兰州市空气污染对呼吸系统疾病入院人数的影响

陶 燕,羊德容 ,兰 岚 ,王洪新 ,王式功 (.兰州大学资源环境学院,甘肃 兰州 730000；.兰州大学大气科学学院,甘肃 兰州 730000)

近年来,空气污染对人类健康的影响逐渐成为国内外研究的热点之一.WHO对全球3211个城市的研究表明,2000年全球室外空气可吸入颗粒物污染引起的早死人数约为79.9万人,其中亚太地区为48.7万人,空气污染的疾病负担主要发生在发展中国家,亚洲的空气污染疾病负担占全球的 2/3[1].众多研究均表明[2-5]低劣的空气会刺激呼吸系统使其出现病变.Pikhart等[6]调查了3680名儿童,多水平分析结果显示,NO2每升高10μg/m3,儿童喘息发作的危险性增加 1.16倍;SO2每升高 10μg/m3,儿童喘息发作的危险性增加 1.08倍.周燕荣等[7]分析了重庆大气污染与上呼吸道疾病与病症的关系,结果发现在高、中、低污染区,上呼吸道疾病与病症的发病率分别为22.0%、12.9%和9.1%.

兰州市是一个以石油化工、冶金和机械工业为主的工业城市,空气污染较为严重,再加上地理条件的制约,特有的盆地地形、特殊的气象条件等因素使兰州空气污染物不易扩散.因此本研究利用兰州市2007年1月1日至2009年12月31日空气污染物和呼吸系统疾病日入院人数数据,运用时间序列方法,通过广义相加模型分析兰州市空气污染对居民呼吸系统疾病的影响,具有明确的地域代表性,同时也为疾病的预防控制和有关环境的决策提供科学依据.

1 资料与方法

1.1 疾病资料

呼吸系统疾病日入院资料取自兰州市 3所大型综合医院2007年1月1日至2009年12月31日的住院登记表.呼吸系统疾病由医院专业人员根据国际疾病分类标准第 10版(ICD-10:J00-J99)进行分类[8],并剔除了因人为原因造成的疾病.3所医院呼吸系统疾病入院人数占兰州市区呼吸系统疾病总入院人数的30%～40%.

1.2 空气污染物资料

收集了2007年1月1日至2009年12月31日兰州市3种主要污染物PM10、SO2、NO2日均浓度,资料来自于兰州市环境监测站.采用线性内插法对缺失数据进行填补得到的完整的日均浓度序列.

1.3 气象资料

收集了2007年1月1日至2009年12月31日兰州市逐日地面气象资料,包括平均气温、最高气温、最低气温、气压、相对湿度等气象因子,资料来自于甘肃省气象局.

1.4 方法

采用半参数广义相加模型(GAM)[9]分析空气污染物与呼吸系统疾病日入院人数的影响,并分别按性别和年龄的不同分层建立模型.相对于总人口来说,呼吸系统疾病患者入院属于小概率事件,其实际分布近似 Poisson分布[10],故本研究拟合 Poisson回归的 GAM 模型.在排除星期几(day of the week)效应,用样条平滑函数排除长期趋势、气象等混杂因素影响的基础上,将当天(lag0)、1d前至 7d前污染物 PM10、SO2、NO2浓度逐一引入模型.具体模型如下:

Log[E(Yk)]=α+ DOW+βXk+s(time,df)+ s(Zk,df)式中:Yk为第k日呼吸系统疾病入院人数;E(Yk)为第k日呼吸系统疾病入院人数的期望值;α为残差;β为回归系数;Xk为第k日污染物浓度;s为样条平滑函数;df为自由度;DOW为星期哑元虚拟变量;time为日历时间;Zk为第k日气象要素.

确定单污染物的最优模型后,引入 PM10、SO2和 NO2,分别建立单污染物模型和多污染物模型,分析多污染物协同作用下空气污染物对人群健康造成的损害如何变化,由此确定研究期间主要影响呼吸系统入院人数的危险因子.并且采用 Akaike信息标准(AIC)作为评判标准[11],对回归模型进行因子选择与优度检验.

根据 GAM 模型估算出空气污染物的回归系数β,计算相对危险度(RR)RR=EXP[IQR(inter-quartile range)·β],在此基础上计算出 RR 的95%的可信区间(95%CI) EXP[(β±1.96SE)·IQR],污染物浓度每增加 10μg/m3疾病日入院人数变化的百分比为 10/IQR×(RR-1)×100%.统计分析由R软件和SPSS软件实现.

