综合空气污染和非适宜温度相关死亡风险构建空气健康指数

张庆丽 ,  陈仁杰 ,  印冠锦 ,  杜喜浩 ,  孟夏 ,  邱杨 ,  阚海东 ,  周脉耕

工程(英文) ›› 2022, Vol. 14 ›› Issue (7) : 156 -162.

PDF (1273KB)
工程(英文) ›› 2022, Vol. 14 ›› Issue (7) : 156 -162. DOI: 10.1016/j.eng.2021.05.006

综合空气污染和非适宜温度相关死亡风险构建空气健康指数

作者信息 +

The Establishment of a New Air Health Index Integrating the Mortality Risks Due to Ambient Air Pollution and Non-Optimum Temperature

Author information +
文章历史 +
PDF (1303K)

摘要

综合的空气健康指数有助于强调多种大气危险因素的健康风险,有利于向公众传达不良大气环境的总体风险。本文试图通过整合我国大气污染和非适宜温度相关的每日死亡风险,建立一种新的空气健康指数(Air Health Index, AHI)。本研究从时间序列模型中获得了暴露-反应系数,通过将 2013—2015 年我国 272个城市大气污染物与非适宜温度相关的超额死亡风险求和,构建了新的AHI。估计了基于总死亡率构建的AHI('总AHI')与全死因死亡率的关系,并进一步比较了'总AHI'与'特异性AHI'(基于疾病别死 亡率构建)在预测心肺系统疾病死亡率方面的能力。研究发现,空气污染和非适宜温度与28.23%的每日超额死亡率有关,其中23.47%与非适宜温度有关,其余的与PM2.5(1.12%)、NO2(2.29%)和O3( 2.29%)有关。新的AHI采用了10分制的评分标准,272座城市的平均AHI为6分。AHI与死亡率关系的暴露-反应曲线呈线性,不存在阈值。'总AHI'每增加一个单位,全死因死亡率增加0.84%,心血管疾病、冠心病、中风、呼吸系统疾病和慢性阻塞性肺疾病的死亡率分别增加1.01%、0.98%、1.02%、1.66%和1.71%。使用'总AHI'估计疾病别死亡率风险与使用'特异性AHI'预测的疾病别死亡率风险相似。综上所述,本研究提出的'总AHI'可能是一种有前途的风险交流工具,有利于向公众传达与大气环境有关的健康风险。

Abstract

A composite Air Health Index (AHI) is helpful for separately emphasizing the health risks of multiple stimuli and communicating the overall risks of an adverse atmospheric environment to the public. We aimed to establish a new AHI by integrating daily mortality risks due to air pollution with those due to non-optimum temperature in China. Based on the exposure-response (E-R) coefficients obtained from time-series models, the new AHI was constructed as the sum of excess mortality risk associated with air pollutants and non-optimum temperature in 272 Chinese cities from 2013 to 2015. We examined the association between the ″total AHI″ (based on total mortality) and total mortality, and further compared the ability of the ″total AHI″ to predict specific cardiopulmonary mortality with that of ″specific AHIs″ (based on specific mortalities). On average, air pollution and non-optimum temperature were associated with 28.23% of daily excess mortality, of which 23.47% was associated with non-optimum temperature while the remainder was associated with fine particulate matter (PM2.5) (1.12%), NO2 (2.29%,), and O3 (2.29%). The new AHI uses a 10-point scale and shows an average across all 272 cities of 6 points. The E-R curve for AHI and mortality is approximately linear, without any thresholds. Each one unit increase in ″total AHI″ is associated with a 0.84% increase in all-cause mortality and 1.01%, 0.98%, 1.02%, 1.66%, and 1.71% increases in cardiovascular disease, coronary heart disease, stroke, respiratory diseases, and chronic obstructive pulmonary disease mortality, respectively. Cause-specific mortality risk estimates using the ″total AHI″ are similar to those predicted by ″specific AHIs.″ In conclusion, the ″total AHI″ proposed herein could be a promising tool for communicating health risks related to exposure to the ambient environment to the public.

