天津市脑卒中高住院风险的气象原因探析*

郝天依 韩素芹 姚青 王晓佳 樊文雁 辛江龙

1.天津市环境气象中心，天津，300074

2.中国气象局-南开大学大气环境与健康研究联合实验室，天津，300074

3.天津市健康气象交叉创新中心，天津，300074

4.天津市健康医疗大数据有限公司，天津，301700

1 引言

脑卒中是由急性脑循环障碍引起脑功能损伤的脑血管病，已成为中国第一位的致死及致残疾病（《中国卒中中心报告2019》编写组，2021；《中国脑卒中防治报告》编写组，2020）。对于已存在发病基础且内环境处于易发病状态的个体，外界环境的剧烈变化可实时诱发、启动脑卒中发生（Wang，et a1，2013；黄如训，2005）。所以通过研究气象因素的健康效应，减少可干预危险因素对脑卒中发病的不利影响，对做好脑卒中的预防工作具有重大意义。

气温、气压和湿度与脑卒中发病均存在较大关联。Takahashi 等（1957）便观察到脑出血的死亡率与地理分布有关，并通过实验证实了其相关是由气温的差异造成的。中国脑卒中发病和死亡也存在明显的地域差别，脑卒中发病率和死亡率最高的是东北地区，中部地区次之，最低的是南部地区（Wang，et a1，2017b）；东北、华北、西南的西藏和贵州地区发病率明显高于其他地区，东南沿海地区相对较低（Zhou，et a1，2016）。温度过低或过高均会增加脑卒中发病风险，但各个地区存在不同的最适温度（Gasparrini，et a1，2015）。中国北方城市的最适日均温度为20.1—24.4℃，南方城市则为25.2—30.8℃（Yang，et a1，2016）。气温对机体的影响机制研究表明，一旦遇到强冷、暖气流的刺激易引起血流动力学改变，促成血压波动，是脑卒中风险增高的主要因素之一（Wang，et a1，2017a；Zhao，et a1，2019）。其次，气温骤变导致心率异常和血液动力学变化是导致脑卒中的诱因之一，尤其是在气温较低的冬季和较高的夏季（Simpson，et a1，2015；廉慧，2016）。另外，气温的变化可影响血液内成分的变化，如血小板、红细胞、纤维蛋白原、凝血因子及脂蛋白等改变是诱发脑卒中的病因之一（Braune，et a1，2016；Cambras，et a1，2017）。

除了气温，普遍还认为脑卒中发病率与气压呈正相关（Jimenez-Conde，et a1，2008；Larrieu，et a1，2007），但俄罗斯学者Shaposhnikov 等（2014）发现脑卒中随日平均气压升高而稳定下降，与气压的变化呈负相关；Honig 等（2016）和Hori 等（2012）均发现气压降低可增加脑深部出血的风险。Jimenez-Conde 等（2008）研究表明脑卒中的发病与气压、气温不存在相关，但其变化可导致脑卒中的发病增多。刘博等（2014）的研究也表明脑卒中对负变温和正变压反应敏感。空气相对湿度与脑卒中关系的探讨各地结果差别较大，且缺乏明确的机制研究。欧洲的研究表明相对湿度越低脑血管病死亡率越高（Díaz，et a1，2002），而中国的研究则表明脑卒中病例数与相对湿度呈显著正相关（Cao，et a1，2016），且当相对湿度超过74%时病例数明显增多（黄明北等，1999）。Lim 等（2017）的研究发现韩国北部地区脑卒中发病与湿度变化不存在相关。总之，气象因素诱发脑卒中的机制复杂，不是单一机制而是多种机制叠加的共同作用。

脑卒中发病与气象因素关系的研究结果因地域差异而不尽相同，所以进行特定区域的细致研究显得至关重要。近年来天津市脑卒中疾病负担越来越重，相关研究多是基于其流行特征、危险因素、疾病负担等方面开展（胡亚会，2020；王志梅，2018；魏常松等，2018），其中危险因素主要涉及生活方式、病史、家族史等，关于气象环境因素的研究相对较少。文中利用2016—2020 年天津市脑卒中日住院数据和气象数据，开展高影响气象因子不同时间尺度变化、滞后以及累积效应对脑卒中住院风险的影响研究，旨在为脑卒中的综合防控提供参考，最终达到降低其发病率和死亡率的目的。

