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。     

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。     

石家庄市PM2.5浓度对居民死亡的急性影响分析

目的 了解石家庄市PM2.5污染特征及其对居民死亡率的影响。方法 收集2013 - 2015年该市逐日大气PM2.5浓度、平均气温、平均相对湿度和居民的死亡数据,利用广义相加模型分析PM2.5日均浓度和居民死亡的关系。结果 研究期间石家庄市日均非意外死亡32人,其中循环系统疾病死亡17人,呼吸系统疾病死亡5人;PM2.5浓度范围为6.3～771.3 μg/m3,平均浓度为118.8 μg/m3。时间序列分析结果表明,该市大气PM2.5浓度每升高10 μg/m3,居民非意外总死亡（lag05）、循环系统疾病死亡（lag05）和呼吸系统疾病死亡（lag1）的风险分别增加0.73%（95%CI:0.42%～1.04%）、1.04%（95%CI:0.64%～1.46%）和0.63%（95%CI:0.07%～1.19%）。结论 石家庄市大气PM2.5浓度的升高可能导致居民非意外总死亡,尤其是循环系统疾病和呼吸系统疾病死亡的增加。     

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。     

2015年-2017年杭州市大气PM2.5对儿童医院呼吸系统疾病门诊量的影响

目的分析环境大气PM2.5污染对儿童医院呼吸系统疾病门诊量的影响。方法获取2015年-2017年杭州市某儿童医院门诊量信息,收集全市气象和环境大气污染监测资料,采用广义线性模型(GLM),分析环境大气PM2.5污染对儿童医院呼吸系统疾病门诊量的影响。结果儿童医院呼吸系统疾病日门诊量与日均气温、PM10、NO_2、SO_2、O_3、CO、PM2.5有相关性(P0.01)。在滞后第0 d、3 d、4 d、8 d～19 d,大气PM2.5污染可增加儿童医院呼吸系统疾病门诊量。超额危险度(ER)在当日及累积滞后第25 d达到最大值,环境大气PM2.5污染每升高10μg/m~3儿童医院呼吸系统疾病门诊量提高0.85%(95%CI:0.42%～1.28%)和7.40%(95%CI:5.50%～9.33%)。结论 2015年-2017年杭州市大气污染物PM2.5浓度升高可导致儿童医院呼吸系统疾病门诊量增加,这些影响存在滞后效应及累积效应。     

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。     

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10μg/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。     

西宁市城区重点污染物对儿童上呼吸道感染就诊的急性效应分析

目的掌握西宁市城区大气重点污染物(PM2.5,SO_2和NO_2)对儿童上呼吸道感染就诊量的急性影响,为政府采取有效干预措施,指导儿童健康防护提供科学依据。方法收集2016—2018年西宁市城区逐日气象资料、空气污染物数据和儿童上呼吸道感染就诊量,采用基于Quasi-Poisson回归的广义线性模型,控制时间的季节和长期趋势、气象因素、星期几效应后,分别进行PM2.5,SO_2,NO_2与逐日儿童上呼吸道感染就诊量的单污染物模型分析、滞后效应(lag0～lag5)和累计滞后效应(lag01～lag05)分析。结果 2016—2018年西宁市城区逐日PM2.5,SO_2,NO_2及儿童上呼吸道感染就诊量呈现一致的周期性、季节性特征,每年供暖季节(10月至次年4月)大气污染物质量体积浓度较高,4—9月较低;3种污染物年均值依次为(47±28)(15±9)(35±17)μg/m~3,儿童上呼吸道感染日均就诊量为72人。污染物质量体积浓度每升高10μg/m~3,PM2.5(lag1),SO_2(lag3),NO_2(lag3)可使儿童上呼吸道感染就诊数分别增加0.78%(95%CI=0.39%～1.17%),4.19%(95%CI=3.05%～5.34%),1.93%(95%CI=1.15%～2.71%),同时存在累计滞后效应。结论西宁市城区大气污染物(PM2.5,SO_2,NO_2)对儿童上呼吸道感染就诊量存在急性影响。需进一步加强大气污染防治工作。     