关键词

大气污染 / 温度 / 空气健康指数 / 死亡 / 时间序列 / 风险交流

Key words

Air pollution / Temperature / Air Health Index / Mortality / Time-series / Risk communication

引用本文

引用格式 ▾
张庆丽,陈仁杰,印冠锦,杜喜浩,孟夏,邱杨,阚海东,周脉耕. 综合空气污染和非适宜温度相关死亡风险构建空气健康指数[J]. 工程(英文), 2022, 14(7): 156-162 DOI:10.1016/j.eng.2021.05.006

登录浏览全文

4963

注册一个新账户 忘记密码

1、 引言

大气污染和非适宜温度均与心血管疾病及呼吸系统疾病死亡风险增加有关[1‒2]。据估计,2019年空气污染造成我国185万人死亡以及4251万残疾调整寿命年[3]。为了降低与空气污染相关的疾病负担,各国采用空气质量指数(AQI)向公众发布空气污染水平以及相关暴露的健康风险。然而,目前的AQI指数仅由具有最高AQI指数的空气污染物决定,而没有考虑同时暴露于多种空气污染物对健康的综合影响。

在全球气候变化的背景下,非适宜温度成为全球的健康挑战,特别是在发展中国家。据估计,中国14.33%的非意外死亡是由环境非适宜温度造成的[1]。目前用于指示环境温度造成的健康风险的指数,如热浪指数和寒潮指数只考虑了极端温度[4‒5],而没考虑归因于中等非适宜温度所造成的更大的疾病负担。因此,热浪指数和寒潮指数可能大大低估了由非适宜温度引起的疾病负担。此外,热浪和寒潮指数是根据每日气温变化来定义的,没有考虑环境温度与人口健康之间的关系。

在真实世界中,人们往往同时暴露于空气污染和大气温度。并且这些环境因素在诱发急性不良健康效应方面有相似的生物学途径,如炎性、氧化应激、生热作用和自主神经功能的变化[6‒7]。因此,同时向公众传达空气污染和非适宜温度的健康风险对于保护易感人群来说至关重要。然而,目前还没有任何指数同时考虑非适宜温度和空气污染的综合健康风险。因此,有必要建立一种新的空气健康指数(AHI),将环境空气污染和非适宜温度的健康风险整合起来,以便让公众更好地了解暴露于这些环境因素的整体健康风险,帮助人们有效地减少相关暴露、减轻潜在的危害。

本研究拟利用全国性数据库、综合环境空气污染和非适宜温度导致的死亡风险,建立新的AHI,并评估AHI与我国每日死亡率的关系。新的AHI还将提供每种危险因素导致的每日超额死亡人数。此外,还对基于总死亡率构建的“总AHI”与基于疾病别死亡率构建的“特异性AHI”的预测能力进行比较,以评价针对特定疾病开发“特异性AHI”的必要性。

2、 材料与方法

2.1 数据来源

分析是基于2013年1月1日至2015年12月31日全国272座城市的每日死亡率、空气污染物水平和天气状况数据进行的。关于数据集的详细信息在以往的研究[8‒10]中已有详细介绍。简而言之,这272座城市分布在我国31个省级行政区域,人口数量覆盖总人口数量的20%(近2.9亿)。这些城市的每日死亡人数包括全死因死亡人数和疾病别死亡人数;这些数据来自中国疾病监测点系统,该系统在国家级和省级水平上具有较好的代表性[11‒12]。

本研究选择了细颗粒物(PM2.5)、二氧化氮(NO2)和臭氧(O3)作为本次研究的代表性空气污染物。因为之前在同一个数据库中进行的研究发现,这三种污染物与死亡率之间有显著且稳定的关联[8,10,13]。PM2.5、NO2的每日平均浓度以及O3的最大8 h平均浓度数据来源于全国城市空气质量实时发布平台(http://106.37.208.233:20035/)。该平台共有1265个监测站点,截至2015年,每个城市的监测站中位数量为4个(范围为1~7个)。计算这些城市所有有效监测站点的平均值,并将该平均值定义为该城市的每日空气污染物水平。各城市的每日平均气温和平均相对湿度数据来源于中国气象数据共享服务系统(http://data.cma.cn/)。本研究方案获得复旦大学公共卫生学院评审委员会批准(No. 2014-07-0523)。

2.2 数据分析

首先通过时间序列分析获得每日空气污染和非适宜温度与全死因死亡率和死因别死亡率的关系。然后计算这些环境危险因素的每日超额死亡风险。最后将每日超额死亡风险除以最大加权平均超额死亡风险,再乘以10,得到全国AHI。

