武汉市大气污染物水平与儿童呼吸道疾病门诊量的滞后效应分析

[目的]评估武汉市大气污染物PM_(2.5)、PM_(10)、NO_2、O_3、CO和SO_2日均质量浓度(以下简称"浓度")对儿童呼吸道疾病就诊量的影响。[方法]收集2015—2016武汉市大气污染物资料、气象资料和湖北省妇幼保健院儿童呼吸系统疾病病例资料。用Spearman相关分析6种大气污染物与平均温度和相对湿度的相关性。采用广义相加模型(GAM)控制星期几效应、气象因素、假期效应等因素,分析大气污染物与儿童上、下呼吸道疾病门诊量和呼吸系统疾病总门诊量的关系及滞后效应(lag1~lag5)和累积效应(lag0:1~lag0:5),选取最大效应值作为大气污染物对就诊量影响的暴露风险估计值。[结果]在累积滞后效应中,大气污染物浓度每上升一个四分位数间距,呼吸系统疾病总门诊量上升的超额危险度(ER)及其95%可信区间(95%CI)分别为:PM_(2.5)(lag0:4)1.78%(0.12%~3.46%)、PM_(10)(lag0:5)3.48%(0.49%~6.56%)、NO_2(lag0:5)6.59%(3.75%~9.52%)、CO(lag0:5)3.27%(0.02%~6.63%)、SO_2(lag0:5)3.66%(0.62%~6.80%)、O_3(lag0:4)2.65%(0.03%~5.29%),都是在累积滞后4~5 d时总门诊量ER达到最高。在滞后效应中,下呼吸道疾病门诊量在PM_(2.5)、PM_(10)、NO_2、CO和SO_2滞后5 d时ER达到最高;上呼吸道疾病门诊量在PM_(2.5)、PM_(10)和SO_2当日,NO_2和CO滞后4 d时ER达到最高;下呼吸道疾病就诊量与O_3无明显关联(P0.05)。[结论]武汉市6种大气污染物浓度升高对儿童呼吸系统疾病门诊量的增加有明显影响,且对下呼吸道疾病存在较为明显的滞后效应。     

合肥市大气污染与肺炎门诊量的时间序列研究

目的探讨大气污染物SO_2、NO_2和PM_(2.5)浓度与合肥市滨湖医院肺炎日门诊量之间的关系。方法采用时间序列分析的广义相加Poisson回归模型,在控制长期趋势、星期几效应和气象因素等混杂因素的影响后,定量分析2014年安徽省合肥市大气污染物SO_2、NO_2、PM_(2.5)日均浓度与滨湖医院肺炎日门诊量的关系及滞后效应。结果单污染物模型中,在控制了长期趋势、星期几效应和气象因素的影响后,SO_2在滞后3、4、5 d(lag3、lag4、lag5)时对肺炎日门诊量的影响有统计学意义(P0.05),NO_2滞后2、3、4、5 d(lag2、lag3、lag4、lag5)时的影响有统计学意义(P0.01),PM_(2.5)滞后3、4 d(lag3、lag4)时的影响有统计学意义(P0.05);SO_2、NO_2、PM_(2.5)的滞后效应分别在lag3、lag2、lag4时最明显,当SO_2、NO_2、PM_(2.5)浓度每升高10μg/m~3时,肺炎日门诊量分别增加1.54%(95%CI:0.28%~2.81%),1.98%(95%CI:0.89%~3.08%)和0.28%(95%CI:0.06%~0.50%)。多污染物模型中,当模型中引入两种或两种以上的污染物后,各污染物对肺炎日门诊量的效应估计值均较单污染物模型降低,但并不改变各污染物与肺炎日门诊量之间的正向关联。结论合肥市大气污染物SO_2、NO_2、PM_(2.5)浓度升高可能引起医院肺炎日门诊量增加,且有一定的滞后效应。     

华北某城市大气颗粒物浓度对神经系统疾病急救人次的急性影响

目的探讨华北某重污染城市大气PM_(2.5)与PM_(10)浓度与该市居民神经系统疾病急救人次的关系。方法收集该城市2013年1月1日至2015年12月31日的PM_(2.5)与PM_(10)日均浓度、气温和相对湿度,以及每日神经系统疾病急救人数,采用广义相加时间序列模型,控制长期趋势、气象因素、"星期几效应"和节假日效应等混杂因素后,分析大气PM_(2.5)、PM_(10)浓度与每日神经系统疾病急救人次的关系。结果大气中PM_(2.5)(lag 03)与PM_(10)(lag 04)浓度每升高10μg/m~3,该市居民因神经系统疾病急救的人次分别增加0.75%(95%CI 0.34%~1.17%)和0.35%(95%CI 0.05%~0.66%)。结论大气颗粒物污染尤其是PM_(2.5)浓度的升高可能增加了居民神经系统疾病的风险。     

