基于广义相加模型的郑州市大气污染与医院感染发生风险的关系分析

王高帅, 陈晓娟, 胡玉守, 王瑞涛, 梁进娟

1)郑州大学第二附属医院医院感染管理科 郑州 450014 2)郑州大学第二附属医院放射治疗病房 郑州 450014 3)郑州大学第二附属医院RICU 郑州 450014 4)郑州大学第二附属医院介入科 郑州 450014

随着城市化进程的推进，大气环境对人体健康的影响受到越来越多的关注。研究[1-3]显示，大气污染物暴露会增加呼吸系统、心血管系统发病率，增加死亡率，缩短预期寿命。有研究[4]显示，大气污染成为全球疾病负担的主要病因，尤其是在低收入与中等收入国家。目前关于大气污染与呼吸系统健康效应的研究多基于呼吸系统疾病门诊量、院外急救人数，多反映的是污染物与社区感染之间的关联。目前尚未见有关大气污染与医院感染之间关联的研究报道。下呼吸道是医院感染发生最常见的部位[5-6]，呼吸机相关肺炎是机械通气过程中常见而又严重的并发症之一，严重者甚至威胁患者生命。广义相加模型是广义线性模型的扩展，该模型能够处理因变量与自变量之间复杂的非线性关系，在环境流行病学研究等领域得到了广泛的应用。本研究基于广义相加模型对郑州市2015年至2019年大气污染与医院感染的关系进行分析，评价大气污染暴露对医院感染、呼吸道感染及呼吸机相关肺炎发生的急性影响，以期为医院感染的防控提供参考依据。

1 材料与方法

1.1材料医院感染相关数据来源于河南省某大型三甲医院医院感染报告管理系统2015年1月1日至2019年6月30日每日医院感染发病率监测数据。医院感染的诊断严格按照原卫生部制定的《医院感染诊断标准》，由感染专职人员对每日预警病例进行初筛，然后与主管医生联系探讨是否为医院感染病例，如二者意见不一致，将请上级医生进行商定，给出最后诊断。

大气污染指标包括空气质量指数(air quality index,AQI)、PM2.5、PM10、SO2、NO2，均来自于国家环保部网站(http://www.mee.gov.cn/)发布的郑州市同时期每日大气污染数据。AQI是一种反映和评价空气质量的数量尺度方法，将常规监测的几种空气污染物浓度简化为单一的概念性指数数值形式，并分级表示空气污染程度和空气质量状况[7]。

1.2数据分析方法采用时间序列分析方法分析各污染指标与每日医院感染发病人数之间的关联。郑州市该医院每日医院感染发病人数的分布近似服从于泊松分布，每日医院感染人数与环境污染指标之间的关系呈非线性关系，因此本研究采用基于泊松分布的广义相加模型评价大气污染对医院感染发生风险的影响及阈值效应。

在分析过程中将节假日变量和工作日变量作为分类变量纳入模型以调整混杂因素的影响，采用自然样条函数调整时间变化趋势，以控制时间趋势可能带来的非线性混杂效应。为控制气象因素间潜在的混杂作用，将日均气温纳入模型并利用自然样条函数进行调整。具体公式如下：

ln(Yt|X)=βZt-n+ns(X,df)+ns(time,df)+holiday+dow+α

式中：Yt|X为观察日t当天医院感染发病人数；time为时间趋势(1,2，…，1 642)；Zt-n为环境污染物在观察日t的n天前(n=0,1…,7)对应变量值；β为回归系数；ns()为自然样条函数，调整有非线性影响的变量，X为需要调整的气象因素，df为其自由度，根据以往文献报道，将本研究长期趋势的自由度取值7，日均气温的自由度取值6；dow为因子变量，代表星期几；holiday是一个二分类变量，表示是否是公共节假日；α为截距。

在分析过程中，观察大气污染在滞后0,1,2…，7 d的效应。本研究效应的估计值采用相对危险度(relative risk, RR)，表示大气污染指标每升高一个单位，引起医院感染发生风险的升高值。

采用SPSS 20.0处理数据。对污染指标和医院感染日病例数进行描述性分析，采用Pearson相关分析污染指标和气象资料之间的关系。采用R i386 3.6.0软件中的splines包、nlme包、mgcv包构建广义相加模型，分析大气污染对医院感染发生风险的影响及阈值效应。检验水准α=0.05。

2 结果

2.1郑州市大气污染物季节性分布特点及相关性分析郑州市2015年1月1日至2019年6月30日大气污染物浓度呈现明显的季节性，PM2.5、PM10、SO2、NO2每年冬季最高，见图1。大气污染物间存在正相关(表1)，相关系数范围为0.495至0.861，日均气温与PM2.5、PM10、SO2和NO2存在显著负相关，因此在探讨大气污染物与医院感染发生风险的关系时，将日均气温作为混杂因素进行调整。

图1 郑州市2015年1月1日至2019年6月30日大气污染物波动情况

表1 大气污染物间Pearson相关系数矩阵

2.2日均医院感染病例情况郑州市某三甲医院2015年1月1日至2019年6月30日共报告4 997例医院感染病例。郑州市某三甲医院医院感染病例报告数、呼吸道感染报告数及呼吸机相关肺炎报告数无明显的季节性或周期性波动，见图2。

