空气污染对糖尿病和心血管疾病患者短期影响的研究

空气污染对糖尿病和心血管疾病患者短期影响的研究

根据大量数据，日死亡率与环境质量的增加有关，一些患有特定健康问题的群体能够减少处理污染事件的能力。一种主要的假说为:空气污染物暴露可能会导致如支气管炎、肺炎的急性肺部疾患,进而导致有心肌损伤或心脏病患者充血性心力衰竭。另一种假说为:暴露于超微粒可能激发肺泡炎症,释放炎性介质,使肺部状况恶化,增加血液凝固性,进而导致心血管疾病的急性发作。另外,已有人推测环境微粒可以通过改变肺部内皮素稳态来间接影响心脏。在蒙特利尔进行的一项改进的时间序列研究分析中,研究者意外发现当环境微粒水平增加时,糖尿病的日死亡数也增加。这项观察之后,Zanobetti和Schwartz对美国芝加哥Cook县进行的一项研究发现,与非糖尿病患者群相比,糖尿病患者中因心血管疾病住院率与PM10(颗粒的空气动力学直径为10μm)水平增高联系更强。75岁及75岁以上的糖尿病患者危险性最大。在进一步的研究中,将美国底特律、匹兹堡、西雅图等城市的数据与芝加哥数据累加,也呈现出相似的结果。这些发现从生物学上可审校者:周玲,教授,硕士生导师,主要从事营养因子、功能因子的研究。能是有意义的,因为糖尿病患者往往更易发生一些心血管疾病和循环系统问题,并且和这些疾病有一些相同的危险因子。现在对前期研究进行延伸,即对蒙特利尔所有常规监测的环境大气污染物均进行了研究。除使用基本死因外,研究者使用了医疗保险数据来区分那些65岁以上、在死亡前有糖尿病和其他共病状态的对象。研究对象是在1984年～1993年间死于魁北克省蒙特利尔市区、并且在魁北克全民健康保险计划(QHIP)中登记的蒙特利尔居民。该研究只包含死亡对象。固定地点的空气污染监测器每2h进行二氧化硫(SO2)、二氧化氮(NO2)、一氧化碳(CO)和臭氧(O3)的测定。13个站点使用紫外荧光法和溴溶液化学组分变化的电导率测定SO2;8个站点使用化学发光法测定NO2;12个站点使用红外线吸收法测定CO;9个站点使用化学发光法测定O3。蒙特利尔固定监测点1次/2h测量有机碳和无机碳的雾系数(COH)。颗粒质量[空气动力学直径分别为10μm、2.5μm或以下(分别为PM10、PM2.5)的粒子和硫酸盐]测量约1次/6d。其中一个监测点从1992年7月至1995年9月对PM10和PM2.5的监测计划增加至每天采样。研究者也利用了在魁北克省Sutton(城市东南部150km的一个农村社区)的一个酸雨监测点监测每日总硫酸盐。这些数据代表魁北克省西南区域(包括蒙特利尔市)的背景水平。该站点监测到的硫酸盐与蒙特利尔2个站点测量的硫酸盐平均相关性为0.9。可见度、大气压、温度、总降水量(雨、雪分开)、相对湿度、露点温度均在Dorval国际机场测量。可见度在调整相对湿度后转化为消光系数(一种主要由于硫酸盐而造成的光分散和吸收的测定)。当无降水时使用中午的测量数据;或当有降水时,使用最靠近中午时段的测量数据。由于1986年～1993年没有测定数据,研究者将已形成的统计模型来估算微颗粒质量和PM2.5中的硫酸盐(称之为推测PM2.5)。将COH、消光系数及Sutton站点总硫酸盐类作为预测变量,则PM2.5预测模型的R2=0.72,PM2.5硫酸盐的R2=0.80。研究对以下对象进行单独分析:1)根本死因是糖尿病患者;2)死亡前患有糖尿病且为非意外死亡者(其根本死因可能是糖尿病,也可能不是)。根据以下信息将对象分类为在死亡前1年患有糖尿病:1)一名或多名医师对糖尿病的计费帐单及一名医师对血糖监测条的帐单;(2)集中胰岛素治疗的帐单或口服胰岛素或抗高血糖药(如格列本脲、甲基磺丁脲、氯磺丙脲、格列齐特)的处方。研究对以上事件使用了1年的窗口期,以调整医师出诊频率、帐单记录缺失诊断信息(约1/2帐单记录包含诊断)的广泛差异性,以及医师开处方配药方式的差异性。利用前期已形成的方法来定义对象在死亡前1年的其他共病。尤其是,研究者将糖尿病患者根据他们是否共患慢性冠心病、动脉粥样硬化、充血性心力衰竭、其他心血管疾病(急性或慢性冠心病、高血压、冠状动脉搭桥、充血性心力衰竭、慢性风湿性心脏病、脑血管病)、气道疾病及癌症再进行细分组。研究者只对有足够死亡数(约>1例死亡数/d)的情况进行研究。