王興甜，陸雯雯，蘇馨雅，孟 華，梁沛楓

（1.寧夏醫(yī)科大學(xué)公共衛(wèi)生與管理學(xué)院，銀川 750004；2.寧夏環(huán)境因素與慢性病控制重點(diǎn)實(shí)驗(yàn)室，銀川 750004；3.寧夏回族自治區(qū)人民醫(yī)院病案統(tǒng)計(jì)科，銀川 750002）

大氣污染已成為全球主要的公共衛(wèi)生危險(xiǎn)因素之一，是世界各地廣泛面臨的重大環(huán)境健康問題[1]。國內(nèi)外多項(xiàng)流行病學(xué)和實(shí)驗(yàn)研究證實(shí)，暴露于大氣污染中會增加循環(huán)系統(tǒng)疾病的發(fā)病率、死亡率并影響患者期望壽命[2-6]。此外，受氣象條件的影響，大氣污染物對人群健康的影響在不同季節(jié)具有差異[7]。銀川市地處西北干旱區(qū)，沙塵天氣頻發(fā)，常伴隨著污染物增多，加上汽車尾氣排放、采暖及其他能源燃燒進(jìn)一步加重了大氣污染。因此，可能會引起循環(huán)系統(tǒng)疾病增多，繼而對醫(yī)院門診量存在短期影響，但目前有關(guān)銀川市乃至寧夏地區(qū)循環(huán)系統(tǒng)疾病與大氣污染關(guān)系的研究相對欠缺。為此，本研究利用銀川市2019—2021年逐日氣象數(shù)據(jù)、大氣污染物監(jiān)測數(shù)據(jù)及某多院區(qū)三級甲等綜合醫(yī)院循環(huán)系統(tǒng)疾病門診數(shù)據(jù)，借助廣義相加模型（generalized additive models，GAM）探索可吸入顆粒物（PM10）、細(xì)顆粒物（PM2.5）、二氧化氮（NO2）短期暴露對循環(huán)系統(tǒng)疾病門診量的影響及其季節(jié)特征，以期為醫(yī)院門診資源配置提供科學(xué)依據(jù)。

1 材料與方法

1.1 資料收集

1.1.1 循環(huán)系統(tǒng)疾病門診數(shù)據(jù) 收集2019年1月1日至2021年12月31日寧夏回族自治區(qū)某三級甲等綜合醫(yī)院在銀川市所有院區(qū)的逐日門診病例數(shù)據(jù)，以第十版《國際疾病分類》（ICD-10）為標(biāo)準(zhǔn)，篩選出循環(huán)系統(tǒng)疾病門診病例（ICD10：I00-I99、R00-R03、R09.8）。

1.1.2 氣象及大氣污染物數(shù)據(jù) 同時期銀川市逐日氣象數(shù)據(jù)摘自中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)，包括日均氣溫（℃）、日均氣壓（hPa）、日均相對濕度（%）、日均風(fēng)速（m·s-1）。大氣污染物數(shù)據(jù)來源于寧夏空氣質(zhì)量監(jiān)測平臺，收集銀川市PM10、PM2.5、NO2的逐日平均濃度。

1.2 統(tǒng)計(jì)學(xué)方法

以日期、時間變量、循環(huán)系統(tǒng)疾病門診量、氣象數(shù)據(jù)、三種大氣污染物的日均質(zhì)量濃度及“星期幾”啞變量為數(shù)據(jù)組建立時間序列；利用Spearman相關(guān)系數(shù)分析氣象與大氣污染數(shù)據(jù)之間的相關(guān)性。

相較于銀川市總?cè)丝?，居民每日循環(huán)系統(tǒng)疾病門診量屬于小概率事件，因此采用基于泊松回歸的GAM分析2019—2021年銀川市大氣污染物對循環(huán)系統(tǒng)疾病門診量的影響；分別建立單污染物模型和雙污染物模型，并以季節(jié)（春季：3、4、5月份；夏季：6、7、8月份；秋季：9、10、11月份；冬季：12、1、2月份）分層，計(jì)算不同大氣污染物對循環(huán)系統(tǒng)疾病門診量的影響。

