)以及氣溫變幅(24h變溫、氣溫日較差)對人群健康的不利影響，而忽略了弱低(高)溫對人群健康的潛在效應，繼而導致由氣溫造成超額發病/死亡負擔的影響評價不夠全面。Gasparrini等人[9]在對美國、巴西、加拿大等13個國家的溫度-死亡關系的風險評估中發現：極端氣溫(包括高溫和低溫)和弱低(高)溫均會導致超額死亡人數的增加，且不同區域差異較大。近期Chen等[10]對我國272個城市2013-2015年由氣溫導致的總死亡及不同疾病死亡的歸因風險開展了類似的研究，并進一步劃分氣候區進行研究，發現我國由氣溫造成的呼吸和心腦血管疾病死亡的歸因風險分別為10.57%和17.48%，還發現氣溫對我國不同地區疾病死亡影響存在地域性差異。成都市作為我國第四大人口城市，不同溫度段對當地人群健康影響的研究還不夠充分，這方面的研究還有待深入和加強。

本研究收集了2014-2016年成都市逐日呼吸和心腦血管疾病死亡人數以及同期的氣象和污染物資料，借助時間序列分析方法和分布滯后非線性模型(distributed lag non-linear model,DLNM)[11]，在探明氣溫對當地呼吸和心腦血管疾病死亡人數影響整體效應的基礎上，開展不同溫度段對相關系統疾病死亡影響的風險評估。以期為當地政府及相關部門依據天氣變化開展天氣敏感性疾病的合理防控提供科學依據和技術支持。在全球變暖大背景下，為準確評估氣溫的健康效應提供科學指導。

資料與方法

1.資料來源

病例資料來自中國疾病預防控制中心(Chinese center for disease control and prevention)收集到的2014年1月1日至2016年12月31日成都市死亡病例資料。借助SQLServer2016數據庫，根據ICD-10[12]對病例資料進行分類整理。經統計，收集到的總死亡(ICD10:A00～R99)數據共計243135例，其中呼吸系統疾病(ICD10:J00～J99)死亡數據59676例，心腦血管疾病(ICD10:I00～I99)死亡數據76721例。

氣象資料：來源于中國氣象科學數據共享服務網中國地面氣象資料成都市2014年1月1日至2016年12月31日的日均氣象資料，主要包括日最高(低)氣溫(℃)、日均氣溫(℃)、日均相對濕度(%)和日均風速(m/s)等。

環境空氣質量數據：本研究所用同期大氣污染物資料來源于四川省環境監測總站質量控制后發布的污染數據資料，包括PM2.5(μg/m3),PM10(μg/m3),SO2(μg/m3),NO2(μg/m3)和CO(mg/m3)日均濃度資料，經檢查數據完整無缺失。

2.研究方法

本研究利用R軟件(3.4.4版本)中的 “mgcv”，“dlnm”程序包進行時間序列分析方法和DLNM建模。大量研究表明[6,13-14]，氣溫等環境暴露因素的健康效應均存在一定的持續和滯后效應，換言之，人群健康指標(如發病率、死亡率等)不僅與當天的暴露水平有關，還可能受前幾天甚至更長時間前暴露水平的影響。就氣溫而言，對人群健康影響的最長滯后時間可達3周(21d)[15-16]。DLNM模型通過交叉基函數(cross-basis)實現同時描述因變量在自變量維度與滯后維度的分布[10]，最終以暴露-滯后-反應關系三維空間分布圖直觀地展示暴露因素的滯后效應和非線性效應，這為開展環境因素的歸因風險評估提供了新的思路。廣義相加模型GAM(generalized additive models)作為環境對人群健康影響的主流時間序列模型，擅長處理因變量和眾多自變量之間復雜的非線性關系[14]。因此，本文以GAM為模型框架，首先利用DLNM構建出氣溫的交叉基函數，隨后采用GAM進行死亡人數與各影響因素之間暴露-響應關系的擬合。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為每日死亡人數；E(Yt|x)為每日死亡人數估計值；Tempt,l為通過DLNM產生的交叉基，最長滯后時間為21d，β為日均氣溫的系數，利用赤池信息準則(akaike information criterion，AIC)確定交叉基函數中的自由度(df)，采用相對危險度(relative risk，RR)作為短期暴露效應評價指標[17]；ns()為三次樣條函數，Time為時間序列，Wind和RH分別為日均風速和相對濕度，調節各項自由度，選定具有最小AIC和殘差PACF值的作為最優模型[18]。最終Time的df為8/年；Wind和RH的df均為3。PM2.5,PM10,SO2,NO2和CO五種污染物作為混雜效應，均以線性形式引入；DOW和Holiday依次為周末效應和節假日效應，二者都以啞元變量的形式引入；α為殘差。

