醫院夏季空調濕環境對人體健康的間接影響

張華玲，龔旎，趙琳

（重慶大學 三峽庫區生態環境教育部重點實驗室，重慶，400045）

溫度和濕度是室內空調環境中最關注的環境參數，目前室內環境研究主要側重于熱濕舒適，而對濕度的人體健康影響研究較少。這主要是由于空氣濕度對人體健康的影響比較復雜。空氣濕度不僅與溫度和濕度有關，而且與建筑使用功能、建筑中人群的構成、污染物種類、實際使用工況條件等有關。本文僅對醫院建筑空調運行環境下濕度對人體健康的影響進行研究，以期獲得濕度對健康影響的定量評價關系。空氣濕度通過直接和間接2個方面作用于人體。直接影響是指室內濕度對人體生理過程的某些體征表現，而間接影響主要是通過相對濕度影響一些相關的生物污染物（如塵螨、細菌、真菌、病毒等）和非生物污染物（如甲醛、氡、硫氮氧化物等）濃度變化，從而間接影響到人體健康。醫院建筑內大多為病患、陪護、醫務人員、護士等，且病菌繁多。醫院空調環境將影響生物污染物的滋生、存活時間、繁殖及化學污染物的釋放速度，醫院空調環境的舒適健康對保護醫務人員、加快病員康復或減輕痛苦、減緩流行病傳播速度等都有積極作用。自20世紀40年代起，在流行病學及臨床醫學領域就開始進行熱濕環境與人體健康的研究，主要探究熱濕環境對各種呼吸道感染、過敏癥的影響，并對引發病癥的污染物產生的熱濕條件進行研究。Arundel等[1]將健康問題引入建筑環境控制領域，推薦40%～60%為最優濕度區，認為在此區間內的濕度對人體健康危害最小。但未考慮這幾種主要污染物的健康影響權重，提供的鋸齒圖形僅反映出大體健康危害趨勢。Arlian等[2]通過研究發現塵螨生長的最佳條件是：溫度為20～25 ℃，相對濕度為70%～75%；當室內相對濕度在51%以下時，塵螨會因脫水而死亡。Fang等[3]的研究結果表明：溫度和濕度在很大程度上影響室內空氣品質可接受度，當室內空氣污染物濃度一定時，隨著溫濕度的升高，空氣質量可接受度降低，室內空氣質量可接受百分數與空氣焓呈線性相關；空氣污染程度增大，會削弱溫濕度對室內空氣品質可接受度的影響。Wolkoff等[4]對流行病學領域、臨床醫學以及人工氣候控制室研究等方面進行了總結，提出過低的空氣濕度會加快干眼癥的發展，這對年老人群尤其如此。對波蘭的住宅、辦公室進行細菌真菌氣溶膠的調查，發現高濕、通風差和發霉的環境有助于細菌的滋生[5]。對芬蘭 46棟公寓進行研究發現：當相對濕度從34%變化到70%時，空氣中的甲醛濃度在24 h內從0.08 mg/m3增加到0.20 mg/m3，認為室內空氣中的甲醛濃度與溫度和濕度成正比[6]。Carrer等[7]提出可檢測空調系統中的微生物狀況來評估建筑內霉菌的生長。Sookchaiya等[8]為更好地開發新型空調系統，針對熱帶地區熱濕環境對人體舒適及健康進行了評價研究。歐洲AIRLESS工程對HVAC系統污染室內環境的原因、時間及途徑進行了分析，提出一些解決辦法[9]。但現有研究還未涉及不同功能建筑室內濕度環境對人體健康產生影響的定量關系，為此，本文作者針對空調環境的健康濕度范圍進行研究。

1 夏季工況監測

監測建筑一棟為住院部，另一棟為門診大樓。住院部為一類高層醫療建筑，地上19層，地下1層，地面高度為77.7 m，總建筑面積為54 888.95 m2，主要包括病房、治療室、實驗室、醫生辦公室。門診大樓地上13層，地下2層，總高度為58 m，總建筑面積為74 741.32 m2，主要用于門診、急救和醫療。醫院各功能區的夏季設計空調溫度為24～28 ℃，室內相對濕度為45%～65%。

