高温热浪对居民死亡影响的半参数广义相关系数模型

高温热浪对居民死亡影响的半参数广义相关系数模型

随着世界气候恶化，中国夏季炎热日的发生频率将提高。联合国政府间气候变化专业委员会（picc）宣布，在过去几十年中，地球最高温度和一天的温度显著增加，这是世界上最常见的热浪事件之一。国外研究认为,高温热浪的发生与城市居民的每日死亡数联系紧密。在2003年的欧洲热浪期间,超额死亡人数较往年大幅提高,法国8月1—20日的超额死亡人数达到15000人。在描述热浪与每日居民死亡数的关系时,存在一个“适宜温度”。当温度处在“适宜温度”时,每日居民死亡数处于最低值。当温度超过(或低于)“适宜温度”的时候,每日居民死亡数将缓慢增长。笔者通过对2005—2007年一沿海城市某中心城区全死因死亡资料、气象资料以及空气污染指数资料的分析,探讨高温热浪对每日居民死亡数的影响。1内容和方法1.1气象数据的变量2005—2007年的某沿海城市中心城区气象数据来自国家气象局科学数据共享中心。气象数据的变量包括日最高温度、日平均温度、日最低温度、相对湿度、日照时数、日平均气压、降雨量等。。该中心区2005—2007年逐日全死因死亡数据来自该市公安局,意外死亡以及在该市区以外地区死亡的数据被排除在本研究之外。1.2模型建立与分析我国气象局规定,日最高温度≥35℃为热日(高温日),日最高温度<35℃称为非热日(非高温日)。热浪的定义目前没有统一的标准,世界气象组织(WMO)建议将日最高温度高于32℃持续3d以上的天气过程称为热浪。在本研究中将热浪定义为日最高温度高于35℃持续3d以上的天气过程。居民逐日死亡数据是时间序列数据,数据之间存在自相关,并且存在混杂。在本研究中主要考虑的混杂因素有中长期效应、季节影响、短期趋势(工作日效应)、空气污染因素以及相对湿度等气象因素的影响。根据数据资料的特点,本研究采用时间序列的半参数广义相加模型(semi-parametricgeneralizedadditivemodels),使用非参数平滑(nonparametricsmoothing)对混杂因素进行控制,最大限度地控制了时间序列数据之间的自相关和减少混杂因素的影响。广义相加模型(generalizedadditivemodels,GAM)是广义线性模型(GLM)和相加模型的结合形式,可研究非线性应变量与多个解释变量之间的关系,故多采用GAM对时间序列资料进行环境因素的健康效应研究。而每日死亡人数近似服从Poisson分布,故本研究采用log-link的GAM模型进行分析。本研究充分利用GAM的特点,非参数平滑采用的是光滑样条(smoothingspline),平滑函数自由度(degreeoffreedom,df)采用广义交叉确认(GCV)准则为标准进行选择,并且使用半参数的形式有效地避免了计算量过大和过度拟合等问题。由于死亡人数相对于暴露人群而言是小概率时间,资料近似服从泊松分布,因此笔者构建泊松分布的半参数广义相加模型进行分析。对于日平均气温的滞后效应,本研究选取日平均气温的3个滞后日(lag1、lag2、lag3,分别表示滞后1~3d)作为观察对象,代入模型中用于观察气温对健康的短期效应。考虑到日死亡人群的年龄对每日居民死亡有一定的影响,将平均年龄作为一个观察项代入模型中,观察年龄因素对每日居民死亡产生的影响。建立模型前先采用逐步回归法对自变量进行选择,以赤池信息量(AIC)作为变量取舍标准,选取最有意义的自变量引入模型。分别建立2005—2007年的研究模型和2005—2007年夏季(6月—9月,3年共366d)的研究模型,研究全年和夏季日平均气温对每日居民死亡数产生的影响。建立的GAM基本模型见公式(1):式中:Yt—第t日死亡数;tem—日平均气温;time—时间趋势项;humid—相对湿度;DOW—星期亚元变量;f(API)—光滑样条函数,API—空气污染指数。为了避免过拟合的现象,将sasgam程序的最大迭代次数修改为100次。由于广义相加模型共曲线性的存在,对于建立的模型,笔者通过对研究变量和通过其他变量拟合所得该变量的期望值进行相关性分析,依据相关系数(r)和决定系数(R2)进行自变量共曲线性诊断。当r绝对值大于0.5或决定系数(R2)大于0.25时,表明预测变量间存在共曲线性。通过检验,笔者建立的模型中共曲线性不显著,所以没有采取进一步措施进行处理。为了对夏日的日平均气温的滞后效应进行进一步研究,笔者采用2005—2007年6—9月的数据建立分布滞后模型,以便详细分析每一个滞后日对每日居民死亡产生的影响。