气候变化对城市居民死亡的影响

气候变化对城市居民死亡的影响

1内容和方法1.1研究数据1.1.1疾病预防控制中心根据2003年1月1日至2007年12月31日重庆某地区居民死亡情况，本数据由重庆疾病预防中心提供。根据已有的相关研究结果,心脑血管系统疾病、呼吸系统疾病和热中暑等都属于与气温密切相关疾病,所以,本研究选择相关的ICD-10分类疾病,包括心脑血管疾病(I00-I99)、呼吸系统疾病(J00-J99)和热中暑(X32)。1.1.2气象因素和污染数据1.2污染指数1.2.1区域或城市的污染源指数i当某种污染物浓度Ci,j≤Ci≤Ci,j+1时,其污染分指数为各种污染参数的污染分指数都计算出以后,取最大者为该区域或城市的空气污染指数,即式(1)中:Ii—第i种污染物的污染分指数;Ci-第i种污染物的浓度值;Ii,j—第i种污染物第j转折点的污染分项指数值;Ii,j+1—第i种污染物第j+1转折点的污染分项指数值;Ci,j-第j转折点上i种污染物的浓度值(对应于Ii,j);Ci,j+l-第j+1转折点上i种污染物(对应于Ii,j+1)浓度值;1.2.2空气温度apiAPI为0~50时,空气质量为Ⅰ级,优;API为51~100时,空气质量为Ⅱ级,良;API为101~200时,Ⅲ级,轻度污染;API为201~300时,Ⅳ级,中度污染;API为>300时,Ⅴ级,重度污染。空气污染指数对应的污染物浓度限值见表1。1.3回归模型的建立及各影响因素的筛选采用GAM作为非参数回归方法,适用于多种分布类型、多种非线性关系的分析。GAM的基本形式见公式(3):式中:g(μi)—各种连接函数关系;f1(x1i)、f2(x2i)—各种平滑函数本研究中,观察的每日死亡人数属于小概率事件,可以认为每日死亡人数的分布近似泊松分布。见公式(4):式中:Yt—观察日t的当天死亡人数;对于每个t,Yt服从总体均数为E(Yt)的Poisson分布;i—滞后天;E(Yt)—观察日t当天的死亡人数期望值;α—截距;s—平滑样条函数;γ—星期效应的回归模型系数;β—节假日效应的回归模型系数;Tmaxt-i—第t至i天每日最高气温;APt-i—第t至i天每日平均气压;WSt-i—第t至i天每日平均风速;RHt-i—第t至i天每日平均相对湿度;HSt-i—第t至i天每日日照时数;Yeart—第t天的年;Seasont—当年第t天的阳历日;Dowt—双休日效应的哑变量;Holidayt—节假日效应的哑变量;εt—残差。本研究采用平滑函数控制时间序列资料的长期趋势、季节趋势,并考虑控制除气温之外的其他气象因素,如气压、风速、相对湿度和日照时数以及空气污染(空气污染指数)等因素的混杂。并采用周日和节假日哑变量控制短期趋势的作用。对于各引入的解释变量,根据序列图分析其分布类型,采用移动均数产生时间序列。根据自相关系数(autocorrelationfunction,ACF)和交叉相关系数(cross-correlationfunction,CCF)值,初步判断各变量之间的相关性。结果显示,降雨量与其他因素均无明显相关性,未纳入模型。根据偏相关系数(partialcorrelationfunction,PACF),选择各解释变量的自由度。核心模型建立后考察残差序列,判断是否属于随机白噪声序列。在核心模型基础上,分别引入变量后,考虑其滞后效应,即死亡数据与前几日的气象因素进行回归分析,以研究前几日的气象因素水平对死亡数的影响。本研究自变量采用了lag0~lag7的滞后效应(lag0为当日;lag1~lag7分别为滞后1~7d)。根据AIC信息准则(AkaikeInformationCriterion)选择合适的滞后日,进入模型评价气象因素对死亡数的影响。本研究采用R2.7.2软件进行统计分析。2结果2.1日气温、湿度、风速和死亡情况图1~4中可以看出,日最高温度、气压、日照时数有明显的季节趋势,相对湿度、风速和死亡情况有较强的季节趋势;死亡情况与日最高气温、相对湿度、风速、气压等还有明显的短期波动。空气污染指数未见规律性波动趋势。2.2环境污染的构成2003年1月1日至2007年12月31日,该县居民的平均每日死亡数(包括心血管疾病死亡、呼吸系统疾病死亡和中暑等)为5人。气温、相对湿度、气压、风速、降雨量、日照时数的均值(范围值)分别约为23℃(5~43℃),79%(35%~100%),98kPa(96~101kPa),1m/s(0~40m/s),331mm(0~3270mm),3h(0~12h)。见表2。2003—2007年期间,该县的空气污染指数2003年的均值和中位数最高,分别为101.68,96;而2006年均值和中位数最低,分别为81.22,76。见表3。2.3模型选取及分组在控制了长期趋势、季节趋势、短期趋势和周日效应等的基础上,将气象因素(气温、相对湿度、气压、风速、日照时数等)纳入模型。