基于分布滞后非线性模型的湘潭市日均气温对居民死亡风险的影响

目的评估湘潭市日均气温暴露对居民死亡的影响。方法收集湘潭市2015—2017年气象资料、空气污染资料和人群死亡资料,通过拟合分布滞后非线性模型,评估不同日均气温水平对该市人群死亡的非线性效应和滞后累积效应。结果湘潭市每日平均气温与居民非意外总死亡、循环系统疾病死亡呈非线性关系,存在低温冷效应和高温热效应。以平均气温中位数(19℃)作为参考值,居民非意外及循环系统疾病总死亡风险分别在24℃和25℃最低;非意外和循环系统疾病死亡的低温(1℃)冷效应作用时间分别为lag4～lag8和lag4～lag7,均在lag4时RR值最高,RR(95%CI)分别为1.051(1.017～1.083)和1.058(1.018～1.099),之后呈下降趋势;非意外及循环系统疾病死亡风险的高温(32℃)热效应作用时间均为lag0～lag1,lag0时RR值最高,RR(95%CI)分别1.176(1.065～1.298)和1.187(1.051～1.340)。累积冷效应在lag0～7时出现,在lag0～10达到最高;累积热效应出现在lag0至lag0～5,在lag0～2时效应值最高。结论高温和低温均能增加湘潭市居民的非意外和循环系统疾病死亡风险,均存在滞后和累积滞后效应,且冷效应的滞后时间和作用时间均长于热效应。     

广州和珠海市气温对居民寿命损失年影响的时间序列分析

目的 评估气温对居民寿命损失年(YLL)的影响。方法 收集广州、珠海市居民逐日死亡和气象数据,采用分布滞后非线性模型分析气温对人群YLL风险的累积效应,以及广州和珠海市在高温(0~1 d)和低温(0~13 d)时对人群YLL累积风险大小。结果 广州和珠海市日均YLL值分别为1 928.0和202.5;两市气温与YLL之间呈现非线性关系。热效应表现急促,当天达到最大值;冷效应出现相对缓慢,滞后5 d达到最大效应,持续时间约2周;低温对人群的总效应大于高温;广州市低温对男性影响大于女性;两市高/低温对≥65岁人群的YLL风险均大于<65岁人群,患呼吸系统疾病人群的YLL风险大于患心血管疾病人群。结论 广州和珠海市高/低温均导致居民的YLL风险增加,其中低温影响更大。老年人及患呼吸系统和心血管疾病者为脆弱人群。     

2015—2019年新疆7个监测点日均气温对居民非意外死亡的影响分析

目的 分析评估日均气温对新疆7个国家级死因监测点人群非意外总死亡(A00-R99)人数的影响,为卫生决策提供科学依据。方法 收集2015—2019年新疆7个国家级死因监测点非意外总死亡资料及同期气象和空气质量资料,利用分布滞后非线性模型(distributed lag non-linear model, DLNM)研究日均气温与非意外死亡人数的影响及滞后效应。结果 新疆7个监测点日均气温与居民非意外死亡呈“J”型关系,死亡最低风险温度为17℃。高温当天对居民非意外总死亡的RR值(95%CI)为1.031(1.019～1.043),危害效应达到最大,滞后天数为5 d;在不同年龄、性别层中,高温对女性和≥65岁人群非意外死亡风险的影响较大。低温对总死亡及不同年龄、性别层中均未表现出明显的健康风险及滞后效应。结论 高温会造成居民非意外死亡风险增加,早期呈明显急性影响,且存在滞后效应,女性和≥65岁人群为敏感人群。     

