2013—2018年北京市大气PM2.5持续高暴露对居民因病入院的急性影响

陈 晨， 仲 宇， 刘园园， 路 凤， 郭默宁， 方建龙， 李湉湉， 施小明*

1.中国疾病预防控制中心环境与人群健康重点实验室， 中国疾病预防控制中心环境与健康相关产品安全所， 北京 100021 2.北京市卫生健康委信息中心， 北京 100021

短期暴露于大气细颗粒物(PM2.5)会显著提高人群心脑血管系统和呼吸系统等多系统死亡[1-3]和发病风险[4-9]，同时带来严重疾病负担[10]，大幅降低人群期望寿命[11]. 2017年的全球疾病负担研究[10]指出，2017年全球归因于大气PM2.5污染的提早死亡人数近300万人，健康寿命年损失为830万年，而这一疾病负担半数以上发生在中国和印度. 因此，大气PM2.5污染已成为低收入或中等收入国家的首要环境健康问题. 我国工业化快速发展进程引发了全国大气污染的高峰[12]，2017年我国居民归因于大气PM2.5污染的提早死亡人数约 852 000 人[12]. 国务院于2013年9月印发《大气污染防治行动计划》(2013—2017年)，该计划的实施大幅改善了我国空气质量，截至2017年底京津冀、长三角、珠三角地区PM2.5平均浓度分别下降了39.6%、34.3%、27.7%，北京市PM2.5年均浓度从2013年的89.5 μgm3降至2017年底的58 μgm3. 然而，现阶段我国大气污染水平仍远超欧美发达国家，尤其全国多地大范围大气重污染事件频发对我国居民的健康构成严重威胁，引起国内外关注.

大气重污染事件以持续性发生PM2.5高浓度暴露为特征对人群健康造成危害. 如英国2014年春季两次发生以PM2.5为主的持续重污染事件(2014年3月12—14日和3月28日—4月3日)[13]，英国公共卫生署进行了人群死亡风险定量评估，发现两次污染天气事件共计10 d，归因于PM2.5短期暴露导致的死亡约600例，引起人群死亡率上升了2.0～2.7倍[14]. 2013年起，我国多地频繁发生持续数天或数周的重污染事件，致使国内专家学者开始关注重污染事件急性健康影响研究[15-18]. 然而，多数研究未能系统考虑到污染浓度和持续时间在大气重污染事件健康影响中的作用，并且目前多数研究以人群死亡为健康终点[16-18]，缺乏重污染事件下PM2.5会引起人群发病风险的健康证据. 虽然关于逐日PM2.5短期暴露的人群急性发病效应证据较为充分[5-6,19-24]，但大气PM2.5持续性高暴露研究仍少有以人群发病为切入点，大气PM2.5持续高暴露的发病风险有待证实. 由于缺乏相关的健康证据，导致无法基于人群健康制定精准的污染防治目标，也无法评估污染防治行动是否有效抵御了大气污染带来的健康损害，为各地区如何落实大气污染相关的人群健康防护措施带来阻碍. 因此，该研究从临床预防的公共卫生角度，以北京市为研究区域，以因病入院作为人群发病的健康终点，定量评估以大气PM2.5持续高暴露为特征的大气污染事件对人群健康影响的严重程度，以期为有针对性地制定下一阶段大气污染攻坚战规划提供重要依据，达到减少敏感疾病发生、降低人群病死率等目标.

1 材料与方法

1.1 数据来源

1.1.1大气PM2.5浓度数据

收集北京市12个国家级环保监测站点2013年1月1日—2018年12月31日大气PM2.5小时浓度数据，逐日计算北京市大气PM2.5的24 h浓度值. 数据来源于中国环境监测总站的全国城市空气质量实时发布平台(http:106.37.208.233:20035).

1.1.2气象因素数据

收集北京市气象站(编号54511)2013年1月1日—2018年12月31日逐日日均温度和日均相对湿度数据. 数据来源于中国气象局的中国气象数据网(http:data.cma.cn).

1.1.3居民因病入院数据

以北京市常住(在北京市居住时间达半年及以上)居民因病入院为人群发病的健康终点，获取全市2013年1月1日—2018年12月31日每日因病入院时间序列数据，依据世界卫生组织2007年发布的《国际疾病统计分类法》第10次修订版(ICD-10)对因病入院数据界定疾病种类，具体包括非意外总疾病、心脑血管系统疾病和呼吸系统疾病，分析大气PM2.5持续高暴露对这三类疾病发病的影响；同时，将研究人群分为全人群以及不同性别(男、女)和不同年龄(0～64岁、65～75岁、75岁及以上)的亚组人群分别开展分析. 数据来源于北京市公共卫生信息中心.

