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。     

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。     

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。     

北京市大气PM_(10)浓度对人群脑血管病死亡的时空分析研究

目的探讨北京市2008年1月1日—2009年12月31日大气PM_(10)浓度的时空分布特征及其对人群脑血管病死亡的暴露-反应关系。方法采用克里格插值模型对研究期间北京市大气PM_(10)日均浓度进行估计,采用时间序列的广义相加混合效应模型分析北京市大气PM_(10)浓度对居民脑血管病死亡的暴露-反应关系。结果北京市2008—2009年大气PM_(10)日均浓度为118.6μg/m3,高于GB 3095—1996《环境空气质量标准》二级标准。研究期间北京市大气PM_(10)浓度呈自北向南逐渐升高的空间分布规律。北京市大气PM_(10)浓度每升高10μg/m3对脑血管病死亡的超额危险度为0.47%(95%CI:0.27%~0.66%)。引入多污染模型后大气PM_(10)浓度对脑血管病死亡的超额危险度略有减小,但仍有统计学意义(P0.05)。结论采用克里格插值模型能够较为精确地估计北京大气PM_(10)浓度的空间分布状况;北京市大气PM_(10)浓度升高会增加人群脑血管病死亡的风险。     

PM10与表观温度交互作用对北京市某医院呼吸系统疾病急诊的影响

目的探讨PM10与表观温度交互作用对北京市某医院呼吸系统疾病急诊的影响。方法收集北京市某三甲医院急诊科2005年1月至2009年6月每日呼吸系统急诊病例资料、同期北京市环境监测中心大气污染物数据和中国科学数据共享服务网的气象数据。采用广义相加模型,通过惩罚样条函数控制长期趋势、星期几效应及其他可能的混杂因素,对数据进行分析。结果 PM10与平均表观温度和最低表观温度的交互作用在低温时有统计学意义(P0.05),与日表观温度差值的交互作用在温差较大时有统计学意义(P0.05)。在表观温度为低温、中温、高温3个水平时,PM10对于呼吸系统急诊的超额危险度分别为5.90%(95%CI:2.15%~9.78%),0.01%(95%CI:-0.65%~0.63%),-0.22%(95%CI:-0.63%~0.17%);在最低表观温度为低温、高温水平时,PM10对于呼吸系统急诊的超额危险度分别为1.42%(95%CI:0.37%~2.53%),-0.17%(95%CI:-0.56%~0.20%);在日表观温度差值的高、中、低3个水平时,PM10对于呼吸系统急诊的超额危险度分别为0.05%(95%CI:-0.65%~0.75%),0.01%(95%CI:-0.37%~0.40%),1.75%(95%CI:0.50%~3.02%)。结论在低温和温差比较大的情况下,PM10对呼吸系统疾病的风险较大,应该加强对呼吸系统疾病患者的防护。     

珠海市大气污染物与居民每日死亡相关性的时间序列分析

目的研究珠海市大气污染物的分布特征及其与居民每日死亡数间的相关性。方法收集珠海市2013—2015年大气污染物浓度及同期的气象资料和每日死亡人数,分析大气污染物的分布特征及其与气象因子的相关性,采用时间序列半参数广义相加模型(GAM)研究大气污染物与居民每日死亡数之间的关系。结果珠海市3年内大气PM_(2.5)、PM_(10)、CO、SO_2和NO_2浓度均呈下降趋势,O_3浓度基本保持不变;除O_3外,污染物浓度高峰期基本为12—2月,低峰期为6月。除O_3与平均气温无相关关系外(P0.05),其他污染物与平均气温、相对湿度均呈负相关(P0.01)。NO_2、PM_(10)、PM_(2.5)和SO_2对人群每日总死亡数有明显影响,其中PM_(10)和PM_(2.5)在滞后3 d时效应最大,浓度每升高10μg/m~3,死亡总数分别增加0.89%(95%CI:0.19%~1.60%)和1.60%(95%CI:0.61%~2.60%),同时可引起循环系统疾病死亡分别增加1.38%(95%CI:0.29%~2.49%)和2.27%(95%CI:0.75%~3.81%)。结论珠海市大气污染与居民每日死亡数有一定关联,应引起重视。     

