大气颗粒物（PM2.5 和PM10）与浦东新区居民慢性阻塞性肺疾病死亡的相关性研究

陈亦晨，李小攀，孙良红，陈涵一，曲晓滨，张格，陈华，周弋，林涛，孙乔

随着社会经济的发展，空气污染已成为全世界共同面对的严重公共卫生问题，严重危害着居民的健康并导致了沉重的疾病负担［1-2］。大气颗粒物是大气污染物的重要组成部分，近年来其与呼吸系统疾病急性发作以及致死的关联不断得到阐释［3-4］。浦东新区是上海市第二大市辖区，目前已建立起较为完备的社区慢性病报告及随访管理诊疗体系，辖区内慢性阻塞性肺疾病患者的生存状况愈发受到关注［5-6］。为了解大气颗粒物（PM2.5、PM10）短期暴露与浦东新区居民慢性阻塞性肺疾病死亡的相关性，本研究收集2013—2017 年气象、大气污染物与慢性阻塞性肺疾病死亡资料进行分析，现报道如下。

本研究局限性：

（1）因目前资料限制，本研究仅将根本死因为慢性阻塞性肺疾病的死亡病例纳入研究，无法说明整个浦东新区辖区内庞大的慢性阻塞性肺疾病患病人群受大气颗粒物影响的情况；（2）本研究利用基于Poisson分布的广义相加模型对大气颗粒物对居民慢性阻塞性肺疾病死亡影响进行探讨，在对污染物效应的滞后性与累积性的分析上存在局限性。在后续研究中，将进一步利用浦东新区已建立起的完备的慢性病患者随访体系，以慢性阻塞性肺疾病患者为研究对象，收集患病人群就诊情况以及死亡情况，进一步探讨大气颗粒物浓度对该人群慢性阻塞性肺疾病发作以及不同原因死亡之间的相关性，扩大研究的涵盖范围，提升对防治措施的参考价值；分布滞后非线性模型是目前国内外用于探讨气象及大气污染等因素对居民健康影响的滞后效应以及累积效应常用的较新颖的模型，后续研究中将尝试引入该模型，进一步分析大气颗粒物对居民慢性阻塞性肺疾病死亡影响的滞后性与累积性。

1 资料与方法

1.1 资料来源 2013-01-01 至2017-12-31 浦东新区居民逐日慢性阻塞性肺疾病死亡资料来源于居民死因监测数据库，参考国际疾病分类第10 版（ICD-10）编码，慢性阻塞性肺疾病死因编码范围包括J40～J47。同时期的上海市大气污染物（PM2.5、PM10、SO2、NO2）数据来源于上海市环境监测中心，气象因素（气温、相对湿度、大气压、风速）资料来源于浦东新区气象局的浦东新区监测资料。

1.2 研究方法 为探究大气颗粒物（PM2.5、PM10）对不同人群的影响，本研究对死亡病例根据其年龄（低龄为＜80 岁，高龄为≥80 岁）以及学历（低学历为中学以下，高学历为中学及以上）进行分层分析。居民每日因慢性阻塞性肺疾病死亡相对于暴露人群属于小概率事件，故可以认为其分布近似于Poisson 分布。本研究采用Poisson 分布广义相加模型，分析大气颗粒物（PM2.5、PM10）与居民每日慢性阻塞性肺疾病死亡的相关性，并且根据不同年龄、学历分别建立模型。具体公式如下：Log［E（Yt）］=α+βZt+s（time，df）+s（Xt，df）+DOW。其中Yt 为观察日（t）当天慢性阻塞性肺疾病死亡人数，E（Yt）为观察日（t）当天慢性阻塞性肺疾病死亡人数的期望值，符合Poisson 分布；α 为截距；β 为大气污染物浓度的回归系数；Zt 为观察日（t）当天大气颗粒物（PM2.5、PM10）浓度；s 为非参数平滑函数；time 为时间序列，用于控制长期趋势与周期效应；df 为非参数平滑函数的自由度；Xt 为可能产生影响的日均气温、相对湿度等混杂因素；DOW 为哑变量，用于控制星期几效应，通过广义交叉验证（GCV）自动选择模型的自由度。