由于在實際空調環境中，影響人體健康的污染物種類繁多，本文僅對受空氣濕度變化顯著的污染物（稱為濕關聯污染物）濃度進行監測。監測包括塵螨計數、室內空氣中細菌菌落數真菌菌落數、甲醛濃度、氡濃度、環境溫度和相對濕度共7種參數。監測時間為2010年 7～8月，住院部監測時段為 9:00～10:30 am和15:30～17:00 pm，門診大樓監測時段為10:30～12:00 am和 14:00～15:30 pm。監測地點為住院部第4～19層普通病房、門診大樓第1～7層候診大廳。

用ZW1200?221型海爾吸塵器對病房被褥進行塵樣采集，然后經鏡檢計數得塵螨濃度[10?11]；采用自然沉降法對空氣中的細菌、真菌采樣，培養計數[12?14]；而甲醛和氡濃度則使用 PPM400甲醛檢測儀、RAD7電子氡氣檢測儀進行現場監測和讀數；環境溫度和相對濕度采用MODEL A531智能型環境測試儀監測。

2 數學分析方法

在實際建筑環境中，濕關聯污染物濃度對人體健康的影響會表現出一定的不確定性和模糊性，屬于典型的灰色系統，存在定性和定量影響關系。針對這些特點，本文采用云模型并結合灰關聯分析法，以重慶市某三甲醫院為監測對象，對夏季空調環境的5種主要濕關聯污染物進行實測，分析醫院建筑濕環境對人體健康的間接影響。云模型可以將定性影響轉換為定量影響[15?16]，灰關聯分析法適用于信息不完全確知的小樣本系統[17?20]，能較好地解決系統指標數據收集困難、指標間存在關聯等問題。在健康影響綜合分析中，獲得主要濕關聯污染物對人體健康影響的權重是一個重要部分。

設有m個分析評價對象S={S1，S2，…，Sm}和n個分析評價因子P={P1，P2，…，Pn}評價對象Si的因子Pj的屬性值記為xij。人們通常會根據一定的思維方式，用定性的語言Ak（k=1，2，…，n）來描述n個評價因子的水平，構成評價因子評語集 A={A1，A2，…，Ap}。其中，Ak具有一定的模糊性和隨機性。例如，因子塵螨對人體健康的影響一般被定性描述為“嚴重，一般，不嚴重”，則評語集就是 A={A1，A2，A3}。根據專家知識和經驗數據，確定因子Pj的評語Ak所對應的一維正態云模型DAk=（ExAk，EnAk，HeAk）。設B為描述分值的定性概念 Bd，如{高，中，低}所組成的集合B={B1，B2，…，Bp}，Bd（d=1，2，…，p）對應的一維正態云模型為DBd=（ExBd，EnBd，HeBd）。

進行不確定性推理的目的是把定性分析轉為定量因子分值。設 yij為評價對象 Si的因子 Pj的屬性值 xij對云模型 DAk=（ExA，EnA，HeA）的隸屬度，rij為評價對象Si的因子Pj的屬性值，xij為經推理后獲得的定量分值。單條件規則描述如下：If xij∈Ak，Then rij∈Bd。其中 xij∈Ak為規則前件，表示因子 X評價標準的定性概念；rij∈Bd為規則后件，且k和d一一對應，見圖1。

圖1 單條件規則發生器Fig.1 Single item rule generator

計算原理如下：前件論域輸入某一特定x0，激活規則前件云模型 DAk，產生一組數值，取其平均值作為X條件云發生器的輸入，分別計算它對p個定性概念的確定度yij，取yij的最大值ymax再次激活規則后件云DBd，從而隨機產生1個云滴drop（r0，ymax）。若x0激活的前件是上升沿，則規則發生器輸出r0對應后件概念的上升沿；反之亦然。這在推理過程中保證了不確定性的傳遞。從而獲得m個評價對象Pn個因子分值rij所組成的判斷矩陣：

