近年来, 随着我国城市化进程加快和经济高速发展, 空气污染已逐渐引起高度重视^[1], 尤其是对于公众健康的影响越来越大^[2], 已受到越来越多研究者的关注^[3].已有流行病学研究表明, 空气污染的短期暴露与呼吸系统及心血管疾病相关^[4~7].而作为主要空气污染物之一的细颗粒物(fine particulate matter, PM_2.5)对人类健康的影响已成为国内外研究的热点.已有研究发现^[8~10], PM_2.5与死亡率的升高有着显著关系.此外, PM_2.5也对心血管疾病有一定影响^[11~14].

国内目前对颗粒物与哮喘的关系已有部分研究, 如Tian等^[15]发现PM_2.5浓度每升高10 μg·m^-3, 医院哮喘就诊人次增加0.67%(95%CI: 0.53%~0.81%).已有研究主要集中在严重污染地区, 而对于杭州市颗粒物与哮喘就诊人次关系的研究还比较少.近年来杭州冬季频频出现连续灰霾天气, 对人群健康带来极大危害^[16].由于污染物浓度与呼吸系统疾病就诊人次及气象因素之间的关系往往并不是线性或单调的, 而广义相加模型能够对响应变量和解释变量间是非线性或非单调的关系进行数据分析^[17], 故本研究采用时间序列广义相加模型及人群分层的分析方法, 收集杭州市某医院2013~2015年呼吸系统疾病门诊资料, 分析细颗粒物对哮喘门诊就诊人次的短期影响及各人群的易感性差异, 以期为有针对性地保护易感人群、保障公众健康提供依据.

每日呼吸系统疾病资料来源于2013年1月1日~2015年12月31日杭州市某三甲医院, 每日呼吸系统疾病发病信息包括病人姓名、性别、年龄、就诊日期等, 并将诊断结果按国际疾病分类(ICD-10)编码筛选出哮喘(J45).

大气污染物资料及气象因素资料来源于杭州市环境监测中心, 包括细颗粒物(PM_2.5)、二氧化硫(SO₂)、二氧化氮(NO₂)的日平均浓度(μg·m^-3)、平均温度(℃)、平均相对湿度(%)等.数据中的缺失值采用均值插补的方法进行了补充.

对于污染物及气象因素间的相关性, 由于数据不服从正态分布, 因此采用Spearman相关分析, 检验水平为P=0.01.相对于总人群, 每日哮喘发病为小概率事件, 其发病人数近似Poisson分布, 因此采用Poisson回归的广义相加模型(generalized additive models, GAM)分析空气污染物浓度与日呼吸系统疾病就诊人次的关系.研究中对平均温度、平均相对湿度及长期趋势等采用自然立方样条函数进行平滑拟合, 同时用哑元变量控制星期几效应和节假日效应的影响, 将当日、1 d前至7 d前污染物浓度引入模型, 基本模型如下:

式中, Y_t为第t日哮喘就诊人次; E(Y_t)为第k日哮喘就诊人次的期望值; α为残差; β为回归系数; c_{pollutant, lag}为某滞后天数时的污染物浓度, 单位为μg·m^-3; ns为自然立方样条平滑函数; df为自由度; DOW为星期哑元变量; Holiday为节假日哑元变量; time为日期.模型中的自由度取值根据AIC最小原则确定, 对应日期、日平均温度、平均相对湿度的自由度分别为7 a^-1、3、3.

建立基本模型后, 引入污染物浓度数据, 估算出空气污染物的回归系数β, 并计算出污染物浓度每升高10 μg·m^-3时的相对危险度(relative risk, RR), 即RR=e^10×β, 及其95%置信区间(95%CI)e^{10×(β±1.96SE)}.

统计分析由R 3.2.3软件及该软件中的MGCV数据包实现^[18].

2013年1月1日至2015年12月31日杭州市大气中主要污染物PM_2.5、SO₂、NO₂的日均浓度、主要气象因素的描述性统计结果见表 1, 哮喘就诊人次分层统计描述结果见表 2.由表 1可见, 杭州市PM_2.5与NO₂浓度年均值均高于国家空气质量二级标准^[19], 而SO₂浓度年均值则低于国家空气质量二级标准. 2013~2015年间, 哮喘就诊人次共29 705人, 男女性别比接近4:6;未成年人群(< 18岁)仅占2.3%, 老年人群(≥65岁)占14.3%, 18~64岁人群约占83.4%.