另外,并不是所有的亚组都是相互排斥的,如被划分为糖尿病共患充血性心力衰竭的对象也可能患有气道疾病。对65岁及65岁以上者进行分析以推测空气污染的短期水平与日死亡之间的关系。根据对象是否属于以下2种情况进行2套分析,即:1)糖尿病是其根本死因者;2)是否被划分为死亡前1年患有糖尿病。对后者的分析,研究者忽略基本死因而仅使用非意外死因。在分析中使用的为污染物的平均浓度/d,算法为将每个监测点数据简单日平均后再平均这些平均值。假设死亡数/d近似过度散布或欠散布的Poisson分布,研究者使用了拟似然估计来模拟死因别死亡数/d的对数作为预测变量的功能。由于在广义加法模型框架中使用回归样条或局部加权光滑回归来推测连续协变量的非参数光滑时发现了数值问题,使用了自然样条来模拟连续协变量的效应。因此,研究者使用了对数-线性泊松模型来回归观察日自然样条的死亡数/d的自然对数,由此对季节和次季节变量进行控制(时域滤波),以及应用其他变量来控制每日死亡率的周内效应和年趋势。对每一个端点使用Bartlett的统计资料,选择有结点的时域滤波,这些结点产生与白噪音一致的过滤时间序列。这通常产生有最小序列自相关的残差时间序列。然后,从包括0～5d滞留日的不同天气变量中的各种模型中寻找天气变量、模拟自然样条的组合,以使赤池信息化准则(AIC;等于自由度和过度散布引起的偏离惩罚)值最小。调整的单一污染物模型是利用对于先前选择好的滞留日的每日平均值来得到的,即:当日(lag0)、1d前空气污染(lag1)、向前0～2d的平均值(即3d平均,lag3)。由于污染物随季节变动,研究也根据“寒季”(头年10月份～来年3月份)和“暖季”(4月～9月)来计算关联性。对男性、女性和多重共病状态也分别进行单独分析。检验对污染物变量的拟合暴露-响应函数,也使用AIC来确定拟合的自然样条是否与线性暴露-响应函数一致。对于线性-响应函数,研究者推测每日死亡数的对数随每单位各种污染物浓度的增加相应增加。计算相应于污染物每增加四分位数间距的死亡数/d的平均值的百分比改变[即平均百分变化率(MPC)]。假定在非泊松分布矫正标准误后,估计的回归协变量是正态分布,计算MPC的相应的95%CI。在1984年～1993年间共有133904名非意外死亡者,其中65岁及65岁以上者为102148人(76.3%)。在非意外死亡者中,糖尿病患者占2.7%(3677人死亡);且大部分为65岁及65岁以上者(2947人)。根据研究所用计算方法,12189名65岁及65岁以上者被分类为死亡前1年患有糖尿病;其中约14.6%划归为根本死因是糖尿病。在那些被分类为根本死因是糖尿病的对象中,60.4%被分类为死亡前患有糖尿病。同时,研究也显示污染物和天气变量的分布。研究显示了以糖尿病为根本死因进行分析的主要结果。模型(自然样条)根据数据拟合度包含不同的天气变量,但所有的模型均包含平均温度的自然样条函数,也包含前1d气压或平均相对湿度的变化。尽管在当日(lag0)所有被评价的污染物的可信区间(CI)均包含0,在3个滞留期间内所有污染物均显示正向联系。在lag1,预测PM2.5、SO2、NO2和CO显示更强证据性。前3d平均值(lag3)中只有消光系数和臭氧的CI包含0。研究显示,按季节对死亡原因的分析,其中消光系数、预测PM2.5、SO2在寒季显示具有统计学正效应。在那些被分类为死亡前患糖尿病的对象中,85.8%是基于处方数据,其余为有多名医师诊断为糖尿病。2套天气变量被应用于不同的模型:1)露点温度或最高温度;2)前1d的压强变化或平均相对湿度。尽管其他2个滞留期(lag0、lag3)预测PM2.5、Sutton站点硫酸盐及PM2.5推测硫酸盐的MPC有正向关联并且CI也不包含0,但在lag1却没有正向关联的证据。在男性和女性之间没有发现有意义的差别。按季节进行的分析显示不同的结果,暖季的效应要显著高于全年。例如,COH的MPC在暖季为8.93%,而全年值仅为1.21%。在寒季,所有污染物的死亡率都增加,但是影响幅度较小,CI横跨0。研究人员还开展了一系列分析,确定那些在死亡前1年既有糖尿病又有某种类型心血管疾病、气道疾病或肿瘤的对象当空气污染增加时是否有更高的死亡危险性。把这些人群包含进来的动机是基于前期研究者发现这些亚组危险性也升高,同时也基于糖尿病患者也可并发心血管问题的事实。