北京市丰台区大气PM_(10)与呼吸系统疾病门诊量关系的研究

目的探讨北京市丰台区大气PM10对人群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研究,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后,分析北京市丰台区2010年1月1日—12月31日大气PM10浓度与呼吸系统疾病日门诊量之间的关系。结果大气PM10浓度每增加10μg/m3,呼吸系统疾病门诊量平均增加0.7%(95%CI:0.6%⁰.8%)。结论北京市丰台区大气PM10浓度与居民呼吸系统疾病门诊量之间存在正相关。     

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。     

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。     

北京市丰台区空气污染对学生呼吸系统的影响

目的探讨北京市丰台区空气污染对学生呼吸系统的影响。方法通过“中小学因病缺课症状监测系统”收集2012年4—11月学生呼吸系统症状数据,从丰台区疾病预防控制中心环卫所获取大气污染资料（二氧化硫、二氧化氮及PM10）。采用单因素线性回归和Pearson相关分析大气污染对学生呼吸道症状发生率的影响。结果二氧化硫浓度、二氧化氮浓度、PM10与呼吸道症状的发生均具有显著相关性,呈线性正相关关系,空气中二氧化硫、二氧化氮、PM10浓度每增加10μg／m^2,呼吸道症状发生率分别增加4．0％、3．0％、1．0％。结论丰台区空气污染物对学生呼吸系统健康有不良影响。     

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。     

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。     

上海市大气污染与某医院呼吸系统疾病门诊量关系的时间序列研究

[目的]探讨上海市大气污染物对人群呼吸系统疾病门诊量的短期影响。[方法]收集2010年1月1日—2012年10月31日上海市某三级甲等医院呼吸系统疾病每日门诊量统计资料和同期上海市大气及气象监测资料,采用时间序列的半参数广义相加模型,在控制了长期趋势、星期几效应、假期效应及气象因素等混杂因素的基础上,分析大气污染物与呼吸系统疾病日门诊量的关系。[结果]研究期间,呼吸系统疾病日门诊量为76~382人次。单污染模型中,二氧化硫（SO2）滞后4 d对呼吸系统疾病的影响最明显,二氧化氮（NO2）、可吸入颗粒物（PM10）滞后6 d的影响最明显;SO2、NO2、PM10浓度每增加10μg/m3,呼吸系统疾病日门诊量上升0.69%（RR=1.006 9,95%CI：1.003 5~1.010 3）、0.54%（RR=1.005 4,95%CI：1.002 8~1.007 9）和0.20%（RR=1.002 0,95%CI：1.001 1~1.002 8）。多污染模型中,调整其他污染物后,所有污染物健康效应估计值均较单污染模型降低,并不改变各污染物浓度与呼吸系统疾病日门诊量的正相关关系。[结论]大气污染物SO2、NO2、PM10与人群呼吸系统疾病门诊量存在正相关。     

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。     

大气污染对呼吸系统疾病门诊量影响的病例交叉研究

目的探讨短期暴露于大气污染物对呼吸系统疾病门诊量的影响。方法收集北京市2014年1月1日-2015年12月31日逐日大气污染物浓度、气象监测资料以及某三级综合性医院的呼吸系统疾病门诊资料,应用时间分层的病例交叉设计研究方法进行数据分析。结果控制了气象因素的影响后,大气污染对呼吸系统疾病当天门诊量的影响最为明显。PM_(2.5)、PM_(10)、NO_2、SO_2当日浓度每上升10μg/m~3,人群呼吸系统疾病门诊量的OR值分别为1.006 6(95%CI:1.005 8~1.007 5)、1.004 8(95%CI:1.004 1~1.005 6)、1.025 9(95%CI:1.023 7~1.028 0)与1.022 9(95%CI:1.019 8~1.025 9)。结论区域内大气污染物浓度的短期升高可能导致医院呼吸系统疾病门诊量的增加。     