1.2 统计学方法

1.2.1PM2.5持续高暴露情景的定义

从PM2.5浓度和持续时间两方面来定义持续PM2.5高暴露情景，共6种情景. 情景1为中度污染持续发生2 d及以上，即PM2.5日均浓度连续2 d及以上超过我国GB 3095—2012《环境空气质量标准》二级浓度限值(75 μgm3)；情景2为中度污染持续发生3 d 及以上，即PM2.5日均浓度连续3 d及以上超过GB 3095—2012二级浓度限值；情景3为重度污染持续发生2 d及以上，即PM2.5日均浓度连续2 d及以上超过HJ 633—2012《环境空气质量指数(AQI)技术规定(试行)》重污染对应的PM2.5浓度限值(150 μgm3)；情景4为重度污染持续发生3 d及以上，即PM2.5日均浓度连续3 d及以上超过HJ 633—2012重污染对应的PM2.5浓度限值；情景5为极端污染持续发生2 d及以上，即PM2.5日均浓度连续2 d及以上超过北京市2013—2018年大气PM2.5日均浓度第95百分位数(P95)；情景6为极端污染持续发生3 d及以上，即PM2.5日均浓度连续3 d及以上超过北京市2013—2018年大气PM2.5日均浓度第95百分位数.

1.2.2基本情况描述

对北京市大气PM2.5污染浓度、日均温度和日均相对湿度等气象因素以及居民因病入院情况进行描述性分析，采用平均值±标准差以及中位数、第25百分位数(P25)和第75百分位数(P75)表示；同时，采用情景的发生次数、发生天数、平均每次持续天数等指标描述大气PM2.5持续高暴露发生情况.

1.2.3时间序列统计建模

基于时间序列研究设计，以人群每日住院数为健康终点，通过PM2.5持续高暴露和非持续高暴露区分人群暴露水平，建立quasi-Poisson分布的广义相加回归模型(generalized additive model，GAM)，在利用自然样条函数控制气象因素和长期趋势，以及线性方式控制星期效应和节假日效应等混杂因素的基础上，分析观察相较于非持续高暴露情景，PM2.5持续高暴露情景对不同人群非意外总疾病、心脑血管系统疾病和呼吸系统疾病因病入院的急性影响，以“与非持续高暴露情景相比，不同持续高暴露情景引起人群发病风险增幅”来表示. 时间序列统计建模具体见式(1).

ln[E(μt)]=α+βEPt+ns(time,df)+

ns(Temt, df)+ns(Rht,df)+

γDOWt+δholidayt

(1)

式中：E(μt)为观察第t日的目标人群因病入院的期望值；α模型截距；EPt为第t日PM2.5持续高暴露的二分类变量，EP=0为非持续高PM2.5暴露期，EP=1为PM2.5持续高暴露期；β为PM2.5持续高暴露对人群因病入院急性影响的偏回归系数；ns自然样条函数，用于模型控制长期趋势(time)、日均温度(Temt)、日均相对湿度(Rht)等混杂因素，df为自然样条函数的自由度，参考文献[18]因病入院的时间趋势(time)、日均温度(Temt)、日均相对湿度(Rht)的自由度(df)分别取7(每年)、3、3；γ为模型中控制星期效应(DOWt)的偏回归系数；δ为模型中控制节假日效应(holidayt)的偏回归系数. 采用R软件3.6.0版本中mgcv和nlme包进行所有数据分析.

2 结果与分析

2.1 北京市2013—2018年大气PM2.5污染及因病入院情况

由表1可见：2013—2018年北京市PM2.5日均浓度为71.5 μgm3，范围为3.1～481.8 μgm3；温度和相对湿度的日均值分别为13.8℃(范围为-14.3～32.6 ℃)和52.1%(范围为8.0%～99.0%). 由表2可见：研究期间平均每天因非意外总疾病入院人数约 4 299人，其中，男性 1 819 人(占42.3%)，女性 2 480 人(占57.7%)；平均每天因心脑血管系统疾病入院人数约948人;平均每天因呼吸系统疾病入院人数约511人. 表3描述了北京市2013—2018年大气PM2.5持续高暴露情景发生的次数和持续时间. 由表3可见：研究期间，持续2 d及以上的重污染情景发生了61次，共持续172 d，平均每次持续2.82 d；持续2 d及以上的极端污染情景发生了31次，共持续76 d，平均每次持续2.45 d.

