北京市空氣污染物對呼吸系統疾病門診人數的影響

張 瑩,邵 毅,王式功,尚可政,王金艷,李 旭,康延臻 (蘭州大學大氣科學學院,甘肅省干旱氣候變化與減災重點實驗室,甘肅 蘭州 730000)

北京市空氣污染物對呼吸系統疾病門診人數的影響

張 瑩,邵 毅,王式功*,尚可政,王金艷,李 旭,康延臻 (蘭州大學大氣科學學院,甘肅省干旱氣候變化與減災重點實驗室,甘肅 蘭州 730000)

為評價北京市大氣污染對居民呼吸系統疾病門診人數的影響,采用時間序列半參廣義相加模型(GAM),在控制了長期趨勢、“星期幾效應”及氣象因素的影響后,分析 2009～2011年北京市空氣污染物與呼吸系統疾病門診人數的暴露-反應關系,并按性別和年齡層建立模型.結果表明,3種污染物有一定的滯后效應,PM10在滯后0～3d(avg03)或0～5d(avg05)的移動平均值,SO2和NO2均在滯后0～2d(avg02)的移動平均值使呼吸系統疾病門診人數的增加百分比(PI%)值達到最大,其中 PM10、SO2和 NO2濃度每增加 10μg/m3,對應的呼吸系統疾病全人群的 PI%分別為1.72%、1.34%和2.57%.年齡≥65歲的老年人群對北京市空氣污染物最為敏感,其次為年齡≤14歲的人群;空氣污染對女性的影響較男性明顯.

時間序列研究；空氣污染；呼吸系統疾病；門診人數

大量的流行病學及毒理學研究表明,大氣污染物濃度的短期升高與人群呼吸系統疾病的死亡率和發病率的升高密切相關[1-3],同時,還發現年齡、性別和氣候等因素對大氣污染的健康效應可能存在交互影響[4-5].中國近 20年經濟和工業快速發展,能源消費不斷增長,空氣質量日益惡化,大氣污染已成為影響人群健康的主要危害因素之一[6].煤炭在中國能源消費中占 70%以上,燃煤所排放的廢氣成為我國大氣污染的主要貢獻源

[7].除了氣態污染物(如 SO2和 NO2),我國城市可吸入顆粒物(PM10)污染形勢嚴峻,大部分城市的PM10濃度遠高于WHO發布的大氣質量基準推薦水平[20μg/m3(年平均值)和 50μg/m3(24h平均值)][8].自20世紀90年代以來,時間序列的方法被廣泛應用于大氣污染急性暴露對各種健康終點效應的研究[9].相比國外,我國這方面的相關研究相對較少,主要是因為醫院門診人數、急診人數以及住院人數等數據資料收集困難,門診數據統計量大,導致有關大氣污染物對人群健康急性作用的流行病學研究較為缺乏.

北京市人口密集,工業與交通十分發達,北京大氣污染主要來源于局地排放和外來輸送[10],同時受當地氣象條件的制約[11-12],地表沙塵污染更加劇了該地區的空氣污染程度.為定量評價大氣污染物對北京市居民呼吸系統疾病門診人數的影響,探討高濃度污染物暴露環境下的劑量-反應關系,本研究采用近年國際上通用的危險度評價方法-基于時間序列的廣義相加模型[13](generalized additive model, GAM),定量評估了北京市大氣中的主要污染物PM10、SO2和NO2日均濃度變化與人群呼吸系統疾病日門診人數之間的關系以期為建立區域大氣污染物與健康效應的預測預警系統提供科學依據.

1 資料與方法

1.1 資料來源

1.1.1 呼吸系統疾病門診資料 呼吸系統疾病門診資料來源于北京市某 3家三級甲等綜合醫院急診科的病案記錄,包括2009年1月1日～2011年12月31日每日門診資料,根據國際疾病分類標準第10版(ICD-10)[14],對疾病資料進行分類整理.本文以呼吸系統疾病(ICD-10編碼:J00-J99)作為研究對象,病例資料共計 246872例,按照性別分類,其中男性 136249例(占 55.19%),女性占110623例(44.81%).按年齡構成分類,其中 0～14歲58804例(占23.82%),15～64歲171601例(占69.51%),≥65歲的16467例(占6.67%).收集門診病歷信息還包括家庭住址、疾病診斷、就診科室、就診日期、就診ID號等信息.根據患者家庭住址信息剔除非北京市居住的人群資料,以確保研究對象均來自當地的常居人口.