對于矩陣 R，確定參考數列{r0j}（j=1，2，…，n）和比較數列{rij}（i=1，2，…，m，j=1，2，…，n），再進行規范化處理，消除原始指標單位的影響，得到歸一化后的分值數據矩陣：

每一序列有i個元素，則對于某一比較序列與參考序列，就有i個關聯系數。關聯系數γij表示第i個評價對象第j個因子分值與參考數列中第j個因子分值的關聯程度。

其中：δ為分辨系數，一般在0～1間選取。δ越小，則分辨力越大；當δ=0.5時，分辨率最高，于是，組成了1個關聯系數矩陣：

由于各污染物指標對人體健康的影響程度不同，必須賦予不同的權重才能進行準確評價。本文采用群灰關聯度分析法確定權重。令為指標體系中pj與除pj外的所有指標的群灰關聯度，它反映了在某一特定的環境下指標pj對其余指標的影響程度。某一指標對其他指標的影響程度越大，說明該指標在系統中包含的信息量越大。

經計算，各指標權重為：

綜合關聯度為：

其中：Y為對象與參考對象之間的綜合關聯度；Z為關聯系數矩陣。Yi越大，說明實際項與參考項的關聯度越高、越優。

3 監測數據分析

根據夏季工況監測獲得醫院在25～27 ℃溫控范圍的室內污染物濃度，見表1。

3.1 濕關聯污染物健康影響的定性描述

在本研究系統中，m個分析評價對象為各個不同的濕度環境，n個分析評價因子為各污染物，根據專家知識和微生物學、流行病學的研究成果，建立污染物因子對人體健康影響的定性判斷：

其中：A1表示指標對健康影響程度為“嚴重”；A2表示指標對健康影響程度為“一般”；A3表示指標對人體健康影響程度為“不嚴重”

3.2 確定評價因子水平的云模型

根據專家知識和文獻數據，對各個因子制定其定性評語集以及相應的云模型[21]。

（1）塵螨因子的健康影響評價有“不嚴重，一般，嚴重”。基于3En法則，確定云模型的3個參數，獲得塵螨在數量域的云模型：

表1 25～27 ℃時典型環境下濕關聯污染物濃度Table 1 Concentrations of the humidity related pollutants in typical environments at 25?27 ℃

圖2 基于云模型和灰關聯的濕健康影響分析流程圖Fig.2 Evaluation of health effect of humidity by cloud model and grey correlative grade

塵螨指標以及其評價健康標準的3個定性概念中云滴及其確定度分布如圖3所示。其中：橫坐標為塵螨數量，縱坐標為概率所對應的確定度。3個定性指標評價為“不嚴重，一般，嚴重”。

圖3 塵螨健康影響評價定性云分布圖Fig.3 Qualitative cloud distribution of health effect assessment of dust mite

用相似方法建立其他4個評價因子的云模型。

（2）細菌在數量域的云模型為：

（3）真菌在數量域的云模型為：

（4）甲醛在數量域的云模型為：

（5）氡在數量域的云模型為：

3.3 評價分值評語集及其云模型的確定

作用分值高低的評語有“低，中，高”3種，用百分制數來量化因子水平，在數值域的云模型分別如下：

表2 濕關聯污染物對健康影響的量化分值Table 2 Quantitative scores of humidity related pollutants on health effect

3.4 不確定性的推理

不確定推理可把定性評價轉化為定量分值。對于單條件單規則，以塵螨分析為例，利用專家知識及文獻數據可建立如下推理規則：

If 塵螨對人體健康影響不嚴重，Then作用分值“高”。

If 塵螨對人體健康影響一般，Then作用分值“中”。

If 塵螨對人體健康影響嚴重，Then作用分值“低”。

其他因子的推理類同。使用單規則單條件云模型發生器，經推理后可得各因子量化百分分值見表2。

3.5 計算權重

經計算得到塵螨、細菌、真菌、甲醛和氡這5種因子之間的群灰關聯度分別為：

各污染物對人體健康影響的權重為：

從以上計算結果可以看出：這5種污染物對人體健康影響的權重接近，這可能是該醫院建筑在實際使用中人員數量和人員流動情況變化大、污染源不可控等因素所致，這還需在實踐中進一步修正。