表 1 (Table 1)

表 1 空气污染物浓度和气象因素描述性统计 Table 1 Descriptions of air pollutants and meteorological factors 项目 天数/d 平均值 标准差 最小值 P25 中位数 P75 最大值 年均值国家空气质量二级标准 NO2/μg·m-3 1 095 48.69 18.07 12.14 35.71 46.05 58.94 136.00 40 PM2.5/μg·m-3 1 095 62.39 37.55 8.94 37.43 54.70 77.00 376.00 35 SO2/μg·m-3 1 095 21.41 12.13 4.33 12.36 18.91 27.00 85.00 60 平均气温/℃ 1 095 17.82 8.83 -1.94 10.07 19.08 24.94 35.39 — 相对湿度/% 1 095 68.35 13.54 25.42 58.79 69.98 78.32 97.65 —

表 1 空气污染物浓度和气象因素描述性统计 Table 1 Descriptions of air pollutants and meteorological factors

表 2 (Table 2)

表 2 哮喘就诊人次统计 Table 2 Descriptions of asthma hospital outpatient visits 分层 哮喘 n 比例/% 全人群 29 705 — 男 12 256 41.3 女 17 449 58.7 0~17岁 693 2.3 18~64岁 24 763 83.4 ≥65岁 4 249 14.3

表 2 哮喘就诊人次统计 Table 2 Descriptions of asthma hospital outpatient visits

空气污染物与气象因素的Spearman相关性分析结果见表 3, 污染物间均有P=0.01水平下显著的正相关性, 且相关性较强.气温与3种污染物之间呈显著的负相关性, 相对湿度与PM_2.5和SO₂之间呈显著的负相关性, 而相对湿度与NO₂和平均气温之间的相关性并不显著.

表 3 (Table 3)

表 3 杭州市2013~2015年空气污染物浓度与气象因素的Spearman相关系数1) Table 3 Spearman's correlation coefficient between air pollutants concentration and meteorological factors NO2 PM2.5 SO2 平均气温 相对湿度 NO2 1.00** 0.74** 0.72** -0.48** -0.04 PM2.5 1.00** 0.67** -0.41** -0.13** SO2 1.00** -0.44** -0.34** 平均气温 1.00** 0.00 相对湿度 1.00** 1)**表示P < 0.01

表 3 杭州市2013~2015年空气污染物浓度与气象因素的Spearman相关系数1) Table 3 Spearman's correlation coefficient between air pollutants concentration and meteorological factors

表 4展示了在单污染物模型中, 不同滞后天数下PM_2.5日均浓度对居民哮喘就诊人次的RR及95%置信区间.对于哮喘疾病, PM_2.5对就诊人次增加的影响在滞后3 d、5 d具有统计学显著的正效应.

表 4 (Table 4)

表 4 PM2.5影响总人群哮喘就诊人次的相对危险度(单污染物模型)1) Table 4 RR and 95%CI of PM2.5 with a 10 μg·m-3 increment to asthma outpatient visits in total population in single pollutant models 滞后天数/d 相对危险度(95%CI) 0 0.997 4(0.993 5~1.001 3) 1 0.995 1(0.991 4~0.998 8)* 2 0.994 9(0.991 3~0.998 5)* 3 1.004 0(1.000 6~1.007 5)* 4 1.002 4(0.998 9~1.005 9) 5 1.005 6(1.002 1~1.009 1)* 6 1.000 4(0.996 9~1.003 9) 7 1.000 9(0.997 2~1.004 5) 1)*表示P < 0.05

表 4 PM2.5影响总人群哮喘就诊人次的相对危险度(单污染物模型)1) Table 4 RR and 95%CI of PM2.5 with a 10 μg·m-3 increment to asthma outpatient visits in total population in single pollutant models

图 1为PM_2.5污染对不同人群哮喘就诊人次影响的滞后效应.对于男性人群和18~64岁人群, PM_2.5对就诊人次增加的影响在滞后3~5 d具有统计学显著的正效应, 在滞后4 d时对男性人群影响最大, 在滞后5 d时对18~64岁人群影响最大, RR值分别为1.010 2(95%CI: 1.004 4~1.015 9)、1.006 9(95%CI: 1.002 9~1.011 0);对于女性人群和≥65岁人群, PM_2.5对就诊人次增加的影响都在滞后5 d具有统计学显著的正效应, RR值分别为1.008 2(95%CI: 1.003 4~1.013 0)、1.009 6(95%CI: 1.000 3~1.019 0).

