盆地大气重污染区域PM2.5暴露的疾病负担时间趋势研究——以成都市为例

蒋 叶，曾沛斌，李佳蔚，陈 林，雷 弋，郭 冰

(1.四川大学华西公共卫生学院/华西第四医院，四川 成都 610041；2.四川大学华西医院，四川 成都 610041)

大气细颗粒物(PM2.5)暴露对人类健康具有严重危害性，在PM2.5高污染的中低收入国家(地区)尤甚。2015年，全球约420万人因长期暴露于PM2.5死亡，约占全球总死亡的7.6%[1]。大量研究[2-6]已经证实，长期PM2.5暴露与心肺系统疾病死亡率增加有关。近年来，我国启动了严格的大气污染综合防治措施，大气污染水平逐年下降，基于疾病负担视角量化评估大气重污染区域的PM2.5归因死亡及其时间趋势具有公共卫生意义。

为了估计大气污染造成的疾病负担，首先需建立准确的大气暴露-健康反应函数(Exposure-Response Functions，ERFs)，刻画大气PM2.5浓度与健康风险的定量关系。既往我国区域性研究[7-12]多使用较低分辨率PM2.5浓度值作为暴露，且大都基于单一暴露-反应函数估计PM2.5归因死亡，多采用经典的全球疾病负担-综合风险函数(GBD Integrated Risk Function，GBD-IER)[13]，但较少应用新近提出的全球暴露死亡率模型(Global Exposure Mortality Model，GEMM)[14]。

成都市地处我国盆地大气重污染区域，目前尚缺乏对该地区大气PM2.5暴露的归因死亡及其时间趋势研究。因此本研究利用高空间分辨率PM2.5浓度数据，利用GBD-IER方法和GEMM方法分别分析成都市2014-2019年PM2.5暴露的归因死亡，以期全面评价成都市大气PM2.5长期暴露造成的疾病负担及变化趋势，并比较两种主流暴露反应函数的结果差异，进而为大气PM2.5污染防治的政策提供科学依据。

1 资料与方法

1.1 资料来源

(1)暴露数据：2014-2019年成都市20个国家县级行政区中心PM2.5年均浓度来自“中国长时间序列高空间分辨率(1km×1km)”ChinaHighPMx数据集[15]，其由多来源数据(土地利用、空气排放、气象数据等)结合卫星遥感技术和机器学习方法估算得到。

(2)人口与死亡数据：2014-2019年成都市年末常住人口及全死因年死亡率数据获取于成都市统计局发布的《成都市统计年鉴》。本研究计算疾病负担的基线死亡率参考2016年全球疾病负担研究[16](Global Burden of Disease Study 2016，GBD 2016)估计的2013年中国特异性疾病年龄标化死亡率。

1.2 分析方法

(1)计算2014-2019年PM2.5年均浓度：首先获取成都市20个国家县级行政区中心区域的逐年PM2.5年均浓度值，再计算其平均值并作为该地区PM2.5年均浓度值。

(2)确定健康结局：本研究健康结局为25岁及以上人群的慢性阻塞性肺病(Chronic obstructive pulmonary disease，COPD)、缺血性心脏病(Ischemic Heart Disease，IHD)、肺癌(Lung Cancer，LC)和脑卒中(Stroke)。

(3)估计相对风险(Relative risk，RR)和风险比(Hazard ratio，HR)：采用GBD-IER和GEMM方法估计健康风险，并比较上述2种暴露-反应函数的结果差异。

GBD-IER以RR为因变量，综合不同PM2.5来源(固体燃料、主动吸烟、二手烟和大气污染)队列数据建立的RR评估曲线。其假定非大气来源的单位PM2.5的毒性相等，大气颗粒物的毒性仅与质量浓度有关[17]。GBD-IER广泛应用于全球PM2.5归因死亡、疾病负担估算[13，18]。GEMM以HR为因变量[1]，仅利用来自16个国家的41个空气污染队列(包含一项中国队列)数据进行建模，使得暴露范围覆盖了全球97%的人口[14]，从而可在PM2.5浓度的全球范围内获得稳定的HR预测。本研究分别使用上述两种模型估计不同年份和不同病因的PM2.5相关的RR和HR。

(4)确定理论最小风险PM2.5浓度：使用5.9μg/m3作为PM2.5的理论最小暴露水平，该值参考近期GDB研究[19]确定的没有不良健康后果的浓度范围(2.4～5.9μg/m3)上限值。

(5)计算大气PM2.5暴露的疾病负担：具体见评估指标。

1.3 疾病负担评估指标

(1)人群归因分值(Population Attributable Fraction，PAF)：当整个人口暴露于污染物的参考浓度时人群某种疾病的归因风险即发病率或死亡率的潜在升高或降低的程度[16]。