1.1.2 大氣環境監測資料 2009年1月1日～2011年12月31日北京市大氣環境監測資料來源于北京市環保公眾網(http://www.bjee.org.cn/ cn/index.php).北京市大氣環境監測資料收集信息包括逐日的 PM10、SO2、NO2濃度.經檢查數據無缺測.

1.1.3 氣象資料來源 氣象資料來源于中國氣象科學數據共享服務網中中國地面氣象資料北京市2009年1月1日～2011年12月31日的日均氣象資料,包括日均氣溫(℃)、最高氣溫(℃)、最低氣溫(℃)、風速(m/s)和日均相對濕度(%)等.

1.1.4 質量控制 來自北京市環保公眾網的大氣污染物濃度數據,每天的污染資料在公布之前,均經過環境保護部門的質量控制.住院疾病資料均按照全國三級甲等醫院標準進行規范化管理和檢查,專人負責病歷信息錄入及管理,并剔除信息不全,診斷不清的住院病例.同時,對于重復門診的病例以28d為界,超過28d后發生的事件記為另 1次事件.本研究所用數據均通過 SQL server 2008數據庫管理軟件進行匯總計算,對數據的分析、統計、管理進行嚴格質量控制.

1.2 統計方法

對于總人群來說,每天呼吸系統疾病門診人數屬于小概率事件,其實際分布近似 Poisson分布[15].分析空氣污染物對日門診人數的急性影響,首先必須控制時間序列中氣象因素及長期趨勢、季節性和其他時間依賴變量等混雜因素.因此本研究將Poisson回歸模型引入半參數廣義相加模型(GAM)中.GAM是對廣義線性(GLM)的非參數推廣,與GLM模型相比,GAM模型并非一個事先設定的模型,該模型由所使用的數據驅動,因此模型結構是由研究時所采用數據的內在聯系決定的,更能解釋反映變量的期望與解釋變量之間的本質關系,并且對數據要求較少,模型可應用不同函數擬合非線性關系變量,而后以加和形式引入模型[16].目前 Poisson廣義可加模型已成為大氣污染環境流行病學研究的標準方法.本研究采用樣條平滑函數擬合非線性自變量,包括時間(time, time=1…1095)、氣溫(平均、最高、最低)和相對濕度.選擇使得AIC減小的氣象要素引入模型;同時引入的還有星期啞元變量(DOW, DOW=1～7).核心模型建立后,應用殘差圖、偏自相關函數圖判斷殘差是否呈隨機平穩白噪分布,若不滿足殘差獨立要求,則需進一步調整模型.

基本模型建立后,引入大氣污染物濃度,擬合污染物線性模型,并分別分析大氣污染物單日滯后效應(lag)和多日移動平均值(avg)的累計效應.即將污染物當日、1d前至6d前濃度(lag0、lag1～lag6)或污染物濃度移動平均值(avg01～avg06)逐一引入模型,選擇AIC最小的時間污染濃度帶入模型,建立劑量-反應關系.具體模型見公式(1):

式中:Yk為第k日呼吸系統疾病門診人數;E(Yk)為第k日呼吸系統疾病門診人數的期望值;β為暴露-反應關系系數;Xk為第k日大氣污染物濃度或幾日累計平均濃度,μg/m3;s為非參數樣條平滑函數(smoothing spline function),排除長期趨勢、季節性、日歷效應、氣象等混雜因素的影響;df為自由度;DOW 為反應“星期幾效應”的啞元變量;time為日歷時間;Zk為第k日的某種氣象因素變量; k為殘差.

模型靈敏度檢驗時,在單污染物模型的基礎上,擬合同時期多污染物模型觀察單污染物模型的穩健性;分析多污染物共同作用下,對人群健康造成的損害如何變化,評價其他污染物對所關注污染物效應估計的影響.對于雙污染物模型和多污染物模型仍然用AIC準則進行模型優度檢驗,對氣象因子的控制與單污染物模型類似.為了調整性別和年齡潛在混雜因素對結果的影響,本研究按照性別(男、女)和年齡(≤14歲, 15～64歲, ≥65歲)分別進行分層建模.對污染物的健康效應進行分層分析.

根據 GAM模型估算出空氣污染物的回歸系數β,從而對污染物的健康效應做出定量評價.當污染物濃度增加 cΔ 時,呼吸系統疾病門診人數增加百分比(PI%)及 PI%的 95%可信區間(95%CI)的計算公式,參見式(2～3):

2 結果

2.1 呼吸系統疾病每日門診人數、大氣污染物濃度及氣象因素頻率分布

2009年1 月1日至2011年12月31日北京市PM10、SO2和NO2的日均濃度年均值、主要氣象因素和呼吸系統疾病日門診人數的描述性統計結果見表 1.平均每天呼吸系統門診人數為225例.北京屬于暖溫帶半濕潤大陸性季風氣候,年均氣溫為 13.15℃,相對濕度為50.43%.3年內北京市 3種主要大氣污染物 PM10、SO2、NO2年均濃度分別為110.16,28.07,51.88μg/m3(表1),其中PM10和NO2年均濃度超過了國家二級標準(100μg/m3和40μg/m3)[25],SO2年均濃度未超過國家二級標準(60μg/m3)[17].

