2024, Vol. 16 
2. 南京信息工程大学环境科学与工程学院，江苏 南京 210044
2. School of Environmental Science and Engineering, Nanjing University of Information Science and Technology, Nanjing, Jiangsu 210044, China
细颗粒物(PM2.5)是主要大气污染物之一，对能见度、太阳辐射平衡和人类健康具有重要影响[1-4]，这很大程度上取决于其化学特性[5-7]。PM2.5已经被证实是导致过早死亡、全球疾病负担的主要风险因素之一。流行病学的研究证实了PM2.5污染与诸多不良疾病息息相关，不仅会引起呼吸系统、心血管系统疾病，还与生殖系统、大脑、神经系统相关疾病有关。Pope等[8-9]对美国151个城市的队列研究表明，颗粒物污染与心肺疾病和肺癌的死亡率相关，ρ(PM2.5)每升高10 μg/m3，人群的总死亡率、心肺疾病死亡率、肺癌死亡率分别增加了4%[95%置信区间(CI): 1%~8%]，6%(95% CI: 2%~10%)和8%(95% CI: 1%~16%)，其中95% CI指置信水平 < 95%的置信区间。
Apte等[10]采用综合暴露反应(IER)模型对全球尺度的PM2.5造成的疾病负担进行研究，结果发现，2010年全球由PM2.5导致的过早死亡人数约为320万人，当全球ρ(PM2.5)达到世界卫生组织(WHO)的推荐标准35，25，15，10 μg/m3，将分别避免39万、73万、140万和210万人的过早死亡。Han等[11]对韩国首尔和釜山等17个地区PM2.5导致的疾病负担进行研究，结果发现，2015年韩国PM2.5暴露平均质量浓度为24.4 μg/m3，导致11 924人的过早死亡，但ρ(PM2.5)达到WHO推荐的10 μg/m3时，将避免8 539人的过早死亡。Aunan等[12]对中国北京和河北等31个地区的城市及农村PM2.5导致的过早死亡人数进行评估，结果发现，2010—2013年约有115万人的过早死亡与PM2.5暴露有关，并且当考虑到暴露在环境空气和固体燃料燃烧环境的差异时，死亡人数还要提高50%。He等[13]对中国中部地区(河南、湖北和湖南)2003—2018年PM2.5导致的过早死亡人数进行评估发现，PM2.5导致的过早死亡人数从2003年的24.3万人下降到2018年的18.9万人，3个省份PM2.5暴露的总疾病归因分数分别下降了7.57%，9.89%和12.74%。其中，自《关于印发大气污染防治行动计划的通知》(国发〔2013〕37号)颁布后，由于空气污染物排放的严格控制，PM2.5质量浓度水平逐步下降，仅2013—2018年由PM2.5导致的过早死亡人数显著降低了2.2万。
然而，对PM2.5疾病负担的评估仍存在较大的不确定性，例如，由于中国颗粒物的浓度较高、变化范围较广，采用IER模型、指数模型等进行评估可能会导致对过早死亡人数估计不够准确。针对中国的颗粒物污染状况，Burnett等[14]引入了中国流行病学数据，结合中国队列研究的计量效应关系，进一步改进了暴露模型的评估方法，提出了全球暴露死亡率模型，即GEMM模型，使得健康风险的估算值更符合中国的实际情况。
而现阶段，关于苏州地区不同模型PM2.5疾病负担的对比研究还比较少。因此，基于以上疾病负担评估研究的现状，以苏州地区为例，结合PM2.5质量浓度及化学组分特征，对比研究不同风险评估模型下PM2.5带来的疾病负担，以反映PM2.5的健康效应，进而为大气PM2.5污染防治提供技术支撑。
1 研究区域概况随着《大气污染防治行动计划》和《打赢蓝天保卫战三年行动计划》(2018年7月3日由国务院公开发布)的深入实施，我国环境空气质量持续改善。苏州市地处长三角腹地，作为全国经济发达地区和长三角重要城市，人口密集，实现PM2.5和臭氧(O3)协同控制、减污降碳协同增效是进一步改善空气质量的关键。苏州市政府高度重视大气治污攻坚，多措并举，多部门协同。2021年11月，中国共产党江苏省第十四次代表大会明确提出了“3090”大气环境质量改善目标，即到2030年，苏州市的PM2.5质量浓度要降至30 μg/m3以下，空气质量优良天数比率达到90%以上。到2021年年底，苏州地区达成了PM2.5年平均质量浓度为28 μg/m3的目标。
本研究利用2021年PM2.5及其化学组分在线监测数据分析其分布特征，并采用IER模型和GEMM模型评估PM2.5暴露下的疾病相对风险(RR)及归因分数(AF)，以期客观评估苏州市大气PM2.5长期暴露造成的疾病负担，并对2种主流暴露反应模型的结果差异进行比较，不仅具有公共卫生意义，更可为大气治污攻坚提供科学依据。