GAM構(gòu)建如下：

式中：Yt為第t日循環(huán)系統(tǒng)疾病門診就診量；E（Yt）為Yt的數(shù)學(xué)期望；β為回歸系數(shù)；Xt為第t日污染物濃度；s為樣條函數(shù)；df為自由度；time為時間趨勢；Zt為第t日的溫度等氣象因子；DOW為（Day of the week）“星期幾”啞變量；intercept為截距，常數(shù)項(xiàng)。

以赤池信息準(zhǔn)則（akaike information criterion，AIC）最小原則確定時間趨勢及氣象因子的自由度。由于大氣污染物對人群健康事件的影響具有滯后效應(yīng)，因此除分析當(dāng)天（lag0）的急性效應(yīng)外，選擇污染物1 d前到7 d前的濃度分析單日滯后效應(yīng)，即lag1～lag7；選擇污染物1 d前到7 d前的移動平均濃度分析累計(jì)滯后效應(yīng)，即lag01～lag07。

計(jì)算污染物濃度每升高10μg·m-3，每日循環(huán)系統(tǒng)疾病門診量改變的百分比，即超額危險(xiǎn)度（excess risk，ER）：

式中：exp為以自然常數(shù)e為底的指數(shù)函數(shù)；s為標(biāo)準(zhǔn)差；95%CI為ER的95%置信區(qū)間。

根據(jù)式（2）、式（3）計(jì)算大氣污染物對循環(huán)系統(tǒng)疾病門診量效應(yīng)的ER值及95%CI，檢驗(yàn)結(jié)果是否存在顯著性差異，并以ER值最大原則確定最佳滯后天數(shù)。

通過Excel 2019建立時間序列并進(jìn)行初步統(tǒng)計(jì)分析，用SPSS 25.0統(tǒng)計(jì)學(xué)軟件進(jìn)行Spearman相關(guān)分析；利用R 4.1.2軟件進(jìn)行GAM建模分析。檢驗(yàn)水準(zhǔn)均采用雙側(cè)，P≤0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 2019—2021年銀川市循環(huán)系統(tǒng)疾病每日門診量數(shù)據(jù)

2019—2021年銀川市循環(huán)系統(tǒng)疾病門診量共601 493人次，日均門診量549人次，時間序列如圖1所示。

圖1 2019—2021年銀川市循環(huán)系統(tǒng)疾病每日門診量時間序列圖

2.2 2019—2021年銀川市循環(huán)系統(tǒng)疾病、氣象因子及大氣污染物狀況

2019—2021年銀川市3年日均氣溫、日均氣壓、日均相對濕度、日均風(fēng)速分別為11.6℃、890 hPa、47%、1.4 m·s-1。大氣污染物PM2.5、PM10、NO2日均質(zhì)量濃度分別為25、63和31μg·m-3，見表1。

表1 2019—2021年銀川市循環(huán)系統(tǒng)疾病、氣象因素及大氣污染物概況

2.3 2019—2021年銀川市氣象因子與大氣污染物的相關(guān)性

對2019—2021年銀川市氣象因子和大氣污染物濃度進(jìn)行正態(tài)性檢驗(yàn)，發(fā)現(xiàn)均為非正態(tài)分布，選擇Spearman相關(guān)分析后結(jié)果顯示，日均氣溫與日均風(fēng)速呈正相關(guān)，與日均氣壓、PM2.5、PM10、NO2均呈負(fù)相關(guān)（P均＜0.05）。日均相對濕度與PM2.5呈正相關(guān)，與日均風(fēng)速、PM10、NO2呈負(fù)相關(guān)（P均＜0.05）。日均風(fēng)速與日均氣壓、PM2.5、NO2呈負(fù)相關(guān)（P均＜0.05）。日均氣壓與PM2.5、PM10、NO2呈正相關(guān)（P均＜0.05）。PM2.5、PM10、NO2之間兩兩呈正相關(guān)（P均＜0.05），且PM2.5與PM10相關(guān)性最強(qiáng)（r=0.87）。日均相對濕度與日均氣溫、日均氣壓之間均無相關(guān)性，見表2。

2.4 2019—2021年銀川市單污染物模型對居民循環(huán)系統(tǒng)疾病門診量的滯后效應(yīng)