2.2.1. 时间序列分析

首先,排除了环境空气污染和非适宜温度数据中低于第2.5百分位数或高于第97.5百分位数的日历日,以减少极端值的影响。然后使用标准的时间序列分析获得每日PM2.5、NO2和O3的单位变化相关的死亡率回归系数(1 μg·m-3)。关于时间序列分析的细节在之前的研究中有详细的描述[1,8,13]。由于暖季和冷季空气污染物浓度不同,分别计算暖季(5~10月)和冷季(11月至来年4月)空气污染物的相对风险(RR),用于后续计算。协变量包括日历日的自然三次样条平滑函数[每年自由度(DoF)为7]、“星期几”(作为指示变量),以及当天的平均温度(DoF为6)和相对湿度(DoF为3)的自然平滑函数[14]。

对于温度,与之前的研究中所考虑的类似,采用21天移动平均温度,并将全死因死亡风险最低时的温度(即22.8 °C)作为最适宜温度[2]。之前的研究发现,温度和死亡率的暴露-反应曲线呈倒J型,在非最适宜温度时,死亡风险呈近似线性增加[2]。因此,假设温度和死亡率之间的关系是一个以最适宜温度为节点的分段线性函数。根据前期研究估算的极端低温(RR = 1.68)和极端高温(RR = 1.16)的相对风险,利用公式(1)和公式(2)计算单位温度(1 °C)变化相关的每日死亡率增加的系数。

Coefficient for Cold=ln 1.68/(22.8--1.4)(1)

Coefficient for warm=ln 1.16/(29.0-22.8)(2)

式中,1.68和1.16分别为与极端低温和极端高温相关的每日总死亡率的相对风险;22.8为最适宜温度;-1.4和29.0分别为极端低温和极端高温的平均值。

2.2.2. 构建全国AHI

之前采用相同数据库进行的研究发现,PM2.5和NO2在暴露当天的效应值最大,而O3在滞后两天的效应值最大[14],因此分别采用PM2.5和NO2当天以及O3滞后两天的RR估计值用于该步骤的计算。首先,利用公式(3)计算各城市空气污染(以0为参考值)和温度(以22.8 °C为参考值)的每日超额死亡风险。

ERit=100 exp βi xit-1(3)

式中,ERit是第t天与危险因素i(空气污染物或温度)相关的超额死亡率百分比;β为回归系数,表明危险因素i每变化一个单位(空气污染物为1 μg·m-3;温度为1 °C),每日死亡率的增加量;Δx是第t天危险因子i的水平与参考水平(空气污染物为0,温度为22.8 °C)之间的差值。每日超额死亡风险是所有危险因素的超额死亡风险之和。本研究只针对所有风险因素的数据都完整的日历日进行计算。

接下来,引入加权平均超额死亡风险,以减少具有高空气污染水平或极端温度的小城市过度加权产生的影响。具体来说,分别提取各城市在冷、暖温度时的每日超额死亡率百分比最大值。计算所有城市每日最大值的平均值,然后分别用每个城市在冷、暖温度时的每日平均死亡人数的平均值进行加权。分别计算冷、暖温度时的加权平均超额死亡风险,公式如下:

c= j=1,,nmj/j=1,,nmjmaxt=1,,qi=1,,pERijt(4)

式中,c是研究期间272座城市在冷、暖温度时的最大加权平均超额死亡率百分比;m表示在第j个城市中的每日平均死亡人数;ER为第j个城市第t天第i个危险因素的超额死亡率百分比。

最后,用每日超额死亡率百分比除以最大加权平均超额死亡率百分比,再乘以10,得到全国低温和高温时的AHI,如公式(5)。

AHI=10/c·(ERPM2.5+ERNO2+ERO3+ERtemp) (5)

这一过程产生了一系列从0到10+的每日AHI值,大于10的值表示与这一天空气污染和温度相关的超额死亡风险大于当前数据库中观察到的最大加权平均超额死亡率(即c)。为了便于交流,将AHI值进行四舍五入取最接近的整数。

