大气污染与上海市闵行区学生因呼吸道疾病缺课关系的时间序列研究

[目的]探讨大气污染对上海市闵行区学生因呼吸道疾病缺课的短期影响。[方法]收集2013年9月1日—2016年6月30日闵行区学生因呼吸道疾病缺课人数和同期闵行区大气污染及气象监测资料,采用时间序列的广义相加模型,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,分析当日至前5 d单日滞后(lag0~lag5)和当日至前1、3、5 d累积滞后(lag01、lag03、lag05)的大气污染物浓度与学生因呼吸道疾病缺课人数的关系。[结果]研究期间,NO_2、PM_(2.5)、PM_(10)和O3的超标率分别为8.51%、20.79%、5.84%和8.12%,SO_2、CO未超出限值。单污染模型中,大气AQI、PM_(2.5)、PM_(10)、SO_2和NO_2与学生呼吸道疾病的新发缺课人数及总缺课人数均呈正相关(P0.05)。对总缺课人数,NO_2、PM_(2.5)和PM_(10)在lag1效应最为明显[RR及95%CI分别为3.53(2.15~4.90)、11.80(8.85~14.75)、4.04(2.48~5.60)],SO_2在lag5效应最为明显(RR=18.20;95%CI:13.95~22.45);对于新发缺课人数,NO_2在lag0效应最为明显(RR=11.65,95%CI:8.59~14.71),SO_2、PM_(2.5)和PM_(10)在lag1效应最为明显[RR及95%CI分别为3.39(1.91~4.88)、17.90(12.96~22.84)、3.89(2.20~5.58)]。累积效应各污染物均在lag05时对学生新发及总缺课的效应最强。多污染模型中,PM_(2.5)和PM_(10)对学生呼吸道疾病缺课的影响在调整了其他主要空气颗粒物(PM_(10)、PM_(2.5))和气态污染物(S02、NO_2)后均无统计学意义。[结论]大气污染物PM_(2.5)、PM_(10)、SO_2和NO_2浓度与学生因呼吸道疾病缺课存在正相关。     

大气污染与气象因素对郑州市不同人群和急慢性呼吸系统疾病的影响

目的 探讨郑州市大气污染物与气象因素对呼吸系统疾病门诊量的影响。方法 基于2013年10月28日—2018年5月31日期间郑州市大气污染物与气象因素数据，利用分布滞后非线性模型(distributed lag non-linear models,DLNM)分析大气污染物、气象因素与呼吸系统门诊就诊量之间的暴露-滞后效应，并根据性别、年龄和急慢性呼吸系统疾病分层分析。结果 最佳滞后日下，CO、NO₂、SO₂、可吸入性颗粒物(inhalable particulate matter,PM₁₀)和细颗粒物(fine particulate matter,PM_2.5)每增加10μg/m³，相对危险(risk ratio,RR)值分别为1.126(95%CI:1.011～1.254)、1.014(95%CI:1.011～1.018)、1.006(95%CI:1.002～1.010)、1.001(95%CI:1.000～1.002)、1.001(95%CI:1.000～1.001)，大气O...     

上海市浦东新区PM_(2.5)污染对医院急诊内科就诊人次的影响

目的评估上海市浦东新区细颗粒物(PM_(2.5))日均浓度对医院急诊内科就诊人次的影响。方法 2015—2017年上海市浦东新区逐日大气污染资料、气象资料和医院急诊内科就诊资料分别来源于上海市浦东新区环境监测中心、区气象局和区某综合医院。采用基于Poisson回归的广义相加模型(GAM)控制时间趋势、星期几效应、节假日效应和温湿度等因素后分析PM_(2.5)对急诊内科就诊人次的影响,通过分层分析探索PM_(2.5)效应在不同疾病别、性别、年龄组别以及不同温度水平之间的差异。结果 2015—2017年医院急诊内科就诊总人次数为559 395人次,PM_(2.5)日均浓度为42.7μg/m3。PM_(2.5)对急诊内科就诊总人次在当日(lag0)即表现出影响,在滞后2日(lag2)时出现最大单日效应,RR值为1.003 1(95%CI:1.000 5～1.0056);PM_(2.5)对心脑血管疾病就诊人次的影响在当日(lag0)即出现最大效应,RR值为1.004 8(95%CI:1.000 6～1.009 1);PM_(2.5)对呼吸系统疾病就诊人次的单日最大效应出现在滞后2日(lag2),RR值为1.003 3(95%CI:0.999 8～1.006 9),但效应无统计学意义(P0.05)。PM_(2.5)对医院急诊内科就诊人次的影响在男性人群中效应更强,单日最大效应出现在滞后2日(lag2),RR值为1.003 8(95%CI:1.000 8～1.006 8);PM_(2.5)对0～14岁年龄组影响最大,当日(lag0)效应RR值为1.019 3(95%CI:1.004 0～1.034 0);中等温度时PM_(2.5)的效应RR值较低温水平和高温水平时大。结论上海市浦东新区PM_(2.5)污染对医院急诊内科就诊人次有影响,且在不同疾病、性别、年龄组别以及温度水平之间差异有统计学意义。     