3.6 計算綜合關聯度

關聯系數矩陣為：

典型濕環境的綜合關聯度Y為：

經計算，得到：Y3＞Y2＞Y1＞Y5＞Y4。第 3個典型濕環境與最優環境的關聯度最高，表明在室內舒適溫度范圍（25.0～27.0 ℃）內，相對濕度65.0～69.9%為最優區間，較優區間為60.0%～64.9%的環境。

我國現行標準《綜合醫院建筑設計規范》（JGJ 49—88）規定：空調用房的夏季室內計算溫度宜采用25～27 ℃；其相對濕度為60%左右。《采暖通風與空氣調節設計規范》（GB 50019—2003）綜合考慮舒適和節能要求規定：夏季空調室內設計濕度為40%～65%。可見：夏季空調設計濕度都不高于65%，特別是對于像重慶這樣的熱濕地區，夏季空調除濕能耗要占到空調總能耗的20%～40%。但通過實測數據健康影響分析認為：在相對濕度65%～70%內，室內人員感覺舒適，且在空調環境中的污染物濃度較低，對人體健康有利，因此，建議規范提高設計相對濕度上限為70%。但該結果還需進一步論證。

4 結論

（1）通過對某三甲醫院夏季空調工況的 5種主要濕關聯污染物的實測數據進行分析，獲得了塵螨、細菌、真菌、甲醛、氡對人體健康影響權重，給出了幾種典型空調濕環境與最優濕環境的綜合關聯度，推薦出對人體健康有利的最優區間：室內舒適健康溫度為25.0～27.0 ℃，相對濕度為65.0%～70.0%。

（2）該研究成果可為醫院建筑夏季空調的健康舒適設計和運行控制參數設定提供參考，也可為將來醫院建筑空調設計標準的修訂以及空調環境對人體健康的影響研究提供依據。

[1]Arundel A V,Sterling E M,Biggin J H,et al.Indirect health effects of relative humidity in indoor environments[J].Environmental Health Prospect,1986,65:351?361.

[2]Arlian L G,Neal J S,Vysenski-Moher D L.Reducing relative humidity to control the house dust mite Dermatophagoides farina[J].Journal of Allergy and Clinical Immunology,1999,104（4）:852?856.

[3]Fang L,Clausen G,Fanger P O.Impact of temperature and humidity on the perception of indoor air quality[J].Indoor Air,1998,8（2）:80?90.

[4]Pastuszka J S,Paw U K T,Lis D O,et al.Bacterial and fungal aerosol in indoor environment in Upper Silesia,Poland[J].Atmospheric Environment,2000,34:3833?3842.

[5]Puhakka E,Karkkainen J.Formaldehyde concentrations in indoor air in new buildings;factors that affect the prevalence of formaldehyde[C]//Proceedings of the 6th International Conference on Indoor Air Quality and Climate.Helsinki,Finland,1993:147?152.

[6]Wolkoff P,Kj?rgaard S K.The dichotomy of relative humidity on indoor air quality[J].Environment International,2007,33（6）:850?857.

[7]Carrer P,Maroni M,Alcini D,et al.Allergens in indoor air:Environmental assessment and health effects[J].Science of the Total Environment,2001,270（1/2/3）:33?42.

[8]Sookchaiya T,Monyakul V,Thepa S.Assessment of the thermal environment effects on human comfort and health for the development of novel air conditioning system in tropical regions[J].Energy and Buildings,2010,42（10）:1692?1702.

[9]Bluyssen P M,Cox C,Seppanen O,et al.Why,when and how do HVAC-systems pollute the indoor environment and what to do about it? the European AIRLESS project[J].Building and Environment,2003,38（2）:209?225.