上海市日平均气温对居民死亡数的滞后效应研究

目的 了解上海市日均气温对居民每日非意外死亡、心血管疾病死亡和呼吸系统疾病死亡的关系.方法 根据上海市2001年1月1日至2008年12月31日每日居民死亡资料和同期气象指标及大气污染指标,采用非线性分布滞后模型,在控制长期趋势、季节趋势和其他混杂因素后,研究日均气温与日非意外死亡数、心血管疾病死亡数和呼吸系统疾病死亡数之间的关系.结果 上海市日均气温对非意外死亡、心血管疾病死亡和呼吸系统疾病死亡效应曲线均为J形.冷效应具有延迟性,在滞后1d开始出现,4d达到最高,持续14～30d.热效应表现为急性效应,以当天最高,持续2d,呈现出明显的收获效应.结论 高温和低温均是上海市居民每日死亡的危险因素,存在滞后效应,且低温效应的滞后时间长于高温.     

不同湿度下日均气温对居民非意外死亡的滞后影响

目的通过构建分布滞后非线性模型(DLNM)探究不同湿度分层下日均气温对成都市居民每日非意外死亡人数的影响。方法收集2011~2014年成都市每日居民死亡数、气象和大气污染物数据,采用quasiPoisson回归结合DLNM分析相对湿度对日均气温与每日居民非意外死亡数关系的修饰作用,并比较不同湿度下冷、热效应的不同。结果成都市日均气温-死亡效应在不同湿度下冷、热效应的差异均有所不同。高湿度下的具有明显的冷效应且当天达到最大值,持续时间约为15天;未观察到明显的热效应。中湿度下的冷效应在滞后0~1天出现,2天左右达到最大值,效应持续时间约为10天;而热效应显现出较弱的急性效应和收获效应。低湿度下的冷效应在滞后1天出现,3天达到最大值,效应持续时间约为5天,此时热效应表现较为急骤,当天最高,然后迅速下降并表现出一定的收获效应。结论成都市的气温-死亡效应主要表现为冷效应,且湿度越高冷效应达到峰值时间越短,效应持续时间越长;而热效应不明显,但随着湿度的降低,也可以表现出较为明显的急性效应和收获效应。     

郑州市气温对居民心脑血管疾病死亡的影响

目的 了解郑州市日均气温对居民心脑血管疾病死亡的影响。方法 利用2013-2019年郑州市主城区全人群死亡个案资料,结合同期气象及空气质量资料,采用分布滞后非线性模型（distributed lag nonlinear model,DLNM）拟合逐日平均气温与逐日心脑血管疾病死亡数的关系,分析高温和低温对心脑血管疾病死亡的累积滞后效应。结果 郑州市日均温度与心脑血管疾病死亡之间呈非线性关系。心脑血管疾病死亡人群对冷热效应的最适合温度为27℃。冷效应具有滞后性,心脑血管疾病死亡效应在滞后4 d开始出现,持续9 d,对应的最大RR值为1.047(95%CI:1.023～1.071);热效应表现为急性,居民心脑血管疾病死亡效应在当天最大,RR值为1.046(95%CI:1.009～1.085),持续6 d。累积冷效应随滞后时间增加而增加,在滞后9 d达到最大值,持续至滞后15 d。结论 高温和低温均能增加郑州市居民心脑血管疾病的死亡风险,且冷效应存在滞后效应。     

上海市浦东新区居民非意外死亡与日均气温相关性的时间序列研究

目的 了解日均气温对浦东新区居民非意外死亡的影响。方法 收集2005—2019年浦东新区气象资料、居民非意外死亡资料以及上海市大气污染物资料,利用分布滞后非线性模型,评估日均气温对浦东新区居民非意外死亡的影响及累积性与滞后性。结果 高温与低温均导致居民非意外死亡、心脑血管疾病及呼吸系统疾病死亡风险上升。以中位温度(P₅₀, 18.2 ℃)为参照,高温(P₉₅, 30.1 ℃)对居民非意外死亡、心脑血管疾病及呼吸系统疾病死亡累积2 d(Lag0～1 d)效应的RR值及其95%CI分别为1.28(1.23～1.33)、1.32(1.24～1.41)及1.45(1.28～1.64); 低温(P₅, 3.0 ℃)对居民非意外死亡与心脑血管疾病死亡的影响在累积22 d(Lag0～21 d)的RR值及其95%CI分别为1.22(1.11～1.35)与1.37(1.17～1.60),对呼吸系统疾病的影响在在累积15 d(Lag0～14 d)的RR值及其95%CI为1.27(1.01～1.59)。低温对<75岁人群非意外死亡的影响不显著; 高温对≥75岁人群的影响显著高于<75岁人群。小学及以下文化水平人群受高温及低温的影响显著高于中学及以上文化人群。结论 高温与低温均增加浦东新区居民非意外死亡风险。≥75岁人群与小学及以下文化人群对气温的影响更为敏感。     

