2021, Vol. 13 
大气污染物是重要的环境健康危险因素[1]。扬州作为宜居城市，随着城市化水平的不断提升，大气污染问题逐步凸显[2]。相关研究表明，大气污染物与呼吸道感染的发病率增加有关[3-4]。与成年人相比，儿童呼吸系统发育不全，呼吸道狭窄，免疫力低下，对空气污染更为敏感[5]，因此研究大气污染物与儿童呼吸系统疾病间的关联效应具有重要意义。许多研究证实，随着大气污染物浓度的上升会使儿童呼吸系统疾病就诊量和住院率增加[6-8]。现采用时间序列分析方法，基于广义相加模型(generalized additive models，GAM)定量分析2017—2019年扬州市大气污染物浓度与儿童呼吸系统门诊量的“暴露－反应”关系，为空气污染健康风险评估和易感人群公共卫生政策的制定提供参考。
1 材料与方法 1.1 资料来源2017—2019年，儿童逐日呼吸系统门诊量来源于扬州市妇幼保健院医院信息系统，按照世界卫生组织国际疾病分类(ICD-10 J00-J98)进行统计。气象指标(日均温度、相对湿度)和大气污染物[细颗粒物(PM2.5)、二氧化硫(SO2)、二氧化氮(NO2)及臭氧(O3)]日均浓度资料分别来源于扬州市气象局和扬州市生态环境局。
1.2 统计分析方法采用R 3.1.1软件进行统计分析。研究期间的气象指标、大气污染物浓度及儿童呼吸系统门诊量运用均数±标准差(x±s)、最小值、最大值及四分位间距(P25、P50、P75)指标进行描述性分析。大气污染物、气象指标及儿童呼吸系统门诊量相关性采用Spearman相关分析。
大气污染物浓度对儿童呼吸系统门诊量的影响采用时间序列分析法进行分析，为了控制日门诊量、日均温度及相对湿度的长期和季节趋势，运用GAM模型进行计算，见公式(1)：
| $ \begin{array}{l} \;\;\;{\rm{Log}}E({Y_t}) = \beta \;{Z_t} + {\rm{DOW}} + {\rm{ns}}\left( {{\rm{time}}, {\rm{df}}} \right) + {\rm{ns}}\\ \left( {{\rm{temperature, df}}} \right) + {\rm{ns}}\left( {{\rm{RH, df}}} \right) \end{array} $ | (1) |
式中: E(Yt)——t日儿童呼吸系统门诊量(Yt)的数学期望，例；β——大气污染物回归系数；Zt——t日大气污染物浓度, μg/m3；DOW——“星期几效应”的哑变量；ns——自然样条平滑函数，df为自由度(基于赤池信息法则确定)，time=8×a，共收集了3 a的数据，因此time的df=24，依据日平均气温(temperature)和相对湿度(RH)对人群健康影响的特点，选择3作为temperature和RH的df。
通过单独滞后效应和累积滞后效应进行敏感性分析。在单独滞后效应中，选择lag 0— lag 7进行分析，lag 0表示污染物当日浓度，lag 1表示污染物前1 d浓度，以此类推；在累积滞后效应中，选择lag 01—lag 07进行分析，lag 01表示污染物当日和前1 d的平均浓度，lag 02表示污染物当日和前2 d的平均浓度，以此类推。运用多污染模型来评价模型的稳定性。
依据GAM模型估算的大气污染物回归系数(β)，对健康效应做出定量评价，结果表示为污染物质量浓度每升高或降低10 μg/m3，儿童呼吸系统每日门诊量增加或减少的百分比，即超额危险度(ER)及其95%置信区间(95%CI)。计算公式见式(2)和式(3)：
| $ {\rm{ER}} = {\rm{ }}\left[ {e\left( {\beta \times 10} \right) - 1} \right] \times 100 $ | (2) |
| $ \begin{array}{l} \;\;\;\;\;\;{\rm{ER}}\left( {95\% {\rm{CI}}} \right) = \left\{ {e\left[ {\left( {\beta \pm 1.96{\rm{SE}}} \right) \times 10} \right] - 1} \right\}\\ \times 100 \end{array} $ | (3) |
式中：ER——超额危险度，无量纲；SE——指标准误，无量纲。