(2)归因死亡：包括归因死亡率、归因死亡数，反映上述疾病的总死亡中归因于PM2.5的死亡数和死亡率。两者均可基于PAF计算，具体研究方法见文献[20，21]。

(3)归因死亡构成：表示疾病过早死亡率占当年全死因死亡率的比例。

(4)归因死亡变化百分比：2019年与2014年相比上述4个指标的变化百分比。

1.4 统计分析

数据清理、统计分析、作图均使用R统计和图形软件，版本4.0.2。

2 结果

2.1 PM2.5浓度变化趋势

2014年-2019年成都市大气PM2.5年均浓度呈下降趋势，2019年PM2.5年均浓度比2014年下降了40.24μg/m3(46.18%)。2014和2019年的PM2.5年均浓度分别为87.14μg/m3、46.90μg/m3，约为世界卫生组织推荐的PM2.5环境空气质量指导(AQG)值10μg/m3的4～9倍，表明大气PM2.5污染问题仍不可忽视。

2.2 疾病负担及其变化趋势

成都市因大气PM2.5暴露导致COPD、IHD、肺癌和脑卒中4种疾病的合计过早死亡均值分别为2.02万例(2014年)和1.83万例(2019年)，占4种疾病总死亡的35.70%和28.13%，见表1。

表1 2014与2019年成都市分病种的大气PM2.5归因死亡(GBD-IER)

伴随大气PM2.5浓度降低，成都市大气PM2.5归因死亡呈下降趋势。与2014年相比，4种疾病的大气PM2.5归因死亡总数有明显变化减少(-9.86%)，占总死亡的比例(PAF)下降21.18%，年龄标化归因死亡率下降21.56%，归因死亡构成下降19%，见表2。

表2 成都市大气PM2.5归因死亡的2019年与2014年的变化百分比(GDB-IER)

2.3 分病种的疾病负担及其变化趋势

2014年和2019年，成都市分别约有25.07%和17.51%的COPD死亡由大气PM2.5污染所致，为4种疾病最低；肺癌和IHD次之，PAF变化范围均在1/4～1/3之间；脑卒中死亡可归因于大气PM2.5的部分最高，分别占45.30%和38.63%。4种疾病的大气PM2.5归因合计死亡中，IHD和脑卒中占比超过2/3，分别为76.97%和78.04%，占比略有上升。见表1。

与2014年相比，2019年4种疾病的PAF、年龄标化归因死亡率、归因死亡数及死亡构成均有所降低。其中肺癌的下降幅度最大，4个指标分别下降了30.45%、31.66%、21.46%和29.43%；其次是COPD，其归因死亡率下降了约30.99%；而IHD和脑卒中的下降幅度较小，两者的归因死亡率分别下降16.03%和15.72%。见表2和图1。

2.4 GEMM与GBD-IER归因疾病负担估计结果及比较

GEMM方法结果显示，成都市COPD、IHD、肺癌和脑卒中合计大气PM2.5污染的归因死亡分别约为3.00万例(2014年)和2.54万例(2019年)，占4种疾病总死亡的52.97%和38.98%。同样，GEMM估计的2014年和2019年成都市大气PM2.5归因死亡也呈下降趋势。相比于2014年，4种疾病的年龄标化归因死亡率下降幅度接近，分别平均下降27.25%、22.72%、27.39%和29.15%，合计下降28.25%；4种疾病的归因死亡数分别下降了16.39%、11.18%、16.56%和18.56%，合计下降15.42%。与GBD-IER相似，IHD和脑卒中占4种疾病的总死亡比例约为2/3，分别约为72.38%和72.71%。见图1、图2。

GEMM与GBD-IER方法的估计结果具有一定差异：(1)GEMM估计的4种疾病大气PM2.5归因死亡数(率)高于GBD-IER方法估计结果。2014-2019年GEMM估计的归因死亡数(率)平均是GBD-IER的1.48、1.43、1.44、1.43、1.42和1.39倍，见表3；(2)随着PM2.5年均浓度的降低，除GEMM估计得到的脑卒中归因死亡与GBD-IER近似外，COPD、IHD和肺癌3种疾病的GBD-IER归因死亡估计值都远低于GEMM；(3)GEMM估计得到的2014-2019年IHD和脑卒中归因死亡的平均下降百分比更高。见图1、图2和表3。

图1 2014-2019年成都市分模型、分病种PM2.5归因死亡率(/10万)变化趋势

图2 2014-2019年成都市PM2.5归因死亡率(/10万)变化趋势

表3 GEMM与GBD-IER 2014-2019年成都市大气PM2.5归因死亡率(数)比

3 讨论

3.1 盆地大气重污染区域PM2.5暴露的疾病负担时间趋势研究缺乏

大气PM2.5污染具有一定健康损害效应。目前，多项中国流行病学研究重点对区域性的大气PM2.5长期暴露所致疾病负担进行了评估。杜艳君[8]估计了北京市归因于大气PM2.5污染的超额死亡数，结果显示，2010年北京大气PM2.5导致了16,527例过早死亡。于文媛[9]的研究表明，2016年湖北省可归因于PM2.5的心血管疾病死亡负担较重，过早死亡2922.08人，主要集中于湖北省东部。除上述地区，在我国地理、自然条件特殊、PM2.5污染最重之一的盆地地区，PM2.5暴露所致疾病负担也不可小觑，然而针对性研究较为缺乏。曾婕[12]评估了2013-2016年成都市老年人的PM2.5相关死亡风险，研究提示，PM2.5污染会增加老年人过早死亡风险。但仅评估老年人这一特殊群体，尚没有研究全面评估PM2.5归因疾病负担的变化趋势。