绵阳市日平均气温与居民非意外死亡的时间序列分析

目的描述2008-2016年绵阳市气象因素和居民死亡率的变化情况,探索日平均气温与居民非意外死亡之间的关联强度和关联模式,为有关部门制定居民的健康防护策略提供参考建议。方法通过广义相加模型控制相对湿度、星期几效应以及长期趋势、季节趋势的影响,建立日平均气温与居民死亡率之间的分布滞后非线性模型,选择最大滞后天数为30天;比较不同性别、不同年龄、不同文化程度的各亚组人群之间极端气温带来的相对死亡风险强度及其滞后模式,找出极端气温事件的易感人群。结果 2008-2016年绵阳市日平均气温和死亡率呈逐年上升趋势。分布滞后非线性模型的结果显示绵阳市居民最低死亡温度为26℃,极端低温和极端高温下的30天累积相对死亡风险分别为1.78(1.45,2.19)、1.15(1.04,1.27)。冷效应的影响具有滞后性,可持续20天以上;热效应的影响集中在高温天气当天。极端高温显著增加男性死亡风险,65岁及以上人群死亡风险受到温度变化的显著影响,在极端高温当天男性和文化程度较低人群死亡风险显著增加。结论绵阳市居民中男性、65岁及以上的老年人和文化程度较低的人群更易受极端气温的影响。     

宁波市气温对居民慢性阻塞性肺疾病每日死亡的影响

目的 研究宁波市气温对居民COPD死亡影响。方法 采用时间序列的分布滞后非线性模型,控制时间长期趋势、星期几效应、大气污染和其他混杂因素,分析2011-2016年宁波市日均气温与居民每日COPD死亡的归因风险。结果 宁波市日均气温与每日COPD死亡人数呈反"J"形,最小死亡效应温度为25.5℃;COPD死亡存在一定的冷效应和热效应,滞后14 d累积效应分别为2.767（95% CI：1.950~3.928）和1.197（95% CI：1.021~1.404）。归因于气温暴露造成的COPD死亡人数为4 963（95% CI：3 469~6 027）例,占总死亡的31.62%（95% CI：23.05%~38.89%）。低温的归因风险大于高温,归因死亡人数分别为4 772例和192例,归因分值分别为30.41%和1.22%。女性和≥ 65岁人群更易受到低温和高温天气的影响,而<65岁人群影响的差异均无统计学意义。结论 高温和低温均可增加宁波市居民COPD死亡风险,应对脆弱人群采取有效预防措施,降低COPD死亡风险。     