首先，通過公式(1)構建出氣溫與死亡人數的暴露-滯后-反應關系，依照氣溫風險累積效應最小計算出最適氣溫(MMT)，將其作為歸因風險評估的基線水平，在此基礎上，分別估算冷效應(

歸因風險的基礎指標是歸因人數(attribute numbers,ANs)和人群歸因分值(attribute fractions,AFs)。其中AFs表示如果人群不再暴露于某風險因子，相對健康結局減少的數量占該健康結局的比例[21]。如果已知健康結局的總數和AFs，則可計算出對應的ANs，這些指標可以同樣理解為風險因子采取干預措施后可以達到的效果。本研究中風險因子為氣溫，氣溫累積滯后21d對死亡人數影響的AFs和ANs計算公式分別為：

(2)

ANs=n·AFs

(3)

RRi為和基線水平相比，各暴露水平下的相對危險度；l0和L分別為最小滯后天數和最大滯后天數；βxi為暴露水平為i時的效應參數，n為死亡總人數。

為驗證模型的穩定性，本研究通過改變模型(1)中時間序列的自由度為6～9、日均風速和相對濕度的自由度分別為3～5，對其進行敏感性分析。

結 果

1.變量描述性統計

表1為2014年1月1日至2016年12月31日成都市呼吸和心腦血管疾病死亡人數及同期氣象要素和污染物濃度統計表，研究時段內收集到呼吸和心腦血管疾病死亡人數各59676和76721例，分別占總死亡人數的24.54%和31.55%，這兩大系統疾病死亡人數之和超過總死亡人數的55%，說明這兩大系統疾病為該地區導致死亡的主要疾病。由表1可知，呼吸和心腦血管疾病對應的日均死亡人數分別為54.45和70.00例。成都市屬于亞熱帶季風性濕潤氣候，年均氣溫、最高氣溫和最低氣溫依次為16.56℃、21.34℃和13.26℃，平均風速為1.29 m/s，相對濕度為81.74%。研究時段內成都市PM10、PM2.5、SO2、NO2和CO五種污染物的日均濃度依次為109.09μg/m3、65.93μg/m3、15.99μg/m3、52.41μg/m3和1.12mg/m3。

表1 2014-2016年成都市呼吸和心腦血管疾病死亡人數及氣象要素和污染物的描述性分析

*：P25,P50和P75分別為第25、50和75百分位數.

2.氣溫對不同疾病死亡人數的影響研究

圖1為2014-2016年成都市日均氣溫分別對呼吸和心腦血管疾病死亡影響的暴露-滯后-反應關系圖，由圖可知，氣溫對人群健康的影響存在持續和滯后效應，且不同溫度水平下其滯后效應在維度上的變化差異較大。以呼吸為例，高溫表現出“即時效應”，即高溫條件下，高溫對死亡影響的相對危險度在當天(lag0)達到最大，隨著時間的后延，RR迅速降低；低溫效應則存在明顯的滯后，低溫發生當天對應RR并未達到最大，隨著時間的后延，低溫效應開始顯現，RR先增加后減小，峰值出現在lag2d。氣溫對心腦血管影響的分布與氣溫對呼吸影響的分布形態較為類似，但值得注意的是：就成都市而言，強高溫對呼吸的影響較顯著，而強低溫對心腦血管的影響則更為顯著。

圖1 2014-2016年成都市日均氣溫對呼吸和心腦血管疾病死亡影響的暴露-滯后-反應關系圖

3.不同溫度段短期效應的歸因風險

圖2為氣溫對呼吸和心腦血管疾病影響的累積暴露-反應關系和氣溫頻數分布圖，由圖可知，氣溫對呼吸和心腦血管疾病影響的累積-暴露-反應關系均呈“L”型，即冷效應和熱效應均會造成死亡風險的增加，且溫度越低RR越大，表明死亡風險越大。且22.2℃為最適溫度(MMT)，此時對應死亡風險最小。以該溫度閾值為基準，分別討論冷效應(