2 研究方法 2.1 观测点位与仪器观测点位于江苏省苏州环境监测中，实验室楼顶(离地高度15 m)，周边是文教、住宅和商业集贸混合区；观测时间为2021年1月1日—12月31日。观测仪器为PM2.5自动在线分析仪(BAM-1020，美国MetOne公司)；PM2.5中水溶性离子的在线测量使用在线离子色谱监测仪[AIM-IC，URG-9000D，赛默飞世尔科技(中国)有限公司]；PM2.5中有机碳(OC)和元素碳(EC)由在线热光碳分析仪(RT-41，河北先河环保科技股份有限公司)监测，时间分辨率为1 h。
2.2 数据来源 2.2.1 PM2.5及其组分数据来源PM2.5及其组分数据通过自动在线监测系统监测获得。主要组分包括水溶性离子、OC和EC。其中，水溶性离子主要监测钠离子(Na+)，铵离子(NH4+)，钾离子(K+)，镁离子(Mg2+)，钙离子(Ca2+)，氯离子(Cl-)，硝酸盐(NO3-) 和硫酸盐(SO42-)。有机碳以有机物(OM)计，参考文献[15]，其质量浓度换算公式为: OM= OC×1.6。2021年计划获得8 760组数据，实际获得7 683组有效数据，有效数据率达87.7%。
2.2.2 疾病数据来源2021年苏州市常住人口与死亡率数据来自苏州市统计局发布的《苏州市统计年鉴2022》，年末常住人口为1 284.78万人，总死亡率为6.80 ‰。苏州市全年各种心脑血管和呼吸系统疾病基础死亡率按相应死因别构成比乘以总死亡率计算。对不同疾病死因别构成比的统计是依据《国际疾病分类标准编码》(ICD-10)对疾病的分类标准：I20—I25为缺血性心脏病，I60—I67、I69.0、I69.1、I69.2、I69.3为脑卒中，C33、C34为肺癌，J40—J44为慢性阻塞性肺病，J12、J18、J20—J22为下呼吸道感染疾病。2021年慢性阻塞性肺疾病(COPD)、肺癌(LC)、脑卒中(Stroke)、缺血性心血管疾病(IHD)以及下呼吸道感染(LRI)死因别构成比数据来自《2022中国卫生健康统计年鉴》。
2.3 数据分析方法疾病负担的评估需要先通过暴露剂量效应关系，求出暴露环境下对应某一疾病的相对风险值(RR)和归因分数(AF)。暴露剂量效应关系是疾病负担评估的核心部分，本研究分别采用IER模型、GEMM模型对PM2.5长期暴露进行疾病负担评估。
2.3.1 IER模型相对风险PM2.5长期暴露IER模型的相对风险计算公式如下：
| $ \operatorname{RR}(C)= \begin{cases}1+\alpha\left[1-e^{-\gamma\left(C-C_0\right)^\delta}\right], & C>C_0 \\ 1, & C \leqslant C_0\end{cases} $ | (1) |
式中：RR(C)——暴露浓度C情况下产生的相对风险，无量纲；C——PM2.5暴露浓度，μg/m3；C0——阈值浓度，即假设低于这个浓度没有额外风险，也就是理论极限阈值，μg/m3；α、γ和δ——用非线性回归方法估算的未知参数，其大小决定了浓度-效应曲线的形状，采用Burnett等[16]提供的1 000组α、γ和δ的参考值，通过拟合后可以计算出相对风险及其置信区间。
|
图 1 IER模型中ρ(PM2.5)与不同疾病的暴露剂量曲线 |
PM2.5全球暴露死亡率模型(GEMM)疾病相对风险(RR)计算公式如下[14]。
| $ {\rm{RR}}\left\{ {\begin{array}{*{20}{c}} {{e^{\theta \frac{{\ln (\frac{z}{\alpha } + 1)}}{{1 + {e^{ - \frac{{z - \mu }}{\nu }}}}}}}, z < 0}\\ {1, \;\;\;\;\;\;\;z \ge 2.4} \end{array}} \right. $ | (2) |
式中：z——环境颗粒物浓度，此模型认为颗粒物年均质量浓度 < 2.4 μg/m3，则没有健康风险；>2.4 μg/m3，长期暴露下都会造成健康风险。因此模型的风险阈值为2.4 μg/m3。θ，α，μ，ν——模型中给出的参数，可以决定浓度-效应曲线的形状，参数的具体数据参照Burnett相关研究[14, 16]。
|
图 2 GEMM模型中ρ(PM2.5)与不同疾病的暴露剂量曲线 |
在计算出颗粒物(或化学组分)的相对风险值后，可通过如下公式计算其归因分数(AF)。
| $ {\rm{A F}}=({\rm{R R}}-1) / {\rm{R R}} $ | (3) |
ρ(PM2.5)呈明显的季节分布特征，表现为冬季＞春季＞秋季＞夏季。ρ(PM2.5)每个季节的平均值分别为：冬季，42 μg/m3；春季，31 μg/m3；秋季，23 μg/m3；夏季17 μg/m3。全年平均值为28 μg/m3(图 3)。2021年苏州市大气PM2.5中主要化学组分的质量浓度及占比见图 4(a)(b)。
|