表1 北京市2013—2018年大气PM2.5污染及气象因素描述性分析

表2 北京市2013—2018年全市因病入院情况描述性分析

表3 2013—2018年北京市大气PM2.5持续高暴露情景发生情况

2.2 大气PM2.5持续高暴露对因病入院的急性影响

图1～3分别展示了2013—2018年不同大气PM2.5持续高暴露情景对居民非意外总疾病、心脑血管系统疾病和呼吸系统疾病因病入院的急性影响. 由图1～3可见，对于全人群研究发现，相较于非持续高暴露情景，重污染持续2 d及以上时(情景3)引起的非意外总疾病和心脑血管系统疾病因病入院的发病风险均显著增加，增幅分别为5.0%(95%CI，1.2%～9.0%)和5.6%(95%CI，1.8%～9.5%). 随着污染浓度和持续时间的增加，心脑血管系统疾病入院的发病风险显著增加，当极端污染持续发生3 d及以上(情景6)时，将引起人群心脑血管疾病的发病风险增加8.9%(95%CI，0.7%～17.7%)，较其他暴露情景发病风险增幅呈上升趋势，说明心脑血管系统疾病是易受到重污染天气影响的敏感性疾病. 笔者尚未观察到6种PM2.5持续高暴露情景对全人群因呼吸系统疾病入院的显著影响.

图1 2013—2018年北京市PM2.5持续高暴露情景对居民非意外总疾病因病入院的急性影响 Fig.1 Acute effects of persistent high ambient PM2.5 exposure scenarios on hospitalization for non-accidental disease in Beijing from 2013 to 2018

图2 2013—2018年北京市PM2.5持续高暴露情景对居民心脑血管系统疾病因病入院的急性影响Fig.2 Acute effects of persistent high ambient PM2.5 exposure scenarios on hospitalization for cardio-cerebrovascular disease in Beijing from 2013 to 2018

图3 2013—2018年北京市PM2.5持续高暴露情景对呼吸系统疾病因病入院的急性影响Fig.3 Acute effects of persistent high ambient PM2.5 exposure scenarios on hospitalization for respiratory disease in Beijing from 2013 to 2018

由图1～3可见，通过亚组人群分层分析发现，重度污染持续2 d及以上的情景中(情景3)男性、女性、0～64岁、65～74岁、75岁及以上等亚组人群的非意外总疾病和心脑血管系统疾病的发病风险均显著增加. 随着污染浓度和持续时间增加，情景发生次数减少、模型统计分析能力降低，男性和75岁及以上人群相关的急性效应的95%置信区间增宽，急性效应失去统计学显著性. 当出现极端污染且持续3 d以及上时(情景6)，女性、0～64岁和65～74岁人群的非意外总疾病和心脑血管疾病因病入院的发病风险均显著增加，其中非意外总疾病发病风险分别增加7.7%(95%CI，0.1%～16.0%)、8.0%(95%CI，0.1%～16.5%)和12.2%(95%CI，2.1%～23.4%)，心脑血管系统疾病发病风险分别增加9.9%(95%CI，1.9%～18.5%)、11.3%(95%CI，2.1%～21.4%)和9.6%(95%CI，1.0%～19.0%). 而在因呼吸系统疾病入院的亚组人群研究中，仅在重度污染持续时间2 d及以上的情景下(情景3)观察到0～64岁因病入院受到了显著影响，发病风险增加了3.4%(95%CI，0.2%～6.6%).

3 讨论

国外关于大气污染的急性健康风险研究始于对重污染事件的研究，通过将重污染事件发生前和发生后的人群死亡数或发病数与重污染事件期间的死亡数或发病数进行比较，发现污染浓度大幅增加对人群健康产生了严重的影响[4,25-26]. 国内同领域的早期研究采取上述分析策略，观察到以大气PM2.5持续高暴露为特征的重污染事件对公众健康危害严重. 如CHEN等[15]对北京市2013年1月10—17日以PM2.5为主要污染物的重污染事件中呼吸系统疾病发病情况进行分析，发现与2013年冬季其他时段相比，该时期呼吸系统疾病的急诊和门诊风险分别显著提高了74%(95%CI，44%～111%)和16%(95%CI，7%～27%)，显示PM2.5持续高暴露会引起人群呼吸系统损伤，造成短期内人群呼吸系统因病就诊人数大幅增加的负担. 这一分析策略虽快速简便，但未能对重污染天气事件的不同污染情景进行识别分析，缺乏污染物浓度和持续时间等关键要素的定量评估.