2.2.3. AHI的预测能力评估

通过估算2013—2015年我国272座城市的AHI与当天全死因死亡率和疾病别死亡率的关系,评估AHI在预测死亡率方面的表现。另外,使用在以往文献中描述的方法绘制全国AHI和死亡率的暴露反应曲线[15]。对于可能的非线性关系,使用B样条函数,在AHI的第25和第75百分位数上设置节点。

在本研究中,基于总死亡率构建“总AHI”,并基于疾病别死亡率(包括心血管疾病、冠心病、中风、呼吸系统疾病和慢性阻塞性肺病)构建了“特异性AHI”。进一步通过比较回归系数估计值和模型拟合优度[R2和赤池信息准则(AIC)],评估“总AHI”和“特异性AHI”在预测死因别死亡率方面的表现。此外,通过将公式(5)中的10替换为500,将AHI的尺度调整到0~500(AHI0~500),以便使该指数可与当前的AQI进行比较,并进一步将AHI0~500的预测能力与“总AHI”进行比较。

本研究进行了几项敏感性分析。将时间序列分析中使用的日历日自然三次样条平滑函数的自由度由每年的7调整为8或10;并在AHI构建中额外纳入其他空气污染物(PM10、SO2和CO)作为代表性污染物。所有统计分析使用R软件中的“mgcv”和“tlnise”软件包进行。双侧p值小于0.05认为有统计学意义。估计值以变化的百分比和95%置信区间表示。

3、 结果

3.1 构建AHI

本研究共纳入了272个城市。表1总结了2013—2015年我国272座城市的每日死亡人数、天气状况和空气污染物水平。PM2.5、NO2和O3的年平均值分别为56 μg·m-3、31 μg·m-3和77 μg·m-3。272座城市的天气状况各不相同,平均气温(年平均)为15 °C(范围为-0.5~25 °C)。

表1 我国272座城市2013—2015年大气环境与健康数据描述

VariablesMeanSDMinimumP25MedianP75Maximum
Number of daily non-accidental deaths
Total1616371220165
CVD871361065
CHD33012328
Stroke44023533
Respiratory disease23011334
COPD22001229
Air pollutants
PM2.5 (μg·m‒3)562018415467127
NO2 (μg·m‒3)31111022303866
O3 (μg·m‒3)771436687787113
Weather
Mean temperature (°C)155-0.512161825
Relative humidity (%)68103561717791

每日PM2.5、NO2、O3和气温的c值及回归系数见表2。暖温度和冷温度时的c值分别为18.00和66.10。在较暖温度时,与PM2.5、NO2、O3和温度单位变化相关的全死因死亡率增加的回归系数分别为0.000171、0.000498、0.000090和0.0239;在较冷温度时分别为0.000212、0.000724、0.000214和0.0214。因此,给定任何一天和任何一个地点,较暖和较冷温度时的“总AHI”分别可以用公式(6)和公式(7)来计算。

表2 我国272座城市2013—2015年疾病别AHI公式中各个危险因素的系数

Diseasesc valueCoefficients for each pollutant and temperature
PM2.5NO2O3Temperature
Warm period
CVD24.300.0001750.0005110.0002060.0321
CHD21.600.0001380.0007050.0002050.0295
Stroke25.600.0002580.0003620.0001720.0336
Respiratory disease38.800.0002640.0008340.0001100.0416
COPD32.000.0003970.0011100.0001400.0317
Total18.000.0001710.0004980.0000900.0239
Cold period
CVD91.100.0002480.0008580.0002400.0270
CHD100.000.0002770.0007790.0002170.0275
Stroke82.100.0001780.0007430.0001940.0256
Respiratory disease53.500.0003680.0009530.0004400.0185
COPD57.300.0004800.0011700.0005390.0187
Total66.100.0002120.0007240.0002140.0214

AHI for warm period=10/18.00·100·exp 0.0239·temperature-22.8+-1 + exp 0.000171·PM2.5-1+exp 0.000498·NO2-1 + exp 0.000090·O3-1(6)

AHI for cold period=10/66.10·100·exp 0.0214·22.8-temperature+-1 + exp 0.000212·PM2.5-1+exp 0.000724·NO2-1 + exp 0.000214·O3-1(7)