图 1

Fig. 1

图 1 PM2.5影响不同人群哮喘就诊人次的相对危险度 Fig. 1 RR and 95%CI of PM2.5 with a 10 μg·m-3 increment to asthma outpatient visits in different groups

图 2是大气PM_2.5浓度与哮喘就诊人次在滞后5d的暴露-反应关系曲线.在低浓度下哮喘就诊人次的增长较为缓慢, 而当PM_2.5浓度升高时, 哮喘就诊人次的增速有明显升高的趋势, 当浓度达到一定高度后, 哮喘就诊人次的增长再次趋于平缓.

图 2

Fig. 2

实线为随PM2.5浓度变化的哮喘就诊人次增长百分率, 虚线为相应的95%置信区间上下限 图 2 大气PM2.5浓度与哮喘就诊人次在滞后5 d的暴露-反应关系曲线 Fig. 2 Exposure-response curve for ambient PM2.5 concentration and asthma hospital outpatient visits at lag 5 day

表 5展示了在多污染物模型中, 分别及同时引入NO₂和SO₂两种污染物后在滞后5 d时PM_2.5对全人群及分层人群哮喘就诊人次的影响.单独引入NO₂后, PM_2.5对哮喘就诊人次影响的RR有所提高, 为1.006 9(95%CI: 1.002 4~1.011 4).单独引入SO₂后, PM_2.5对哮喘就诊人次的影响的RR无明显变化, 为1.005 4(95%CI: 1.001 4~1.009 5).同时引入NO₂和SO₂后, PM_2.5对哮喘就诊人次的影响的RR有所提升, 为1.006 6(95%CI: 1.002 0~1.011 3). 3组结果均在P=0.05水平下显著.将不同人群受到的影响纳入分析后, 当单独引入SO₂时, PM_2.5对各人群哮喘就诊人次影响的RR无明显变化; 而当单独引入NO₂时, PM_2.5对男性和老年人群哮喘就诊人次的影响的RR有所提高; 在同时引入NO₂和SO₂后, PM_2.5同样对男性和老年人群哮喘就诊人次的影响的RR有所提高.分层人群的结果除老年人群在引入SO₂后不显著外, 均在P=0.05水平下显著.

表 5 (Table 5)

表 5 空气污染影响哮喘就诊人次的相对危险度(多污染物模型)1) Table 5 RR and 95%CI of PM2.5 with a 10 μg·m-3 increment to asthma outpatient visits in co-pollutant models 项目 相对危险度(95%CI) PM2.5+NO2 PM2.5+SO2 PM2.5+NO2+SO2 全人群 1.006 9(1.002 4~1.011 4)* 1.005 4(1.001 4~1.009 5)* 1.006 6(1.002 0~1.011 3)* 男性 1.009 6(1.002 2~1.017 1)* 1.008 2(1.001 5~1.015 0)* 1.010 1(1.002 4~1.017 8)* 女性 1.009 8(1.003 6~1.016 1)* 1.006 0(1.000 4~1.011 7)* 1.008 4(1.002 0~1.014 8)* 18~64岁 1.008 3(1.003 1~1.013 6)* 1.006 7(1.001 9~1.011 4)* 1.008 0(1.002 5~1.013 4)* ≥65岁 1.017 3(1.005 2~1.029 5)* 1.008 2(0.997 3~1.019 3) 1.015 3(1.002 9~1.027 9)* 1)*表示P < 0.05

表 5 空气污染影响哮喘就诊人次的相对危险度(多污染物模型)1) Table 5 RR and 95%CI of PM2.5 with a 10 μg·m-3 increment to asthma outpatient visits in co-pollutant models

本研究通过时间序列泊松分布广义相加模型, 定量分析了杭州市大气污染物PM_2.5日均浓度与哮喘疾病就诊人次的关系, 并按性别、年龄进行了分层分析.结果表明, PM_2.5日均浓度与哮喘就诊人次之间存在滞后效应且其影响在滞后5 d达到最大, PM_2.5浓度每升高10 μg·m^-3, 哮喘就诊人次的RR为1.005 6(95%CI: 1.002 1~1.009 1).在单污染物模型和多污染物模型的结果中, 通过对比发现加入NO₂后PM_2.5浓度对哮喘就诊人次的影响有所提高, 而SO₂的加入并未产生明显影响, 认为NO₂浓度对哮喘就诊人次可能有一定影响, 需要进一步研究.多污染物模型相较单污染物模型而言, 考虑了不同污染物间可能存在的协同效应, 得出环境污染物的影响应当更接近实际情况.