图 3 2021年苏州市大气ρ(PM2.5)季节均值及年均值分布 |
|
图 4 2021年苏州市大气PM2.5中主要化学组分的质量浓度与占比 |
由图 4可见，OM占比最高(28.3%)，其次是NO3-(23.0%)、SO42- (19.4%)、NH4+ (15.6%)、EC(4.1%)、Ca2+(3.4%)、Cl-(3.2%)、Na+(1.3%)、K+ (0.9%)和Mg2+(0.7%)。ρ(NO3-)的年均值在PM2.5无机组分中占比最大，与最新研究相符合[17]。包含NO3-、SO42-和NH4+在内的二次无机离子占比＞50%。ρ(NO3-)季节均值(4.9~ 10.2 μg/m3)及其在PM2.5中的占比(19.0%~ 26.3%)变化明显；春季NO3-贡献最高(占比26.3%)，夏季NO3-的贡献最低(19.0%)。相对而言，ρ(SO42-)的季均值(4.2~5.4 μg/m3)变化不明显，在PM2.5中的占比(14.6%~23.7%)变化明显。
3.2 疾病负担评估2021年苏州市ρ(PM2.5)年均值为28 μg/m3，将其分别代入IER模型和GEMM模型，分别计算出苏州市PM2.5暴露下各疾病的RR及AF，结果见表 1。
|
表 1 IER模型和GEMM模型下分病种的疾病负担评估① |
采用IER模型评估，2021年苏州地区PM2.5对COPD、LC、Stroke、IHD、LRI的RR分别是1.14，1.18，1.39，1.26，1.21，Stroke对PM2.5最为敏感，RR达到1.39。采用GEMM模型评估，COPD、LC、Stroke、IHD、LRI的RR分别是1.31，1.36，1.30，1.59，1.93；LRI对PM2.5最为敏感，RR达到1.93；其次是IHD，RR为1.59。对比2个模型评估结果可以发现，采用GEMM模型评估疾病所得的RR要高于IER模型(Stroke除外)，IER模型对心脑血管疾病更为敏感。
3.2.2 2种模型评估PM2.5暴露的各疾病归因分数对比了2种模型评估下PM2.5对各疾病死亡的AF，结果表明，采用IER模型评估，2021年苏州地区PM2.5对COPD、LC、Stroke、IHD、LRI 5种疾病的AF分别是12.3%，15.3%，28.1%，20.6%，17.1%；其中AF最大的疾病是Stroke，其次是IHD、LRI、LC和COPD，这与其他研究报道一致[18]。与之相比，GEMM模型评估中，PM2.5对疾病的AF有所升高，对COPD、LC、Stroke、IHD、LRI 5种疾病的AF分别是23.7%，26.5%，23.1%，37.1%，48.2%；其中AF最大的疾病是LRI，其次是IHD、LC、COPD和Stroke。GEMM模型评估Stroke的AF反而低于IER模型的预测值。
不同的PM2.5暴露浓度对疾病的AF见表 2。由表 2可见，当空气质量分别达到WHO制定的标准(2021年更新)过渡期目标3 (IT-3，15 μg/m3)、过渡期目标4 (IT-4，10 μg/m3)和指导值(AQG，5 μg/m3)，颗粒物的AF有显著的下降。对于IER模型，ρ(PM2.5)下降到5 μg/m3，则认为PM2.5对健康不造成危害；当ρ(PM2.5)≤15 μg/m3，PM2.5对IHD的AF超过了其对Stroke的AF，成为过早死亡的主要疾病。对于GEMM模型，IHD的AF始终最大，即使ρ(PM2.5)下降到5 μg/m3，仍可以造成IHD为10.7%的AF，表明空气质量的持续改善仍具有较大的健康收益。
|
|
表 2 不同的PM2.5暴露浓度对疾病的AF |
(1) 苏州地区大气中ρ(PM2.5)呈明显的季节分布特征，总体表现为冬季＞春季＞秋季＞夏季；就年均质量浓度而言，OM在PM2.5中占比最高(28.3%)，其次是NO3-(23.0%)；ρ(NO3-)在PM2.5无机组分中占比最大。
(2) 对比IER和GEMM 2种模型评估的疾病负担结果发现，GEMM评估结果相对较高，但脑卒中疾病(Stroke)除外。RR评价结果表明，IER模型中Stroke对PM2.5最为敏感，RR可达到1.39；GEMM模型中Stroke的RR为1.30，LRI对PM2.5最为敏感，RR可达到1.93，其次是IHD，RR为1.59。AF评价结果显示，IER模型中AF最大的是Stroke(28.1%)，其次是IHD(20.6%)、LRI(17.1%)、LC(15.3%)和COPD(12.3%)；GEMM模型中AF最大的是LRI(48.2%)，其次是IHD(37.1%)、LC(26.5%)、COPD(23.7%)和Stroke(23.1%)。
(3) 当空气质量达到世界卫生组织制定的标准(2021年修订，AQG，5 μg/m3)，颗粒物的AF有显著的下降，据IER模型评估结果可认为PM2.5对健康不造成危害；而GEMM模型评估下5 μg/m3仍可以造成IHD 10.7%的AF，说明空气质量的持续改善仍具有较大的健康收益。