2013年济南市大气PM2.5污染及雾霾事件对儿童门诊量影响的时间序列分析

目的评估济南市大气PM2.5日均浓度及雾霾事件对儿童内科疾病及呼吸系统疾病就诊量的影响。方法 2013年济南市逐日气象资料、空气污染物资料和门诊量数据分别来源于中国气象科学数据共享服务网、济南市环保局和某儿童专科医院。采用基于Poisson回归的广义线性模型(GLM)控制时间趋势、温度和相对湿度、星期几效应、流感和法定节假日等因素进行PM2.5与门诊量的单污染物模型分析、滞后效应(lag1~lag5)和累积滞后效应(lag01~lag05)分析及2013年1月雾霾事件影响分析。采用滞后天数最大效应值作为PM2.5对门诊量影响的暴露风险估计值。结果济南市2013年大气PM2.5日均浓度年均值为110μg/m3,1月雾霾期间PM2.5日均浓度为222μg/m3。该医院内科疾病门诊总量和呼吸系统疾病就诊量日均值分别为437和296人次/d。GLM结果提示内科疾病和呼吸系统疾病就诊量均与PM2.5浓度升高显著相关,均在滞后1 d时达到最高,PM2.5浓度每升高10μg/m3内科疾病门诊总量和呼吸系统疾病就诊量分别增加0.45%(95%CI:0.34%~0.55%)和0.54%(95%CI:0.42%~0.66%);内科疾病门诊总量和呼吸系统疾病就诊量累积滞后4 d时累积增加最高。2013年1月雾霾事件期间内科疾病门诊总量和呼吸系统疾病就诊量分别增加29.24%(95%CI:23.41%~35.34%)和26.95%(95%CI:20.44%~33.82%)。结论 2013年济南市大气PM2.5污染与儿童门诊就诊风险增加显著相关,雾霾事件期间儿童其风险增加更为显著。     

2019—2021年浙江省嘉兴市大气颗粒物与呼吸系统疾病门诊量关系的时间序列分析

【目的】探讨浙江省嘉兴市大气颗粒物(PM)与呼吸系统疾病门诊量的关系。【方法】收集嘉兴市2019—2021年逐日大气污染物、气象和呼吸系统疾病门诊量资料。采用广义相加模型(GAM),控制长期趋势、星期几效应、节假日效应和气象因素等混杂因素,分析PM含量与呼吸系统疾病门诊量的关系及滞后效应。【结果】PM_2.5、PM₁₀、臭氧(O₃)和二氧化氮(NO₂)存在日均浓度超标情况,超标天数占比分别为3.4%、1.3%、11.0%和0.8%。PM_2.5每增加10μg·m^-3,呼吸系统疾病门诊总量、成人和儿童呼吸系统疾病门诊量效应值均在lag07时达到最大,超额风险ER(95%CI)分别为2.29%(1.35%～3.24%)、2.31%(1.39%～3.23%)和2.65%(1.36%～3.96%);PM₁₀每升高10μg·m^-3,呼吸系统疾病门诊总量、成人和儿童门诊量效应值分别在lag07、lag06、lag07时达到最大,...     

合肥市大气PM2.5污染与居民呼吸系统疾病住院量的关系

目的 探讨合肥市大气PM2.5暴露对居民呼吸系统疾病住院量的影响。方法 收集合肥市2019年逐日大气污染物监测资料、气象资料及呼吸系统疾病住院资料。采用基于Poisson分布的GAM模型,评估PM2.5暴露对居民呼吸系统疾病住院量的影响。计算PM2.5浓度每升高10 μg/m3,居民呼吸系统疾病住院量增加的超额风险(ER)及95%可信区间（95%CI）。结果 合肥市大气PM2.5污染对居民呼吸系统疾病住院量存在显著影响。PM2.5每升高10 μg/m3,单日滞后效应和累积滞后效应分别在lag5和lag07时达到最大,居民呼吸系统疾病总住院量分别增加0.95% (95%CI:0.21% ~ 1.70%)和3.48% (95%CI:1.65% ~ 5.33%)。PM2.5对14岁及以下儿童的影响较其他年龄人群明显,对女性的影响也大于男性。结论 合肥市大气PM2.5浓度升高可能会增加居民呼吸系统疾病住院量,14岁及以下儿童及女性更敏感。     