PM2.5、PM10、NO2單污染物模型滯后效應(yīng)如圖2所示，其中，僅PM2.5在lag7的ER值無統(tǒng)計(jì)學(xué)意義（P＞0.05），PM10和NO2均在lag7效應(yīng)最小，且三種污染物的累計(jì)滯后效應(yīng)均強(qiáng)于單日滯后效應(yīng)（P均＜0.05）。對于PM2.5，單日滯后效應(yīng)在lag2最大，累計(jì)滯后效應(yīng)在lag06最大，PM2.5日均濃度每升高10μg·m-3，循環(huán)系統(tǒng)疾病日門診量分別增加0.89%（0.80%～0.99%）和2.35%（2.17%～2.53%）；對于PM10，單日滯后效應(yīng)在lag5最大，累計(jì)滯后效應(yīng)在lag07最大，PM10日均濃度每升高10μg·m-3，循環(huán)系統(tǒng)疾病日門診量分別增加0.19%（0.16%～0.21%）和0.45%（0.40%～0.49%）；對于NO2，單日滯后效應(yīng)在lag0最大，累計(jì)滯后效應(yīng)在lag05最大，NO2日均濃度每升高10μg·m-3，循環(huán)系統(tǒng)疾病日門診量分別增加5.79%（5.53%～6.06%）和8.54%（8.18%～8.90%），見表3。

表3 單污染物在最佳滯后天數(shù)下對居民循環(huán)系統(tǒng)疾病門診量的效應(yīng)

圖2 2019—2021年銀川市單污染物模型對居民循環(huán)系統(tǒng)疾病門診量的滯后效應(yīng)

2.5 2019—2021年銀川市雙污染物模型對居民循環(huán)系統(tǒng)疾病門診量的滯后效應(yīng)

如表2所示，PM2.5與PM10相關(guān)系數(shù)高達(dá)0.870，為避免多重共線性問題，雙污染物模型中未同時引入PM2.5與PM10。根據(jù)單污染物模型分析結(jié)果，分別在PM2.5、PM10及NO2最佳滯后天數(shù)下引入另一污染物。結(jié)果顯示，在NO2中引入PM2.5會增加循環(huán)系統(tǒng)疾病門診量，其余組合均會減少門診量，但污染物與門診量的正相關(guān)關(guān)系并未發(fā)生改變，差異均有統(tǒng)計(jì)學(xué)意義（P均＜0.05），說明本研究構(gòu)建的模型穩(wěn)定性良好，見表4。

表4 2019—2021年銀川市雙污染物模型對居民循環(huán)系統(tǒng)疾病門診量的滯后效應(yīng)

2.6 2019—2021年銀川市大氣污染物的季節(jié)分層結(jié)果

季節(jié)分層結(jié)果顯示，PM2.5在秋季出現(xiàn)最大效應(yīng)值，最佳滯后天數(shù)為lag03，對應(yīng)的ER值為7.15%（6.37%～7.94%）；PM10和NO2均在冬季出現(xiàn)最大效應(yīng)值，最佳滯后天數(shù)分別為lag07、lag05，對應(yīng)的ER值分別為2.91%（2.74%～3.07%）、13.80%（13.10%～14.51%）。在不同季節(jié)，NO2均表現(xiàn)為最大效應(yīng)值，見表5、表6。

表5 2019—2021年銀川市大氣污染物在春季和夏季對居民循環(huán)系統(tǒng)疾病門診量的最大滯后效應(yīng)

表6 2019—2021年銀川市大氣污染物在秋季和冬季對居民循環(huán)系統(tǒng)疾病門診量的最大滯后效應(yīng)