气温和大气颗粒物对哈尔滨市人群死亡影响的交互作用

目的定量评估哈尔滨市日平均气温和可吸入颗粒物(PM_(10))、细颗粒物(PM_(2.5))对人群死亡影响的交互作用。方法收集2014—2016年哈尔滨市每日死亡资料,大气颗粒物中PM_(10)、PM_(2.5)等污染物浓度资料及气象资料,采用双变量反应平面模型以及温度分层法和分布滞后非线性模型(DLNM)定性和定量评估大气颗粒物中PM_(10)、PM_(2.5)和日平均气温对哈尔滨市人群死亡影响的交互作用。结果双变量反应平面模型结果显示,日平均气温和大气颗粒物中PM_(10)、PM_(2.5)与人群死亡之间的关系存在交互作用,差异有统计学意义(P<0.05)。温度分层分析结果发现,高温时,累积滞后天数越长,PM_(10)和PM_(2.5)对日总死亡数的影响越大,当累积滞后12 d时,PM_(10)和PM_(2.5)每升高10μg/m^(3),日总死亡的累积相对危险度(CRR)分别增加10.4%(95%CI:2.7%~18.8%)和18.2%(95%CI:1.8%~37.1%);低温和中温时,未发现PM_(10)和PM_(2.5)与总死亡之间的关联具有统计学意义。与中温层相比,高温时PM_(10)和PM_(2.5)对死亡的影响更大,且差异有统计学意义(P<0.05)。亚组分析结果显示,高温时,大气颗粒物对男性和65岁以上老年人群死亡的影响更大。结论气温和PM_(10)、PM_(2.5)对哈尔滨市人群死亡的影响具有交互作用,在高温时PM_(10)、PM_(2.5)对死亡的影响更大。     

合肥市大气颗粒物污染对成人内科门诊量影响的时间序列分析

目的探讨合肥市大气颗粒物(PM_(2.5)、PM_(10))暴露对成人内科门诊量的影响。方法收集合肥市2016—2018年逐日大气污染物监测资料、气象资料及成人内科日门诊量资料。采用广义相加模型(GAM)的时间序列分析方法,控制时间趋势、气象因素、星期几效应等混杂因素,评估颗粒物浓度对成人内科门诊量的影响,包括滞后效应(lag0~lag7 d)和累积滞后效应(lag01~lag07 d),同时分析引入其他污染物后,对大气颗粒物浓度与成人内科门诊量效应的影响。计算大气颗粒物浓度每升高10μg/m^(3),成人内科门诊量增加的超额风险(ER)及95%可信区间(95%CI)。结果合肥市大气颗粒物浓度升高与成人内科日门诊量增加存在关联。PM_(2.5)每升高10μg/m^(3),成人内科日门诊总量、呼吸系统疾病日门诊量和循环系统疾病日门诊量效应值分别在lag04、lag07和lag04 d达到最大,ER(95%CI)分别为1.04%(0.39%~1.70%)、0.74%(0.06%~1.43%)和2.61%(1.27%~3.96%);PM_(10)每升高10μg/m^(3),成人内科日门诊总量和呼吸系统疾病日门诊量效应值分别在lag0和lag07达到最大,ER(95%CI)分别为0.41%(0.06%~0.76%)和0.77%(0.29%~1.26%)。结论合肥市PM_(2.5)、PM_(10)浓度升高可能会增加成人内科门诊量,且具有一定的滞后性。     

