深圳市大气PM10与呼吸系统疾病日门诊量的时间序列分析

目的探讨大气可吸入颗粒污染物（PM10）对医院呼吸系统疾病门诊量的影响。方法2012年1月1日至12月31日疾病资料来源于深圳市2家三级甲等综合性医院逐日门诊病例资料,空气污染物资料来自深圳市环境监测站,气象资料来自气象局。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、星期几效应和气象等影响因素后,对大气PM10日均浓度与呼吸系统疾病日门诊量的关系和滞后效应进行分析。结果深圳市2012年全年日均大气PM10浓度为0．052mg／m^3,符合国家二级标准,2家医院全年呼吸系统门诊量为562174人次,平均1535．99人次／d。广义相加模型分析结果发现PM10日均浓度与呼吸系统疾病门诊量存在正相关关系。滞后6d时PM10日均浓度对呼吸系统疾病门诊量的影响最强[相对危险度（RR）为1．0047,95％CI：1．0036—1．0058]。引入CO、O3、NO2、SO2进行多污染物模型分析发现,多污染物模型的RR值相对单污染物模型有升有降（均P〈0．05）,其中以双污染物模型PM10＋SO2和三污染物模型PM10＋CO＋SO2中的PM10的RR值最高,分别为1．0059、1．0067。结论深圳市大气PM10污染与医院呼吸系统疾病日门诊量呈正相关关系,且存在滞后效应。     

广州地区空气污染对儿童呼吸系统疾病就诊人次的影响研究

目的探讨广州地区主要的大气污染物(NO2、PM10和SO2)与儿童呼吸系统疾病门诊人次的关系。方法通过广州市环境保护局和广州某医院分别获得2005年1月1日—2011年12月31日大气污染物(NO2、PM10、SO2)的日均浓度资料和儿科呼吸系统疾病日门诊人次资料,采用分布滞后线性模型分析大气NO2、PM10、SO2对儿科呼吸系统疾病门诊人次的影响。结果大气NO2、PM10和SO2浓度对儿科呼吸系统疾病门诊人次的滞后效应可持续至15 d。大气NO2、PM10、SO2浓度每升高10μg/m3对儿科呼吸系统疾病门诊人次影响的累积效应在0~30 d时均有统计学意义(P0.05),且均于15 d达到最大值(NO2:RR=1.029 2,95%CI:1.024 6~1.033 8;PM10:RR=1.020 4,95%CI:1.016 4~1.024 5;SO2:RR=1.040 8,95%CI:1.032 5~1.049 1)。结论广州大气NO2、PM10、SO2浓度的升高可能会造成15 d内儿童呼吸系统疾病门诊就诊人次的增加。     

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。     

淮安市城区大气污染与呼吸系统疾病门诊量的时间序列分析

目的 探讨淮安市城区大气污染物对日呼吸系统疾病发生的急性影响,为呼吸系统疾病的早期预防提供科学依据。方法 收集淮安地区2015全年气象,环保及城区部分医疗机构呼吸系统疾病门诊量数据,采用Poisson分布广义相加模型(GAM)分析主要大气污染物(PM2.5、PM10、SO2、NO2)与呼吸系统疾病门诊量的关系。结果 (1)Spearman等级相关分析发现PM2.5、PM10、SO2和NO2与日呼吸系统疾病门诊量发生成正相关(P<0.01);(2)单污染物模型分析显示:PM2.5、NO2对日呼吸系统疾病门诊量的影响效应均在当日达到最大值,PM10、SO2对日呼吸系统疾病门诊量的影响效应分别在滞后第4天、滞后第3天达到最大值,且日浓度每升高10 μg/m3,对呼吸系统门诊量风险增加分别为0.26%(0.076%~0.44%),2.90%(2.20%~3.60%),0.26%(0.15%~0.38%)和2.40%(1.80%~3.00%);(3)多污染物模型分析显示:SO2与NO2在引入其他污染物时对日呼吸系统疾病门诊量影响均有所下降,且均具有统计学意义。结论 淮安市城区大气污染物(PM2.5、PM10、SO2、NO2)与呼吸系统疾病门诊量密切相关,并且SO2、NO2浓度增加更易增加呼吸系统疾病的发病风险。     