2 结果与讨论 2.1 儿童呼吸系统门诊量、大气污染物浓度及气象因素描述性分析2017—2019年扬州市儿童呼吸系统门诊量、大气污染物浓度及气象因素描述性分析见表 1。由表 1可见，儿童呼吸系统门诊量日均有220例；气象因素中日均温度和相对湿度分别为16.62 ℃和75.39%；大气污染物的ρ(PM2.5)、ρ(SO2)、ρ(NO2)及ρ(O3)分别为45.90，14.32，32.67和98.34 μg/m3，其中ρ(PM2.5)高于国家二级标准[9]。
|
表 1 2017—2019年扬州市儿童呼吸系统门诊量、大气污染物浓度及气象因素描述性分析① |
2017—2019年扬州市儿童呼吸系统门诊量、大气污染物浓度及气象因素Spearman相关分析见表 2。由表 2可见，儿童呼吸系统门诊量与大气污染物的ρ(PM2.5)、ρ(NO2)呈正相关(P < 0.01)，与ρ(O3)和气象因素(日均温度、相对湿度)呈负相关(P < 0.01)。污染物中，除了ρ(PM2.5)、ρ(NO2)分别与ρ(O3)不相关(P>0.05), 其余污染物两两之间均呈正相关(P < 0.01)。气象因素中，日均温度与ρ(PM2.5)、ρ(NO2)呈负相关(P < 0.01)，而与ρ(SO2)、ρ(O3)呈正相关(P < 0.01)，相对湿度与所有污染物均呈负相关(P < 0.01)。可以看出，日均温度和相对湿度与所有污染物及儿童呼吸系统门诊量均有关联，可见气象因素是研究污染物对儿童呼吸系统疾病门诊量影响的重要混杂因素，因此，日均温度和相对湿度被纳入GAM模型中进行控制。
|
|
表 2 2017—2019年扬州市儿童呼吸系统门诊量、大气污染物浓度及气象因素相关分析① |
大气污染物的ρ(PM2.5)、ρ(SO2)、ρ(NO2)和ρ(O3)对儿童呼吸系统门诊量当日至前7 d的单独滞后效应和累积滞后效应见图 1(a)(b)(c)(d)。由图 1可见，大气污染物的累积滞后效应(lag 01—lag 07)均大于单独滞后效应(lag 0—lag 7)。对于单独滞后效应，在滞后4，5，6 d(lag 4、lag 5、lag 6)时，ρ(PM2.5)的升高均会增加儿童呼吸系统门诊量；除了ρ(NO2)滞后1 d(lag 1)及ρ(O3)滞后6，7 d(lag 6、lag 7)，ρ(SO2)、ρ(NO2)及ρ(O3)其余滞后日的升高均会增加儿童呼吸系统门诊量。对于累积滞后效应，在累积滞后5，6，7 d(lag 05、lag 06、lag 07)时，ρ(PM2.5)的升高均会增加儿童呼吸系统门诊量；ρ(SO2)、ρ(NO2)及ρ(O3)在所有累积滞后日的升高均会增加儿童呼吸系统门诊量。
|
图 1 大气污染物对儿童呼吸系统门诊量的滞后效应 |
大气污染物对儿童呼吸系统门诊量的单污染模型分析结果见表 3。由图 1(a)(b)(c)(d)和表 3可见，ρ(O3)对儿童呼吸系统门诊量在累积滞后6 d(lag 06) 达到最大值，每升高10 μg/m3，儿童呼吸系统门诊量的ER为1.160%(95% CI: 0.873%~ 1.447%)；ρ(PM2.5)、ρ(SO2)、ρ(NO2)均在累积滞后7 d(lag 07)达到最大值，每升高10 μg/m3，儿童呼吸系统门诊量的ER为0.720%(95%CI: 0.346%~ 1.095%)，6.955%(95%CI: 5.197%~8.743%)和2.133%(95%CI: 1.516%~2.754%)。
|
|
表 3 大气污染物对儿童呼吸系统门诊量的单污染模型分析结果 |
史亚妮等[10]研究指出，ρ(SO2)在累积滞后7 d(lag 07)时，对儿童呼吸系统门诊量影响最为显著，与本研究结果一致，但ρ(PM2.5)和ρ(NO2)的效应最大值均出现在lag 01。本研究ρ(PM2.5)和ρ(NO2)的效应最大值出现在lag 07，与张莉君等[11]研究结果一致。梁志江等[12]指出，ρ(SO2)和ρ(NO2) 的升高可能会造成15 d内儿童呼吸系统门诊量的增加。由以上文献可以看出，国内不同地区报道的大气污染物对儿童呼吸系统门诊量的影响结果不完全一致，这可能与不同地区的污染物浓度、主要来源和成分不同有关，也可能与人群对呼吸系统疾病的易感性及其他混杂因素等不同有关。
2.4 PM2.5对儿童呼吸系统门诊量风险的多污染物模型拟合结果扬州市2017—2019年ρ(PM2.5)高于国家二级标准，因此进行PM2.5对儿童呼吸系统门诊量风险的多污染物模型分析(表 4)。由表 4可见，当引入所有污染物(SO2+NO2+O3)时，儿童呼吸系统门诊量风险影响消失。这提示了不同污染物之间可能有相互协同、拮抗及联合作用，因此在研究某种污染物的健康风险时应考虑其他相关污染物的影响[13]。