表3提供了AHI的描述性数据,以及由空气污染物和非适宜温度所导致的每日超额死亡风险。在研究期间,272个城市的平均AHI为6。全国36%的日历日AHI不大于3、21%为4~5、24%为6~8、20%大于8。与大气污染和非适宜温度相关的每日平均超额死亡率百分比为28.23%,其中PM2.5、NO2、O3和非适宜温度分别占1.12%、2.29%、1.35%和23.47% [由公式(3)计算]。

表3 关于AHI和空气污染物和非适宜温度造成的每日超额死亡风险的描述性统计

ParametersMeanSDMinimumP25MedianP75Maximum
AHI64035826
ER
Total (%)28.2324.811.0310.4818.5739.87172.80
PM2.5 (%)1.120.790.090.560.901.439.01
O3 (%)1.350.750.080.791.191.775.36
NO2 (%)2.291.330.151.301.993.0110.47
Temperature (%)23.4724.1506.2514.4634.41167.59

3.2 AHI的预测能力

如表4所示,AHI与当天的全死因死亡率和死因别死亡率显著相关。“总AHI”每增加一个单位,每日全死因死亡率增加0.84% [95%置信区间(CI):0.62%, 1.07%]、总心血管疾病死亡率增加1.01%(95% CI: 0.72%, 1.30%)、冠心病死亡率增加0.98%(95% CI: 0.57%, 1.40%)、卒中死亡率增加1.02%(95% CI: 0.65%, 1.39%)、总呼吸系统疾病死亡率增加1.66%(95% CI: 1.18%, 2.15%)、慢性阻塞性肺病死亡率增加1.71%(95% CI: 1.15%, 2.27%)。如图1所示,在全国范围内“总AHI”与全死因死亡率和各疾病别死亡率的暴露反应关系曲线几乎是线性的,没有阈值。“总AHI”与“特异性AHI”所获得的疾病别死亡率的回归系数估计值和模型拟合优度指标(R2和AIC)非常相似(表4)。将AHI的范围调整到0~500后,发现AHI0~500每增加50个单位,总死亡率、心血管疾病、冠心病、卒中、呼吸系统疾病和慢性阻塞性肺病死亡率分别增加0.91%、1.13%、1.18%、1.07%、1.79%和1. 84%(见附录A中的表S1)。这些估计值与“总AHI”(0~10)每增加一个单位的估计值相当。

表4 比较我国272座城市2013—2015年“特异性AHI”和“总AHI”与每日死因别死亡率的关系

DiseasesTotal AHI (%)Specific AHI (%)
Estimates (95% CI)R2AICEstimates (95% CI)R2AIC
CVD1.01 (0.72, 1.30)0.14051.40190.96 (0.67, 1.25)0.14051.4019
CHD0.98 (0.57, 1.40)0.08471.26650.86 (0.44, 1.28)0.08491.2661
Stroke1.02 (0.65, 1.39)0.08671.29780.92 (0.57, 1.28)0.08651.2980
Respiratory disease1.66 (1.18, 2.15)0.09601.21351.66 (1.19, 2.13)0.09591.2136
COPD1.71 (1.15, 2.27)0.08331.15081.75 (1.19, 2.31)0.08321.1511
Total0.84 (0.62, 1.07)0.16461.5648

图1 我国272个城市2013—2015年AHI与每日总死亡率、心血管疾病、冠心病、卒中和呼吸系统疾病以及慢性阻塞性肺疾病死亡率的暴露反应曲线。y轴表示AHI对死亡率相对变化的影响。实线表示平均估计值,虚线表示95%置信区间。

通过改变日历日的自然三次样条平滑函数中的自由度进行灵敏度分析,得到的结果基本可以与主要模型结果进行比较(数据未提供)。附录A中的表S2和表S3显示了PM10、SO2和CO的回归系数和每日超额死亡风险,额外纳入PM10、SO2和CO后重新构建AHI,其分布与主要结果相似(见附录A中的表S2~S4)。

4、 讨论

在本文的多城市研究中,基于全国272座城市的数据,为环境空气污染和非适宜温度构建了一个新的AHI。这一新指数首次将空气污染和温度结合起来构建了一个基于健康的暴露指数。结果表明,该AHI在预测全死因死亡率和疾病别死亡率方面表现良好。总的来说,这个全国AHI有可能成为向公众进行空气污染和温度相关健康风险交流的有效工具。