圖2 成都市日均氣溫對呼吸和心腦血管疾病死亡影響的累積效應和氣溫頻數分布圖

在上述基礎上，以2.5th(3.29℃)和97.5th(27.6℃)氣溫百分位點作為臨界點，進一步將溫度劃分為強低溫、弱低溫、弱高溫和強高溫4個溫度段，經統計(表2)，發現由不同溫度段造成的呼吸和心腦血管疾病超額死亡人數由高到低依次為：弱低溫>強低溫>弱高溫>強高溫，其中弱低溫效應占主導，由弱低溫造成的呼吸和心腦血管疾病超額死亡人數分別為6009和9629例，對應的AFs為10.07%(95%CI:4.53,15.61)和12.16%(95%CI:3.71,20.61)。綜上所述，氣溫對人群健康的影響主要以低溫為主，而在低溫中弱低溫的健康效應最為顯著。究其原因，一方面較高的MMT導致冷效應段包含了較多的溫度頻次；另一方面，雖然弱低溫對應的死亡風險(RR)小于強低溫對應的死亡風險，但弱低溫段溫度發生頻次高，這是弱低溫造成呼吸和心腦血管疾病死亡人數最多的一個主要原因。

表2 2014-2016年成都市氣溫短期暴露對當地呼吸和心腦血管疾病死亡人數影響的歸因風險(AFs)及歸因人數(ANs)

為進一步細化溫度效應，接下來將氣溫的死亡歸因風險細化到每1℃，圖3為每度對應的溫度頻數分布及其對呼吸和心腦血管死亡影響的歸因風險(AFs)分布圖。由圖可知，雖然溫度頻次高值區位于21℃，但AFs高值對應的溫度主要集中在弱低溫段，呼吸和心腦血管對應的AFs峰值均為6℃。經統計，3～10℃范圍內的溫度出現頻次占總溫度頻次的23.90%，但該溫度段造成的呼吸和心腦血管疾病死亡的AFs分別為8.17%和8.58%，占整體溫度造成死亡負擔的52.08%和54.30%。可見，該溫度段是導致呼吸和心腦血管等氣象敏感性疾病死亡的高發溫度段。圖4為研究時段內成都市日均氣溫的時間序列圖，從圖中可以看出3～10℃主要集中在冬-春季/秋-冬季的季節轉化過渡時期。

圖3 氣溫頻次分布及每度氣溫對應呼吸和心腦血管疾病死亡歸因風險分布圖

圖4 日均氣溫時間序列圖

本研究通過改變模型中時間序列、日均風速和相對濕度的自由度對其進行敏感性分析，當時間序列、日均風速和相對濕度取不同的自由度時(表3)，氣溫對呼吸和心腦血管疾病死亡影響的歸因風險變化不大，表明該模型穩健。

表3 氣溫導致的呼吸和心腦血管疾病死亡歸因風險模型的敏感性分析

*：Time:時間序列；Wind:平均風速；RH:相對濕度。

討 論

本研究發現成都市日均氣溫對呼吸和心腦血管疾病死亡影響的累積效應的暴露-反應關系均呈“J”型，22.2℃為最適溫度點，其對應死亡人數最少。由氣溫造成的呼吸和心腦血管超額死亡人數分別為9363和12130例，對應的AFs分別為15.69%和15.81%。Yang J等[19]研究報告中指出氣溫對長春、北京和上海心腦血管疾病死亡影響的最適溫度分別為20.6℃、24.9℃和24.5℃，對應的AFs分別為12.9%、20.1%和10.1%；Chen R等[10]研究指出氣溫對應的我國平均最適溫度為22.8℃，由氣溫引起的我國呼吸和心腦血管疾病的歸因風險分別為10.57%和17.48%；Gasparrini[22]研究指出，氣溫引起的倫敦和羅馬死亡人數對應的AFs分別為13.59%和12.58%。由此說明，不同區域氣溫對當地人群產生的死亡風險差異較大，在今后的研究中應該分區域進行。此外，本研究還發現冷效應和熱效應均會產生死亡風險。成都市由冷效應造成的呼吸和心腦血管疾病死亡對應的AFs分別為11.52%和13.76%；而熱效應對應的AFs分別為4.17%和2.05%。可見，由氣溫造成的超額死亡負擔中冷效應占主導，熱效應所占比重相對較小。本研究結果與國內外[10,23-24]其他地區的研究結果一致，均認為低溫健康風險大于高溫健康風險。究其原因，一方面，高溫和低溫對人體影響的機制差異較大，醫學研究表明：高溫能夠引起機體心率升高、血液粘度增加、從而導致人體內的鹽、水代謝失調，效應出現快且持續時間短；而低溫則主要引起血管收縮、血壓改變、炎癥反應等，效應持續時間較長，造成的影響也更大[15,17]。另一方面，本研究結果與成都市當地氣候條件、經濟水平、人群特征、生活習慣等因素也有一定的關聯，夏季當地人群喜歡借助空調等手段改變生活環境，進而使得高溫效應降低，相對于低溫而言，現階段尚無集體供暖措施，相對于高溫，低溫時段人為干預相對較少，低溫對人群的健康效應相對較為客觀。