广州市某区医院呼吸系统疾病门诊人数与大气污染关系的时间序列研究

目的分析大气污染急性暴露对医院每日门诊人数的影响。方法采用时间序列的半参数广义相加模型,在控制门诊人数的长期趋势、气象因素、星期几效应等混杂因素的基础上,分析广州市某区2009年1月1日—2011年12月31日大气污染与医院每日门诊人数的关系。结果大气污染物PM10-2.5、PM2.5、NO2和SO2日平均浓度每增加10μg/m3,医院呼吸系统疾病日门诊量的相对危险度分别为1.002 5(95%CI:0.998 9~1.018 2),1.003 5(95%CI:1.001 2~1.016 4),1.002 4(95%CI:1.001 6~1.005 6)和1.002 8(95%CI:0.977 8~1.007 8)。结论广州市某区PM2.5和NO2日均浓度的短期升高可能会导致医院每日门诊人数的增加。     

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。     

深圳市大气PM_(10)浓度对呼吸系统疾病日门诊量的影响

目的探讨大气PM10对医院呼吸系统疾病日门诊量的影响。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、气象和环境因素等的影响后,对深圳市2008年大气PM10日均浓度与同期某医院呼吸系统疾病日门诊量的关系进行定量回归分析,同时考虑滞后效应。结果当日大气PM10浓度与当日门诊量的关系无统计学意义(P>0.05)。PM10滞后效应以滞后5日的健康效应最强,每上升10μg/m3,超额危险度为1.113%(95%CI 0.613%～1.616%)。考虑CO、NO2、SO2等的影响后,除单独引入CO降低PM10效应估计值外,其余均使PM10的健康效应估计值有所升高。结论深圳市大气PM10污染与医院呼吸系统疾病日门诊量存在正相关。     

2015年哈尔滨市某地区空气污染物与呼吸系统疾病门诊量关系的时间序列研究

目的初步探讨哈尔滨市道里区空气主要污染物(PM_(2.5)、PM_(10)、SO_2、NO_2)对人群呼吸系统疾病门诊量水平的影响。方法采用广义线性模型,在控制长期趋势、气象因素和其他与时间长期变异有关的混杂因素条件下,分析空气主要污染物与人群呼吸系统疾病门诊量的关系。结果 2015年哈尔滨市道里区大气污染物PM_(2.5)、PM_(10)、SO_2、NO_2的全年日均质量浓度分别为62.51、95.61、36.97和55.01μg/m~3;哈尔滨市第一医院日均呼吸系统门诊量霾日高于非霾日,且具有统计学意义(P<0.05);大气污染物PM_(2.5)、SO_2水平与呼吸系统门诊量存在暴露—反应关系,滞后效应分析发现PM_(2.5)污染当天,PM_(2.5)浓度每升高10μg/m~3,人群呼吸系统疾病门诊量RR值为1.0052(95%CI:1.002 7~1.007 6),SO_2在污染滞后1 d最为显著,SO_2浓度每升高10μg/m~3,人群呼吸系统疾病门诊量RR值为1.005 1(95%CI:1.002 5~1.007 6)。结论哈尔滨市道里区空气污染物(PM_(2.5)、SO_2)对人群呼吸系统疾病门诊量水平有影响。     