牡丹江市大气污染对居民呼吸疾病就诊人数影响

目的探究黑龙江省牡丹江市大气污染对不同年龄、性别居民呼吸疾病就诊人数影响以及季节性变化,为牡丹江市因大气污染致呼吸疾病的防治提供理论依据。方法选择牡丹江市各医院2015年1月—2016年12月期间于呼吸科就诊的8 943 515例门诊、急诊就诊人员,采用半参广义相加模型(GAM)分析空气中二氧化硫(SO_2)、可吸入颗粒物(PM_(2.5))、二氧化氮(NO_2)等主要大气污染物对不同年龄、性别居民呼吸疾病就诊人数影响。结果 PM_(2.5)、NO_2、SO_2作为危险因子,对全人群呼吸系统疾病的最佳滞后天数分别为lag1、lag2、lag0,且污染物每增加增加10μg/m3对应的ER(95%CI)分别为3.981%(2.746~5.216%)、6.938%(5.017%~8.859%)、9.873%(7.454%~12.292%);大气污染对女性呼吸系统的影响明显高于男性,儿童和老人更易受大气污染物的影响,其中PM2.5每升高10μg/m3,男性儿童(≤18岁)、成人(19~64岁)和老人(≥65岁)的呼吸系统就诊例数分别升高3.308%(95%CI=2.331%~4.285%)、1.667%(95%CI=0.821%~2.521%)、2.912%(95%CI=2.149%~3.675%),女性分别升高3.517%(95%CI=2.362%~4.672%)、1.839%(95%CI=0.985%~2.639%)、3.233%(95%CI=2.459%~4.007%),SO2、NO_2仅对儿童与老年人群的呼吸系统疾病有影响,对成年人无明显影响。结论牡丹江市大气污染对女性呼吸系统的影响显著高于男性,同时对≥65岁老人以及≤18岁儿童呼吸系统的影响明显高于成年人。     

济南市大气颗粒物与呼吸系统疾病住院量的时间序列研究

目的 探讨大气颗粒物与呼吸系统疾病住院量的暴露反应关系。方法 基于2015—2019年济南市呼吸系统疾病住院数据、大气污染物数据、气象数据,采用广义相加模型(generalized additive model, GAM),分析PM_2.5与PM₁₀污染对人群呼吸系统疾病住院风险与滞后效应,并探讨污染水平及年龄性别对住院风险的修饰效应。结果 PM_2.5与PM₁₀为济南市近5年首要大气污染物,当日(lag0)PM_2.5浓度每升高10μg/m³,呼吸系统住院量超额危险度(excess risk,ER)增加0.58%(95%CI:0.09%～1.07%),高于PM₁₀ER值(0.30%, 95%CI:0.02%～0.59%),且高浓度时超额累积风险高于低浓度。PM_2.5和PM₁₀浓度每上升10μg/m³,男性住院量ER分别增加0.92%(95%CI:0.28%～1.57%)和0...     

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.     