在建立的模型中,阿尔蒙(Almon)多项式次数限制为3,滞后长度设为10。本研究中的滞后变量采用lag0~lag10,lag0表示当日,lag1~lag10分别为滞后1~10d。死亡资料按年份(2005—2007年)搜集整理(剔除意外死亡数据),研究中半参数广义相加模型和分布滞后模型均在SAS9.1中完成。本研究所有假设检验的检验水准为α=0.05。2结果2.1热浪发生情况从表1可见,2005年1月1日至2007年12月31日,观察日数为1095d,该沿海城市中心城区平均日全死因死亡人数达到12人,空气污染指数、日最高气温、平均相对湿度、平均气压以及日死亡人群年龄的均值(范围值)分别为53.6(15~114),26.3℃(9.8~38.3℃),73.5%(27%~97%),101.2kPa(98.9~103kPa),71岁(47~86岁)。2005年的7月17—20日和2007年7月19—23日该市某中心城区发生了2次热浪,在2005年热浪发生月(7月)日平均死亡人数与夏季其他非热浪发生月未见明显差别,原因可能与2005年夏季热日较为分散,没有集中在热浪发生月有关,然而在2007年的热浪发生月(7月)日平均死亡数与夏季其他月份死亡数差别较大,原因可能与2007年夏季的10个热日有9个集中在热浪发生月有关(表2)。2005年7月的日最高死亡人数在热浪的最后一天(7月20日)出现(图1),没有观察到热浪的滞后效应。在2007年的7月发生的热浪持续时间(5d)超过了2005年,可以从图2看到,2007年7月的日最高死亡人数出现在热浪结束后的第3天(7月26日),在该中心城区热浪的短期健康效应上可以观察到滞后效应。2.2日平均温度与日死亡人群的关系通过观察消除混杂后的日全死因死亡数与日平均温度的LOESS函数平滑曲线(图3),可以看到该市中心城区全死因死亡数与日平均气温的关系呈“V”型改变,存在一个最适宜的温度点,当温度高过(或低于)这个温度点时每日居民死亡数将会升高。低于最适宜温度点的每日居民死亡数变化较为平缓,这可能与该市全年日平均温度都处于零度以上有关。笔者采用逐步回归对日平均气温的lag1、lag2、lag3进行筛选,代入模型中,得出lag3与日死亡数线性关系最为密切(P<0.0001)。在建立的2005—2007年半参数广义相加模型中,为了观察日死亡人数与日死亡人群的平均年龄之间的关系,笔者将日死亡人群的平均年龄作为一个变量引入模型,首先以线性变量的形式引入,发现平均年龄与日死亡人数之间线性关系无统计学意义(P>0.5),接着以光滑样条函数的形式引入,发现它们之间的非线性关系有统计学意义(P<0.0001)。采用2005—2007年夏季资料建立起的半参数广义相加模型分析夏季日平均温度每增加1℃对每日居民死亡危险性的影响,可以得到相对危险度(RR)为1.036(95%CI:1.012~1.061),也就是随着该市区夏季日平均温度每提高1℃,相对危险度增加0.036。2.3热浪对每日居民死亡数的影响某沿海城市中心区热浪对居民健康影响的滞后效应见图4。由2005—2007夏季日最高温度和每日居民死亡数建立的分布滞后模型考察每一个滞后日对每日居民死亡数的影响,可以观察到本研究中热浪对每日居民死亡数的短期影响主要是即时效应(immediateshorteffect),存在于lag0和lag1(图4),也就是随着夏季日最高温度每提高1℃,lag0和lag1对每日居民死亡数影响最为明显(P<0.0001)。从图4可以看到lag3~lag6效应处于0以下,可以解释为轻度的收获效应(harvestingeffects)。3城市滨水景观中的环境和气候问题该沿海城市属于亚热带海洋性气候,全年日最低气温一般都高于0℃,受高温影响较为明显,在近20年间年平均气温增长较为明显,而且由于该市区属于中心区,常住人口数达到75万人,城市建设房屋较为密集,以楼房为主,居民楼周边绿化带较少。夏日热浪期间,由于城市热岛效应,室内温度将显著提高,对居民健康将产生一定的影响。为了避免局部的热岛效应对居民的健康产生不利的影响,城市规划部门在考虑城市建设中应该增加楼房间距,扩大绿化带的的范围,增加绿色树木的种植。在本研究中,该沿海城市中心城区的全死因死亡人数与日平均温度之间呈“V”型改变,和国外的研究结果类似。广义相加模型(GAM)是广义线性模型(GLM)的延伸,可研究非线性应变量与多个解释变量之间的关系,故多采用GAM对时间序列资料进行环境因素的