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。     

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。     

深圳市大气污染与慢阻肺入院的关联性分析

目的探究深圳市大气污染短期暴露与慢阻肺急性加重入院的关联性。方法收集2013-2017年深圳市每日大气颗粒物(PM_(10)、PM_(2.5))、臭氧(O_3)、二氧化硫(SO_2)、二氧化氮(NO_2)、一氧化碳(CO)浓度,以及深圳27家医院的每日慢阻肺急性加重入院人次。使用广义相加模型探究各种污染物对于慢阻肺急性加重入院的量效关系和滞后效应。使用双污染物模型检验结果的稳定性。结果 PM_(10)、PM_(2.5)、O_3、SO_2、NO_2和CO污染物每升高四分位间距(IQR,interquartile range),当日慢阻肺患者急性加重入院的相对危险度(RR,Relative Risk)分别为:1.021(95%CI 1.009～1.033)、1.016(95%CI 1.004～1.027)、1.015(95%CI 1.006～1.025)、1.010(95%CI 1.003～1.017)、1.014(95%CI 1.003～1.025)和1.003(95%CI 0.993～1.014)。不同污染物的影响滞后天数和量效曲线不同。双污染物模型中PM_(10)、PM_(2.5)、SO_2和O_3的影响有统计学意义。结论深圳市大气污染物PM_(10)、PM_(2.5)、SO_2和O_3慢阻肺患者急性加重入院存在关联。     

宁波市6种大气污染物暴露与孕妇早产关系的时间序列分析

[目的]分析宁波市6种大气污染物[细颗粒物(PM_(2.5))、粗颗粒物(PM_(10))、二氧化硫(SO_2)、二氧化氮(NO_2)、一氧化碳(CO)、臭氧(O_3)]暴露对孕妇早产的影响。[方法]采用时间序列的广义线性分布滞后模型,将宁波市2014年1月—2015年12月每日早产人次的长期趋势、气象因素、星期几效应等混杂因素控制后,分析6种大气污染物质量浓度对早产人次的滞后效应和累积效应。[结果]PM_(2.5)、SO_2、NO_2每升高10μg/m~3,CO每升高0.1 mg/m~3,对增加早产人次存在滞后效应,RR及其95%CI分别为:PM_(2.5)滞后1 d,1.015(1.000~1.032);SO_2当日及滞后2、3、4 d,1.073(1.016~1.133)、1.053(1.000~1.109)、1.060(1.009~1.115)、1.062(1.010~1.116);NO_2当日及滞后1 d,1.031(1.005~1.058)、1.027(1.002~1.054);CO滞后3 d,1.350(1.079~1.688)。6种污染物中只有SO_2对早产人次增加存在1周和2周的累积效应,RR及其95%CI分别为1.099(1.019~1.186)、1.091(1.001~1.189)。[结论]大气污染物暴露能增加早产的发生,对增加早产人次存在滞后效应和累积效应。     

长沙市城区大气PM_(2.5)浓度与居民每日死亡关系研究

[目的]探讨长沙市城区大气污染物PM_(2.5)暴露对居民每日死亡风险的影响。[方法]收集2014年1月1日至2016年12月31日期间长沙市城区每日温度、相对湿度等气象数据,PM_(2.5)、PM_(10)、NO_2、SO_2、CO等大气污染物数据和居民每日死亡数据。采用分布滞后非线性模型,控制时间长期趋势、气象因素、星期几及节假日效应等混杂因素,分析PM_(2.5)单独暴露及其与PM_(10)、NO_2、SO_2、CO等联合暴露当日至滞后14 d时居民每日总死亡、心血管疾病死亡和呼吸系统疾病死亡的风险。[结果]长沙市城区PM_(2.5)年均质量浓度(以下简称"浓度")为63μg/m3。单污染物模型显示,PM_(2.5)质量浓度上升10μg/m3时,致居民每日总死亡(lag10)和每日心血管疾病死亡(lag1)的风险(RR及其95%CI)分别为1.051 8(1.006 5~1.099 4)和1.086 1(1.005 6~1.173 0),对居民呼吸系统疾病死亡的影响无统计学意义。双污染物模型分析显示,分别引入NO_2、SO_2后,PM_(2.5)致居民每日总死亡的风险增加(RR=1.084 3,95%CI:1.027 8~1.143 9;RR=1.067 9,95%CI:1.015 5~1.123 0),致每日心血管疾病死亡、呼吸系统疾病死亡的风险降低;引入CO后,PM_(2.5)致居民每日总死亡、每日心血管疾病死亡的风险增加,致每日呼吸系统疾病死亡的风险降低。[结论]长沙市城区PM_(2.5)浓度升高可导致居民总死亡的风险增加。     