2 结果

2.1 描述性分析

2007年1月1日至2009年12月31日兰州市大气中主要污染物PM10、NO2、SO2的日均浓度年均值、主要气象因素和呼吸系统疾病日入院人数的描述性统计结果见表 1.可以看出,兰州市大气中主要污染物PM10、NO2、SO2的日均浓度年均值均高于国家空气质量二级标准[12].3年期间呼吸系统疾病入院人数合计为 19009人,男女性别比将近 2:1;老年(年龄≥65)人群占总呼吸系统疾病入院人数 25.7%,年龄≤15岁的人群占38.3%;年龄介于15～65岁之间的人群占36.0%.

2.2 空气污染物及气象因素间的相关性

Pearson 相关性分析结果见表2,3种污染物之间均存在明显的正相关,且有统计学意义,说明污染物之间具有一定的协同作用,其中 NO2与SO2的相关性较强,相关系数为0.430.气温、能见度与 3种污染物之间均呈现负相关,且具有统计学意义.

2.3 空气污染物与日入院人数的关系

2.3.1 单污染物模型 图1显示了在单污染模型下空气污染物PM10、SO2和 NO2日平均浓度对居民呼吸系统疾病日入院人数的 RR.可以看出,PM10对不同人群的影响具有一定的滞后效应,且滞后时间略有差异,全人群和女性人群在滞后2d有统计学意义,其他人群均在滞后 5d具有统计学意义;PM10每升高1个IQR,全人群、男性、女性、年龄≥65岁的老年人群、15～65岁以及≤15岁人群的RR依次为1.015、1.022、1.026、1.039、1.033和1.048.SO2对不同人群的均在滞后3d RR达到最大值,且除女性人群和15～65岁人群外,均具有统计学意义;SO2每升高1个IQR,全人群、男性、女性、年龄≥65岁的老年人群、15～65岁人群以及≤15岁人群的RR依次为1.049、1.061、1.052、1.085、1.072和1.101.NO2对全人群、女性及≤15岁人群的影响在当天具有统计学意义,且每升高 1个 IQR,其 RR分别为 1.040、1.050和1.078;对男性、年龄≥65岁的老年人群及15～65岁人群的影响在滞后3d具有统计学意义,且每升高1个IQR,其RR分别为1.065、1.074和1.066.

表1 兰州市2007～2009年空气污染物浓度、气象因素和呼吸系统疾病入院人数统计Table 1 Statistics of air pollutants, meteorological factors and hospital admissions for respiratory diseases in Lanzhou,from 2007 to 2009

表2 兰州市2007～2009年空气污染物浓度与气象因素的Pearson相关系数Table 2 Pearson correlation coefficients between atmospheric pollution concentrations and meteorological factors in Lanzhou from 2007 to 2009

2.3.2 多污染物模型 表3显示了在双污染模型中,分别引入SO2或NO2后,PM10对全人群、男性、老年人群和年龄≤15岁人群呼吸系统疾病入院人数的影响不大,且仍具有统计学意义,对女性和 15～65岁人群的影响的 RR明显下降,但不具统计学意义.引入PM10后,SO2对全人群、老年人群和年龄≤15岁人群呼吸系统疾病日入院人数的影响不大,对男性和15～65岁人群的影响的RR明显增加,且仍均具有统计学意义,对女性人群影响的RR明显下降,但不具统计学意义;引入NO2后,SO2对全人群、女性、15～65岁和和年龄≤15岁人群影响的 RR明显增加,除女性人群外均具有统计学意义,对男性和老年人群的影响的 RR明显下降,但均不具有统计学意义.引入 PM10后,NO2对全人群、男性、老年人群和年龄≤15岁人群呼吸系统疾病日入院人数影响的影响RR明显下降,但仅男性具有统计学意义,对女性和15～65岁人群的影响的RR明显增加,且仍均具有统计学意义;引入SO2后,NO2对男性、老年人群和年龄≤15岁人群呼吸系统疾病日入院人数影响的影响RR明显下降,但均不具有统计学意义,对女性和15～65岁人群的影响的RR明显增加,且仍均具有统计学意义,对全人群影响变化不大.在多污染模型中,同时引入PM10、SO2和NO2,对全人群的影响仍具有统计学意义,对老年人群的影响不具有统计学意义.