广州市大气PM_(2.5)与居民呼吸系统疾病死亡关系的时间序列分析

目的 探讨2019年广州市区PM_(2.5)浓度对居民呼吸系统疾病死亡人数的影响,为开展健康教育、疾病干预及公共卫生工作提供参考。方法 收集2019年广州市居民死于呼吸系统疾病数据,结合同期大气污染监测数据和气象资料,采用广义相加模型分析PM_(2.5)污染对居民呼吸系统疾病日死亡人数的影响。结果 2019年广州市PM_(2.5)年均浓度为(34.94±18.22)μg/m^(3),超过《GB 3095—2012 环境空气质量标准》浓度限值的一级标准(15 μg/m^(3))。模型分析结果显示,不同滞后时间 PM_(2.5)浓度对居民呼吸系统疾病死亡的影响均有统计学意义。在单日滞后效应中,以滞后第 6 d(lag6)的 PM_(2.5)浓度影响最大,PM_(2.5)浓度每增加 10 μg/m^(3),呼吸系统疾病死亡风险增加 1.432%(95%CI:1.187%~2.942%)。在移动平均滞后效应中,过去7 d(lag06)的效应最大,PM_(2.5)浓度每增加10 μg/m^(3),呼吸系统疾病死亡风险增加为1.513%(95%CI:1.346%~1.659%)。结论 PM_(2.5)会增加居民呼吸系统疾病死亡风险且具有滞后效应。     

三明市大气颗粒物浓度与缺血性心脏病死亡的时间序列分析

目的探索大气颗粒物对三明市居民缺血性心脏病死亡的影响,评估健康效应。方法收集2017年1月1日至2018年12月31日三明市居民缺血性心脏病死亡资料和同期大气污染数据PM_(10),采用时间序列的广义相加模型,定量评价大气颗粒物污染与缺血性心脏病死亡的关系。结果 2017年1月1日至2018年12月31日期间,PM_(10)和PM_(2.5)日均浓度分别为(36.84±20.78)和(19.66±14.32)μg/m~3,缺血性心脏病总死亡人数3 020人,日均死亡5.28人。单污染模型分析显示,PM_(10)和PM_(2.5)浓度每升高10μg/m~3,缺血性心脏病死亡增加2.93%(95%CI=0.81～5.11)和4.01%(95%CI=1.05～7.05),PM_(10)在3日平均滞后(lag02)效应达到最高(ER=4.73,95%CI=2.04～7.49),PM_(2.5)在2日平均滞后(lag01)效应达到最高(ER=6.10,95%CI=2.61～9.70);双污染模型分析显示,模型纳入PM_(2.5)后,PM_(10)与IHD的关联无统计学意义;控制PM_(10)后,PM_(2.5)与IHD的关联无统计学意义。结论大气颗粒物对缺血性心脏病的影响存在滞后性,缺血性心脏病死亡人数随着大气颗粒物浓度的增加而呈上升趋势。     

2015-2018年张家港市大气PM2.5对儿科门诊量影响的时间序列分析

目的探讨张家港市大气PM_(2.5)污染对儿科日门诊量的影响。方法收集张家港市2015—2018年逐日气象资料、环保大气监测资料和某三级医院儿科门诊数据。采用基于Poisson回归的广义线性模型(GLM)控制时间趋势、温度和相对湿度、星期几效应、法定节假等因素后,进行PM_(2.5)与儿科门诊量的单污染物模型、滞后效应(lag1～lag6)和累积滞后效应(lag0-1～lag0-6)分析,采用滞后天数最大效应值作为PM_(2.5)对儿科门诊影响的暴露风险评估值。结果 2015—2018年,张家港市某三级医院的儿科门诊量共438 137人次,日均300人次,PM_(2.5)年均值是48.0μg/m~3(范围:38～59μg/m~3);PM_(2.5)污染对当天和滞后1～6 d的儿科总门诊量、当天和滞后1～5 d的呼吸系统疾病门诊量影响均有统计学意义,且分别在滞后第3天和第2天最强,PM_(2.5)浓度每升高10μg/m~3,门诊量分别增加0.51%(95%CI:0.20%～0.83%)和0.83%(95%CI:0.42%～1.23%);PM_(2.5)对累积滞后1～6 d的儿科总门诊量和呼吸系统疾病门诊量影响均有统计学意义(P 0.05)。结论张家港市大气PM_(2.5)浓度升高会导致儿科总门诊量和呼吸系统疾病门诊总量增加,应采取积极措施对儿童等重点人群开展有效防护。     