我国大气PM_(10)污染对人群死亡率影响的meta分析

目的综合相关文献,建立我国PM_(10)与居民死亡率之间的暴露-反应关系。方法通过各数据库和文献检索平台收集2005—2015年发表的符合纳入标准的我国大气PM_(10)污染与居民每日总死亡率、呼吸系统及心脑血管疾病死亡率关系的文献,共纳入20篇共37组相关数据。采用Stata 12.0软件进行meta分析,提取PM_(10)与人群死亡的暴露-反应系数,利用随机或固定效应模型合并效应值,对结果进行敏感性分析、发表偏倚检验及校正。结果建立了我国大气PM_(10)与居民每日死亡之间的暴露-反应关系,我国大气PM_(10)每上升10μg/m3,人群每日总死亡率、呼吸系统疾病和心脑血管疾病死亡率的相对危险度(RR)及95%CI分别为1.001 4(95%CI:1.000 8~1.002 0),1.001 6(95%CI:0.999 9~1.003 3),1.002 5(95%CI:1.001 4~1.003 6)。结论大气PM_(10)浓度上升可导致我国居民总死亡率、呼吸系统疾病和心脑血管疾病死亡率增加。     

成都市PM_(2.5)水平与人群呼吸系统疾病死亡的时间序列研究

目的探讨成都市空气PM_(2.5)对人群呼吸系统疾病死亡的影响。方法收集成都市2013—2015年空气污染物日平均浓度、呼吸系统疾病每日死亡人数及气象因素,采用时间序列的广义相加模型(generalized additive models,GAM),在控制时间的长期趋势、气象因素等混杂因素的基础上,分析PM_(2.5)浓度对人群呼吸系统疾病死亡的影响。结果单污染物模型中,PM_(2.5)浓度对呼吸系统疾病死亡的效应在滞后1d(lag1)时最大,PM_(2.5)浓度每升高10μg/m~3呼吸系统疾病死亡超额危险度增加0.31%(95%CI:0.10%~0.52%)。多污染物模型中,纳入SO_2、NO_2后,PM_(2.5)浓度对呼吸系统疾病死亡影响消失;纳入O_3后,PM_(2.5)浓度升高对呼吸系统疾病死亡影响有所降低,超额危险度为0.27%(95%CI:0.02%~0.47%)。结论成都市PM_(2.5)浓度升高可能与人群呼吸系统疾病死亡增加有关。     

2014-2015年合肥市大气PM2.5污染对儿童门诊量影响的时间序列分析

目的 探讨合肥市大气PM2.5日均浓度对合肥市儿童门诊量的影响.方法 分别从合肥市气象局、合肥市环保局获得2014-2015年合肥市全年气象、环保资料,从合肥市滨湖医院、合肥市第二人民医院医院信息系统(HIS)获取同期儿童门诊资料.采用基于Poisson回归的广义相加模型(GAM)控制时间趋势、温度和相对湿度、星期几效应、法定节假日等因素进行PM2.5对儿童门诊量影响的时间序列分析,分析PM2.5浓度对当日、滞后1～7 d效应(lag0～lag7),以及移动平均浓度对滞后1～7 d的累积滞后效应(lag1～7).结果 2014-2015年合肥市PM2.5平均浓度为(73.1±43.5)μg/m3,是GB 3095-2012《环境空气质量标准》二级标准年均值(35 μg/m3)的2.1倍,2年共有267 d(占36.6％)的PM2.5日均浓度超过国家二级标准24 h均值(75 μg/m3).GAM模型发现PM2.5对合肥市滨湖医院、合肥市第二人民医院的儿科门诊均有显著影响,其中对总门诊量当日的影响最大,合肥滨湖医院、合肥市二院的ER分别为0.65％(95％CI:0.49％～0.81％)、0.92％(95％CI:0.70％～1.13％);对合肥滨湖医院儿童呼吸系统当日的门诊量影响最大[ER=0.78％(95％CI:0.58％～0.99％)],对合肥市二院儿童呼吸系统滞后2d门诊量影响最大[ER=0.90％ (95％CI:0.63％～ 1.18％)].采用PM2.5移动平均浓度分析累积滞后效应时发现,PM2.5污染物对儿童的总门诊量和呼吸系统门诊量均有累积滞后效应,两医院的总门诊和呼吸系统门诊量均在累积滞后7 d (lag0～7)时ER最高,总门诊ER分别为1.60％ (95％CI:1.32％～1.87％)、2.62％(95％CI:2.25％～3.00％),呼吸系统门诊ER分别为1.83％(95％CI:1.48％～2.19％)、3.19％(95％CI:2.7％～3.66％).未发现PM25浓度对儿童循环系统门诊量有显著影响.结论 2014-2015年空气污染对合肥地区儿童门诊量有显著影响,PM2.5浓度增加会导致儿童总门诊、儿童呼吸系统门诊的门诊量增加.     