[10]蔣啟發,陳雄新,伍愛云.衡陽市居室塵螨孳生狀況的初步調查[J].中國熱帶醫學,2007,7（9）:1646?1647.JIANG Qi-fa,CHEN Xiong-xin,WU Ai-yun.Survey of breeding status of dust mite in houses in Hengyang City[J].China Tropical Medicine,2007,7（9）:1646?1647.

[11]王永存,崔玉寶,張曉方,等.海南島四所高校學生宿舍塵螨孳生情況的初步調查[J].中國預防醫學雜志,2006,40（2）:83.WANG Yong-cun,CUI Yu-bao,ZHANG Xiao-fang,et al.Initial investigation of dust mites in dormitories in Hainan[J].Chinese Journal of Preventive Medicine,2006,40（2）:83.

[12]沈萍.微生物學[M].北京:高等教育出版社,2006:13?36.SHEN Ping.Microbiology[M].Beijing:Higher Education Press,2006:13?36.

[13]邵偉娟,曾娟娟,李含英,等.某高校校醫院門診部空氣中微生物監測及影響因素分析[J].基層醫學論壇,2010,14（9）:197?198.SHAO Wei-juan,ZENG Juan-juan,LI Han-ying,et al.Field test of airborne microbial in outpatient clinic in university hospital and its influencing factors[J].Public Medical Forum Magazine,2010,14（9）:197?198.

[14]崔九思.室內空氣污染檢測方法[M].北京:化學工業出版社,2002:113?200.CUI Jiu-si.Indoor air pollution test method[M].Beijing:Chemical Industry Press,2002:113?200.

[15]張峰,張鵬林,呂志勇,等.云模型在城鎮空氣質量評價中的應用[J].環境科學與技術,2009,32（6）:160?164.ZHANG Feng,ZHANG Peng-lin,Lü Zhi-yong,et al.Assessment of urban air quality based on cloud models[J].Environmental Science &Technology,2009,32（6）:160?164.

[16]李德毅,杜鷁.不確定性人工智能[M].北京:國防工業出版社,2005:137?185.LI De-yi,DU Yi.Uncertainty artificial intelligence[M].Beijing:National Defence Industry Press,2005:137?185.

[17]胡石元,李德仁,劉耀林,等.基于云模型和關聯度分析法的土地評價因素權重挖掘[J].武漢大學學報:信息科學版,2006,31（5）:423?427.HU Shi-yuan,LI De-ren,LIU Yao-lin,et al.Weights of land evaluation factors based on cloud model and correlation analysis[J].Geomantics and Information Science of Wuhan University,2006,31（5）:423?427.

[18]劉思峰.灰色系統理論及其應用[M].北京:科學出版社,2010:62?96.LIU Si-feng.Theory and application of grey system[M].Beijing:Science Press,2010:62?96.

[19]文偉,李念平,朱赤暉.室內空氣品質主觀評價與室內空氣污染物的灰色系統關聯度分析[J].建筑熱能通風與空調,2001,20（6）:28?31.WEN Wei,LI Nian-ping,ZHU Chi-hui.Grey relation analysis about contamination and subjective assessment of indoor air quality[J].Building Energy &Enviroment,2001,20（6）:28?31.

[20]梁睿,王崇林.零序暫態電流灰色關聯分析的小電流接地選線[J].中南大學學報:自然科學版,2010,41（2）:585?591.LIANG Rui,WANG Chong-lin.Fault line selection for single-phase-to-earth faults based on zero sequence transient current and grey relation analysis[J].Journal of Central South University:Science and Technology,2010,41（2）:585?591.

[21]趙琳.醫院空調室內濕度健康影響研究[D].重慶:重慶大學城市建設與環境工程學院,2011:7?34.ZHAO Lin.Study on health effects of air conditioning relative humidity in hospital buildings[D].Chongqing:Chongqing University.College of Faculty of Urban Construction and Environmental Engineering,2011:7?34.