北京市昌平区温度热效应对非意外死亡及寿命损失年影响的研究

目的研究温度热效应对人群非意外死亡及寿命损失年的影响。方法收集2014—2017年昌平区全人群死亡个案数据、气象数据及环保数据,采用分布滞后非线性模型(DLNM)拟合逐日平均气温与逐日死亡数及逐日YLL的关系,定量估计热效应对死亡率及寿命损失年的累积滞后效应。结果热效应的影响急促而短暂,持续4 d。热效应在累积滞后4 d时,温度每升高1℃,人群非意外死亡的累计超额死亡率为0. 030%(0. 011%, 0. 049%),男性和女性分别为0. 020%(-0. 005%, 0. 046%),0. 044%(0. 014%,0. 073%);(0～65)岁年龄组和65岁以上年龄组分别为0. 038%(0. 002%,0. 075%)和0. 028%(0. 005%,0. 050%),人群非意外死亡寿命损失年为5. 38(1. 76,9. 00)年,男性为2. 00(-0. 79,4. 79)年,女性为3. 04(0. 67,5. 40)年,(0～65)岁组为3. 97(0. 76,7. 18)年,65岁以上组为1. 01(-0. 58,2. 60)年。结论热效应使非意外死亡率和寿命损失年增加,女性及65岁以下人群的增加幅度大于男性和65岁以上人群。采用预警措施,保护易感人群十分必要。     

中国环境保护重点城市空气质量指数时空变化特征

  目的   研究不同温度范围PM₁₀对成都市≥65岁老年人过早死亡累积滞后效应的影响。  方法   利用四分位间距对气温进行分层,运用分布滞后非线性Quasipoisson回归模型,分层分析2013 — 2016年不同温度范围PM₁₀对成都老年人过早死亡的累积滞后效应及其对死亡影响的持续作用时间。  结果   调整温度后,PM₁₀的短期波动对成都老年人过早死亡的影响向后延迟2～5 d,其累积滞后死亡影响持续3～5 d,PM₁₀每增加10μg/m³可使老年人非意外全死因死亡累积滞后效应增加0.2%（95 % CI = 0.0 %～0.3 %）。在高温和中等温度范围PM₁₀对老年人的过早死亡存在显著的累积滞后影响,但在低温范围PM₁₀对老年人的过早死亡影响无统计学意义（P > 0.05）;在高温范围PM₁₀每增加10μg/m³全死因（非意外）和心血管病累积滞后死亡风险分别增加3.5 %（95 % CI = 0.1 %～7.0 %）和3.3 %（95 % CI = 0.2 %～6.4 %）;在中温范围PM₁₀每增加10μg/m³全死因（非意外）、心血管病和癌症累积滞后死亡风险分别增加0.3 %（95 % CI = 0.1 %～0.5 %）、0.3 %（95% CI = 0.1 %～0.6 %）和0.5 %（95% CI = 0.2 %～0.9 %）;所有温度范围PM₁₀对呼吸疾病死亡的滞后累积效应均无统计学意义（P > 0.05）。  结论   成都PM₁₀对老年人过早死亡影响存在显著的温度差异。     

湖南省气温对新型冠状病毒肺炎发病数的滞后影响

目的  研究湖南省日均气温对COVID-19日发病数的滞后影响,为疫情的有效防控提供科学依据。方法  本研究对2020年1月21日―2020年3月2日湖南省气象因素和空气质量因素与COVID-19日发病数进行Spearman相关分析和分布滞后非线性模型分析。结果  观察期间,湖南省新型冠状病毒肺炎报告新发病例共1 018例。分布滞后非线性模型结果显示,日均气温与COVID-19日发病数的关系呈非线性,累积发病风险随气温的升高而降低,且发病人群的气温风险最低点为0 ℃。高温对日发病数的影响为短期即时效应,低温对每日发病人数的影响具有滞后性,滞后效应长达12 d,当日均温为-5 ℃,滞后天数为8 d时,相对危险度最高(RR=2.20, 95% CI=1.16~4.19),且高温(10 ℃)较低温(6 ℃)影响更为显著。结论  气温是影响湖南省COVID-19发病的因素,且有滞后性;高温和低温均可导致发病风险升高,应针对脆弱人群和危重患者加强防护措施从而降低发病风险。     