镇江市大气颗粒物（PM10和PM2.5）对居民每日死亡率影响的时间序列分析

目的 评价镇江市大气颗粒物（PM10和PM2.5）短期暴露对居民每日死亡率的影响。方法 采用基于广义相加模型的时间序列分析方法评估大气颗粒物对镇江市居民死亡率的影响。结果 PM10和PM2.5对人群死亡影响存在滞后效应和累积滞后效应,对女性和≥65岁人群的影响更为显著。PM10和PM2.5分别在累积滞后1 d和2 d时效应最大,PM10和PM2.5每升高10 μg/m3,居民死亡率分别增加0.52%（95%CI:0.10%～0.94%）和0.79%（95%CI:0.14%～1.43%）。结论 镇江市大气颗粒物与居民的超额死亡风险显著相关。     

Association between ambient particulate matter and daily cause-specific mortality in Tanggu,Tianjin Binhai New Area,China

The aim of the study was to determine whether the area of Tanggu, Tianjin Binhai New Economic Developing Area, China, is subject to similar effects of ambient particulate matter less than 10 micrometres in aerodynamic diameter (PM10) similar to other areas of China. This study was designed to investigate cause-specific mortality risks associated with air pollution in this geographical region. The present study used a time-series analysis to explore the relationship between PM10 and the cause-specific mortalities for non-accidental, cardiovascular, and cardiopulmonary mortality from 1 January 2006 to 31 December 2010. A 10 μg/m³ increment of PM10 was associated with a 1.02% (95% confidence interval (CI): 0.48, 1.56) increase in cardiovascular mortality, and a 0.88% (95% CI: 0.36, 1.39) increase in cardiopulmonary mortality. In addition, the effects from PM10 appear to be consistent with multi-pollutant models. The results show that there are strong associations between daily cardiovascular and cardiopulmonary mortality and ambient PM10 exposure.     

我国大气可吸入颗粒物污染对人群死亡率的影响

目的 综合相关文献并以暴露-反应关系的形式探讨中国可吸入颗粒物( PM10)污染对人群死亡率的影响.方法 收集符合纳入标准的中国大气颗粒物污染与居民总死亡率、心脑血管疾病死亡率、呼吸系统疾病死亡率关系的文献,共纳入21篇文献.采用Stata9.0软件进行统计分析,提取PM10与人群死亡率的暴露-反应系数,利用固定或随机效应模型合并效应值,并对结果进行敏感性分析、发表偏倚检验与校正.结果 我国大气PM10每上升10 μg/m3,人群每日总死亡率、心脑血管疾病和呼吸系统疾病死亡率的相对危险度(RR)分别为1.0033(95％ CI:1.0022～1.0044)、1.0045(95％ CI:1.0029 ～1.0062)和1.0056(95％CI:1.0033～1.0079);校正发表偏倚后,人群每日总死亡率、心脑血管疾病和呼吸系统疾病死亡率的RR值降为1.0012(95％CI:1.0002～1.0022)、1.0011(95％ CI:0.9996～1.0026)和1.0023(95％ CI:1.0001～1.0045).结论 大气中PM10浓度的上升会导致我国人群每日总死亡率、心脑血管疾病死亡率和呼吸系统疾病死亡率的增加.     