|
|
表 4 PM2.5对儿童呼吸系统门诊量的多污染模型分析结果 |
运用时间序列广义相加模型(GAM)，探讨了扬州市大气污染物暴露对儿童呼吸系统门诊量风险的影响。结果显示，2017—2019年，扬州市ρ(PM2.5)高于国家二级标准，对这3 a的大气污染物浓度和气象因素资料进行分析发现，ρ(PM2.5)、ρ(SO2)、ρ(NO2)、ρ(O3)对儿童呼吸系统门诊量存在一定的滞后效应，且累积滞后效应大于单独滞后效应。ρ(O3)在累积滞后6 d(lag 06)时效应达到最大，ρ(PM2.5)、ρ(SO2)、ρ(NO2)均在累积滞后7 d(lag 07)时效应达到最大。PM2.5对儿童呼吸系统门诊量风险的多污染物模型拟合结果显示，当引入所有污染物(SO2+NO2+O3)时，儿童呼吸系统门诊量风险影响消失。综上所述，大气污染物浓度的升高会增加儿童呼吸系统疾病的发生风险，并且存在一定的滞后效应。因此，有必要开展有针对性的大气污染物与儿童呼吸系统疾病的预警研究，保护易感人群，降低儿童相关疾病的发生。
本研究仅收集了扬州市一家儿童医院的呼吸系统门诊资料，代表性有限，可能存在选择偏倚，且采用环境监测站点的大气污染物均值反映暴露水平，这与儿童个体真实的暴露量有一定差异，后续将会对污染物与重点人群健康效应资料的代表性和真实性进行进一步的研究。
| [1] |
王永星, 杨似玉, 张杰, 等. 郑州市空气污染与儿童医院呼吸系统日门诊量的相关性[J]. 环境卫生学杂志, 2019, 9(6): 583-588. |
| [2] |
徐琴, 汪霄, 胡效亚. 扬州市区大气污染的变化规律及其机理探讨[J]. 扬州大学学报(自然科学版), 2016, 19(1): 74-78. |
| [3] |
GAUDERMAN W J, URMAN R, AVOL E, et al. Association of improved air quality with lung development in children[J]. New England Journal of Medicine, 2015, 372(10): 905-913. DOI:10.1056/NEJMoa1414123 |
| [4] |
GUARNIERI M, BALMES J R. Outdoor air pollution and asthma[J]. Lancet, 2014, 383(9928): 1581-1592. |
| [5] |
丁亚萍, 虞明星, 郝海燕, 等. 石家庄市空气PM2.5浓度与儿童呼吸系统疾病门诊量的关系[J]. 中华疾病控制杂志, 2018, 22(7): 672-676. |
| [6] |
贾云飞, 韦丽, 唐彦钊, 等. 2015—2017年南京市大气污染物对儿童内科门诊量影响的时间序列分析[J]. 职业与健康, 2020, 36(5): 666-669, 673. |
| [7] |
周芳, 崔玉霞, 刘烨, 等. 空气污染物暴露对儿童常见呼吸系统疾病住院患儿数的影响[J]. 中国医药导报, 2020, 17(21): 58-61. |
| [8] |
李虹静, 任钰婷, 张燕妮, 等. 大气污染与儿童门急诊呼吸系统疾病相关性研究[J]. 环境卫生学杂志, 2020, 10(2): 143-148, 154. |
| [9] |
中华人民共和国环境保护部. 环境空气质量标准: GB 3095—2012[S]. 北京: 中国环境科学出版社, 2012.
|
| [10] |
史亚妮, 董继元, 刘玉荣. 兰州市空气污染对儿童呼吸疾病的影响[J]. 中国环境科学, 2020, 40(4): 1792-1799. |
| [11] |
张莉君, 东春阳, 许慧慧, 等. 上海市大气污染与某综合医院儿童呼吸系统疾病门诊人次的关系[J]. 环境与职业医学, 2020, 37(8): 741-746. |
| [12] |
梁志江, 马远珠, 缪华章, 等. 广州地区空气污染对儿童呼吸系统疾病就诊人次的影响研究[J]. 环境与健康杂志, 2015, 32(6): 481-484. |
| [13] |
张开月, 金武, 姚庆兵, 等. 扬州市空气细颗粒物与居民死亡关系的时间序列分析[J]. 南通大学学报(医学版), 2019, 39(4): 299-301. |