分布滞后非线性模型

  目的  了解高温热浪对北京市居民死亡风险的附加效应,为制定极端天气事件相关的公共卫生策略提供科学依据。  方法  收集北京市2007 — 2013年逐日死亡人数与同期气象、空气污染资料,应用分布滞后非线性模型建立气温、热浪与死亡之间的暴露反应关系,通过对比热浪日与非热浪日之间的死亡风险来估计不同热浪定义时其附加效应,并分别应用阶跃函数和二次样条函数估计不同热浪持续时间所致的附加效应。  结果  随着热浪定义中阈值温度和持续时间的增加,北京市总热浪日数逐渐减少。不同定义下热浪所致的附加效应不同,热浪阈值温度为研究期间日平均气温的第95分位数（27.62 ℃）、持续时间 ≥ 4 d时,高温热浪对非意外死亡影响的附加效应最大,死亡风险可增加11 %（95 % CI = 4 %～18 %）。热浪持续时间超过2 d后其附加效应开始显现,在超过6 d后急剧上升。对于呼吸系统疾病和循环系统疾病所致死亡,热浪的附加效应最高可分别使其死亡风险增加34 %（95 % CI = 12 %～60 %）、14 %（95 % CI = 4 %～24 %）。女性、中老年、特别是受教育程度较低的人群为高温热浪的敏感人群。  结论  北京市高温热浪可显著增加居民死亡风险,存在因持续高温所致的附加效应,呼吸系统疾病和循环系统疾病患者、女性、中老年、特别是受教育程度较低的人群尤为敏感。     

基于死亡风险的中国不同气温带气温预警阈值研究

目的  估算中国不同气温带气温健康预警的阈值,为发展基于死亡风险的气温健康预警系统提供科学依据。方法  收集2006―2017年全国364个县、区作为研究点的死亡与气象数据,利用分布滞后非线性模型(distribution lag non-linear model, DLNM)和多变量Meta方法分析气温与死亡的暴露反应关系,划分气温预警阈值。结果  研究期间日平均气温16.0 ℃,日平均相对湿度73.0%,日均死亡人数为8.3例。不同气温带的气温-死亡的暴露反应关系总体上呈倒“J”型。中温带、暖温带+北亚热带、中亚热带以及南亚热带冷效应低风险气温范围分别9.1~13.8 ℃、0.1~19.3 ℃、8.8~24.3 ℃以及9.9~25.3 ℃,中风险分别为1.8~9.1 ℃、-6.1~0.1 ℃、1.5~8.8 ℃以及4.8~9.9 ℃,高风险分别为＜1.8 ℃、＜-6.1 ℃、＜1.5 ℃以及＜4.8 ℃;热效应低风险气温范围分别为23.4~24.8 ℃、28.6~29.3 ℃、27.2~29.5 ℃以及28.2~28.6 ℃,中风险分别为24.8~26.1 ℃、29.3~30.1 ℃、29.5~31.0 ℃以及28.6~29.0 ℃,高风险分别为＞26.1 ℃、＞30.1 ℃、＞31.0 ℃以及＞29.0 ℃。所有气温带在高温端的日均死亡人数均随着风险等级增加而升高,而除了暖温带+北亚热带外,其他气温带在低温端的日均死亡人数随着风险等级增加而升高。结论  基于死亡风险可以确定气温预警的阈值并进行预警等级划分,预警效果较好。     

The short-term influence of temperature on daily mortality in the temperate climate of Montreal, Canada

The purpose of this study was to determine whether short-term changes in ambient temperature were associated with daily mortality among persons who lived in Montreal, Canada, and who died in the urban area between 1984 and 2007. We made use of newly developed distributed lag non-linear Poisson models, constrained to a 30 day lag period, and we adjusted for temporal trends and nitrogen dioxide and ozone. We found a strong non-linear association with high daily maximum temperatures showing an apparent threshold at about 27 °C; this association persisted until about lag 5 days. For example, we found across all lag periods that daily non-accidental mortality increased by 28.4% (95% confidence interval: 13.8–44.9%) when temperatures increased from 22.5 to 31.8 °C (75–99th percentiles). This association was essentially invariant to different smoothers for time. Cold temperatures were not found to be associated with daily mortality over 30 days, although there was some evidence of a modest increased risk from 2 to 5 days. The adverse association with colder temperatures was sensitive to the smoother for time. For cardio-respiratory mortality we found increased risks for higher temperatures of a similar magnitude to that of non-accidental mortality but no effects at cold temperatures.     