为探讨大气颗粒物（PM2.5、PM10）对浦东新区居民慢性阻塞性肺疾病死亡影响的滞后性与累积性，本研究构建单污染物模型，居民慢性阻塞性肺疾病死亡当日及前1、2、3 d 大气颗粒物（PM2.5、PM10）浓度以及死亡当日与前1、2、3 d 大气颗粒物（PM2.5、PM10）平均浓度，分别以lag0、lag1、lag2、lag3、lag03 表示；由于其他大气污染物（SO2与NO2）与大气颗粒物（PM2.5与PM10）可能存在协同作用以及拮抗作用，本研究在单污染物模型分析的基础上，选取效应最强的滞后时间的单污染物模型，进一步控制同期SO2以及NO2的影响，构建多污染物模型分析大气颗粒物（PM2.5、PM10）对居民慢性阻塞性肺疾病死亡的影响。

1.3 统计学方法 采用R 3.4.2 软件进行统计分析，采用mgcv 程序包构建广义相加模型。正态分布计量资料以（±s）表示，非正态分布计量资料以M（P25，P75）表示，大气污染物与气象因素之间的相关性分析采用Spearman 秩相关分析，大气颗粒物（PM2.5、PM10）效应的测量采用超额危险度（ER），即大气颗粒物（PM2.5、PM10）每上升或下降10 μg/m3，居民慢性阻塞性肺疾病死亡增加或减少的百分比。以P＜0.05 为差异有统计学意义。

2 结果

2.1 基本情况 2013—2017 年浦东新区慢性阻塞性肺疾病死亡总数为9197 例，日均死亡（5.04±2.69）例，其中低龄2436 例〔26.49%，日均死亡（1.33±1.21）例〕，高龄6761 例〔73.51%，日均死亡（3.70±2.24）例〕；低学历6477 例〔70.43%，日均死亡（3.55±2.20）例〕，高学历2720 例〔41.99%，日均死亡（1.49±1.27）例〕。2013—2017 年上海市大气污染物中PM2.5日均浓度为41.00（26.00，63.00）μg/m3，PM10日均浓度为56.00（40.00，82.00）μg/m3，SO2日均浓度为13.00（10.00，19.00）μg/m3，NO2日均浓度为41.00（30.00，56.00）μg/m3，其中SO2符合《环境空气质量标准：GB 3095-2012》［7］污染物浓度限值的一级标准，NO2、PM2.5、PM10均超过二级标准浓度限值。2013—2017 年浦东新区日均气温为18.29（9.79，24.05）℃，日均相对湿度为75.69%（66.63%，83.13%），日均大气压为1015.87（1008.54，1023.10）hPa，日均风速为1.38（1.01，1.82）m/s。

2.2 相关性分析 PM2.5与PM10、SO2、NO2、大气压呈正相关，与气温、相对湿度、风速呈负相关（P＜0.05）；PM10与SO2、NO2、大气压呈正相关，与气温、相对湿度、风速呈负相关（P＜0.05）；SO2与NO2、大气压呈正相关，与气温、相对湿度、风速呈负相关（P＜0.05）；NO2与气温、相对湿度呈负相关，与大气压、风速呈正相关（P＜0.05）；气温与相对湿度呈正相关，与大气压呈负相关（P＜0.05）；相对湿度与大气压、风速呈负相关（P＜0.05，见表1）。

2.3 单污染物模型分析 在控制了长期趋势、季节效应、周期效应及星期几效应的基础上，将气象因素纳入模型，根据赤池信息量准则（AIC），选择最优模型，最终确定纳入模型进行控制的气象因素包括气温、相对湿度、大气压、风速。结果显示，PM2.5在lag0、lag1、lag2、lag03 时间点上效应显著（P＜0.05），在lag3 时间点上效应不显著（P＞0.05）；PM10在lag0、lag1、lag2、lag3、lag03 时间点上效应显著（P＜0.05，见表2）。

表12013—2017 年浦东新区大气污染物与气象因素相关性分析（rs值）Table 1 The result of Spearman's correlation coefficient between air pollutant and meteorology data in Pudong New Area of Shanghai，2013—2017

年龄分层显示：对于低龄人群，PM2.5、PM10在lag0、lag1、lag2、lag3、lag03 时 间 点 上 效 应 不 显 著（P＞0.05）。 对 于 高 龄 人 群，PM2.5在lag0、lag1、lag2、lag03 时间点上效应显著（P＜0.05），在lag3 时间点上效应不显著（P＞0.05）；PM10在lag0、lag1、lag2、lag3、lag03 时间点上效应显著（P＜0.05，见表2）。

学历分层显示：对于低学历人群，PM2.5、PM10在lag0、lag1、lag2、lag03 时间点上效应显著（P＜0.05），在lag3 时间点上效应不显著（P＞0.05）。对于高学历人群，PM2.5在lag1 时间点上效应显著（P＜0.05），在lag0、lag2、lag3、lag03 时间点上效应不显著（P＞0.05）；PM10在lag1、lag03 时间点上效应显著（P＜0.05），在lag0、lag2、lag3 时间点上效应不显著（P＞0.05，见表2）。

