大气颗粒物污染与呼吸系统疾病就诊量的关系研究

目的探讨北京市大气颗粒物短期暴露对人群呼吸系统疾病就诊量的影响。方法收集北京市2013年10月至2015年12月逐日大气污染物资料、气象资料以及某三级综合性医院的呼吸系统疾病就诊资料,采用时间序列数据的Poisson回归模型,分析大气颗粒物日均浓度与呼吸系统疾病每日就诊量之间的关系。结果调整了气象因素、长期趋势、季节趋势、星期几效应、假日效应等因素的影响后,大气PM_(10)浓度每上升10μg/m~3,人群呼吸系统疾病急诊量的相对危险度(RR)为1.002 7(95%CI:1.000 8～1.004 6);且女性的RR值略高于男性,分别为1.002 8(95%CI:1.000 4～1.005 1)与1.002 6(95%CI:1.000 4～1.004 9)。结论北京市大气PM_(10)浓度的短期升高可能会导致医院每日呼吸系统疾病急诊量数的增加。     

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。     

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。     

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。     

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。     

2014-2018年南昌市大气PM2.5对儿童呼吸系统疾病门诊量的影响

目的分析大气PM_(2.5)对南昌市儿童呼吸系统疾病日门诊量的影响。方法收集2014—2018年南昌市大气污染物、气象、儿童呼吸系统门诊量资料。采用基于Poisson回归的广义线性模型,控制长期和季节变化趋势、气象因素、星期几效应等因素,分析大气PM_(2.5)对儿童呼吸系统门诊量的影响。结果 2014—2018年南昌市PM_(2.5)逐年平均浓度为51、42、43、42、30μg/m~3。空气质量为良、轻度污染、中度污染、重度污染天气的儿童呼吸系统疾病日门诊量均高于空气质量为优的天气,且差异均具有统计学意义(P0.05),门诊量增幅分别为8.94%、14.95%、18.30%、11.78%。单污染物模型显示,PM_(2.5)在当日效应最强,浓度每升高10μg/m~3,儿童呼吸系统疾病门诊量增加0.19%(95%CI:0.12%～0.26%);累积滞后0～7 d的儿童呼吸系统疾病门诊量增加0.25%(95%CI:0.14%～0.36%)。多污染物模型显示,在引入O_(3-8h)后,PM_(2.5)浓度每增加10μg/m~3,当日儿童呼吸系统疾病门诊量增加0.15%(95%CI:0.09%～0.22%)。结论 2014—2018年南昌市大气PM_(2.5)浓度升高会引起使儿童呼吸系统疾病门诊量增加。     

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。     

基于广义相加模型分析可吸入颗粒物对人群呼吸系统的短期健康效应

目的了解宿迁市PM_(2.5)、PM_(10)对人群呼吸系统的短期健康效应。方法收集宿迁市2016年空气污染数据、气象数据、医院呼吸系统疾病门诊量和居民因呼吸系统疾病死亡数据,利用R软件建立泊松分布广义相加模型,分析PM_(2.5)、PM_(10)对呼吸系统疾病每日门诊量和人群因呼吸系统疾病每日死亡数的短期影响。结果 2016年宿迁市PM_(10)浓度对呼吸系统疾病日门诊量有影响,PM_(10)浓度与滞后1天的呼吸系统疾病门诊量呈正相关,PM_(10)每上升10μg/m~3,医院呼吸系统疾病门诊量增加0.26%(95%CI:0.01%~0.51%);PM_(2.5)浓度对日门诊量,PM_(2.5)、PM_(10)浓度对人群呼吸系统疾病死亡数影响均无统计学意义(P值均0.05)。结论 2016年宿迁市PM_(10)浓度可能导致了人群呼吸系统疾病患病增加,PM_(2.5)浓度对人群呼吸系统疾病患病增加尚无明显效应。     

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。     

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。     

淮安市空气PM_(2.5)污染对呼吸系统疾病门诊量影响

目的了解淮安市空气PM_(2.5)污染对人群呼吸系统疾病门诊量影响。方法通过医保信息系统,收集淮安市城区人群2013-2014年呼吸系统逐日发病数据,结合同期大气污染监测数据和气象资料,运用统计学方法分析PM_(2.5)污染水平及其对呼吸系统疾病日门诊量影响。结果2013-2014年淮安市空气PM_(2.5)质量浓度均值为73.7μg/m3,超标252d(占34.5%)。PM_(2.5)质量浓度与居民呼吸系统疾病日门诊量存在正相关关系且有滞后性,滞后效应以第4d最强,PM_(2.5)质量浓度每增加10μg/m3呼吸系统疾病日门诊量增加0.63%(95%CI:0.37%~0.89%)。结论淮安市空气PM_(2.5)污染较严重,能增加呼吸系统疾病门诊量,建议继续加强空气质量监测,减少大气污染物排放,保护居民健康。     