无锡市气温对流感样病例和实验室确证流感病例的影响

  目的  了解无锡市气温对流感样病例和实验室确证流感病例的影响。  方法  收集无锡市2012年12月31日至2017年12月31日期间流感样病例监测数据、实验室病原监测数据及同期气象数据资料。利用分布滞后非线性模型研究气温与流感样病例和实验室确证流感病例的关系。  结果  2012-2017年无锡市流感病例监测（influenza-like illness,ILI）总ILI%为4.96%,流感检测阳性率12.28%。无锡市气温对流感样病例的累积效应曲线呈近似"U"型,低温（10℃以下）和高温（20℃以上）均影响流感样病例的发生,低温效应滞后且效应较强,高温效应出现迅速且效应短暂。对实验室确证流感病例的累积效应呈近似"L"型,主要表现为较强的低温滞后效应,10℃以下实验室确证流感发病风险较高。  结论  气温影响流感样病例和实验室确证流感病例的发病,低温是危险因素且存在滞后效应。     

广州市2006 — 2009年气温与居民每日死亡人数的时间序列研究

  目的  探讨极端气温对山东省济南市居民非意外死亡及主要死因别死亡的影响,筛查敏感人群。  方法  收集济南市2011 — 2014年居民非意外死亡及主要死因别逐日死亡资料和同时期的气象资料。采用时间序列泊松回归模型,分析极端气温对济南市非意外死亡及主要死因别死亡人数、死亡风险的影响。  结果  极端低温暴露（寒潮）显著增加居民非意外死亡及主要死因别日均死亡人数（P < 0.01）,极端高温暴露（热浪）仅对居民非意外死亡日死亡人数具有影响（P < 0.05）,对主要死因别死亡无明显影响。回归分析结果显示,寒潮暴露明显增加居民非意外死亡、呼吸系统疾病死亡、卒中和慢性阻塞性肺疾病（COPD）死亡风险（RR = 1.27、1.19、1.11、1.08, P < 0.01）;热浪暴露增加居民非意外死亡和卒中的死亡风险（RR = 1.02、1.06,P < 0.05）。全部人群不论性别与年龄均是寒潮敏感人群;65岁以上老年人是热浪敏感人群（RR = 1.03,P < 0.01）。  结论  极端气温可增加济南市居民非意外死亡及主要死因别日均死亡人数与死亡风险,全部人群均是寒潮敏感人群,65岁以上老年人是热浪敏感人群,在极端气温期间应针对敏感人群采取预防与救治措施。      

基于分布滞后非线性模型探讨日均气温对曲靖市手足口病发病的影响

目的  探究气象因素对曲靖市手足口病(hand, foot, and mouth disease, HFMD)发病的影响及其滞后效应。 方法  采用分布滞后非线性模型(distributed lag non-linear model, DLNM)分析2017-2019年曲靖市气象因素与HFMD发病的相关性及滞后效应。 结果  2017-2019年曲靖市共报告25 902例HFMD,HFMD日发病数与日均气温、降雨量呈正相关,与日照时数呈负相关,以气温对HFMD发病影响最为明显(r=0.51);DLNM拟合结果显示,日均温度20 ℃左右时对HFMD发病的影响最大(RR=1.408, 95% CI: 1.064~1.864, P=0.017);日均温度在无滞后情况下,对HFMD产生的影响最大,随后逐渐降低直至消失。 结论  气温是曲靖市手足口病发病的重要影响因素,其影响有明显的滞后效应;不同温度对不同人群的滞后效应明显不同,高温影响更为显著。