2.4 多污染物模型分析 将单污染物模型中效应最强的滞后时间的大气颗粒物（PM2.5、PM10）与同期其他大气污染物（SO2、NO2）浓度同时引入多污染物模型，其中低龄人群选用lag1，其他人群均选用lag03。结果显示，在单独控制SO2、NO2及同时控制SO2、NO2的情况下，PM2.5对全人群、低龄人群、高龄人群、低学历人群、高学历人群的效应均不显著（P＞0.05）；在单独控制SO2及同时控制SO2、NO2的情况下，PM10对全人群、低龄人群、高龄人群、低学历人群、高学历人群的效应均不显著（P＞0.05）；在单独控制NO2的情况下，PM10对全人群、低龄人群、低学历人群、高学历人群的效应均不显著（P＞0.05）；在单独控制NO2的情况下，PM10对高龄人群的效应显著（P＜0.05，见表3）。

3 讨论

慢性阻塞性肺疾病由于其高患病率、高病死率以及高致残率，已受到全世界医学界的广泛关注，目前降低以慢性阻塞性肺疾病为代表的慢性呼吸系统疾病所导致的居民早死概率已被确定为“健康中国2030”的重要指标之一［8］。浦东新区是我国经济发展的重点区域之一，辖区内工业企业密布，随着社会经济的发展，汽车保有量正不断攀升，导致区域内大气颗粒物（PM2.5、PM10）污染水平较高。因此，及早探明大气颗粒物（PM2.5、PM10）对浦东新区居民慢性阻塞性肺疾病死亡的影响对区域内空气污染治理策略的制定以及脆弱人群的保护工作有着重要的指导意义。

表2 单污染物模型大气颗粒物（PM2.5、PM10）浓度每上升10 μg/m3 导致居民慢性阻塞性肺疾病死亡的ER 及95%CI（%）Table 2 ER and 95%CI of daily COPD mortality associated with 10 μg/m3 increase of particulate matters（PM2.5，PM10）using single-pollutant models in Pudong New Area of Shanghai，2013—2017

本研究利用Poisson 分布广义相加模型，对2013—2017 年浦东新区大气颗粒物（PM2.5、PM10）暴露与居民每日慢性阻塞性肺疾病死亡的相关性进行研究，结果显示，PM2.5在lag0、lag1、lag2、lag03 时间点上效应显著，在lag3 时间点上效应不显著；PM10在lag0、lag1、lag2、lag3、lag03 时间点上效应显著；提示大气颗粒物（PM2.5、PM10）浓度可对浦东新区居民慢性阻塞性肺疾病逐日死亡产生显著影响，与浙江省宁波市以及北京市的研究结果一致［9-10］。

目前，大气可吸入颗粒物对居民健康的危害已引起社会广泛关注。本研究结果显示，浦东新区大气颗粒物（PM2.5、PM10）在lag03 时间点上对于居民慢性阻塞性肺疾病死亡影响的效应最强，提示大气颗粒物（PM2.5、PM10）对于慢性阻塞性肺疾病死亡具有明显的滞后累积效应，北京市与宁波市的同类研究均观察到类似现象［9-10］。多污染物模型分析结果显示，在单独控制SO2、NO2及同时控制SO2、NO2的情况下，PM2.5对全人群的效应不显著；在单独控制SO2及同时控制SO2、NO2的情况下，PM10对全人群的效应不显著；在单独控制NO2的情况下，PM10对全人群的效应不显著；提示大气颗粒物（PM2.5、PM10）与其他污染物之间存在较强的协同作用。相关性分析结果显示，PM2.5与PM10、SO2、NO2、大气压呈正相关，与气温、相对湿度、风速呈负相关；PM10与SO2、NO2、大气压呈正相关，与气温、相对湿度、风速呈负相关；SO2与NO2、大气压呈正相关，与气温、相对湿度、风速呈负相关；NO2与气温、相对湿度呈负相关，与大气压、风速呈正相关；气温与相对湿度呈正相关，与大气压呈负相关；相对湿度与大气压、风速呈负相关；提示大气污染物与气象因素之间存在明显的共线性。研究显示，浦东新区大气颗粒物（PM2.5、PM10）的主要有害成分包括苯丙芘等有机化合物及铁等重金属［11］。目前认为，大气颗粒物（PM2.5、PM10）中重金属颗粒引起的氧化应激及炎性反应是导致慢性阻塞性疾病加重的重要原因［12］，亦有研究显示，颗粒物中的有机化合物与呼吸道急性感染存在相关性［13-14］。