3.2 成都市PM2.5归因疾病负担呈下降趋势，但仍较沉重

本研究聚焦盆地大气重污染区域，基于高分辨率PM2.5数据，采用国际主流的GBD-IER和GEMM方法，对成都市2014-2019年4种疾病(COPD、IHD、肺癌和脑卒中)的大气PM2.5归因死亡和时间趋势进行了全面评估。2012年，中国环境保护部颁布的《环境空气质量标准》(GB3095-2012)将PM2.5作为AQI监测、评估的6种污染物之一。随后《节能减排“十二五规划”》和《成都市大气污染防治行动方案(2014-2017年)》等文件也相继出台，切实的防治行动使得成都市空气质量有所改善。本研究结果显示，2014-2019年成都市大气PM2.5浓度大幅度降低，但仍高于国家二级标准、国家一级标准和WHO指导标准。尽管成都市大气PM2.5暴露的归因死亡负担仍处于较高水平，但由于近年来成都市大气污染情况好转，与2014年相比，2019年4种疾病的PM2.5归因死亡均有一定幅度的下降，肺癌(31.66%)和COPD(30.99%)下降幅度最大，其次是IHD(16.03%)和脑卒中(15.72%)，合计下降21.56%。

3.3 利用高暴露地区队列数据改进ERFs是关键

GEMM估算的成都市2014-2019年4种疾病的合计过早死亡下降百分比(PAF：28.22%；归因死亡率：28.25%；归因死亡数：15.42%；归因死亡构成：24.01%)相较于GBD-IER(PAF：21.18%；归因死亡率：21.56%；归因死亡数：9.86%；归因死亡构成：19%)更高。除脑卒中归因死亡接近外，就COPD、IHD、肺癌3种疾病而言，GEMM组平均是IER组的1.89、2.09和1.58倍，且GEMM估计的IHD和脑卒中的归因死亡下降幅度更大，这与Lelieveld J[21，22]的研究结果近似，提示GBD-IER可能低估了诸如成都市等高PM2.5暴露地区PM2.5降低所带来的健康收益，尤其是心脑血管相关事件的归因死亡。主要原因可能是目前绝大多数的ERFs是国外学者根据PM2.5低暴露地区的流行病学证据构建和外推的，但事实上高暴露地区PM2.5的浓度、成分、来源和居民的暴露模式、社会人口和经济特征等均与欧美等低暴露地区存在较大差别，因此在PM2.5高暴露地区空气污染队列研究不足的情况下，难以得出GBD-IER和GEMM谁更适合本研究的结论，但一定程度上表明不同的ERFs是PM2.5过早死亡估计结果不确定性的主要来源[23]。未来，关键是在中国等重污染地区中进行更多高质量的前瞻性队列研究，建立并改进PM2.5与居民特定疾病死亡风险的ERFs。

3.4 未来空气污染防控重点疾病为IHD和脑卒中

值得注意的是，无论基于GBD-IER还是GEMM，IHD和脑卒中的过早死亡数都远高于COPD和肺癌，且不同年份二者的过早死亡占据当年成都市PM2.5归因死亡的绝大部分(约2/3)。除心血管疾病的死亡率高于COPD、肺癌且居高不下外[24]的原因外，极大可能是因为心血管系统对颗粒物更为敏感，相较于呼吸系统，PM2.5暴露对心血管系统损害更大[22，24，25]。表明在高水平PM2.5浓度下，即使改善空气质量，对降低归因于PM2.5暴露的IHD和脑卒中等心血管疾病的死亡作用不大，要想进一步降低2种疾病的过早死亡，还需要进一步降低大气PM2.5浓度。

3.5 大气PM2.5给成都人民带来的危害高于全国、全球平均水平

此外，研究表明，全球每年总死亡的7.6%可归因于PM2.5，2015年中国可归因于PM2.5的过早死亡人数约占全国总死亡人数的9.98%[1]。然而，无论GBD-IER(2014：21.58%；2019：17.57%)还是GEMM(2014：32.03%；2019：24.34%)的结果都表明近年来大气PM2.5暴露给卫生服务系统、成都市人民的健康带来的压力高于全球及全中国的平均水平。

综上所述，成都市的PM2.5防治虽卓有成效，但仍任重道远，应制定更为严格的区域针对性政策以更大程度降低成都市PM2.5归因疾病负担，特别是以IHD和脑卒中为代表的心血管相关事件的死亡。

本研究尚存在局限性：(1)研究中4种疾病的死亡风险存在性别和年龄差异，但未针对二者进行分层估计，仅评估了全人群的死亡情况。(2)疾病的发病率存在地区差异[26]，例如中国肺癌的年龄标化死亡率东北部较高，西部较低；此外，因为城市化进程加快、生活方式的改变及老龄化等原因，非传染性慢性疾病的死亡率在迅速增加[27]。然而本研究利用的是2013年全中国的特定疾病死亡率作为基线死亡率并假定其不随年份变化，这可能会导致研究结果存在偏倚。