广州市越秀区大气NO2污染与儿童呼吸系统疾病门诊量的时间序列分析

目的探讨广州市越秀区大气NO_(2)对儿童呼吸系统疾病门诊量的影响。方法收集2014—2016年大气污染物NO_(2)数据、气象资料和越秀区某儿童医院呼吸系统疾病门诊量资料。采用Spearman秩相关分析和广义相加模型时间序列分析研究大气NO_(2)浓度与同期儿童呼吸系统疾病门诊量的关系和滞后效应。结果2014—2016年越秀区大气NO_(2)浓度年均值分别为61.30、60.46和60.81μg/m^(3),超标天数分别为70、64和62 d。时间序列分析结果表明,大气NO_(2)浓度对呼吸系统疾病门诊量第(0~7)d有明显影响,当天(lag0 d)的影响最大,超额危险度ER(95%CI)为1.45%(0.93%~1.98%);累积滞后(0~6)d(lag06 d)时累积效应最强,超额危险度ER(95%CI)为3.07%(2.04%~4.10%)。结论2014—2016年广州市越秀区NO_(2)浓度增加会导致呼吸系统疾病门诊量增加。     

银川市大气颗粒物对人群循环系统疾病死亡影响的时间序列分析

目的探讨银川市大气颗粒物污染水平及其对居民循环系统疾病死亡的暴露-反应关系。方法通过收集银川市2013—2015年空气质量监测数据、气象监测数据和居民死亡监测资料,采用广义相加模型,分析银川市大气颗粒物物对与居民循环系统疾病死亡的暴露-反应关系。结果大气PM_(10)和PM_(2.5)年均浓度均超过GB 3095—2012《环境空气质量标准》二级标准。大气PM_(10)和PM_(2.5)浓度每升高10μg/m~3对人群循环系统疾病死亡的超额危险度分别为0.56%(95%CI:0.15%~0.97%),1.33%(95%CI:0.46%~2.21%);大气PM_(10)和PM_(2.5)浓度对小于65岁组的循环系统疾病死亡的影响无统计学意义(P0.05),对65岁以上年龄组人群循环系统疾病死亡的超额危险度分别在滞后7、5 d时达到最大效应,分别为1.24%(95%CI:0.21%~2.28%)和0.57%(95%CI:0.08%~1.06%);大气PM_(10)、PM_(2.5)浓度对女性循环系统疾病死亡的超额危险度高于男性。结论研究期间银川市大气颗粒物浓度较高,且对人群循环系统疾病死亡存在一定的暴露-反应关系。     

2014-2021年北京市通州区大气污染物PM_(2.5)对人群每日死亡人数的影响

目的 分析北京市通州区大气污染物PM_(2.5)对人群每日死亡人数的影响,为开展防控工作提供依据。方法收集2014年1月1日-2021年12月31日北京市通州区大气污染物包括细颗粒物(PM_(2.5))、可吸入颗粒物(PM_(10))、二氧化硫(SO_(2))、二氧化氮(NO_(2))、一氧化碳(CO_(2))和臭氧(O_(3-8h))的数据。气象数据指标包括每日平均温度、相对湿度和气压。应用时间序列的广义相加模型(GAM),即单污染物模型及多污染物模型定量分析大气PM_(2.5)对人群每日死亡例数的影响。采用人群超额死亡危险度(ER)及其95%可信区间(95%CI)分析大气PM_(2.5)浓度每升高10μg/m^(3),人群每日死亡人数增加的百分比。结果2014年1月1日-2021年12月31日北京市通州区大气污染物PM_(2.5)平均浓度值为40μg/m^(3),2021年PM_(2.5)浓度值较2014年下降66%。同期北京市通州区居民平均每日死亡人数14例。GAM单污染物模型显示,PM_(2.5)对全人群每日死亡人数单日滞后7d的死亡影响效应最大,ER值为0.31%(95%CI:-0.14%~0.77%),其中男性ER值为0.14%(95%CI:-0.36%~0.63%),女性ER值为0.53%(95%CI:0.03%~1.02%);年龄<65岁组人群ER值为0.43%(95%CI:-0.14%~1.00%),年龄≥65岁组人群ER值为0.28%(95%CI:-0.20%~0.76%)。多污染物模型显示,PM_(2.5)对全人群每日死亡人数单日滞后1d的死亡影响效应最大,ER值为0.39%(95%CI:-0.16%~0.94%),其中男性滞后1dER值为0.34%(95%CI:-0.25%~0.94%),女性滞后7dER值为0.49%(95%CI:-0.00%~0.99%);年龄<65岁组人群滞后2dER值为0.58%(95%CI:0.00%~1.16%),年龄≥65岁组人群滞后1 dER值为0.45%(95%CI:-0.12%~1.03%)。结论2014-2021年北京市通州区大气污染物PM_(2.5)浓度与人群每日死亡人数有相关性,其中女性和<65岁人群死亡风险较高,并存在一定的滞后性。     