为了解大气颗粒物对不同人群的影响，本研究根据年龄进行了分层分析，单污染物模型分析结果显示，对于低龄人群，PM2.5、PM10在lag0、lag1、lag2、lag3、lag03 时间点上效应不显著。对于高龄人群，PM2.5在lag0、lag1、lag2、lag03 时间点上效应显著，在lag3 时间点上效应不显著；PM10在lag0、lag1、lag2、lag3、lag03 时间点上效应显著。多污染物模型分析结果显示，在单独控制SO2、NO2及同时控制SO2、NO2的情况下，PM2.5对低龄人群、高龄人群的效应均不显著；在单独控制SO2及同时控制SO2、NO2的情况下，PM10对低龄人群、高龄人群的效应均不显著；在单独控制NO2的情况下，PM10对低龄人群的效应不显著；在单独控制NO2的情况下，PM10对高龄人群的效应显著。提示大气颗粒物（PM2.5、PM10）浓度上升，80 岁及以上高龄人群慢性阻塞性肺疾病死亡风险明显上升，但对80 岁以下低龄人群无明显影响，深圳市以及江苏省无锡市也观察到类似现象［15-16］，但与宁夏银川市的报道存在明显差异［17］，说明大气颗粒物（PM2.5、PM10）对人群健康的影响存在地区差异。学历分层的单污染物模型分析结果显示，对于低学历人群，PM2.5、PM10在lag0、lag1、lag2、lag03 时间点上效应显著，在lag3 时间点上效应不显著。对于高学历人群，PM2.5在lag1 时间点上效应显著，在lag0、lag2、lag3、lag03 时间点上效应不显著；PM10在lag1、lag03 时间点上效应显著，在lag0、lag2、lag3 时间点上效应不显著。多污染物模型分析结果显示，在单独控制SO2、NO2及同时控制SO2、NO2的情况下，PM2.5对低学历人群、高学历人群的效应均不显著；在单独控制SO2及同时控制SO2、NO2的情况下，PM10对低学历人群、高学历人群的效应均不显著；在单独控制NO2的情况下，PM10对低学历人群、高学历人群的效应均不显著。主要原因可能为高学历人群能享受更好的生活及医疗条件，急症发生后，可以获得更好的救治；低学历人群更多地从事户外工作，因为社会经济水平较差，防护意识也不及高学历人群，更易受到大气颗粒物（PM2.5、PM10）的危害。

表3 多污染物模型大气颗粒物（PM2.5、PM10）浓度每上升10 μg/m3 导致居民慢性阻塞性肺疾病死亡的ER 及95%CI（%）Table 3 ER and 95%CI of daily COPD mortality associated with 10 μg/m3 increase of particulate matters（PM2.5，PM10）using multi-pollutant models in Pudong New Area of Shanghai，2013—2017

研究表明，大气颗粒物（PM2.5、PM10）浓度的降低可有效降低居民非伤害死亡［18］。目前，随着社会经济发展以及产业结构的转型，大气污染正由煤烟型向复合型转变，交通源大气颗粒物（PM2.5、PM10）已成为城市大气颗粒物（PM2.5、PM10）的主要来源之一，治理车辆交通污染，提倡新能源车、使用高质量的汽油、制定更高的排放标准显得尤为重要［19］，浦东辖区内有高桥及洋山两大港区，船舶的污染排放也应得到重视［20］；注重营养的改善及养成良好的生活行为习惯也可以降低大气污染物的危害［21-22］。因此，在对环境治理的基础上，应注重改善高危人群的行为与意识，国外空气污染个人预警系统等新技术的应用，也为我国高危人群空气污染危害的预防提供了新思路［23］。

综上所述，大气颗粒物（PM2.5、PM10）浓度上升对浦东新区居民慢性阻塞性肺疾病死亡产生显著影响，高龄与低学历慢性阻塞性肺疾病患病人群对大气颗粒物（PM2.5、PM10）浓度变化更为敏感，应重点加强对敏感人群的大气颗粒物（PM2.5、PM10）危害的保护措施。

作者贡献：孙乔负责研究方向的确定；林涛负责论文内容的构思与设计以及质量控制；孙良红、陈涵一、曲晓滨、张格、陈华负责资料收集以及慢性阻塞性肺疾病死因归类编码；李小攀负责数据分析与结果解释；陈亦晨负责本论文的撰写工作；周弋负责本论文的最终审校，并对本论文整体负责。

本文无利益冲突。