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。     

珠海市大气PM_(2.5)与儿科呼吸系统疾病门诊日就诊人次的关系研究

目的了解珠海市大气PM_(2.5)浓度与医院儿科呼吸系统疾病门诊日就诊人次的关系。方法收集珠海市2013—2016年大气污染物浓度数据及同期气象资料和两家医院逐日就诊资料,采用时间序列广义相加模型(GAM)分析2013—2016年珠海市大气PM_(2.5)日均浓度与医院儿科呼吸系统疾病门诊日就诊人次的关系及其滞后效应。结果 2013—2016年珠海市大气PM_(2.5)日均浓度为32.16μg/m~3,大气PM_(2.5)浓度与PM10、SO_2、NO_2、CO和O_3浓度均呈正相关(rs值分别为0.94,0.81,0.72,0.63,0.47,P0.05)。单污染物模型显示,大气PM_(2.5)浓度每升高10μg/m~3,当日儿科呼吸系统疾病门诊就诊人次增加2.47%(95%CI:1.93%～3.02%);双污染物模型(PM_(2.5)+CO、PM_(2.5)+O_3)中,大气PM_(2.5)浓度每升高10μg/m~3,当日儿科呼吸系统疾病门诊就诊人次的ER值分别为1.67%(95%CI:1.03%～2.31%)和2.53%(95%CI:1.94%～3.13%);多污染物模型(PM_(2.5)+CO+O_3)中,PM_(2.5)在滞后4 d时效应最大,PM_(2.5)浓度每升高10μg/m~3,儿科呼吸系统疾病门诊人次增加1.90%(95%CI:1.26%～2.54%)。结论珠海市大气PM_(2.5)浓度与儿科呼吸系统疾病门诊就诊人次有一定关系。     

乌鲁木齐市大气污染对呼吸系统疾病死亡影响的病例交叉研究

目的定量评估乌鲁木齐市大气污染物短期暴露对呼吸系统疾病死亡的影响。方法采用病例交叉研究的方法,分析2014年1月1日—2015年12月31日乌鲁木齐市大污染与呼吸系统疾病死亡相关性,并按采暖期和年龄等潜在混杂因素进行分层分析。结果PM_(2.5)、PM_(10)、SO_2、NO_2质量浓度每增加10μg/m~3,每日呼吸系统疾病死亡发生的OR值分别为1.032(95%CI:1.016~1.049)、1.019(95%CI:1.008~1.030)、1.076(95%CI:1.033~1.120)、1.183(95%CI:1.093~1.281)。按采暖期及年龄分层分析时,PM_(2.5)、PM_(10)、SO_2、NO_2对每层呼吸系统疾病死亡影响均有统计学意义(P0.05),且呼吸系统疾病死亡发生的OR值非采暖期高于采暖期、低龄组高于高龄组。多污染物模型中,PM_(2.5)与其他污染物联合作用对呼吸系统疾病死亡发生OR值均比PM_(2.5)单独影响高,且随着模型中污染物数量的减少OR值有下降趋势。结论乌鲁木齐市大气污染物短期暴露增加呼吸系统疾病死亡人数。     

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。     

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。     

2015-2018年张家港市大气PM2.5对儿科门诊量影响的时间序列分析

目的探讨张家港市大气PM_(2.5)污染对儿科日门诊量的影响。方法收集张家港市2015—2018年逐日气象资料、环保大气监测资料和某三级医院儿科门诊数据。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、法定节假等因素后,进行PM_(2.5)与儿科门诊量的单污染物模型、滞后效应(lag1～lag6)和累积滞后效应(lag0-1～lag0-6)分析,采用滞后天数最大效应值作为PM_(2.5)对儿科门诊影响的暴露风险评估值。结果 2015—2018年,张家港市某三级医院的儿科门诊量共438 137人次,日均300人次,PM_(2.5)年均值是48.0μg/m~3(范围:38～59μg/m~3);PM_(2.5)污染对当天和滞后1～6 d的儿科总门诊量、当天和滞后1～5 d的呼吸系统疾病门诊量影响均有统计学意义,且分别在滞后第3天和第2天最强,PM_(2.5)浓度每升高10μg/m~3,门诊量分别增加0.51%(95%CI:0.20%～0.83%)和0.83%(95%CI:0.42%～1.23%);PM_(2.5)对累积滞后1～6 d的儿科总门诊量和呼吸系统疾病门诊量影响均有统计学意义(P 0.05)。结论张家港市大气PM_(2.5)浓度升高会导致儿科总门诊量和呼吸系统疾病门诊总量增加,应采取积极措施对儿童等重点人群开展有效防护。     

广州市越秀区大气NO2污染与儿童呼吸系统疾病门诊量的时间序列分析

目的探讨广州市越秀区大气NO_(2)对儿童呼吸系统疾病门诊量的影响。方法收集2014—2016年大气污染物NO_(2)数据、气象资料和越秀区某儿童医院呼吸系统疾病门诊量资料。采用Spearman秩相关分析和广义相加模型时间序列分析研究大气NO_(2)浓度与同期儿童呼吸系统疾病门诊量的关系和滞后效应。结果2014—2016年越秀区大气NO_(2)浓度年均值分别为61.30、60.46和60.81μg/m^(3),超标天数分别为70、64和62 d。时间序列分析结果表明,大气NO_(2)浓度对呼吸系统疾病门诊量第(0~7)d有明显影响,当天(lag0 d)的影响最大,超额危险度ER(95%CI)为1.45%(0.93%~1.98%);累积滞后(0~6)d(lag06 d)时累积效应最强,超额危险度ER(95%CI)为3.07%(2.04%~4.10%)。结论2014—2016年广州市越秀区NO_(2)浓度增加会导致呼吸系统疾病门诊量增加。     

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。     

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。