| [1] |
POPE C A, DOCKERY D W. Health effects of fine particulate air pollution: Lines that connect[J]. Journal of the Air and Waste Management Association, 2006, 56(6): 709-742. DOI:10.1080/10473289.2006.10464485 |
| [2] |
LIU X G, ZHANG Y H, CHENG Y F, et al. Aerosol hygroscopicity and its impact on atmospheric visibility and radiative forcing in Guangzhou during the 2006 PRIDE-PRD campaign[J]. Atmospheric Environment, 2012, 60: 59-67. DOI:10.1016/j.atmosenv.2012.06.016 |
| [3] |
WANG Y H, LIU Z R, ZHANG J K, et al. Aerosol physicochemical properties and implications for visibility during an intense haze episode during winter in Beijing[J]. Atmospheric Chemistry and Physics, 2015, 15(6): 3205-3215. DOI:10.5194/acp-15-3205-2015 |
| [4] |
YU X N, MA J, AN J L, et al. Impacts of meteorological condition and aerosol chemical compositions on visibility impairment in Nanjing, China[J]. Journal of Cleaner Production, 2016, 131(10): 112-120. |
| [5] |
WANG J F, YE J H, LIU D T, et al. Characterization of submicron organic particles in Beijing during summertime: Comparison between SP-AMS and HR-AMS[J]. Atmospheric Chemistry and Physics, 2020, 20(22): 14091-14102. DOI:10.5194/acp-20-14091-2020 |
| [6] |
WU Y Z, GE X L, WANG J F, et al. Responses of secondary aerosols to relative humidity and photochemical activities in an industrialized environment during late winter[J]. Atmospheric Environment, 2018, 193(11): 66-78. |
| [7] |
ZHANG Y J, TANG L L, WANG Z, et al. Insights into characteristics, sources, and evolution of submicron aerosols duringharvest seasons in the Yangtze River delta region, China[J]. Atmospheric Chemistry and Physics, 2015, 15(3): 1331-1349. DOI:10.5194/acp-15-1331-2015 |
| [8] |
POPE C A, BURNETT R T, THUN M J, et al. Lung cancer, cardiopulmonary mortality, and long-term exposure to fine particulate air pollution[J]. The Journal of the American Medical Association, 2002, 287(9): 1132-1141. DOI:10.1001/jama.287.9.1132 |
| [9] |