4.1 AHI的构建

目前的AQI仅由AQI最高的空气污染物决定,与之不同的是,新的AHI考虑了主要空气污染物和温度对健康的综合影响。在另一项研究中,Hu等[16]在系统回顾中国相关研究的基础上,通过估算PM2.5、PM10、SO2、NO2和O3与每日死亡率的暴露反应关系,构建了基于健康风险的空气质量指数(HAQI)[17]。研究者发现,当多种空气污染物同时处于高水平时,HAQI值高于当前的AQI值,表明在高暴露情景下,AQI可能无法捕捉多种污染物的综合效应。除了空气污染外,在AHI中还引入了非适宜温度以综合评估这些主要大气环境风险因素的整体健康风险,从而更好地向公众进行风险交流。

选择合适的危险因素是建立AHI的重要步骤。与HAQI相似的是,AHI的公式是根据所包含的空气污染物来确定的。因此,AHI公式具有一定的灵活性,允许研究人员纳入任何感兴趣的空气污染物。从以往经验来看,将所有空气污染物的超额健康风险全部合并在一起效果并不理想,因为这样做可能导致多重共线性和过拟合的问题[18]。在本研究中,未纳入PM10、CO和SO2,原因如下:① PM10的效应很大程度上可归因于PM2.5;②在之前发表的研究中使用相同的数据集进行分析,发现在调整了其他空气污染物后SO2的效应大大减弱[19];③每日CO浓度的年平均值为1.2 mg·m-3,远低于我国空气质量标准(4 mg·m-3)。在构建AHI时,最终选择PM2.5、NO2和O3作为空气质量指标,因为这些污染物能代表特定的来源,而且与每日死亡率的关联独立于其他大气污染物[8,10,13]。

4.2 AHI的有效性

本研究评估了新的AHI在预测全因死亡率和疾病别死亡率方面的表现。结果显示“总AHI”和全死因死亡率之间几乎是线性相关的,没有阈值。这些结果表明AHI在预测每日总死亡风险方面表现良好。此外,在研究与疾病别死亡率之间的关系方面,使用“总AHI”与“特异性AHI”得到了相似的估计值,“总AHI”与“特异性AHI”在模型拟合优度方面的表现也较相似。这些发现表明“总AHI”可能足以预测与空气污染和温度相关的疾病别死亡率。虽然当所关注的健康结局不是全因死亡率时,对不同疾病别死亡率单独构建AHI可能得到的效应值更准确,但在向公众进行健康风险交流方面,使用“总AHI”来估计全死因和疾病别死亡率可能更加方便实用。

4.3 风险交流

本研究提出的AHI是一个全面的健康风险交流工具,可用于告知公众并促使他们采取措施,以减少短期暴露于环境空气污染和非适宜温度对健康造成的有害影响。此外,该指数不仅表征了同时暴露于多种大气环境危险因素的总体风险,而且还提供了每一种危险因素单独暴露的健康风险。因此,AHI有助于识别主要的危险因素,引导公众采取最有效的保护措施。例如,当PM2.5是主要危险因素时,人们可以减少户外活动的时间和强度、待在室内、关闭窗户、使用空气净化器。当极端温度是主要风险因素时,人们可考虑待在有空调和(或)适当通风的室内。为了更好地从健康保护的角度对该指标进行总结和解释,表5列出了不同AHI水平对应的健康风险等级、潜在的有害健康影响以及建议的缓解措施。AHI也可以作为现有AQI的补充,并作为向易感人群进行风险沟通的工具,具有公共卫生意义。按照本研究提供的方法,决策者可以根据当地的环境条件和人口特征因地制宜的建立当地的AHI。

表5 AHI的风险交流

AHIColorsLevelsHealth implicationsCautionary statements
0‒1GreenGoodAir quality and temperature are satisfactory, and air pollution and temperature pose little or no riskNone
2‒3YellowModerateAir quality and temperature are acceptable; however, for some pollutants or temperature, there may be a moderate health concern for a very small number of people who are unusually sensitive to air pollution or temperaturePeople with severe diseases should limit prolonged outdoor exertion
4‒5OrangeUnhealthy for sensitive groupsMembers of sensitive groups may experience health effects. The general public is not likely to be affectedActive children and adults, and people with respiratory or CVDs, should limit prolonged outdoor exertion
6‒7RedUnhealthySome members of the general public may experience health effects; members of sensitive groups may experience more serious health effects