2016—2020年江西省南昌市大气污染物与儿童呼吸疾病门诊病例数的时间序列关联研究

目的 探讨江西省南昌市6种常规监测大气污染物对儿童呼吸疾病的影响。方法 选取2016－2020年江西省南昌市大气污染物、气象数据和江西省儿童医院呼吸系统日门诊量,采用时间序列Poisson分布的广义相加模型（GAM）,定量分析大气污染物与儿童呼吸系统疾病门诊病例数的相关性。 结果 研究期间大气污染物SO2、NO2、O3-8h、CO、PM2.5、PM10的日均浓度分别为11.35 μg/m3、32.80 μg/m3、 91.80 μg/m3、0.89 mg/m3、37.42 μg/m3、68.22 μg/m3。PM2.5、PM10、SO2、CO、NO2的浓度升高对儿童呼吸系统疾病日门诊量的增加存在统计学意义,均在当日（lag0）和累积滞后第7 d（lag07）效应最强,其中SO2在累积滞后（lag07）的浓度值对儿童呼吸系统疾病门诊病例数的超额危险度（ER = 9.47%,95%CI:6.78%～12.22%）最大。双污染物模型中,调整其他5种污染物后,O3-8h对儿童呼吸系统疾病门诊量的增加无统计学意义;将O3-8h引入双污染物模型后,均一定程度的增加了其他污染物的效应,SO2在O3-8h的影响下,对儿童呼吸系统疾病门诊数影响效应值最大;PM2.5、PM10、O3-8h引入双污染模型后,SO2和NO2的效应值均扩大。 结论 2016－2020年大气污染物对南昌市儿童呼吸系统疾病有统计学影响,污染物浓度的升高导致儿童呼吸系统门诊量就诊人数增加,其中SO2对门诊量影响最大。     

2013-2017年合肥市PM10与居民非意外死亡的时间序列分析

目的探讨合肥市PM10与人群非意外死亡率的关联。方法收集2013-2017年合肥市每日空气污染物数据、气象数据以及居民死亡数据采用时间序列的分布滞后非线性模型来研究PM10质量浓度对居民死亡人数影响,按照性别、年龄、教育程度进行亚组分析,并分析纳入NO2和SO2后PM10对居民死亡的影响。结果合肥市2013-2017年PM10质量浓度为95μg/m3经过DLNM模型拟合分析得出,居民非意外死亡和心血管死亡风险随着PM10质量浓度的增加而增加,当PM10质量浓度每增加10μg/m^3,人群非意外死亡和心血管疾病死亡的超额危险度(95%CI)增加0.55%(0.23%87%)和0.97%(0.26%,1.68%)PM10与呼吸系统疾病死亡之间无统计学关联;纳入SO2和NO2后PM10与人群的非意外死亡、心血管疾病死亡以及呼吸系统疾病死亡之间的关联变弱;女性、老年人群对PM10更加敏感未发现PM10与死亡人群学历高低有关。结论合肥市PM10污染较为严重,对居民死亡人数造成影响。     

Association between particulate air pollution and first hospital admission for childhood respiratory illness in Vancouver, Canada

In this study, the authors assessed the impact of particulate air pollution on first respiratory hospitalization. Study subjects were children less than 3 years of age living in Vancouver, British Columbia, who had their first hospitalization as a result of any respiratory disease (ICD-9 codes 460-519) during the period from June 1, 1995, to March 31, 1999. The authors used logistic regression to estimate the associations between ambient concentrations of particulate matter (PM) and first hospitalization. The adjusted odds ratios for first respiratory hospitalization associated with mean and maximal PM10-2.5 with a lag of 3 days were 1.12 (95% confidence interval: 0.98, 1.28) and 1.13 (1.00, 1.27). After adjustment for gaseous pollutants, the corresponding odds ratios were 1.22 (1.02, 1.48) and 1.14 (0.99, 1.32). The data indicated the possibility of harmful effects from coarse PM on first hospitalization for respiratory disease in early childhood.     

安阳市空气质量健康指数构建及分析——基于空气污染与呼吸系统疾病间暴露–反应关系

目的 基于空气污染对呼吸系统疾病影响构建安阳市空气质量健康指数(AQHI)并分析可能影响因素。方法 建立2018—2020年安阳市大气污染与医院呼吸系统疾病门诊量时间序列数据库,利用多污染物广义相加模型(GAM)所得暴露–反应关系系数计算AQHI,并与环境质量指数(AQI)对比。结果 2018—2020年安阳市大气PM2.5、NO₂当日浓度(PM2.5lag0、NO₂lag0)及SO₂滞后2日浓度(SO₂lag2)纳入多污染物模型。AQHI公式为AQHIt=(((exp (0.000 39×PM2.5lag0t+0.001 51×NO₂lag0_t+0.001 79×SO₂lag2_t)-1)×100)/49.70)×10,AQHI低风险日期比例(73.54%)低于AQI三级以下风险等级日期比例(79.01%),P<0.05,且逐年上升,非采暖季高,每年10月至次年1月份下降。AQHI每上升一个四分位间距(IQ...     