贵阳市大气PM_(2.5)对呼吸系统门诊量影响分析

目的探讨贵阳市大气PM_(2.5)理化特性及其对呼吸系统疾病门诊量的影响。方法从贵阳市环保局收集贵阳市2014—2015年大气质量监测资料,从贵阳市气象局收集贵阳市2014—2015年气象因素监测资料,贵阳市大气PM_(2.5)污染特征及其与主要影响因素间的相关性进行分析;在贵阳市每个观察区内距当地环境监测站最近处各选取1所综合性甲等医院进行调查,收集2所医院呼吸系统疾病患者资料,分析贵阳市大气PM_(2.5)对呼吸系统疾病门诊量的影响情况。结果 2014—2015年贵阳市大气PM_(2.5)日均质量浓度为41.36μg/m~3。6种气象因素日均值之间存在一定的相关性。研究期间呼吸系统门诊量共计77 790人次,平均107人次/d。呼吸系统疾病日门诊量与大气PM_(2.5)之间的SPearman相关系数r=0.11,P0.01(双侧),大气PM_(2.5)与呼吸系统门诊量之间存在正相关性。大气PM_(2.5)对呼吸系统门诊量的影响存在滞后效应,且滞后第4天的滞后效应最强,PM_(2.5)质量浓度每增加10μg/m~3,呼吸系统疾病门诊量增加0.64%。结论贵阳市大气PM_(2.5)与呼吸系统门诊量之间存在正相关性。     

兰州市大气PM10与呼吸系统疾病入院人数的时间序列研究

目的定量评价兰州市大气PM10对居民呼吸系统疾病每日入院人数的影响。方法采用时间序列的半参数广义相加模型(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2001—2005年兰州市PM10与呼吸系统疾病日入院人数的暴露-反应关系,并按性别和年龄层建立模型。结果不同人群的呼吸系统疾病日入院人数相对危险度(RR)在最佳滞后天数(第4天)均有统计学意义。单污染模型中,当PM10日均浓度每升高1个四分位间距(IQR)时,总人群、男性和女性人群、老年人群(年龄≥65岁)、年龄65岁人群日入院人数分别增加2.4%,2.5%,2.9%,3.5%,2.5%。结论 PM10浓度升高会引起呼吸系统疾病入院人数的增加,且均表现为滞后影响,而老年人群(年龄≥65岁)和女性人群对PM10浓度升高更敏感。     

石家庄市空气PM2.5浓度与儿童呼吸系统疾病门诊量的关系

目的 分析石家庄市PM_2.5浓度与儿童呼吸系统疾病日门诊量的关系。方法 收集石家庄市2014-2016年气象、污染物及河北省儿童医院内科门诊呼吸系统门诊量数据,采用Poisson广义相加模型分析PM_2.5与儿童呼吸系统疾病日门诊量的关系。根据暴露-反应关系曲线进行分段危险度评估。结果 石家庄市2014-2016年PM_2.5年均值为104.93 μg/m³,该医院儿童呼吸系统疾病日门诊量均值为690例。PM_2.5与日门诊量的暴露-反应关系为非线性,且在低剂量范围时影响较大,在滞后1 d时效应最强,日均浓度每升高10 μg/m³,其儿童呼吸系统疾病日门诊量增加0.26%（95%CI：0.14%~0.38%）。分析PM_2.5累积滞后效应时发现,PM_2.5对儿童呼吸系统日门诊量有累积滞后效应,在累积滞后7 d时效应最强。多污染物分析显示：PM_2.5在只引入SO₂时对呼吸系统疾病日门诊量的效应下降,且差异具有统计学意义。引入其他污染物时,差异均无统计学意义（均有P>0.05）。结论 石家庄市空气PM_2.5会导致儿童呼吸系统疾病门诊量增加。     