随着研究设计和统计方法的发展，该领域涌现出一批基于数理统计模型，从污染浓度和持续时间两维度定量分析环境事件对人群健康影响的研究[14,27-28]. 陈晨等[18]通过定义6种污染情景，在全国污染典型地区选择40个区县作为研究区域，就PM2.5持续高暴露开展急性死亡风险研究，发现当出现持续2 d及以上的中度污染(PM2.5浓度≥75 μgm3)时，人群非意外总疾病死亡和心脑血管疾病死亡风险分别增加1.7%(95%CI，0.6%～2.8%)和2.3%(95%CI，0.7%～4.0%)，而不同污染情景下的人群死亡风险增幅随污染强度及持续时间的不同而发生变化. 笔者延续上述分析方法，观察到PM2.5持续高暴露对于人群因病入院的急性影响与已有研究结果存在差异. 在大气PM2.5出现持续2 d及以上的中度污染(PM2.5浓度>75.0 μgm3)情景，笔者未观察到人群因病入院的发病风险显著增加；但出现持续2 d及以上的重度污染(PM2.5浓度>150.0 μgm3)情景时，人群非意外总疾病和心脑血管系统疾病的发病风险显著增加. 上述研究中PM2.5持续高浓度暴露对人群死亡和因病入院产生的急性影响的差异，可能是因为“十三五”期间采取的大气污染防治措施改善了空气质量，同时还影响了人们的行为模式，包括人们对重污染天气事件健康防护意识的增加和健康防护措施(如口罩、空气净化器等)使用率的增加等，因此在持续性中度污染情景下人群发病风险未观察到显著增加. 但值得注意的是，笔者发现2013—2018年持续性重污染情景对人们造成了严重影响，提示现有的健康防护手段不足以应对持续性PM2.5重污染.

研究显示，心脑血管系统疾病是PM2.5持续高暴露相关的敏感性疾病. ZHOU等[17]研究发现，2013年1月重污染事件中心脑血管系统疾病死亡风险增幅最为显著，相关死亡风险增加了11.7%(95%CI，3.1%～20.9%). 许多PM2.5逐日暴露的人群敏感性疾病研究亦证实心脑血管系统疾病易受到PM2.5影响[29-33]. 如WEI等[24]使用2000—2012年美国医疗保险入院数据，分析了PM2.5逐日暴露对美国居民214种疾病因病入院的影响，发现PM2.5短期暴露引起人群心脑血管疾病的发病风险增幅较大. 笔者还发现65～74岁年龄组人群是PM2.5持续高暴露情景下的脆弱人群，这与当前PM2.5短期暴露对不同年龄组人群急性影响研究结果[34]一致，这可能是由于老年人心肺系统及其他器官脏器的功能衰老退化，机体应对PM2.5损伤作用的能力差. 提示下一阶段重污染事件的健康防护行动应重点关注患有心脑血管系统疾病人群以及65岁以上老人，并给予有效保护措施.

4 结论

a) 2013—2018年持续2 d及以上重污染(PM2.5浓度>150 μgm3)情景共发生61次，相较于非持续高暴露情景，该重污染情景引起全人群因非意外总疾病入院的发病风险显著增加了5.0%(95%CI，1.2%～9.0%). 提示“十三五”期间《大气污染防治行动计划》实施以来，北京市以PM2.5持续高暴露为特征的重污染事件仍高频发生，并对当地居民非意外总疾病因病入院造成显著影响. 建议“十四五”期间大气污染防治行动应关注重污染天气事件，尤其重视持续性PM2.5日均暴露浓度≥150 μgm3的情景发生，通过及时发布重污染预警信息和启动污染减排应急手段，实现“削峰降速”,从而防范持续性重污染的发生.

b) 持续2 d及以上的重污染情景和极端污染情景发生时，全人群心脑血管系统疾病的发病风险分别增加了5.6%(95%CI，1.8%～9.5%)和8.9%(95%CI，0.7%～17.7%)，表明心脑血管系统疾病是PM2.5持续高暴露相关的敏感性疾病. 在持续3 d及以上的极端污染情景下，65～74岁人群的非意外总疾病的发病风险显著增加，且增幅较大，表明65～74岁是PM2.5持续极端污染情景下的脆弱人群. 建议“十四五”期间大气污染防治与人群健康防护行动应双管齐下，增加重污染天气健康防护知识的宣教以及有效防护措施的普及，帮助脆弱人群提高重污染事件应对能力，共同避免重污染事件对于人群健康的危害.