北京市某区PM_(2.5)与居民冠心病死亡关系研究

目的探讨北京市某区细颗粒物(PM_(2.5))污染对居民冠心病死亡造成的影响。方法采用R 3.0.1软件建立分布滞后非线性模型,在控制了长期趋势、星期几效应、气象因素等混杂因素的影响后,分析2013年1月1日-2016年12月31日北京市某区PM_(2.5)与居民冠心病死亡之间的关系。结果单污染物模型中,PM_(2.5)(lag1)对居民冠心病死亡的影响具有统计学意义,大气中PM_(2.5)浓度每升高10μg/m~3,居民冠心病死亡平均增加0.21%(95%CI:0.02%-0.41%)。双污染物模型中,引入SO_2后,PM_(2.5)对居民冠心病死亡的影响无统计学意义(P0.05);分别引入NO_2和O_3后,对冠心病死亡的影响均在滞后第1天(lag1)具有统计学意义(P0.05)。结论北京市某区PM_(2.5)污染与居民冠心病死亡之间存在正相关关系,PM_(2.5)对居民冠心病死亡的影响与其他大气污染物之间存在协同作用。     

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。     

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。     

武汉市大气污染物水平与儿童呼吸道疾病门诊量的滞后效应分析

[目的]评估武汉市大气污染物PM_(2.5)、PM_(10)、NO_2、O_3、CO和SO_2日均质量浓度(以下简称"浓度")对儿童呼吸道疾病就诊量的影响。[方法]收集2015—2016武汉市大气污染物资料、气象资料和湖北省妇幼保健院儿童呼吸系统疾病病例资料。用Spearman相关分析6种大气污染物与平均温度和相对湿度的相关性。采用广义相加模型(GAM)控制星期几效应、气象因素、假期效应等因素,分析大气污染物与儿童上、下呼吸道疾病门诊量和呼吸系统疾病总门诊量的关系及滞后效应(lag1~lag5)和累积效应(lag0:1~lag0:5),选取最大效应值作为大气污染物对就诊量影响的暴露风险估计值。[结果]在累积滞后效应中,大气污染物浓度每上升一个四分位数间距,呼吸系统疾病总门诊量上升的超额危险度(ER)及其95%可信区间(95%CI)分别为:PM_(2.5)(lag0:4)1.78%(0.12%~3.46%)、PM_(10)(lag0:5)3.48%(0.49%~6.56%)、NO_2(lag0:5)6.59%(3.75%~9.52%)、CO(lag0:5)3.27%(0.02%~6.63%)、SO_2(lag0:5)3.66%(0.62%~6.80%)、O_3(lag0:4)2.65%(0.03%~5.29%),都是在累积滞后4~5 d时总门诊量ER达到最高。在滞后效应中,下呼吸道疾病门诊量在PM_(2.5)、PM_(10)、NO_2、CO和SO_2滞后5 d时ER达到最高;上呼吸道疾病门诊量在PM_(2.5)、PM_(10)和SO_2当日,NO_2和CO滞后4 d时ER达到最高;下呼吸道疾病就诊量与O_3无明显关联(P0.05)。[结论]武汉市6种大气污染物浓度升高对儿童呼吸系统疾病门诊量的增加有明显影响,且对下呼吸道疾病存在较为明显的滞后效应。     

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。     

包头市大气污染对居民急救人次影响的时间序列分析

目的评估包头市大气污染浓度对居民急救人次的影响。方法收集2015—2017年包头市逐日气象资料、大气污染物(PM_(2.5)、PM_(10)、CO、SO_2、NO_2、O_3)浓度和人群急救资料,并进行描述性分析。采用基于Quasi-Poisson回归的广义相加模型(GLM),控制长期趋势、气象因素、星期几效应等混杂因素后,研究大气污染物浓度与逐日人群急救人次的关系及其滞后效应(lag1～lag7),计算污染物浓度每升高10μg/m~3时急救人次增加的ER值及95%CI。结果大气污染物对人群每日急救人次有明显影响,且均在滞后当天效应较高,其中SO_2效应值最高,其浓度每升高10μg/m~3时急救人次增加0.864%(95%CI:0.284%～1.447%);其次为NO_2,其浓度每升高10μg/m~3时急救人次增加0.589%(95%CI:0.010%～1.172%);效应最低的为CO,其浓度每升高10μg/m~3时急救人次增加0.019%(95%CI:0.002%～0.035%)。结论包头市大气污染对人群急救人次有一定影响。     