上海市A城区大气PM_(10)、PM_(2.5)污染与居民日死亡数的相关分析

目的　探讨大气颗粒物污染对人群健康的影响。方法　采用Poisson广义相加模型对上海市A城区大气PM1 0 、PM2 5的日平均污染浓度与居民日死亡数进行相关回归分析 ,并控制了时间长期趋势、气象、季节、一周日效应混杂因素的影响。结果　当大气PM1 0 、PM2 5浓度上升 10 μg m3时 ,总死亡数分别上升 0 5 3%(0 2 2 %～ 0 85 % )、0 85 % (0 32 %～ 1 39% )。结论　大气粗细颗粒物污染具有潜在的急性人群健康危害。     

Particulate air pollution and hospital admissions in Christchurch, New Zealand

AIMS: Winter air pollution in Christchurch is dominated by particulate matter from solid fuel domestic heating. The aim of the study was to explore the relationship between particulate air pollution and admissions to hospital with cardio-respiratory illnesses. METHODS: Particulate air pollution statistics (PM10) were obtained from the Canterbury Regional Council monitoring station in the city. The New Zealand Health Information Service provided data on admissions to the Princess Margaret and Christchurch Hospitals for the period June 1988 through December 1998 for both adults and children with cardiac and respiratory disorders. The relationship between PM10 and admissions was explored using a time series analysis approach controlling for weather variables. Missing values were interpolated from carbon monoxide data for the same time period, as carbon monoxide and PM10 were highly correlated. RESULTS: There was a significant association between PM10 levels and cardio-respiratory admissions. For all age groups combined there was a 3.37% increase in respiratory admissions for each interquartile rise in PM10 (interquartile value 14.8 mcg/m3). There was also a 1.26% rise in cardiac admissions for each interquartile rise in PM10. There was no relationship between PM10 and admissions for appendicitis, the control condition selected. CONCLUSIONS: In keeping with overseas studies, there is evidence in Christchurch of a relationship between ambient particulate levels and admissions with cardiac and respiratory illnesses. The size of the effect is consistent with overseas data, with the greatest impact for respiratory disorders. Implications: These results indicate that measures to control ambient particulate levels have the potential to reduce hospital admissions for cardio-respiratory illnesses.     

空气颗粒物与呼吸及心脑血管疾病每日住院率相关性研究

目的 建立颗粒物空气污染与每日住院率暴露反应关系模型,为颗粒物空气污染健康影响早期预警提供科学依据.方法 应用]Poisson广义可加模型鉴定暴露反应关系形状,分段线性拟合进行污染物危险度评估.结果 年龄分组分析:颗粒物空气污染与所有年龄组每日住院率均呈正相关,且为非线性.可吸入颗粒物每增加10 ìg/m3,呼吸系统疾病住院率上升百分比为0.716%～2.145%,心脑血管疾病住院率上升百分比为0.65%.病因分组分析:颗粒物空气污染与所有疾病每日住院率均呈正相关,且为非线性.影响显著的疾病为慢性阻塞性肺疾病和缺血性心脏病,颗粒物每升高10ìg/m3,相应的住院率上升百分比分别为2.94%、1.94%.非采暖期和采暖期分别分析,非采暖期颗粒物空气污染的影响大于采暖期影响.结论 与有关死亡率研究结果比较,颗粒物空气污染对呼吸系统、心脑血管疾病住院率上升百分比大于死亡率上升百分比(0.25%),表明颗粒物空气污染对住院率的影响大于死亡率.     