表1 2009～2011年北京市呼吸系統疾病門診人數、空氣污染物及氣象因素描述性分析Table 1 Descriptive statistics on respiratory diseases outpatient visits, air pollutant levels and meteorological variables in Beijing during 2009～2011

2.2 大氣污染物與氣象要素間 Spearman相關分析

由表2可見,北京市3種主要污染物之間存在顯著正相關,其中 SO2與 NO2的相關系數為0.647(P<0.01),NO2與 PM10的相關系數為0.649(P<0.01),SO2與 PM10的相關系數為 0.517 (P<0.01).此外, SO2、NO2與平均氣溫、最高(低)氣溫及相對濕度均呈顯著地負相關(P<0.01);與之相反,PM10與日均氣溫、最高(低)氣溫及相對濕度均呈正相關(P<0.01).3種污染物與日均風速均呈顯著地負相關(P<0.01).大氣污染物與氣象要素間較強的關聯,反映了空氣污染物與氣象要素間存在的固有的理化特征,提示氣象要素是研究大氣污染物對人群健康影 響的重要混雜因素或效應修飾因素.

表2 2009～2011年北京市氣象因素與大氣污染物間的Spearman相關分析Table 2 Spearman’s correlations between daily weather and air pollution variables in Beijing from 2009 ～2011

2.3 空氣污染物與門診人數的關系

2.3.1 單污染物模型 從圖1可以看出,3種污染物對呼吸系統疾病門診人數的影響存在滯后效應.PM10在滯后 0～3d(avg03)的移動平均值,SO2和 NO2均在滯后 0～2d(avg02)的移動平均值與全人群呼吸系統疾病門診人數關聯的PI值最為顯著.此時,PM10、SO2和NO2濃度每增加10μg/m3對應的呼吸系統疾病門診人數增加百分比分別為1.72%(95%CI:0.72～2.73)、1.34% (95%CI:0.04～1.62)和 2.57%(95%CI:1.75～3.39).單污染物模型、最佳滯后時間條件下,PM10、SO2和NO2濃度增加10μg/m3,人群分年齡、分性別與呼吸系統疾病門診人數對應的PI見表3.

北京市空氣中的PM10、SO2和NO2濃度水平對居民呼吸系統疾病門診人數有顯著影響,PM10對不同人群的影響具有一定的滯后效應,且滯后時間略有差異,年齡≥65歲的老年人群在滯后05d(avg05)對應的PI值達到最大,其他人群均在滯后03d(avg03)對應的PI值達到最大,且均具有統計學意義.PM10每升高10μg/m3,全人群、男性、女性、年齡≥65歲人群、15～64歲以及≤14歲人群的PI%依次為1.72%、2.23%、4.63%、1.53%、2.97%、5.22%.SO2對不同人群均在滯后 2d(avg02)對應的PI值達到最大,且均具有統計學意義.SO2每升高10μg/m3,全人群、男性、女性、年齡≥65歲的老年人群、15～64歲以及≤14歲人群的 PI%依次為1.34%、1.58%、3.93%、2.72%、2.31%、4.53%.NO2對不同人群也均在滯后02d(avg02)對應的PI值達到最大,且均有統計學意義.NO2每升高 10μg/m3,全人群、男性、女性、年齡≥65歲的老年人群、15～64歲以及≤14歲人群的PI%依次為2.57%、2.79%、4.79%、1.60%、3.91%、6.21%.在后續的研究中,均采用最佳滯后時間所對應的污染物作為研究變量,引入隨后建立的廣義相加模型.

2.3.2 多污染物模型 在多污染物模型中(表

3),分別引入 SO2或(和)NO2后,PM10與全人群、女性呼吸系統疾病門診人數的關聯減弱,但仍有統計學意義,與男性和15～64歲和≥65歲人群的關聯均無統計學意義;只引入 SO2,或者同時引入SO2和NO2后,PM10對≤14歲人群的影響無統計學意義,只引入 NO2后,PM10與≤14歲人群關聯的 PI值較單污染物模型的高,這很可能是由于PM10和NO2的共線性造成的.引入PM10或(和)NO2后,SO2與≤14歲人群門診人數關聯的PI值均有所增加,而與男性、15～64歲和≥65歲人群關聯的 PI值均無統計學意義;引入 PM10后,SO2與全人群和女性關聯強度減弱,但均具有統計學意義;引入其它污染物組合后,均無統計學意義.引入 PM10或(和)SO2后,NO2與全人群、男性、女性、年齡≤14歲、15～64歲和年齡≥65歲人群關聯的PI值變化不大,且均有統計學意義.