POPE C A, THUN M J, NAMBOODIRI M M, et al. Particulate air pollution as a predictor of mortality in a prospective study of US adults[J]. American Journal of Respiratory and Critical Care Medicine, 1995, 151(3): 669-674. DOI:10.1164/ajrccm.151.3.7881654 |
| [10] |
APTE J S, MARSHALL J D, COHEN A J. Addressing global mortality from ambient PM2.5[J]. Environmental Science and Technology, 2015, 49(13): 8057-8066. DOI:10.1021/acs.est.5b01236 |
| [11] |
HAN C, KIM S, LIM Y H, et al. Spatial and temporal trends of number of deaths attributable to ambient PM2.5 in the korea[J]. Journal of Korean Medical Science, 2018, 33(30): 1-14. |
| [12] |
AUNAN K, MA Q, LUND M T, et al. Population-weightedexposure to PM2.5 pollution in china: An integrated approach[J]. Environment International, 2018, 120: 111-120. DOI:10.1016/j.envint.2018.07.042 |
| [13] |
HE Q Q, GU Y F, YIM S H L. What drives long-term PM2.5 attributable premature mortality change? A case study in central China using high-resolution satellite data from 2003 to 2018[J]. Environment International, 2022, 161: 2-11. |
| [14] |
BURNETT R, CHEN H, SZYSZKOWICZ M, et al. Global estimates of mortality associated with long-term exposure to outdoor fine particulate matter[J]. Proceedings of The National Academy of Sciences, 2018, 115(38): 9592-9597. DOI:10.1073/pnas.1803222115 |
| [15] |
HUANG X J, LIU Z R, LIU J Y, et al. Chemical characterization and source identification of PM2.5 at multiple sites in the Beijing-Tianjin-Hebei region, China[J]. Atmospheric Chem-istry and Physics, 2017, 17(21): 12941-12962. DOI:10.5194/acp-17-12941-2017 |
| [16] |
BURNETT R T, POPE C A, EZZATI M, et al. An integrated risk function for estimating the global burden of disease attributable to ambient fine particulate matter exposure[J]. EnvirmentalHealth Perspectives, 2014, 122(4): 397-403. |
| [17] |
ZHAI S X, JACOB D J, WANG X, et al. Control of particulate nitrate air pollution in China[J]. Nature Geoscience, 2021, 14(6): 389-395. DOI:10.1038/s41561-021-00726-z |
| [18] |
蒋叶, 曾沛斌, 李佳蔚, 等. 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[J]. 卫生软科学, 2021, 35(9): 35-40. |