Associations between outdoor air pollutants and hospitalization for respiratory diseases

The concentration of particulate matter in outdoor air, as indicated by daily measures of particulate matter 10 microm in diameter (PM10) in many cities, has been found to be associated with the daily number of deaths and hospital admissions in these cities. To understand this association better, we studied the daily number of hospital admissions for respiratory diseases and the concentrations of eight pollutants in ambient air, during a period of 38 months, in an area with cold winters and air pollution that comes mainly from motor vehicles. We estimated the changes in risk of hospitalization by interquartile increases in pollutant concentrations by Poisson regression analyses. Controlling for periodic trends and weather, the relative risk of hospitalization associated with an interquartile increase of PM10 was 1.038 [95% confidence interval (CI) = 0.991-1.087]. In contrast, the relative risk associated with benzene was 1.105 (95% CI = 1.047-1.166). In a two-pollutant model, the relative risk estimates were 1.014 (95% CI = 0.966-1.063) for PM10 and 1.090 (95% CI = 1.031-1.153) for benzene. We evaluated other two- and three-pollutant models and concluded that pollutants other than PM10 are more strongly associated with hospital admissions for respiratory diseases.     

Effects of particulate and gaseous air pollution on cardiorespiratory hospitalizations

We obtained data on daily numbers of admissions to hospital in Toronto, Canada, from 1980 to 1994 for respiratory, cardiac, cerebral vascular, and peripheral vascular diseases. We then linked the data to daily measures of particulate mass less than 10 microns in aerodynamic diameter (PM10), particulate mass less than 2.5 microns in aerodynamic diameter (PM2.5), and particulate mass between 2.5 and 10 microns in aerodynamic diameter (PM10-2.5), ozone, carbon monoxide, nitrogen dioxide, and sulfur dioxide. Air pollution was only associated weakly with hospitalization for cerebral vascular and peripheral vascular diseases. We controlled for temporal trends and climatic factors, and we found that increases of 10 microg/m3 in PM10, PM2.5, and PM10-2.5 were associated with 1.9%, 3.3%, and 2.9% respective increase in respiratory and cardiac hospital admissions. We further controlled for gaseous pollutants, and the percentages were reduced to 0.50%, 0.75%, and 0.77%, respectively. Of the 7.72 excess daily hospital admissions in Toronto attributable to the atmospheric pollution mix, 11.8% resulted from PM2.5, 8.2% to PM10-2.5, 17% to carbon monoxide, 40.4% to nitrogen dioxide, 2.8% to sulfur dioxide, and 19.8% to ozone.     

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.     

The role of particulate size and chemistry in the association between summertime ambient air pollution and hospitalization for cardiorespiratory diseases.

In order to address the role that the ambient air pollution mix, comprised of gaseous pollutants and various physical and chemical measures of particulate matter, plays in exacerbating cardiorespiratory disease, daily measures of fine and coarse particulate mass, aerosol chemistry (sulfates and acidity), and gaseous pollution (ozone, nitrogen dioxide, sulfur dioxide, and carbon monoxide) were collected in Toronto, Ontario, Canada, in the summers of 1992, 1993, and 1994. These time series were then compared with concurrent data on the number of daily admissions to hospitals for either cardiac diseases (ischemic heart disease, heart failure, and dysthymias) or respiratory diseases (tracheobronchitis, chronic obstructive long disease, asthma, and pneumonia). After adjusting the admission time series for long-term temporal trends, seasonal variations, the effects of short-term epidemics, day of the week effects, and ambient temperature and dew point temperature, positive associations were observed for all ambient air pollutants for both respiratory and cardiac diseases. Ozone was least sensitive to adjustment for the gaseous and particulate pollution measures. However, the association between the health outcomes and carbon monoxide, fine and coarse mass, sulfate levels and aerosol acidity could be explained by adjustment for exposure to gaseous pollutants. Increases in ozone, nitrogen dioxide, and sulfur dioxide equivalent to their interquartile ranges corresponded to an 11% and 13% increase in daily hospitalizations for respiratory and cardiac diseases, respectively. The inclusion of any one of the particulate air pollutants in multiple regression models did not increase these percentages. Particle mass and chemistry could not be identified as an independent risk factor for the exacerbation of cardiorespiratory diseases in this study beyond that attributable to climate and gaseous air pollution. We recommend that effects of particulate matter on health be assessed in conjunction with temporally covarying gaseous air pollutants.