杭州市大气污染物对儿童呼吸系统疾病影响研究

目的研究杭州市大气污染物浓度与儿童呼吸系统疾病门诊人次的关系。方法收集杭州市儿童呼吸系统疾病监测点医院2014年逐日呼吸系统疾病门诊人次数、大气主要污染物及相关气象因素。采用基于时间序列的Poisson广义相加模型(generalized additive model,GAM),在控制了长期趋势、"星期几效应"及气象因子等混杂因素的影响后,分析2014年杭州市大气污染物与儿童呼吸系统疾病门诊量的暴露-反应关系及滞后效应,并分别建立单污染物和多污染物模型。结果2014年,杭州市年平均NO_2、PM_(10)、PM2.5的浓度均高于二级标准浓度限值;Spearman秩相关分析显示,儿童呼吸系统疾病门诊人次与多种污染物(SO_2、NO_2、CO_、O_3、PM10、PM2.5)浓度呈正相关(P0.05)。基于GAM模型分析,调整气象因素、"星期几效应"、"假期效应"等因素后,杭州市多种大气主要污染物对儿童呼吸系统疾病健康损害效应从大到小顺序:NO_2[RR(95%CI):1.063 9(1.059 1~1.068 7)]、PM_(10)[RR(95%CI):1.047 9(1.046 0~1.049 9)]、CO_[RR(95%CI):1.039 8(1.016 1~1.064 1)]、O_3[RR(95%CI):1.025 1(1.023 1~1.027 1)]、PM_(2.5)[RR(95%CI):1.024 1(1.022 1~1.026 1)]、SO_2[RR(95%CI):1.020 6(1.012 1~1.029 2)]。结论杭州市大气主要污染物浓度增高可能会导致儿童呼吸系统疾病门诊量增加,应加强监测,降低儿童呼吸系统疾病发病率。     

上海市闵行区大气污染与居民日死亡关系的时间序列研究

[目的]分析大气污染对居民每日死亡的急性效应。[方法]采用时间序列的广义相加模型(GAM),在控制了时间的长期趋势、季节趋势、周效应、气象因素等混杂因素的基础上,研究上海市闵行区2001年1月1日~2004年12月31日大气污染与居民日死亡的关系。[结果]大气中可吸入颗粒物(PM10)、二氧化硫(SO2)以及二氧化氮(NO2)的日均浓度每增加10μg/m3,对应居民死亡相对危险度分别为1.0030(95%CI:1.0005~1.0055)、1.0123(95%CI:1.0051~1.0195)和1.0126(95%CI:1.0059~1.0194)。[结论]上海市闵行区大气污染物PM10、NO2、SO2的浓度变化对居民日死亡人数有影响。     

1,3-丁二烯作业工人的DNA修复能力

[目的]探讨DNA修复能力与1,3-丁二烯（BD）职业暴露致外周血淋巴细胞遗传学损伤的关联性。[方法]收集个人职业史、年龄、性别、吸烟和饮酒状况等信息,气相色谱法检测作业环境的BD浓度,利用染色体断裂试验评价60名职业BD暴露工人和60名非暴露工人的外周血淋巴细胞对诱变剂博莱霉素所致DNA损伤的修复能力。[结果]作业区空气中BD浓度为1.8（0.59~2.76）mg/m3。职业BD暴露组染色体断裂率[（1.06±0.41）%]高于对照组[（0.85±0.36）%,P〈0.01]。职业BD暴露人群中饮酒者的b/c值高于不饮酒者（P〈0.05）。[结论]DNA修复能力的下降可能是BD致癌过程中的重要生物学事件。     

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。     

兰州市大气气态污染物与呼吸系统疾病日入院人数的时间序列分析

目的探讨兰州市大气气态污染物NO2和SO2对呼吸系统疾病住院的健康效应。方法采用时间序列的半参数广义相加模型(GAM),在控制了时间的长期趋势、"星期几效应"及气象因子等混杂因素的影响后,分析2001-2005年兰州市大气NO2和SO2浓度与呼吸系统疾病入院人数的暴露-反应关系。结果大气NO2和SO2浓度对呼吸系统疾病入院人数具有不同程度的影响。单污染物模型中,NO2和SO2分别以滞后1天和0天对呼吸系统健康的影响最强。滞后1天NO2和无滞后SO2浓度增加一个四分位数间距时,呼吸系统疾病入院人数增加的相对危险度分别为:1.060(95%CI 1.046～1.074)和1.048(95%CI 1.031～1.065);女性和老年人为易感人群;2种污染物在秋冬季的作用比春夏季更明显。结论兰州市大气NO2和SO2浓度对呼吸系统疾病的日入院人数有影响。     