本研究將氣溫分為強高溫、弱低溫、弱高溫和強低溫四段，發現由弱低溫造成的呼吸和心腦血管疾病死亡對應的AFs分別為10.07%和12.16%，雖然弱低溫段對應的RR小于強低溫段對應的RR，但弱低溫發生頻次高，這是導致弱低溫造成超額死亡人數最多的重要原因之一。同時，通過進一步細劃分氣溫并計算每1℃造成的疾病死亡歸因風險，發現成都市導致呼吸和心腦血管超額死亡最大的溫度段位于3～10℃范圍(處于弱低溫段)，該段溫度出現頻次占總溫度頻次的23.90%，但由其造成呼吸和心腦血管疾病死亡的AFs占由整體溫度造成超額死亡負擔的52.08%和54.30%。究其原因：該溫度段主要集中在冬春季/秋冬季節交替時段，而此時大氣環流正處在一個自我調整的狀態，冷暖氣團交匯頻繁，溫度變幅較大，氣溫驟升驟降時有發生。有研究表明：氣溫的驟變極易誘發呼吸和心腦血管等天氣敏感性疾病的發病和死亡，尤其對已患有呼吸和心腦血管等慢性疾病的老年人群尤為顯著[25]。其次，隨著全球變暖，導致季節轉化/過渡時間明顯縮短，使得人體適應季節過渡的時間不夠充裕，進而更易誘發各種天氣敏感性疾病[26]。因此弱低溫段內包含的季節過渡也是導致弱低溫段死亡人數較多的一個重要原因。

本研究尚存在一些不足之處，首先，受收集資料的限制，本研究僅評估了成都市氣溫短期暴露對呼吸和心腦血管疾病死亡人數影響的歸因風險，而尚未開展我國其他城市和地區氣溫對人群健康影響的研究；其次，本研究也未開展氣溫對不同性別、年齡段影響的差異研究。希望在后續的研究中，隨著收集資料的增加，進一步彌補本研究存在的不足。但與以往研究相比，本研究不再局限于分析氣溫變化單位幅度的效應，而是定量評估了氣溫暴露的整體疾病負擔，同時對溫度進行分段研究，發現弱低溫對人群健康的影響占主導，提醒人們在今后的研究中應該重視弱低溫效應造成的患病及死亡負擔。

結 論

暴露-滯后-反應關系研究結果表明：成都市高溫對呼吸和心腦血管疾病死亡的影響存在“即時效應”，當天風險最大；而低溫的滯后和持續效應更為顯著，RR峰值出現在lag2d。

2014-2016年成都市日均氣溫與呼吸和心腦血管疾病死亡人數的累積暴露-反應關系曲線均呈“L”型，表明極冷和極熱均會導致死亡人數的增加。由氣溫造成的呼吸和心腦血管超額死亡人數占總死亡人數的15.69%和15.81%；冷效應對應的AFs分別為11.52%和13.76%；熱效應對應的AFs分別為4.17%和2.05%。可見，氣溫對人群健康的不利影響中冷效應占主導。

利用2.5th、97.5th溫度百分位數和MMT三個點將成都市氣溫劃分為強低溫、弱低溫、弱高溫和強高溫4個溫度段，由弱低溫造成的呼吸和心腦血管超額死亡人數占總死亡人數11.56%和11.59%，可見4個溫度段中弱低溫對應的死亡風險最高。雖然弱低溫對應的RR小于強低溫對應的RR，但弱低溫出現頻次高，這是弱低溫造成超額死亡人數最多的主要原因之一。

成都市每度(1℃)的死亡歸因風險研究結果表明：3～10℃范圍內的溫度頻次占總溫度頻次的23.90%，但由該溫度段造成的呼吸和心腦血管疾病死亡的AF分別為8.17%和8.58%，分別占整體溫度造成死亡負擔的52.08%和54.30%。表明弱低溫段包含的季節過渡也是造成弱低溫段超額死亡人數較多的一個重要原因。