北京市顺义区大气污染物对呼吸系统疾病门诊量的影响

目的探讨北京市顺义区大气污染物对医院呼吸系统疾病门诊量的短期影响。方法收集2014年1月1日-2015年12月31日北京市顺义区二级及以上医疗机构呼吸系统疾病每日门诊资料和同期北京市顺义区大气及气象监测资料,采用基于时间序列的半参数广义相加模型,在控制长期趋势、星期效应、假期效应、流感流行及气象因素等混杂因素的基础上,分析大气污染物浓度与呼吸系统疾病日门诊量的关系及滞后效应。结果研究期间,北京市顺义区二级及以上医疗机构呼吸系统疾病日门诊量平均为1653人次,范围420~5034人次。单污染物模型中,PM_(2.5)、PM_(10-2.5)、二氧化硫(SO_2)和二氧化氮(NO_2)均是滞后0~2d(avg02)的移动平均值对呼吸系统疾病门诊人数影响最为显著,臭氧(O_3)是在滞后3d(lag3)的浓度值对呼吸系统疾病门诊人数影响最为显著。PM_(2.5)、PM_(10-2.5)、SO_2、NO_2和O_3浓度每增加10μg/m~3对应的呼吸系统疾病门诊人数增加百分比分别为0.25%(95%CI:0.22~0.28)、0.52%(95%CI:0.44~0.60)、0.73%(95%CI:0.58~0.88)、1.23%(95%CI:1.12~1.33)和0.20%(95%CI:0.16~0.24)。在双污染物模型中,引入NO_2后,PM_(2.5)、PM_(10-2.5)和SO_2对呼吸系统疾病门诊人数影响较单污染物模型明显减小。结论北京市顺义区大气污染物PM_(2.5)、SO_2、NO_2和O_3浓度对医院呼吸系统疾病日门诊量有影响,且存在滞后效应。     

2014-2018年南昌市大气PM2.5对儿童呼吸系统疾病门诊量的影响

目的分析大气PM_(2.5)对南昌市儿童呼吸系统疾病日门诊量的影响。方法收集2014—2018年南昌市大气污染物、气象、儿童呼吸系统门诊量资料。采用基于Poisson回归的广义线性模型,控制长期和季节变化趋势、气象因素、星期几效应等因素,分析大气PM_(2.5)对儿童呼吸系统门诊量的影响。结果 2014—2018年南昌市PM_(2.5)逐年平均浓度为51、42、43、42、30μg/m~3。空气质量为良、轻度污染、中度污染、重度污染天气的儿童呼吸系统疾病日门诊量均高于空气质量为优的天气,且差异均具有统计学意义(P0.05),门诊量增幅分别为8.94%、14.95%、18.30%、11.78%。单污染物模型显示,PM_(2.5)在当日效应最强,浓度每升高10μg/m~3,儿童呼吸系统疾病门诊量增加0.19%(95%CI:0.12%～0.26%);累积滞后0～7 d的儿童呼吸系统疾病门诊量增加0.25%(95%CI:0.14%～0.36%)。多污染物模型显示,在引入O_(3-8h)后,PM_(2.5)浓度每增加10μg/m~3,当日儿童呼吸系统疾病门诊量增加0.15%(95%CI:0.09%～0.22%)。结论 2014—2018年南昌市大气PM_(2.5)浓度升高会引起使儿童呼吸系统疾病门诊量增加。     