某低污染区大气污染物对脑血管疾病死亡的影响

目的探讨低污染地区主要大气污染物对居民脑血管病死亡的影响。方法收集2002—2007年某地区脑血管病日死亡人数和主要大气污染物日平均浓度,经时间序列法平稳化序列后,再运用多元线性回归法进行相关性和确定性分析。结果①该地区大气中二氧化硫(SO2)、二氧化氮(NO2)、一氧化碳(CO)以及空气动力学直径10μm以下的可吸入颗粒物(PM10)日平均浓度与居民脑血管疾病死亡人数之间存在显著相关(P0.05),其中大气中SO2、NO2、CO浓度每升高10μg/m3,脑血管疾病死亡的相对危险度(OR)分别增加5.65%(95%CI,4.93%～6.37%)、1.03%(95%CI,0.24%～1.82%)和0.12%(95%CI,0.09%～0.14%),而PM10则呈显著负相关(P=0.00)。②居民日脑血管疾病死亡人数与大气污染物浓度存在线性回归(P0.05),回归方程为:^y=16.917+72.092(SO2)+26.190(NO2)-15.932(PM10)+2.062(CO)。③从标化后的偏回归系数可以得出,自变量SO2浓度对应变量脑血管疾病日死亡的影响最大。结论该地区居民脑血管病死亡与大气中SO2、NO2和呈正相关,存在线性回归,其中尤以SO2的影响最大,PM10则呈负相关;控制该地区SO2的污染水平是降低居民脑血管疾病死亡率的关键。     

大气污染物与呼吸系统疾病急诊就诊关系的病例交叉研究

目的 分析大气污染急性暴露对呼吸系统疾病急诊人次的影响.方法 收集2004年1月1日至2005年12月31日北京大学第三医院急诊科呼吸系统疾病急诊资料和北京市环境监测中心大气污染物数据,应用时间分层的病例交叉设计研究方法进行数据分析,同时比较单向回顾性对照设计和双向对照设计研究结果的差异.结果 在调整气象因素并采用单向回顾性(多污染物)模型中,无滞后大气可吸入颗粒物(PM10)、二氧化硫(SO2)、滞后2 d二氧化氮(NO2)日平均浓度每增加10 μg/m3,呼吸系统疾病总急诊的OR值(95%CI)分别为1.010(1.005～1.014)、1.010(1.001～1.018)、0.996(0.983～1.009);双向对称性(多污染物)模型中,其相应OR值(95%CI)分别为1.002(0.998～1.005)、1.011(1.003～1.018)、1.012(1.001～1.022).采用不同对照选择方案,病例交叉设计的研究结果有变化.结论 区域内大气污染物暴露对居民呼吸系统疾病急诊人次有急性效应.     

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.     

Relative risk of death from exposure to air pollutants: a short-term (2003-2007) study in Mexicali, Baja California, México

Studies have shown associations between respiratory diseases and air pollutants in Mexicali, México; however, none have addressed relative risk (RR) of death. By using Poisson regression models, we quantified the RR by exposure for: particulate matter (PM(10), PM(2.5)), carbon monoxide (CO), nitrogen dioxide (NO(2)), ozone (O(3)), and sulfur dioxide (SO(2)) over a 5-year period and by climate (winter or summer). RRs were estimated utilizing each pollutant (single-pollutant model) on the same day as pollutant concentration were measured (lag 0) and up to 7 days later to the pollutant measurements (lag 7). Significant associations were found in RRs for one interquartile range increment of the corresponding pollutant, such as: PM(2.5) lagged 5 days in winter and for the 5-year period (RR, 1.041 and 1.028, respectively); CO lagged 1 day in winter and for the 5-year period (RR, 1.044 and 1.032, respectively); NO(2) on the current day (lag 0) in summer (RR = 1.037); and SO(2) lagged one day for the 5-year period (RR = 1.023).     

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。