这些分析的局限是所包含的一些亚组人数较少,因此统计分析效能有限。在2580名死亡前有糖尿病但不共患肿瘤、心血管疾病或气道疾病的对象中没有发现正向联系的证据。在3166名有糖尿病同时共患肿瘤或者可能还有其他主要疾病的对象中,暖季3d均值的消光系数(MPC:11.88%;95%CI:1.78～22.9)、Sutton站点硫酸盐(MPC:6.28%;95%CI:1.16～11.66)、以及PM2.5预测硫酸盐(MPC:7.49%;95%CI:1.37～13.98)存在正向关联。在3749名有糖尿病同时共患一种类型心血管疾病,但除此外没有其他重大疾病的对象中,暖季中除消光系数和臭氧外,其他污染物均有正向联系。以下发现是针对有糖尿病同时共患特定疾病的亚组。研究显示,3736名有糖尿病并共患慢性冠心病的对象,在暖季中除消光系数、SO2、CO和臭氧外其他污染物均有显著正向联系。在3024名有糖尿病和充血性心力衰竭的对象中,暖季没有显示正向关联的证据,但在寒季COH、预测PM2.5、PM2.5预测硫酸盐、SO2和CO显示有正向关联的证据。3184名有糖尿病并共患动脉粥样硬化的对象,暖季的COH、预测PM2.5、Sutton硫酸盐、PM2.5预测硫酸盐有相关性。研究结果显示,糖尿病患者在空气污染物增加时死亡危险性也增高。该发现并不单纯限于颗粒物,也包括从燃烧源所产生的大多数类型污染物,提示这种混合物中的多种污染物或者混合物本身可能就是有毒的。数据显示,并不是所有糖尿病患者危险性都增加,因为仅有糖尿病而没有共患其他重大疾病(即心血管疾病、气道疾病、肿瘤)的对象在空气污染物增加时并没有呈现出更高的死亡率。然而,数据显示,有糖尿病和心血管疾病的对象有更高的危险性。Zanobetti和Schwartz发现,心血管疾病(尤其是慢性冠心病以及证明力稍弱的充血性心力衰竭)和糖尿病的入院率与PM10的浓度增加有关,该研究关于患糖尿病和心血管疾病的人群在暖季中预测微粒、COH的数据进一步确证了以上观点。并且,该研究进一步拓展为观察日死亡率和燃烧源产生的其他污染物的关系。在亚组中观察到的风险性要比针对包含所有非意外死亡人群的分析高得多。例如,对所有非意外死亡者在暖季相对于COH四分位数间距增加的日死亡率的MPC是-0.85%(95%CI:-3.43～1.81),而在只包括糖尿病的亚组中MPC是8.93%。该研究结果需要根据研究设计时的假设、强度和限制来加以解释。为了解决广义相加模型中遇到的问题,研究者使用了自然样条来去除数据中的季节和次季节趋势以及模拟天气变量。该研究建模策略使用明确的标准来选择时间滤波的自由度和选择天气变量。然而,研究不能控制传染性疾病流行的影响(如流行性感冒经常在微粒浓度增加的秋冬季节发生),因为没有用于该用途的基础数据。这些流行经常发生在冬季,而臭氧的影响经常发生在暖季,因此这些流行不会对温暖季节的推测产生混淆的影响。当流行持续数周或数月时,时间滤波还是应该加以调整。该研究对糖尿病定义判断的理论基础是基于了解了魁北克省临床实践、医疗实践标准化的缺乏及需要1种可提供足够准确的诊断的信息。由于在老年人群中药物计划的普及性,研究者可辨别出所有治疗过的患者。研究使用了死亡前1年时间内接受过住院或门诊医疗服务、使用胰岛素和其他药物处方的方法可使误分类相对较低。这种算法应该比单纯依靠医院提供的出院病历准确得多,因为出院病历至多只能反映急性疾病的瞬间或是慢性疾病的增重。但是,由于基础数据中没有检验结果,因此不可能推断疾病的严重程度,也不可能确定患者是Ⅰ型还是Ⅱ型糖尿病。小部分患者也不允许进行所有相互排斥分类的分析。该研究数据也可被解释为所用的根本死因的分类低估了糖尿病患者人群的数量,因为,众所周知,心血管疾病和呼吸道疾病的分类是不太精确的。确定有复杂共病(如糖尿病和某种心血管疾病)患者的根本死因是非常困难的。众所周知,糖尿病很有可能发展成心血管疾病和肾脏疾病。象Zanobetti和Schwartz指出的那样,尘埃微粒的暴露和某些心血管危险性的标志物,包括心率变异性的降低、血栓和炎性因子水平的增加存在相关性。该结果证实了有糖尿病和心血管疾病的患者不仅对微粒和碳元素(COH)更敏感,对空气污染物的其他成分也更敏感。这些发现也与前期关于吸入的城市微粒可引起快速的和持续的循环血浆内皮素-1和内皮素-3升高