苏州市大气颗粒物与居民呼吸系统疾病死亡的时间序列分析

目的探讨苏州市大气颗粒物的急性暴露与居民每日呼吸系统疾病死亡的关系。方法采用时间序列的广义相加模型,在控制时间趋势和气象因素等混杂因素的基础上,建立单污染物和双污染物模型,分析2010—2013年苏州市大气PM10、PM2.5浓度对居民每日呼吸系统疾病死亡人数的影响。结果单污染物模型中,苏州市大气PM10(lag0~1)、PM2.5(lag4)浓度每升高10μg/m3,居民呼吸系统疾病日死亡数分别增加0.408%(95%CI:0.083%~0.732%)和0.509%(95%CI:0.098%~0.921%)。双污染物模型中,调整大气PM2.5的影响后,PM10(lag0~1)对呼吸系统疾病死亡的超额危险度略有增加(ER=0.466%,95%CI:0.062%~0.871%);分别调整PM10和NO2的影响后,PM2.5(lag4)对呼吸系统疾病死亡的超额危险度分别为0.525%(95%CI:0.020%~1.029%)和0.782%(95%CI:0.320%~1.243%),差异均有统计学意义(P0.05)。结论苏州市大气PM10和PM2.5浓度升高可能导致居民每日呼吸系统疾病死亡人数增加。     

大气颗粒物对慢性阻塞性肺疾病急性发作和哮喘日入院的影响

目的研究大气颗粒物对慢性阻塞性肺疾病(chronic obstructive pulmonary disease,COPD)急性发作与支气管哮喘日入院的影响。方法应用广义相加模型,研究2014年大气颗粒物对患者日入院人数的影响并分析滞后效应及累计效应。结果在控制温度、相对湿度的影响后,PM_(2.5)、PM_(2.5-10)与COPD急性发作及哮喘患者日入院人数之间均存在正向关联。大气颗粒物浓度对滞后2 d的COPD急性发作日入院人数的影响最大,PM_(2.5)及PM_(2.5-10)每升高10μg/m~3,其每日入院人数分别增加0.9%(95%CI:0.3%～1.5%)、0.5%(95%CI:0.1%～0.9%);累积2d后影响最大,相对危险度变化不明显。PM_(2.5)的浓度对哮喘当天入院人数有影响,PM_(2.5)每升高10μg/m3,入院人数增加0.58%(95%CI:0.02%～1.16%);PM_(2.5-10)在滞后1 d时影响最大,其浓度每升高10μg/m~3,入院风险增大0.62%(95%CI:0.01%～1.23%);PM_(2.5)及PM_(2.5-10)对哮喘日入院人数的影响在累积1 d时最大,PM_(2.5)及PM_(2.5-10)每升高10μg/m~3,其每日入院风险分别增大0.8%(95%CI:0.2%～1.5%)和0.6%(95%CI:0.1%～1.2%)。在分别调整其他污染物的影响后,PM_(2.5)及PM_(2.5-10)对两种疾病的日入院人数均仍有影响,且差异有统计学意义(P0.05)。结论大气颗粒物浓度的上升可促进COPD的急性发作和哮喘入院人数的增加,并有一定的滞后作用,且滞后期存在差异。     

石家庄市大气PM2.5对儿童下呼吸道疾病门诊量的影响

目的了解河北省石家庄市区空气污染现状,探讨PM_(2.5)对儿童急性下呼吸道感染、慢性下呼吸道疾病急性发作门诊就诊量的影响。方法收集2014—2016年河北省儿童医院儿童急性下呼吸道感染和慢性下呼吸道疾病急性发作急性发作日门诊量,并获取同期PM_(2.5)与气象资料,采用时间序列广义相加模型(GAM)控制时间、季节、星期几、节假日等效应及温度、相对湿度等混杂因素分析PM_(2.5)与门诊量的暴露-反应关系,并分析滞后(lag1-lag7)效应以及累积滞后(lag0-1～lag0-7)效应。结果 2014—2016年石家庄市PM_(2.5)超标天数最多,PM_(2.5)、PM_(10)、NO_2、SO_2、CO超标情况不一致,5种污染物浓度的年度变化趋势基本一致,均为冬季较高。PM_(2.5)对儿童急性下呼吸道感染、慢性下呼吸道疾病急性发作最强影响效应均出现于滞后2 d,暴露-反应关系为非线性相关。PM_(2.5)浓度每升高10μg/m~3,急性下呼吸道感染患者每日就诊人次上升0.988%(95%CI:0.046%～1.939%),慢性下呼吸道疾病急性发作急性发作患者就诊人次上升0.407%(95%CI:0.212%～0.603%)。结论石家庄市大气PM_(2.5)对儿童急性下呼吸道感染具有急性效应,还能引起慢性下呼吸道疾病急性发作。     