Common protective measures: Active children and adults, and people with respiratory or CVDs, should avoid prolonged outdoor exertion and stay indoors with the doors and windows closed; everyone else, especially children, should limit prolonged outdoor exertion

Specific adaptive measures: If air pollutants are the dominant risk factors, the above sensitive groups may take personalized protective measures (e.g., wearing a mask or respirator, using a home air purifier, and taking fish oil); if temperature is the dominant risk factor, the above sensitive groups may take precautions to maintain suitable temperature conditions (e.g., using an air conditioner and dressing appropriately according to the weather conditions)

8‒9PurpleVery unhealthyHealth warnings of emergency conditions. The entire population is likely to be affected

Common protective measures: Active children and adults, and people with respiratory or CVDs, should avoid all outdoor exertion and stay indoors with the doors and windows closed; everyone else, especially children, should limit outdoor exertion

Specific adaptive measures: If air pollutants are the dominant risk factors, everyone may take personalized protective measures (e.g., wearing a mask or respirator, using a home air purifier, and taking fish oil); if temperature is the dominant risk factor, everyone may take precautions to maintain suitable temperature conditions (e.g., using an air conditioner and dressing appropriately according to the weather conditions)

10+MaroonHazardousHealth alert: Everyone may experience more serious health effects

Common protective measures: Everyone should avoid all outdoor exertion and stay indoors with the doors and windows closed

Specific adaptive measures: If air pollutants are the dominant risk factors, everyone should take personalized protective measures (e.g., wearing a mask or respirator, using a home air purifier, and taking fish oil); if temperature is the dominant risk factor, everyone should take precautions to maintain suitable temperature conditions (e.g., using an air conditioner and dressing appropriately according to the weather conditions)

4.4 优势和局限性

本研究有以下几个优点。首先,使用大型多城市数据集构建了一个全国AHI,因此,研究结果具有全国代表性。其次,与其他指标相比,AHI将非适宜温度和空气污染综合在一起,能够更好地反映现实生活中的实际暴露情景,得到更全面的风险评估。最后,AHI不仅可以提供同时暴露于多种危险因素的整体健康风险,还可以提供每个因素单独的超额死亡风险,从而更好地告知公众,促使公众寻求有针对性的防护措施。

本研究也有一定的局限性。首先,暴露数据(空气污染物和温度)来源于各个城市的固定监测站而非个体暴露,因此暴露错分是不可避免的。其次,受到发病数据可获得性的限制,本文只将最严重的健康事件(即死亡率)作为结局,没有考虑发病率。因此,目前的AHI可能无法捕捉到急性和相对较弱的健康影响。最后,该指数使用当地的暴露反应曲线进行构建,因此AHI的预测能力也与当地特征有关。在像整个国家这样的大区域,预测能力不如在大气和人口特征更为均质的小区域稳定。此外,受到数据可获得性的限制,无法在本研究中纳入近几年的数据来验证AHI的预测能力。

5、 结论

本研究基于2013—2015年我国272个城市中PM2.5、NO2、O3和温度与每日总死亡率的关系,构建了新的AHI。“总AHI”与全死因死亡率和疾病别死亡率显著相关。AHI和死亡率之间的暴露反应曲线近似线性,没有阈值。该指数为向公众传达暴露于不同大气危险因素相关的健康风险提供了一个灵活而有前途的工具。

参考文献

[1]

Liu C, Chen R, Sera F, Vicedo-Cabrera AM, Guo Y, Tong S, et al. Ambient particulate air pollution and daily mortality in 652 cities. N Engl J Med 2019;381(8):705‒15.

[2]

Chen R, Yin P, Wang L, Liu C, Niu Y, Wang W, et al. Association between ambient temperature and mortality risk and burden: time series study in 272 main Chinese cities. BMJ 2018;363:k4306.

[3]

Murray CJL, Aravkin AY, Zheng P, Abbafati C, Abbas KM, Abbasi-Kangevari M, et al.; GBD 2019 Risk Factors Collaborators. Global burden of 87 risk factors in 204 countries and territories, 1990‍‒‍2019: a systematic analysis for the Global Burden of Disease Study 2019. Lancet 2020;396(10258):1223‒49.