2 资料与方法

2.1 资 料

脑卒中医疗数据来源于天津市健康医疗大数据有限公司，数据来源的医院级别及数量见表1，基本能够代表天津市脑卒中住院的整体情况。数据包括2016—2020 年的脑卒中日住院人数、患者年龄及性别等信息。同期气象数据来源于天津市气象局西青观测站，包括气压、温度、相对湿度、风速等气象要素的小时数据及日均数据。

表1 医疗数据来源Table 1 Number of hospitals based on medical data source

2.2 方法

2.2.1 累积概率分布与斯皮尔曼（Spearman）相关系数

采用脑卒中日住院人数累积概率分布对其住院风险进行等级划分。根据日住院人数累积比例的25%、50%、75%和95%分位数，确定低风险、中低风险、中风险、中高风险、高风险5 个风险等级。采用Spearman 相关系数进行气象因子与脑卒中各风险等级住院人数的相关分析。分析各风险等级脑卒中住院人数与当天及滞后6 d 内气象因子的相关，确定高影响气象因子。

2.2.2 分布滞后非线性模型与半参数广义相加模型

为研究气象因素对脑卒中影响的滞后效应和累积效应，本研究利用R 软件4.3.2 版本中的dlnm程序包进行分布滞后非线性模型（Distributed Lag Non-linear Model，DLNM）（Gasparrini，et a1，2010）建模，拟合高影响气象因子的“交叉基”函数，确定影响的最大滞后时间。基于已构建好的“交叉基”函数，利用R 软件4.3.2 版本中的mgcv 程序包进行半参数广义相加模型（Generalized Additive Models，GAM）（Hastie，et a1，1995）建模，明确高影响气象因子与脑卒中住院人数的暴露-反应关系。为验证模型的稳定性，本研究通过改变模型中高影响气象因子的时间序列自由度（3—6），对其进行敏感性分析。

3 脑卒中住院人群与住院风险分布特征

3.1 脑卒中住院人数整体情况

从天津市2016—2020 年脑卒中住院人数月变化（图1）可见，2016—2020 年脑卒中天津市全年住院人数依次为139779、179408、201488、227533 和133387。其中2018 和2019 年全年住院人数超过20 万，2019 年全年住院人数最多，2020 年可能受新型冠状病毒肺炎疫情的影响住院人数明显减少。结合2016—2020 年数据来源的医院数量并不能得出天津市近年脑卒中住院人数呈现增多的趋势，但2019 与2020 年数据来源的医院数基本已囊括天津市的二级以上医院，所以2019 年数据在一定程度上可代表天津市脑卒中住院人数的基本情况。脑卒中住院人数在全年中存在两个峰值，分别出现在3—4 月和11—12 月，2 月脑卒中的住院人数远少于其他月份，这可能与传统节日春节的习俗有关。2019 年脑卒中日平均住院人数为623；2 月的住院人数最少（14063），4 月的住院人数最多（21135），其次为12 月（21101）。

图1 2016—2020 年脑卒中住院人数月变化Fig.1 Changes in stroke inpatients from 2016 to 2020

3.2 脑卒中住院人群特征

天津市脑卒中男、女住院人数比为8:5，男性住院患者明显多于女性（图2a）。男、女住院人数在全年中分布基本一致。50 岁以上尤其是60 岁以上人群为易患脑卒中疾病的高危人群（图2b）。50 岁以上男、女住院患者分别占各自总人数的92.4%、97.2%。男、女住院患者均为70 岁以上的比例最高，占比分别为37.7%和51.4%。50 岁以上人群为脑卒中的危险人群的主要原因是老年人身体机能衰退，对外界和体内环境改变的适应能力降低。当气温等发生剧烈变化时，老年人的机体调节能力往往不足以应对气象条件的骤变对机体的影响。

图2 2016—2020 年月均脑卒中住院患者男、女（a）人数和（b）年龄分布Fig.2 Male and female（a）number of inpatients and（b）age distribution of stroke inpatients from 2016 to 2020