大气细颗粒物暴露对辅助生殖孕妇胎停育影响的初步研究

目的探讨大气细颗粒物(PM_(2.5))与辅助生殖人群胚胎停止发育(胎停育)发生的关系。方法采用病例对照研究设计,选择2014—2016年期间北京大学第一医院76例确诊的胎停育孕妇为病例组,选择同期152名正常妊娠的产妇为对照组,并收集孕妇个体因素和同期PM_(2.5)、气象因素等数据,分析大气PM_(2.5)和辅助生殖孕妇胎停育发生的相关性研究。结果孕前单日滞后5 d(lag5)和累积滞后0～28 d(lag0～28)的PM_(2.5)浓度对胎停育的影响具有统计学意义,OR值分别为1.006(95%CI:1.000～1.011)和1.021(95%CI:1.001～1.041)。经体质指数(BMI)分层后,体重正常组人群在孕前0～28 d累积PM_(2.5)浓度对胎停育的影响具有统计学意义[OR=1.044(95%CI:1.011～1.077)]。结论大气PM_(2.5)可能是辅助生殖人群胎停育发生的危险因素,提示该人群应注重大气污染的防护及胎停育的早期预防和诊断。     

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。     

北京市顺义区大气污染物对呼吸系统疾病门诊量的影响

目的探讨北京市顺义区大气污染物对医院呼吸系统疾病门诊量的短期影响。方法收集2014年1月1日-2015年12月31日北京市顺义区二级及以上医疗机构呼吸系统疾病每日门诊资料和同期北京市顺义区大气及气象监测资料,采用基于时间序列的半参数广义相加模型,在控制长期趋势、星期效应、假期效应、流感流行及气象因素等混杂因素的基础上,分析大气污染物浓度与呼吸系统疾病日门诊量的关系及滞后效应。结果研究期间,北京市顺义区二级及以上医疗机构呼吸系统疾病日门诊量平均为1653人次,范围420~5034人次。单污染物模型中,PM_(2.5)、PM_(10-2.5)、二氧化硫(SO_2)和二氧化氮(NO_2)均是滞后0~2d(avg02)的移动平均值对呼吸系统疾病门诊人数影响最为显著,臭氧(O_3)是在滞后3d(lag3)的浓度值对呼吸系统疾病门诊人数影响最为显著。PM_(2.5)、PM_(10-2.5)、SO_2、NO_2和O_3浓度每增加10μg/m~3对应的呼吸系统疾病门诊人数增加百分比分别为0.25%(95%CI:0.22~0.28)、0.52%(95%CI:0.44~0.60)、0.73%(95%CI:0.58~0.88)、1.23%(95%CI:1.12~1.33)和0.20%(95%CI:0.16~0.24)。在双污染物模型中,引入NO_2后,PM_(2.5)、PM_(10-2.5)和SO_2对呼吸系统疾病门诊人数影响较单污染物模型明显减小。结论北京市顺义区大气污染物PM_(2.5)、SO_2、NO_2和O_3浓度对医院呼吸系统疾病日门诊量有影响,且存在滞后效应。     

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。     

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。     

环境因素与慢性阻塞性肺病住院人次关联分析

目的探索主要大气污染物与居民慢性阻塞性肺病(COPD)住院人次的关联性。方法以四川盆地污染最为严重的成都为例,采用以半泊松分布为连接函数的广义相加模型研究大气污染物与COPD之间的关联关系。结果 PM2.5(lag03),SO_2(lag04),PM10(lag02)和NO_2(lag02)每升高10μg/m3,CO(lag06)升高0.1mg/m~3分别引起COPD住院人次增长1.85%(95%CI:1.18% 2.52%),8.52%(95%CI:3.31% 13.99%),1.08%(95%CI:0.69% 1.47%),3.69%(95%CI:2.24% 5.16%)和2.57%(95%CI:1.72% 3.44%)。调整其他污染物后,PM_(2.5)、PM10和CO仍与COPD相关。在性别和年龄分层模型中,男性和≥60岁的COPD患者与空气污染物关联性更大,但效应差异都不具有统计学意义(p0.05)。结论 COPD住院人次与PM_(2.5)、PM_(10)、CO之间具有一定的关联关系,并且没有发现性别和年龄的效应修饰作用。