根据PACF(partialautocorrelationfunction)值的参考及AIC(Akaike’sInformationCriterion)最小原则,分别选择气温的前3日、相对湿度的前2日和气压的前2日的平均值进入模型。模型拟合结果见表4。其中的β为模型估算的线性偏回归系数,SE(standarderror)为标准差。每日死亡的相对危险度(relativerisk,RR)可计算为eβ;每日死亡的超额死亡RR可计算为eβ-1;每日死亡的超额死亡率为100×(eβ-1)。本研究的统计结果为,气温每上升1℃,每日死亡RR为1.115(95%CI:1.081~1.151);相对湿度每上升1%,每日死亡的RR为0.958(95%CI:0.945~0.971);空气污染指数每上升1个单位,每日死亡的RR为1.006(95%CI:1.002~1.010)。3讨论3.1广义古代模型回归分析模型包括参数回归、半参数回归和非参数回归。对于参数回归,一种传统线性模型来说,其假定条件过于严格,因而在研究包含线性和非线性关系的拟合中,常常受到限制而不适用。非参数回归,因其回归函数形式不定,可适用于各种分布的资料,因而近年来得到广泛的应用。广义相加模型,既可拟合参数回归,也可进行非参数和半参数的回归。不仅可以拟合反应变量与单个解释变量之间的关系,还可以拟合反应变量与多个解释变量之间的关系,因而受到越来越多气候与健康研究专家的青睐。GAM模型可以利于多个非参数平滑函数对多个混杂因子进行控制,包括长期趋势、季节趋势、短期变动、双休日效应、流感流行以及除温度之外的其他气象因素、空气污染因素的混杂因子。其所运用的平滑样条函数包括光滑样条平滑、自然立方样条、B样条、多项式、局部加权回归、惩罚性回归样条等。3.2温度、湿度与热浪气候变化问题是21世纪世界重大的环境问题之一,气候变暖越来越受到国际社会和各国政府的重视和关注。气候变暖可引起海平面上升、水源缺乏、物种灭绝、农作物减产、生物活动以及对于冰河、珊瑚礁、红树、湿地等产生不可逆转的损害。尤其对于媒介昆虫活动的影响、传染病流行(蜱传病毒性脑炎、疟疾、登革热、黄热病、血吸虫病、黑热病、莱姆病和盘尾丝虫病等)均对人类健康造成重大影响。随着城市化、老龄化趋势的发展,气候变暖对人类健康的影响在某些地方会更加严重。气候变暖包括平均气温的上升,同时也增加某些极端天气事件的发生,如热浪、干旱、洪水、雪崩等,从而严重影响超额死亡和疾病负担。而气候变暖和人类的生产活动密切相关,温室气体排放的控制直接影响气候变化趋势,是经济发展的一个重要考虑因素。因此,气候与健康问题是本世纪一个不容忽视的新挑战。本研究结果提示,气温和超额死亡密切相关。气温每上升1℃,超额死亡率为100×(eβ-1),即12%;其他混杂因子中,相对湿度每下降1%,超额死亡率为4%。空气污染指数每上升1个单位,超额死亡率为0.6%。在以往的调查中,也显示出气温上升,超额死亡率增加的情况下,相对湿度增加,超额死亡率反而下降的类似结果。低湿度与气温波动相关,可加重极端高温对人体健康的影响。另外,气温上升引起超额死亡的情况下,若空气污染指数上升,也会引起更严重的超额死亡。总之,在气温与人体健康关系的研究中,需要考虑除了气温之外的很多混杂因子,如相对湿度、气压、空气污染因素(如O3、SO2、NO2、PM10、PM2.5等)。在以往国内外的研究中,有很多研究已将气温、湿度用体感指数、显温等来综合衡量。而对于空气污染因素的修饰作用,在近年的研究中也越来越受到重视。如Ren等在澳大利亚的研究表明,PM10对气温和心血管系统疾病的超额死亡关系有修饰作用。在O3与超额死亡率关系的研究中,大多数研究认为O3与超额死亡率相关而且随地理位置的不同而作用不同。张燕萍等的调查结果表明,SO2、PM10等与心脑血管疾病死亡率相关。杨敏娟等研究认为,大气SO2、NO2和PM10浓度每升高10μg/m3,心脑血管疾病死亡危险性分别增加0.4%(0.1%~0.8%),1.3%(0.2%~2.4%)和0.4%(0.2%~0.6%)。本研究的结果表明,空气污染指数每上升一个单位,超额死亡率约为0.6%。朱勇等研究表明空气污染指数对心脑血管疾病的死亡情况未见有统计学意义的显著影响。空气污染指数是空气污染的综合指标,本研究发现其与超额死亡有相关性,是研究气温和人群死亡率关系的混杂因子之一。总之,气温与人体健康关系的研究中,受到很多方面的混杂因子的影响。各混杂因子相互作用,如何区分各因素之间的修饰作用,定量地综合衡量各因素的协同作用,仍需在将来的研究中进一步深入地探讨。气候变化对健康影响是关系人类健康的严重潜在威胁。有研究预测,21世纪的后半段时间里,过高气温引起的热浪将经常发生。热浪发生的频次和强度以及持续的时间都会增加,而且由于老龄化和城市热岛效应的协同作用,热浪对人体健康的影响将进一步增强。自2003年欧洲热浪发生以来,欧洲、美洲和亚洲国家都相继开展热浪与超额住院率、死亡率之间关系的研究,运用的分析方法包括病例交叉研究、病例对照研究。近年来,广义相加模型(ge