3.3 脑卒中住院风险分布特征

基于脑卒中日住院人数累积概率分布的25%、50%、75%和95%分位数确定低风险、中低风险、中风险、中高风险、高风险等级（图3）。日住院人数累积概率达到25%、50%、75%和95%分位数时对应的日住院人数分别为517、619、705 和812 人。各风险等级对应的日住院人数范围及日数占比见表2。全年住院中高风险等级以上的日数占比为18.3%，其中高风险占比3.3%。中高风险等级对应的日住院人数范围为706 至812。高风险等级的日住院人数在812 人以上。

图3 脑卒中日住院人数的累积概率分布Fig.3 Cumulative probability distribution of daily stroke hospitalization

表2 脑卒中5 种住院风险等级划分统计Table 2 Statistics for the classification of five types of stroke hospitalization risk level

5 种住院风险等级在各月出现的概率如图4 所示，住院中高以上风险等级出现概率在全年中存在2 个峰值，分别为11 月和4 月，概率为41.1%和36.7%。12 月中高以上风险等级出现概率也较高，为33.3%。可见深秋、初冬和春季为天津脑卒中住院高风险季节，且深秋的风险高于春季。同时住院中高以上风险等级出现概率在全年中存在2 个谷值，分别为2 月和8 月，这一结果与中国其他城市冬季脑卒中高发不同，但与夏季低发一致（林亚楠等，2018；刘娜等，2018）。

图4 各月脑卒中住院风险等级出现概率（绿线为中高风险与高风险出现概率之和）Fig.4 Occurrence probabilities of five stroke hospitalization risk levels in each month（green line is the sum of the occurrence probabilities of medium to high risk and high risk）

4 脑卒中高住院风险的气象原因探析

4.1 气象因素与脑卒中住院人数的相关分析

住院人数与气象因子呈较好的相关关系，且气象因子与高风险等级的住院人数相关最强。通过相关分析得到高影响气象因子为气压、气温、气温日较差、24 h 变压和24 h 变温。表3 为高风险等级日住院人数与气象因子累积影响的相关系数。日住院人数与气压累积2 d 的影响相关系数最大，且为正相关，其中与最高气压的相关系数最大（0.424）。与气温累积3 d 的影响相关系数最大，呈负相关，与最高气温的相关系数为-0.413。脑卒中住院人数与气压呈正相关，与气温呈负相关，这一结果与太原和上海等地的研究结果一致（王瑞，2015）。同时脑卒中住院人数还与气压和气温日较差存在相关，与24 h 变压呈正相关，与24 h 变温呈负相关。

表3 当天及前7 d 气象因子累积与高风险等级住院人数的相关系数Table 3 Correlation coefficients of the accumulation of meteorological factors on the day and the previous 7 d with the number of high-risk hospitalizations

4.2 高影响气象因子与脑卒中住院人数的关系

为得到脑卒中住院人数在高影响气象因子取值范围内的分布特征，将日最高气压、日最低气温、24 h 变压和24 h 变温的取值范围按其0.5 个单位划分为等间隔的小区间，并在每个区间内求脑卒中住院人数的均值，绘制气泡图，气泡的大小和颜色深浅反映了所在区间内数据点的数量。当日最高气压低于1042 hPa 时，日住院人数基本维持在700 人以下的水平，当日最高气压高于1042 hPa时，日住院人数急剧增多，均在850 人以上（图5a）。24 h 变压在正、负4 hPa 的区间内，脑卒中住院人数变化不大，在500 至600 人之间波动，且该区域样本数量较大。随24 h 变压绝对值增大，住院人数呈增长趋势。24 h 负变压10—15 hPa 和24 h 正变压大于18 hPa 的情况下，脑卒中住院人数相对较多（图5b）。在日最低气温低于-12℃时，住院人数相对较多（图5c）。当24 h 变温为-5℃—7℃时，住院人数无明显波动，随变温增大，住院人数呈增多趋势。且负变温情况的住院人数多于正变温（图5d）。整体来看在气温较低、气压较高、24 h 变压和变温较大的情况下对应的脑卒中住院人数较多。

图5 （a）日最高气压、（b）24 h 变压、（c）日最低气温、（d）24 h 变温与脑卒中住院人数的关系Fig.5 Relationship between（a）daily maximum barometric pressure，（b）24 h pressure variation，（c）daily minimum temperature，（d）24 h temperature variation and the number of stroke hospitalizations