3 討論

本研究采用時間序列的GAM，定量評估了大氣污染物對循環(huán)系統(tǒng)疾病門診量的短期影響。經(jīng)分析，大氣污染物對循環(huán)系統(tǒng)疾病門診量存在短期影響，并具有滯后效應(yīng)；循環(huán)系統(tǒng)疾病在秋季對PM2.5最敏感，在冬季對PM10和NO2最敏感；三種主要大氣污染物中，NO2造成循環(huán)系統(tǒng)疾病門診量增加的風(fēng)險(xiǎn)最高。本研究中發(fā)現(xiàn)，PM2.5、PM10、NO2均對循環(huán)系統(tǒng)疾病門診量增加具有短期效應(yīng)，與大部分研究[8-12]結(jié)果一致。王戰(zhàn)等[13]研究發(fā)現(xiàn)，北京市l(wèi)ag07的PM2.5、暴露當(dāng)日的PM10和NO2的急性效應(yīng)最大，濃度每上升10μg·m-3，循環(huán)系統(tǒng)疾病門診人次分別增加0.64%、0.30%和1.02%。在南京市暴露當(dāng)天的PM2.5和PM10急性效應(yīng)最強(qiáng)，濃度每升高10μg·m-3，心腦血管疾病門診量分別增加0.42%和0.37%[14]。游穎琦等[15]的研究結(jié)果顯示，無錫市l(wèi)ag01的PM2.5和PM10、lag04的NO2的急性效應(yīng)最強(qiáng)，濃度每升高10μg·m-3，循環(huán)系統(tǒng)疾病門診量分別增加0.68%、0.46%和4.22%。東北一項(xiàng)研究[16]顯示，lag03的PM2.5對循環(huán)系統(tǒng)疾病急診入院的效應(yīng)最強(qiáng)，濃度每增加10μg·m-3，相對危險(xiǎn)度為1.011。在本研究中，三種大氣污染物對循環(huán)系統(tǒng)疾病門診量的累計(jì)滯后效應(yīng)高于單日滯后效應(yīng)，且效應(yīng)值略高于上述研究。三種大氣污染物中，NO2的效應(yīng)值最高。各研究結(jié)果呈現(xiàn)的效應(yīng)值不同，可能是因?yàn)椴煌貐^(qū)的暴露人群耐受程度具有差異性，以及受到經(jīng)濟(jì)水平、地理環(huán)境、氣象條件及污染物來源、組分等一系列因素的影響。

本研究發(fā)現(xiàn)，僅在調(diào)整PM2.5之后，NO2對循環(huán)系統(tǒng)疾病門診量的效應(yīng)值增大，其余雙污染物模型效應(yīng)值均減小。哥倫比亞一項(xiàng)研究[17]也發(fā)現(xiàn)，NO2對循環(huán)系統(tǒng)疾病發(fā)病率具有主導(dǎo)作用，并與PM2.5有協(xié)同作用。提示各污染物對循環(huán)系統(tǒng)疾病門診量的影響可能存在交互作用，因此，需要進(jìn)一步探討大氣污染物的綜合指標(biāo)對循環(huán)系統(tǒng)疾病門診量的影響。

本研究對于季節(jié)分層的結(jié)果顯示，PM2.5對循環(huán)系統(tǒng)疾病門診量影響的最大效應(yīng)值出現(xiàn)在秋季，PM10和NO2的最大效應(yīng)值則出現(xiàn)在冬季，總體表現(xiàn)為寒冷季節(jié)的危害效應(yīng)高于溫暖季節(jié)。說明大氣污染物對于循環(huán)系統(tǒng)疾病門診量的影響存在季節(jié)性?？赡苁怯捎诙窘?jīng)常出現(xiàn)逆溫，靜小風(fēng)天氣較多，使污染物擴(kuò)散受限[18]。另外，可能受機(jī)動車尾氣排放的影響，導(dǎo)致NO2的效應(yīng)值高于顆粒物。因此，相關(guān)環(huán)保部門應(yīng)該在寒冷季節(jié)進(jìn)一步加強(qiáng)對大氣污染物的防治，并建議有基礎(chǔ)疾病的居民或易感人群在寒冷季節(jié)減少外出頻率。

本研究的局限性：1）本研究屬于生態(tài)學(xué)研究的范疇，無法避免生態(tài)學(xué)謬誤的發(fā)生；2）出于隱私保護(hù)的考慮，本研究未收集患者的性別和年齡信息；3）本研究利用全市室外污染物監(jiān)測數(shù)據(jù)的平均水平進(jìn)行分析，無法體現(xiàn)個體暴露及在室內(nèi)的污染水平；4）未剔除門診量統(tǒng)計(jì)中純醫(yī)保開藥的情況。