2017-2019年江苏省淮安市大气PM2.5与儿科呼吸系统疾病门诊量相关性

目的 分析淮安市大气PM_2.5对儿童呼吸系统疾病门诊量的影响，为开展空气污染的健康风险管理，制定儿童健康干预措施提供科学依据。方法收集2017-2019年淮安市大气污染物浓度及气象数据，妇幼保健院呼吸系统疾病门诊量数据、采用基于Poisson分布的广义相加模型(GAM)，分析大气PM_2.5日均浓度与儿科呼吸系统疾病门诊量的关系及其滞后效应。结果2017-2019年淮安市大气PM_2.5日平均浓度为47.49μg/m³，超标率为16.53%。单污染物模型分析显示PM_2.5与儿童呼吸系统疾病门诊量呈正相关。单日滞后效应分析结果表明PM_2.5污染在lag0d～lag4d出现危害效应，且对门诊量的影响差异具有统计学意义(P<0.05)，且在当天达到最大值，健康风险增加0.94%(95%CI:0.86%～1.03%)。累积滞后效应分析结果发现，PM_2.5污染在1～5 d(lag01～lag05)的差异具有统计学意义(P<0.05)，且...     

唐山市空气污染物对某医院呼吸系统疾病门诊量的影响

目的探讨唐山市空气污染对人群呼吸系统疾病门诊量的影响。方法采用广义相加泊松模型的时间序列研究方法,在控制门诊量的长期趋势、星期几效应、气象因素等混杂因素的影响的基础上,分析唐山市2014年1月1日—2016年12月31日大气污染物质量浓度与呼吸系统疾病日门诊量的关系。结果大气PM_(2.5)、PM_(10)及SO_2与呼吸系统疾病门诊量呈正相关,且与一定的滞后效应,并且质量浓度每升高10μg/m~3,呼吸系统疾病日门诊量分别上升0.37%(RR=1.003 7,95%CI:1.001 6～1.005 8)、0.26%(RR=1.002 6,95%CI:1.001 1～1.004 1)、0.70%(RR=1.007 0,95%CI:1.003 5～1.010 5),多污染物模型中,PM_(2.5)、PM_(10)及SO_2每升高10μg/m~3,呼吸系统疾病日门诊量分别上升0.07%(RR=1.000 7,95%CI:0.994 0～1.007 5)、0.08%(RR=1.000 8,95%CI:0.996 0～1.005 6)、0.49%(RR=1.004 9,95%CI:1.000 3～1.009 6)。结论唐山市的大气污染物与居民呼吸系统疾病日门诊量之间存在正相关。     

昌平区PM_(2.5)和气温对日门诊量的交互影响

目的分析PM_(2.5)和日平均气温对医院日门诊量的交互影响。方法收集北京市昌平区某医院2014—2017年门诊资料,以及同期昌平区的PM_(2.5)、SO_2、NO_2浓度资料和气象资料,建立分布滞后非线性模型,采用反应平面图法和温度分层法定性和定量评估PM_(2.5)和气温对医院日门诊量的交互影响。结果日门诊量受日均气温和PM_(2.5)的双重影响,并且在低温时,日门诊量随着PM_(2.5)浓度升高而增加。按照第10、90百分位数(P10、P90)将日平均气温分为低温、适宜温度和高温,低温条件下,累积滞后7天时,PM_(2.5)浓度每升高10μg/m~3,日门诊总量、内科日门诊量、内科呼吸系统疾病日门诊量和内科循环系统疾病日门诊量的累积超额危险度(CER)分别为0.147%(95%CI:0.085%～0.209%)、0.161%(95%CI:0.096%～0.226%)、0.100%(95%CI:0.037%～0.163%)和0.179%(95%CI:0.091%～0.267%);与适宜温度比较,低温与PM_(2.5)的交互作用有统计学意义(P0.05),而高温与PM_(2.5)对日门诊量的交互作用无统计学意义(P0.05)。结论低温能增强PM_(2.5)对日门诊量的影响,低温条件下应加强空气污染防护。