2.3滞后效应分析在控制了时间趋势、星期几效应、假期效应、日均气温等因素后，未见大气污染与同期医院感染、呼吸道感染、呼吸机相关肺炎发生有关。滞后效应分析显示，PM2.5每升高1 μg/m3,5 d后医院感染风险升高0.20%，PM2.5、PM10和NO2每升高1 μg/m3，4 d后呼吸道感染的发生风险分别增加0.12%、0.10%和0.49%，而PM2.5、PM10、NO2和SO2每升高1 μg/m3，5 d后呼吸道感染的发生风险增加0.12%、0.10%、0.59%和0.74%；PM10每升高1 μg/m3，3 d和4 d后，呼吸机相关肺炎的发生风险增加0.05%和0.04%(P<0.05)。 见表2。

上：医院感染病例报告数;中：呼吸道感染报告数;下：呼吸机相关肺炎报告数

2.4阈值效应分析对滞后效应分析中与医院感染发生有关联的大气污染指标进一步进行阈值效应分析，结果见表3。由表3可知，PM2.5、PM10、NO2和SO2对4 d或5 d后呼吸道感染发生风险的影响存在阈值效应；PM10对3 d和4 d后呼吸机相关肺炎发生风险的影响存在阈值效应。

表2 环境污染物每升高1 μg/m3不同滞后天数下医院感染的发生风险

续表2

表3 大气污染物与医院感染发生风险的阈值效应关系

3 讨论

国内其他地区开展的基于时间序列的大气污染物与呼吸系统疾病的关联研究[8-13]发现PM2.5、PM10、NO2和SO2与呼吸系统疾病日门诊量、呼吸系统疾病死亡风险存在正相关，有较为明显的滞后效应，不同大气污染物效应的滞后时间不同。银川市PM10、NO2升高后对小儿呼吸系统日门诊量的影响呈递增趋势，PM2.5升高后第3天效应最强，SO2升高后第4天效应最强[8]。武汉市PM2.5、PM10、NO2、SO2滞后5 d时对儿童下呼吸道疾病日门诊量的影响达到最高，而PM2.5、PM10、NO2和SO2滞后4～5 d时对呼吸道疾病门诊量影响最大[12]。上海市SO2、NO2和PM10分别滞后4、4和6 d对医院呼吸系统疾病门诊量效应最强[13]。大气污染物对居民呼吸系统疾病死亡的效应往往表现为急性影响，济南市SO2与NO2迟滞0天对于居民呼吸系统疾病死亡影响的效应最大[11]。

本研究采用广义相加模型分析大气污染物对医院感染发生风险的影响，结果发现空气中PM2.5、PM10、NO2、SO2会增加呼吸道感染、呼吸机相关肺炎等医院感染发生的风险，并在滞后3～5 d影响最强。

阈值效应分析显示，PM10浓度在151 μg/m3和152 μg/m3以上时，其浓度每增加1 μg/m3，5 d和4 d后呼吸道感染发生的风险升高，这一阈值浓度与《环境空气质量标准》[14]中规定的PM10日均浓度限值150 μg/m3一致。当PM10在75 μg/m3和81 μg/m3以上时，每增加1 μg/m3，3 d和4 d后呼吸机相关肺炎的发生风险升高，考虑到呼吸机相关肺炎发生患者多为重症患者，为医院感染发生的高危人群，对于PM10暴露敏感于健康人群，因此较低浓度的PM10即可引起呼吸机相关肺炎的发生。PM2.5对于院内呼吸道感染的影响阈值在26 μg/m3，而本地区日平均PM2.5在76.27 μg/m3，显著高于影响阈值，推测PM2.5升高与医院呼吸道感染高发有密切关联。NO2高于72 μg/m3时，每增加1 μg/m3，5 d后呼吸道感染发生风险增加，这一阈值浓度低于日均限值80 μg/m3[14]，推测长期持续暴露于低浓度NO2中同样会增加院内呼吸道感染发生的风险。SO2在54 μg/m3以上时，每增加1 μg/m3，5 d后呼吸道感染发生风险增加0.66%，本研究地点在研究期间日均SO2为24.9 μg/m3，日均最高为133 μg/m3，低于国家150 μg/m3的日均SO2限值，提示对于住院患者，低浓度SO2暴露依然可能引起院内呼吸道感染。

院内呼吸道感染与呼吸机相关肺炎发生的危险因素的研究[15-17]显示，住院时长、侵入性操作、免疫抑制剂的应用、抗生素的应用时间等是主要危险因素。本研究结果发现PM10、NO2和SO2等大气污染物与院内呼吸道感染及呼吸机相关肺炎的发生存在关联，提示可以将大气污染作为医院感染发生的评价指标，以更好地解释医院感染的发生。

本研究首次基于广义相加模型评价大气污染与医院感染发生之间的关联，并进行了滞后效应与阈值效应分析，为从大气污染方面评价医院感染的危险因素提供了依据。然而，本研究也有一定的局限性，如当前研究只纳入一家医院感染病例的上报数据，数据取样不够全面，代表性不足；另外所采用的大气污染暴露浓度为地区性的大气污染监测数据，并不能精确反映每个患者的暴露情况，因此之后的研究将关注每个患者大气污染物暴露生物标志物与医院感染发生的关联，以期获得更加准确的结论。