The Public Health and Air Pollution in Asia (PAPA) Project: estimating the mortality effects of particulate matter in Bangkok, Thailand

BACKGROUND: Air pollution data in Bangkok, Thailand, indicate that levels of particulate matter with aerodynamic diameter < or = 10 microm (PM(10)) are significantly higher than in most cities in North America and Western Europe, where the health effects of PM(10) are well documented. However, the pollution mix, seasonality, and demographics are different from those in developed Western countries. It is important, therefore, to determine whether the large metropolitan area of Bangkok is subject to similar effects of PM(10). OBJECTIVES: This study was designed to investigate the mortality risk from air pollution in Bangkok, Thailand. METHODS: The study period extended from 1999 to 2003, for which the Ministry of Public Health provided the mortality data. Measures of air pollution were derived from air monitoring stations, and information on temperature and relative humidity was obtained from the weather station in central Bangkok. The statistical analysis followed the common protocol for the multicity PAPA (Public Health and Air Pollution Project in Asia) project in using a natural cubic spline model with smooths of time and weather. RESULTS: The excess risk for non-accidental mortality was 1.3% [95% confidence interval (CI), 0.8-1.7] per 10 microg/m(3) of PM(10), with higher excess risks for cardiovascular and above age 65 mortality of 1.9% (95% CI, 0.8-3.0) and 1.5% (95% CI, 0.9-2.1), respectively. In addition, the effects from PM(10) appear to be consistent in multipollutant models. CONCLUSIONS: The results suggest strong associations between several different mortality outcomes and PM(10). In many cases, the effect estimates were higher than those typically reported in Western industrialized nations.     

大气污染对变应性疾病及花粉症就诊人次的影响

目的 研究大气污染物浓度对医院变应性疾病和花粉症日就诊人次的影响.方法 收集2004年4-9月北京市8个国家监测点大气污染物[SO2、NO2、可吸入颗粒物(PM10)]浓度、4个观测点花粉日监测数据、气象资料及北京世纪坛医院变态反应科同时段变应性疾病和花粉症日就诊人次资料,应用时间序列分析的广义相加泊松回归模型进行定量分析,并考虑滞后效应和多种空气污染物的影响.结果 研究期间大气SO2、NO2、PM10日均浓度分别为(20.9±12.9)、(58.6±13.6)、(126.8 ±64.1)μg/m3,花粉日均浓度为(163.8±209.0)粒/1000 mm2,变应性疾病日就诊(16.3±5.3)人次,花粉症日就诊(3.5±5.0)人次.时间序列分析显示,花粉浓度每升高100粒/1000 mm2,第2天的变应性疾病日就诊人次增加2.44%(95%CI:0.75%～4.13%),当天的花粉症日就诊人次增加6.58%(95%CI:3.82%～9.34%).而大气污染物(NO2、SO2和PM10)对变应性疾病和花粉症日就诊人次的影响呈现明显的滞后效应:NO2每升高10 μg/m3,滞后6 d的变应性疾病日就诊人次增加3.14%(95%CI:0.42%～5.85%);S02滞后1 d、NO2滞后6 d、PM10滞后3 d对花粉症日就诊人次影响较大,但差异均无统计学意义[RR值(95%CI值)分别为1.0460(0.9640～1.1280)、1.0325(0.9633～1.1017)、1.0079(0.9942～1.0217)].将4种大气污染物同时引入模型分析时,其效应稍微增强:花粉浓度每升高100粒/1000 mm2,变应性疾病日就诊人次增加2.56%(95%CI:0.80%～4.31%),花粉症日就诊人次增加6.81%(95%CI:3.91%～9.71%).结论 影响变应性疾病和花粉症日就诊人次的环境因素主要为空气花粉浓度,大气污染物的作用不大.     

Infant mortality and air pollution: modifying effect by social class

Studies link air pollution with increased mortality; however, information on infants is scarce and inconclusive. OBJECTIVE: We studied short-term PM10 exposure, relating to increased respiratory-related infant mortality, and estimated for poor living conditions. METHODS: A case-crossover approach modeled the relationship between infant mortality (1 month-1 year of age), and ambient PM10 levels on days before death in Ciudad Juarez, Mexico (1997-2001). Socioeconomic level (SES) of the deceased was defined by residence location. RESULTS: Overall air pollutants did not affect infant mortality (odds ratio [OR] = 1.02, 95% confidence interval [CI] = 0.94-1.11 for PM10, lag1) but low SES increased risk. Each 20 microg/m3 in PM10 (24-hour average, lag1, cumulative over 2 previous days) increased respiratory-related mortality (OR = 1.61, 95% CI = 0.97-2.66; OR = 2.56; 95% CI = 1.06-6.17, respectively). Ozone levels did not affect infant mortality for any SES. CONCLUSIONS: Worse living conditions among lower SES concurred with increased mortality.     