4.3 不同时间尺度气温变化对脑卒中住院人数的影响

4.3.1 月变温对脑卒中住院人数的影响

天津全年月均温度呈倒“U”型分布，7 月最高，1 月最低。图6 中月变温表示本月平均气温与上月平均气温的差，2 月到7 月月均气温呈上升趋势，其中3—5 月升温趋势明显，升温幅度均在6℃以上。8 月至次年1 月月均气温呈下降趋势，10—12 月降温趋势明显，降温幅度均在7℃以上。3 月和10 月为正、负月变温最大的月份，均超过了8.5℃，中高以上住院风险出现概率在4 月和11 月出现了峰值，其中负月变温显著的深秋和初冬脑卒中住院风险最高，正月变温显著的春季脑卒中住院风险次高。脑卒中中高以上住院风险出现概率峰值滞后月变温峰值1 个月，即出现最大正、负月变温的下一月，脑卒中高住院风险出现的概率最大。而月变温较小的1、2、7 和8 月为脑卒中住院的低风险期。可见，显著的月变温为影响脑卒中住院的重要因素，且月变温为负值的深秋脑卒中住院风险最高。

图6 月变温与脑卒中住院风险的关系Fig.6 Relationship between monthly temperature change and hospitalization risk of stroke

4.3.2 24 h 负变温对脑卒中住院人数的影响

由24 h 负变温与脑卒中住院人数的关系（图7）可知，24 h 负变温对3、4、5、10、11、12 月的脑卒中住院人数影响较大。3—5 月24 h 负变温超过6℃时住院人数明显增多，超过720 人。24 h 负变温在11 和12 月对脑卒中住院人数影响最大，24 h负变温超过4℃时住院人数可超过740 人，由于11 和12 月负月变温显著，再叠加上24 h 负变温，可增强不同尺度负变温对脑卒中住院人数的影响。所以24 h 负变温在深秋、初冬和春季对脑卒中住院人数影响较大，对夏季脑卒中的影响相反，24 h 降温幅度越大，脑卒中住院人数反而越少。所以显著的月际温度变化与显著的日尺度的24 h 变温相叠加，可对脑卒中的危险人群造成较大影响。

图7 24 h 负变温与脑卒中住院人数的关系Fig.7 Relationship between 24 h negative temperature change and the number of stroke hospitalizations

5 高影响气象因子对脑卒中住院风险的影响

5.1 高影响气象因子的滞后效应

图8 为高影响气象因子与脑卒中住院人数的暴露-滞后-反应关系。30℃以上高温和-5℃以下低温均可引起脑卒中住院高风险，且对脑卒中住院人数产生即时影响，但低温的风险高于高温（图8a）。随滞后天数增加，高温效应逐渐消失，低温效应维持，低温效应在滞后2 至3 d 内达到最强。24 h 变温在波动较小时脑卒中住院风险较低，随变温绝对值增大住院风险升高，且负变温的风险高于正变温（图8b）。当24 h 正变温超过8℃时，住院风险明显升高，且强的正变温对住院人数的影响表现为“即时效应”，主要影响当天和滞后1 d。7℃以上24 h负变温存在明显的“滞后效应”，在滞后3—5 d 的住院风险最高。气温日较差对脑卒中住院风险的影响表现为明显的“滞后效应”（图8c）。当气温日较差为14—20℃，滞后6—8 d 的住院风险最高。当气温日较差高于20℃时，在滞后2—4 d 的住院风险最高。所以随气温日较差增大，住院高风险的出现时间提前。

图8 （a）日平均气温、（b）24 h 变温、（c）气温日较差与脑卒中住院人数的暴露-滞后-反应关系（色阶：相对危险度）Fig.8 Exposure-lag-response relationship between（a）daily average temperature，（b）24 h temperature variation，（c）daily temperature range and stroke hospitalizations（shaded：relative risk）