[4]

General Administration of Quality Supervision, Inspection and Quarantine of the People’s Republic of China; Standardization Administration of the People’s Republic of China. GB/T 21987‍‒‍2008: Grades of cold wave. Chinese standard. Beijing: Standards Press of China; 2008. Chinese.

[5]

General Administration of Quality Supervision, Inspection and Quarantine of the People’s Republic of China; Standardization Administration of the People’s Republic of China. GB/T 29457‒2012: Grade of the heat wave 2012. Chinese Standard. Beijing: Standards Press of China; 2013. Chinese.

[6]

Wilker EH, Yeh G, Wellenius GA, Davis RB, Phillips RS, Mittleman MA. Ambient temperature and biomarkers of heart failure: a repeated measures analysis. Environ Health Perspect 2012;120(8):1083‒7.

[7]

Xu H, Wang T, Liu S, Brook RD, Feng B, Zhao Q, et al. Extreme levels of air pollution associated with changes in biomarkers of atherosclerotic plaque vulnerability and thrombogenicity in healthy adults. Circ Res 2019;‍124(5): e30‒43.

[8]

Chen R, Yin P, Meng X, Liu C, Wang L, Xu X, et al. Fine particulate air pollution and daily mortality. A nationwide analysis in 272 Chinese cities. Am J Respir Crit Care Med 2017;196(1):73‒81.

[9]

Chen R, Yin P, Meng X, Wang L, Liu C, Niu Y, et al. Associations between coarse particulate matter air pollution and cause-specific mortality: a nationwide analysis in 272 Chinese cities. Environ Health Perspect 2019;127(1):017008.

[10]

Yin P, Chen R, Wang L, Meng X, Liu C, Niu Y, et al. Ambient ozone pollution and daily mortality: a nationwide study in 272 Chinese cities. Environ Health Perspect 2017;125(11):117006.

[11]

Liu S, Wu X, Lopez AD, Wang L, Cai Y, Page A, et al. An integrated national mortality surveillance system for death registration and mortality surveillance, China. Bull World Health Organ 2016;94(1):46‒57.

[12]

Zhou M, Wang H, Zhu J, Chen W, Wang L, Liu S, et al. Cause-specific mortality for 240 causes in China during 1990‒2013: a systematic subnational analysis for the Global Burden of Disease Study 2013. Lancet 2016;387(10015): 251‒72.

[13]

Chen R, Yin P, Meng X, Wang L, Liu C, Niu Y, et al. Associations between ambient nitrogen dioxide and daily cause-specific mortality: evidence from 272 Chinese cities. Epidemiology 2018;29(4):482‒9.

[14]

Du X, Chen R, Meng X, Liu C, Niu Y, Wang W, et al. The establishment of National Air Quality Health Index in China. Environ Int 2020;138:105594.

[15]

Samoli E, Analitis A, Touloumi G, Schwartz J, Anderson HR, Sunyer J, et al. Estimating the exposure-response relationships between particulate matter and mortality within the APHEA multicity project. Environ Health Perspect 2005;113(1):88‒95.

[16]

Hu J, Ying Q, Wang Y, Zhang H. Characterizing multi-pollutant air pollution in China: comparison of three air quality indices. Environ Int 2015;84:17‒25.

[17]

Shang Y, Sun Z, Cao J, Wang X, Zhong L, Bi X, et al. Systematic review of Chinese studies of short-term exposure to air pollution and daily mortality. Environ Int 2013;54:100‒11.

[18]

Wang Y, Ying Q, Hu J, Zhang H. Spatial and temporal variations of six criteria air pollutants in 31 provincial capital cities in China during 2013‍‒‍2014. Environ Int 2014;73:413‒22.

[19]

Wang L, Liu C, Meng X, Niu Y, Lin Z, Liu Y, et al. Associations between short-term exposure to ambient sulfur dioxide and increased cause-specific mortality in 272 Chinese cities. Environ Int 2018;117:33‒9.

基金资助

()

AI Summary AI Mindmap
PDF (1273KB)

Supplementary files

Supplementary Material

2986

访问

0

被引

详细

导航
相关文章

AI思维导图

/