图1 空气污染影响呼吸系统疾病入院人数的相对危险度(单污染模型)Fig.1 Relative risks of the association between atmospheric pollution and hospital admissions for respiratory diseases ( single-pollutant model)

表3 空气污染影响呼吸系统疾病入院人数的相对危险度(多污染模型)Table 3 Relative risks of the association between atmospheric pollution and hospital admissions for respiratory diseases( multi-pollutant model)

3 讨论

自20世纪90年代以来,基于广义相加模型的时间序列分析已被国际上广泛用于空气污染急性暴露对各种健康效应终点的研究.时间序列方法对同一研究人群反复观察暴露条件改变后的健康效应,因此与时间变化相关的一些变量,如年龄改变、吸烟、社会经济因素等,就不再成为研究空气污染健康效应的混杂因素[13],这是时间序列的一个关键优点.

国内外研究证明,从轻微的呼吸系统症状的产生到心肺疾病的门诊人数、入院人数和死亡率的增加都与空气污染有着密切关系[14-18].本研究收集了2007年1月1日至2009年12月31日兰州市大气污染物(PM10、SO2、NO2)日均浓度和呼吸系统疾病日入院人数资料,探讨了兰州市大气污染与呼吸系统疾病日入院人数变化的暴露-反应关系.由于研究时间较国外同类研究相对较短,而且,不同大气污染物之间存在着明显的共线性,具体区分某个污染物的健康效应相对困难,多污染物模型由于增加模型拟合结果的标准差[19],因而在统计学上的意义较低.本研究亦与国内外报道[20-21]的空气污染与呼吸系统疾病日入院人数关系的研究一致.经 GAM模型分析得知,当空气污染物PM10、SO2和NO2浓度每增加1个IQR,全人群呼吸系统疾病日入院人数分别增加1.5%、4.9%和4.0%.PM10对人群的影响低于其他地区和国家的研究结果,原因可能为:一方面,虽然兰州市的 PM10浓度较其他地区高,人群暴露水平高,但人群对其敏感程度反而较低,可能与当地人群对空气污染易感性的差别、人口的年龄结构差异;另一方面,可能由于暴露-反应关系曲线在高暴露时存在近似“平台期”,使斜率较低而导致[22].发达国家及地区的 PM10主要来自机动车尾气排放,含有大量的二次气溶胶,毒性高,对人体影响大,而兰州地区颗粒物源解析表明,城市扬尘和土壤风沙贡献率较高,其主要成分为无机矿物质,毒性弱,对人体健康影响小[22].这说明由于颗粒物特征、来源不同,颗粒物毒性存在很大差异,从而对人群健康差别很大.

从年龄与性别分层来看,年龄≤15岁的人群对空气污染物最为敏感,PM10、SO2和 NO2每增加1个IQR,年龄≤15岁人群的呼吸系统疾病日入院人数分别增加4.8%、10.1%和7.8%;其次为年龄≥65岁的老年人群,PM10、SO2和NO2每增加1个 IQR,呼吸系统疾病日入院人数分别增加3.9%、8.5%和7.4%.原因在于:年龄≤15岁的人群生理结构发育不够完全,免疫系统不够完善;年龄≥65岁的老年人群随着年龄的增长,各种机能开始减退,体质较差,机体免疫力下降,抵御不良环境的能力较差,大气污染物中携带的细菌、病毒及有毒有害物质容易进入体内,导致疾病的发生.王黎华等[23]观察了北京市大气污染与儿童最大呼气流量(PEF)的关系,发现空气中 NO2和 SO2的浓度与儿童 PEF的变化显著相关.与此类似,马洪宝等[24]比较了上海大气 SO2污染程度轻而颗粒物污染程度不同地区儿童的肺功能,结果发现大气颗粒物污染可引起用力呼吸气流(FEF)25%～75%和FEF 75%～85%的减少,提示长期暴露在颗粒物污染下,可损害儿童的肺功能.同时除PM10外,SO2和NO2对男性人群的影响较女性人群影响的 RR值大,可能是男性从事户外作业的比例较女性高,且防护意识比女性淡薄,不良的生活习惯(如抽烟、酗酒)使男性更易受外界污染物的影响而诱发呼吸系统疾病.

4 结论

4.1 兰州市空气污染物对年龄≤15岁人群的呼吸系统疾病入院人数的影响最大,其次为老年人群;对男性的影响较女性明显.

4.2 PM10滞后 2或 5d,SO2滞后3d,NO2在当天或滞后3d对呼吸系统疾病入院人数的RR值达到最大.

[1]Cohen A J, Ross Anderson H, Ostro B, et al. The global burden of disease due to outdoor air pollution [J]. Journal of Toxicology and Environmental Health Part A, 2005,68(13-14):1301-1307.