北京市大气PM2.5污染对某医院儿科门诊量影响的时间序列研究

目的 探讨北京市大气PM2.5对医院儿科门诊量的影响。方法 采用基于泊松回归的广义线性模型(GLM),控制时间的长期趋势、季节趋势、星期几效应、节假日效应、流感、气象因素等混杂因素后,分析2013-2015年北京市大气PM2.5对某医院儿科门诊量的影响。结果 单污染物模型分析显示PM2.5对儿科总门诊量、儿科呼吸系统疾病门诊量和儿科其他疾病门诊量的影响均有统计学意义,且以当天的效应最强,PM2.5浓度每升高10μg/m³,上述门诊量分别增加0.525%(95%CI:0.428%~0.622%)、0.589%(95%CI:0.473%~0.706%)、0.393%(95%CI:0.218%~0.569%)。多污染物模型分析结果显示,引入其他污染物后,PM2.5对儿科总门诊量和呼吸系统疾病门诊量的影响仍有统计学意义,PM2.5浓度每升高10μg/m³,上述门诊量分别增加0.570(0.342~0.797)、0.697(0.421~0.973);PM2.5对儿科其他疾病门诊量的影响无统计学意义。结论 北京市PM2.5浓度升高可能会引起医院儿科呼吸系统疾病门诊量的增加。     

我国PM2.5污染与儿童呼吸系统疾病门诊量关系的Meta分析

目的 探究我国PM2.5污染与儿童呼吸系统疾病门诊量的暴露反应关系。方法 通过搜集并整理国内外数据库中2010—2020年发表的我国PM2.5浓度变化与儿童呼吸系统疾病门诊量的相关文献,运用Stata 11.0软件进行meta分析。结果 共纳入21篇文献,22组数据。我国PM2.5质量浓度每升高10 μg/m3,儿童呼吸系统疾病门诊量的相对危险度RR为1.003（95%CI:1.003,1.004）,发表偏倚校正后的RR为1.002（95%CI:1.002,1.003）。结论 我国PM2.5污染与儿童呼吸系统疾病的门诊量之间呈正相关。     

Estimating effects of ambient PM(2.5) exposure on health using PM(2.5) component measurements and regression calibration

Most air pollution and health studies conducted in recent years have examined how a health outcome is related to pollution concentrations from a fixed outdoor monitor. The pollutant effect estimate in the health model used indicates how ambient pollution concentrations are associated with the health outcome, but not how actual exposure to ambient pollution is related to health. In this article, we propose a method of estimating personal exposures to ambient PM(2.5) (particulate matter less than 2.5 microm in diameter) using sulfate, a component of PM(2.5) that is derived primarily from ambient sources. We demonstrate how to use regression calibration in conjunction with these derived values to estimate the effects of personal ambient PM(2.5) exposure on a continuous health outcome, forced expiratory volume in 1 s (FEV(1)), using repeated measures data. Through simulation, we show that a confidence interval (CI) for the calibrated estimator based on large sample theory methods has an appropriate coverage rate. In an application using data from our health study involving children with moderate to severe asthma, we found that a 10 microg/m3 increase in PM(2.5) was associated with a 2.2% decrease in FEV(1) at a 1-day lag of the pollutant (95% CI: 0.0-4.3% decrease). Regressing FEV(1) directly on ambient PM(2.5) concentrations from a fixed monitor yielded a much weaker estimate of 1.0% (95% CI: 0.0-2.0% decrease). Relatively small amounts of personal monitor data were needed to calibrate the estimate based on fixed outdoor concentrations.