5.2 高影响气象因子的累积效应

通过高影响气象因子的滞后效应可知产生影响的最长滞后天数可达10 d，但均在滞后3 d 左右对相对危险度产生最大影响，所以选取最大影响的滞后天数为3 d，研究当天和滞后3 d 的高影响因子对脑卒中住院人数影响的累积效应。图9 为累积3 d 的高影响气象因子与脑卒中住院人数的暴露-反应关系。气温对脑卒中住院风险的影响表现为“低温效应”，平均气温低于0℃时脑卒中住院风险较高，随温度进一步降低，风险呈近似线性的增长趋势。24 h 负变温的风险大于正变温，随24 h 负变温增大住院相对风险逐渐增大。气温日较差与脑卒中住院人数的暴露-反应关系均近似呈“J”型分布。气温日较差高于17℃时脑卒中住院风险较高，且随气温日较差增大而增大。

图9 （a）平均气温、（b）24 h 变温、（c）气温日较差与脑卒中住院人数的暴露-反应关系（阴影：相对危险度95%置信区间）Fig.9 Exposure-response relationship between（a）mean temperature，（b）24 h temperature variation，（c）daily temperature range and stroke hospitalizations（shaded：95% confidence interval of relative risk ）

5.3 敏感性分析结果

为验证模型的稳定性进行了敏感性分析试验。结果（图10）表明，通过改变平均气温和24 h变温模型中时间序列自由度（3—6），本研究所得结果亦较为稳定，相对危险度值变化幅度较小，如改变平均气温的时间序列自由度，脑卒中住院人数的相对危险度值变化范围为1.00104—1.00129。改变24 h 变温的时间序列自由度，脑卒中住院人数的相对危险度值变化范围为1.00653—1.00723。将交互作用项添加到半参数广义相加模型后对结果有影响，但与调整前变化不大，模型结果基本稳定。

图10 （a）平均气温和（b）24 h 变温在不同时间自由度下对住院风险影响的敏感性分析Fig.10 Sensitivity analysis of the effects of（a）mean temperature and（b）24 h temperature variation on the risk of hospitalization at different time degrees of freedom

6 结论

基于2016—2020 年天津市脑卒中日住院数据和气象数据，采用脑卒中日住院人数累积概率分布进行住院风险等级划分，通过Spearman 相关分析确定高影响气象因子，分析高影响气象因子的变化对脑卒中住院的影响。在此基础上利用分布滞后非线性模型与半参数广义相加模型得到高影响气象因子对脑卒中住院的滞后以及累积效应。主要结论如下：

（1）天津市脑卒中年住院人数为22.5 万左右，最高月住院人数可达2.1 万，日均住院人数为623。男、女住院人数比为8:5，50 岁以上人群为易患脑卒中疾病的高危人群，50 岁以上男、女住院患者分别占各自总人数的92.4%、97.2%。

（2）气象因子与住院人数呈较好的相关关系，尤其是与高风险等级的住院人数相关系数最大。高相关气象因子为气压、气温、气温日较差、24 h变压和24 h 变温。且与气压呈正相关，与气温呈负相关，与气温日较差呈负相关，与24 h 变压呈正相关，与24 h 变温呈负相关。

（3）深秋、初冬和春季为天津市脑卒中住院的高风险季节，深秋的住院风险最高。脑卒中住院高风险出现概率峰值滞后月变温峰值1 个月。6℃以上显著的月变温和6℃以上的24 h 负变温相叠加可增大脑卒中住院风险，且月变温为负变温时，脑卒中住院风险最高。

（4）30℃以上高温和-5℃以下低温均可引起脑卒中住院高风险，但低温的风险高于高温，低温效应在滞后2—3 d 内达到最强。24 h 负变温的住院风险高于正变温，在深秋、初冬和春季对脑卒中住院影响最大，且变温强度越大住院风险越高，7℃以上24 h 负变温在滞后3—5 d 的住院风险最高。

天津市脑卒中高住院风险的气象原因主要是月尺度和日尺度温度剧烈变化的叠加，其次为极端气温及其24 h 剧烈变化的影响。本研究结果存在一定的局限性，一是研究中气象数据仅来自1 个气象站，无法代表个体暴露水平，会导致结果存在一定偏差；二是受限于医疗数据收集，对脑卒中病人住院的具体医学原因不得而知，没有进行具体病因下气象原因的探讨，需要进一步的深入研究。

致 谢：感谢成都信息工程大学王式功教授在研究过程中给予的指导与帮助！