[2]Oberdörster Gunter. Pulmonary effects of inhaled ultrafine particles [J]. International Archives of Occupational Environmental Health, 2001,74(1):1-8.

[3]朱 悦,杨小南,李宇斌.沈阳市某地区大气污染与儿童呼吸系统疾病门诊人次的关系 [J]. 环境与健康杂志, 2008,25(7):575-578.

[4]Zeghnoun A, Czernichow P, Beaudeau P, et al. Short-term effect of air pollution on mortality in the cities of Rouen and Le Havre,France,1990-1995 [J]. Archives of Environmental Health, 2001,56(4):327-335.

[5]李 宁,彭晓武,张本延.广州市居民呼吸系统疾病每日死亡人数与大气污染的时间序列分析 [J]. 华中科技大学学报, 2010,39(6):863-867.

[6]Pikhart H, Bobak M, Kriz B, et al. Outdoor air pollution of nitrogen dioxide and sulfur dioxide and prevalence of wheezing school children [J]. Epidemiology, 2000,11(2):153-160.

[7]周燕荣,曾 庆,徐 放.重庆地区大气污染对居民呼吸系统疾病的影响 [J]. 重庆医科大学学报, 1996,21(T10):118-122.

[8]卫生部卫生统计信息中心,北京协和医院世界卫生组织疾病分类合作中心.国际疾病分类(ICD-10)应用指导手册 [M]. 北京:中国协和医科大学出版社, 2001:411-435.

[9]Dominici F, McDermott A, Zeger S L, et al. On the use of generalized additive models in time-series studies of air pollution and health [J]. American Journal of Epidemiology, 2002,156(3):193-203.

[10]Schwartz J, Spix C, Touloumi G, et al. Methodological issues in studies of air pollution and daily counts of deaths or hospital admissions [J]. Journal of Epidemiology and Community Health,1996,50(S1):3-11.

[11]Akaike H. Factor Analysis and AIC [J]. Psychometric, 1987,52(3):317-332.

[12]GB3095-1996 环境空气质量标准 [S].

[13]阚海东,陈秉衡,贾 健.大气污染物暴露与人群健康效应的暴露-反应关系分析 [J]. 环境与健康杂志, 2004,21(7):253-254.

[14]陈仁杰,陈秉恒,阚海东.上海市近地面臭氧污染的健康影响评价 [J]. 中国环境科学, 2010,30(5):603-608.

[15]李 宁,彭晓武,张本延,等.大气污染与呼吸系统疾病日门诊量的时间序列分析 [J]. 环境与健康杂志, 2009,26(12):1077-1080.

[16]常桂秋,潘小川,谢学琴,等.北京市大气污染与城区居民死亡率关系的时间序列分析 [J]. 卫生研究, 2003,32(6):565-568.

[17]谢 鹏,刘晓云,刘兆荣,等.珠江三角洲地区大气污染对人群健康的影响 [J]. 中国环境科学, 2010,30(7):997-1003.

[18]王 艳,张宜升,李欣鹏.济南城区空气污染对呼吸道疾病门诊量的影响 [J]. 中国环境科学, 2008,28(6):571-576.

[19]Peters A, Döring A, Wichmann H E, et al. Increased plasma viscosity during an air pollution episode: a link to mortality? [J].Lancet, 1997,349(9065):1582-1587.

[20]黄文珊,胡衡生,刘 航.南宁市大气污染与呼吸系统疾病的关系 [J]. 环境与健康杂志, 2004,21(6):384-386.

[21]Leitte A M, Petrescu C, Franck U, et al. Respiratory health,effects of ambient air pollution and its pollution and its medication by air humidity in Drobeta-Turnu Severin, Romania[J]. Science of the Total Environment, 2009,407(13):4004-4011.

[22]孙兆彬,李栋梁,陶 燕,等.兰州市大气PM10与呼吸系统疾病入院人数的时间序列研究[J].环境与健康杂志, 2010,27(12):1049-1052.

[23]王黎华,徐希平,周玉芬,等.空气污染与儿童最大呼气流速变化的关系 [J]. 环境与健康杂志, 1994,11(6):243-246.

[24]马洪宝,洪传洁.大气细颗粒物污染对儿童肺功能影响的多因素分析 [J]. 中国公共卫生学报, 1991,10(2):75-77.