已有研究表明, 可吸入颗粒物特别是细颗粒物对哮喘就诊人次有着显著影响. Kim等^[11]的研究发现, PM_2.5浓度对哮喘就诊人次从滞后2~5 d开始有着统计学显著的正效应, 且不同组分的滞后时间分布有所不同. Lee等^[20]的研究发现, 在单污染物模型中PM_2.5浓度每升高一个IQR(20.6 μg·m^-3), 在滞后4 d时儿童哮喘就诊人次增加6.59%(95%CI: 4.51%~8.72%); 而在多污染物模型中调整了其他污染物的影响后, PM_2.5浓度每升高一个IQR, 滞后4 d时儿童哮喘就诊人次增加3.24%(95%CI: 0.93%~5.60%). Qiu等^[21]的研究发现, 在单污染物模型中PM_2.5浓度每上升一个IQR(26.3 μg·m^-3), 哮喘就诊人次增加4.35%(95%CI: 1.66%~7.11%), 而在双污染物模型中哮喘就诊人次则增加了4.14%(95%CI: 0.77%~7.63%).本研究结果与其他此类研究结果相似, 在单污染物模型中PM_2.5浓度每升高10 μg·m^-3, 滞后5d时哮喘就诊人次增加0.56%(95%CI: 0.21%~0.91%), 而在多污染物模型中引入NO₂和SO₂后, PM_2.5浓度每升高10 μg·m^-3, 滞后5d时哮喘就诊人次增加0.66%(95%CI: 0.20%~1.13%).

从性别分层看, 男性与女性人群哮喘就诊人次的滞后效应趋势上未表现出显著差异, 但受到的影响上男性人群要略高于女性人群, 也有研究^[22]发现空气污染对男性的影响较女性明显, 这可能是由于研究地区男性工作场所更多处于室外, 更易暴露于污染物中, 且防护意识不足所造成的.但也有研究表明^{[8, 23, 24]}, 女性人群呼吸系统疾病就诊人次受颗粒物影响更大, 这可能是由于女性人群体质对于颗粒物污染更加敏感, 暴露于较高浓度时更易导致哮喘等呼吸道疾病的形成和发作.从年龄分层来看, 18~64岁人群和≥65岁人群受到PM_2.5浓度的显著影响, 且≥65岁人群受到影响较18~64岁人群更大, 这也与以往研究结论一致.有研究已经指出^[22~24], 老年人群受颗粒物浓度影响更为显著.

环境中的PM₁₀按照空气动力学直径可分为粗颗粒物(粒径2.5~10 μm)、细颗粒物(即PM_2.5)、超细颗粒物(粒径 < 0.1 μm).粗颗粒物主要沉积在大传导气道中; 细颗粒物主要沉积在呼吸道中, 尤其是小气道和肺泡; 超细颗粒物主要沉积在肺泡中.过渡金属、多环芳烃和环境持久性自由基是颗粒物的成分, 它们有可能引起氧化应激以及与哮喘相关的许多表型变化.此外, 颗粒物中经常含有各种免疫原性物质, 如真菌孢子和花粉, 这些物质与哮喘症状的加重密切相关^[25].

综上所述, 本研究发现PM_2.5浓度升高会导致医院哮喘就诊人次增加, 且其影响在不同人群中存在一定差异, 老年人群可能为细颗粒物污染的易感人群.此外, 由于人体更多时候暴露在室内环境中, 因此以室外监测站点空气污染物浓度作为人群暴露评价指标的合理性不足, 有待进一步研究.

(1) 杭州市空气细颗粒物浓度对哮喘就诊人次的影响在单日滞后3 d和5 d具有统计学意义, 其中最佳滞后时间为5 d.

(2) 在最佳滞后时间的条件下, PM_2.5浓度每升高10 μg·m^-3, 哮喘就诊人次增加0.56%;在多污染物模型中引入NO₂后, PM_2.5浓度每升高10 μg·m^-3, 哮喘就诊人次增加0.69%.

(3) 就性别和年龄而言, 杭州市PM_2.5浓度对≥65岁的老年人群哮喘就诊人次影响最大, 对男性人群的影响较女性人群明显.