大气PM10与心血管疾病就诊人次的时间序列分析

目的 研究大气PM10污染对居民心血管系统疾病日就诊人次的影响.方法 采用广义相加Poisson回归模型的时间序列分析,在控制长期趋势、星期几效应、气象因素等混杂因素的影响后,对2002年1月1日-2002年12月31日北京市大气PM10日均浓度与居民心血管系统疾病日就诊人次进行定量回归分析,并考虑滞后效应和其他空气污染物的影响.结果 大气PM10浓度每上升10μg/m~3,当天的心血管系统疾病日就诊人次增加O.380%(95%CI:0.326%～0.433%);滞后4 d PM10的健康效应最强,超额危险度为1.166%(95%CI:1.121%～1.212%);考虑CO、NO_2、SO_2:的影响均使PM10的健康效应估计值增高.结论 北京城区大气PM10污染与居民心血管系统疾病日就诊人次之间存在正相关.

Abstract：

Objective To estimate quantitatively the impact of the ambient PM10 on the hospital outpatients for cardiovascular diseases of local residents. Methods Time serial analysis using generalized addictive model (GAM) was applied. After controlling for those confounding factors such as long-term trend, weekly pattern and meteorological factors, considering lag effect and the influence of other air pollutants, excess relative risks (ER) of daily hospital visits associated with increasing PM10 level were estimated by fitting a Poisson regression model. Results A 10 μ.g/m~3 increase in PM10 levels was associated with an ER of 0.380% (95%CI: 0.326%～0.433%) for hospital visits for cardiovascular diseases. Lag effect of 4 days with an ER of 1.166% (95%C/:1.121%～1.212%) were observed. The ER value increased when CO, NO_2, SO_2 concentrations were introduced. Conclusion The ambient PM10 concentration is positively associated with daily hospital visits for cardiovascular diseases in Beijing.     

PM_(10)中碳质组分及其比例变化对大学生FEV_1的急性影响

目的探讨可吸入颗粒物(PM_(10))中碳质组分总碳(total carbon,TC)、元素碳(elemental carbon,EC)和有机碳(organic carbon,OC)的含量及其比例变化对健康大学生1s最大呼气量(FEV_1)的急性影响。方法采用固定群组追踪研究方法,整群选取武汉市某大学二年级一个班全体在校学生(共37名)作为研究对象,于2009年12月23日—2010年1月5日,连续14 d测定各研究对象FEV_1,同时监测颗粒物浓度和温湿度变化。构建线性混合效应模型定量评估PM_(10)中碳质组分及其比例对FEV_1的影响。结果研究期间PM_(10)中TC、EC、OC平均浓度分别是(45.42±20.67)μg/m~3、(19.71±12.07)μg/m~3、(25.66±9.50)μg/m~3,其浓度每升高10μg/m~3,FEV_1分别下降0.56%(95%CI:0.08%~1.04%)、0.82%(95%CI:0.06%~1.58%)、1.40%(95%CI:0.21%~2.59%)。TC/PM_(10)、EC/PM_(10)每升高1个四分位间距(IQR),FEV_1分别下降1.16%(95%CI:0.17%~2.15%)、0.97%(95%CI:0.18%~1.76%)。控制了PM_(10)的影响后,PM_(10)中总碳含量(TC)每升高IQR,FEV_1下降1.10%(95%CI:0.09%~2.11%)。结论室内空气可吸入颗粒物中碳质组分的浓度以及其比重的变化与健康大学生FEV_1的改变存在关联。