圖1 污染物日均濃度每增加10μg/m3,全人群呼吸系統疾病日門診人數增加百分比(PI%)及95%的置信區間(95%CI)Fig1 The percent increase (mean and 95%CI) of the whole population respiratory diseases outpatient visits, associated with 10μg/m3increase of pollutant concentrations

表3 北京市大氣污染濃度每增加10μg/m3時呼吸系統疾病門診人數的單污染物和多污染物模型的RR及95%CITable 3 Percent change (mean and 95%CI) of respiratory diseases outpatient visits, associated with 10μg/m3increase of pollutant concentrations in single pollutant model and multi-pollutant model

3 討論

本研究證實了北京市目前的大氣污染物(PM10、SO2和NO2)濃度的增加與居民呼吸系統疾病門診人數超額發病率顯著相關.經 GAM模型分析得知,3種污染物的最佳滯后時間:PM10為0～3d的移動平均值(avg03)或 0～5d的移動平均值(avg05),NO2和 SO2均為 0～2d的移動平均值(avg02).重污染期空氣中PM10、SO2和NO2濃度每增加 10μg/m3,全人群呼吸系統疾病門診人數分別增加1.72%,1.34%和2.57%.

研究區域 PM10年均濃度變化不大,但濃度很高(110.16μg/m3),高于國家二級標準(100μg/m3).雖然該地區人群 PM10暴露水平很高,但呼吸系統疾病門診人數增加百分率為 1.72%,低于其他發達國家和地區的研究成果[18],這可能與 PM10的化學組成、暴露人群的年齡層次、對空氣污染的敏感程度等因素有關.發達國家及地區 PM10主要來源于機動車尾氣排放,含有大量的二次氣溶膠,毒性高,對人體健康影響大[19];源解析表明[20],北京市沙塵和土壤風沙塵對 PM10貢獻率最高,其主要成分為無機礦物質,毒性弱,對人體健康影響小.另外,發達國家大多數已步入老齡化社會,而老年人對空氣污染的耐受力較差,更易受到影響.說明不同地區大氣污染水平、不同人群對大氣污染的敏感性等因素可能顯著影響大氣污染物與人群健康間增加百分率的估計.我國人群年齡構成和疾病譜等與發達國家相比存在較大的差異等.不同的統計分析模型及其參數設置以及暴露指標的選擇等因素也會影響增加百分率的估計.

北京市NO2主要來源于機動車尾氣排放,截止2013年9月,北京市機動車輛已超過512萬輛,從而導致該地區NO2全年濃度較高,為52μg/m3,超過了國家二級標準(40μg/m3).單污染物模型中,NO2與全人群、男性、女性、年齡≤14歲、15～64歲和年齡≥65歲人群關聯的PI值均大于PM10和SO2對應的PI值.在多污染物模型中,由于大氣污染物之間存在著較強的相關性,當 NO2中引入PM10或(和)SO2后,NO2與不同人群關聯的PI變化不大,且均有統計學意義.這表明NO2與不同人群的呼吸系統疾病門診人數的關聯相對穩健,盡管關聯強度有所變化,但未改變關聯的方向和統計學檢驗的結果.

從年齡分層來看,年齡≥65歲的人群對空氣污染物最為敏感,PM10、SO2和 NO2每增加10ug/m3,年齡≥65歲人群的呼吸系統疾病門診人數分別增加5.22%、4.32%和6.21%;其次為年齡≤14歲人群,PM10、SO2和NO2每增加10μg/m3,呼吸系統疾病門診人數分別增加2.53%、2.72%和 4.60%.原因在于:年齡≥65歲的人群隨著年齡的增長,各種機能開始減退,體質較差,機體免疫力下降,抵御不良環境的能力較差,大氣污染物中攜帶的細菌、病毒及有毒有害物質容易進入體內,導致疾病的發生;年齡≤14歲的人群生理結構發育不夠完全,免疫系統不夠完善.陶燕等[21]研究了蘭州市空氣污染物對呼吸系統疾病入院人數的影響,發現年齡≤15歲的人群對蘭州市空氣污染最為敏感,其次為年齡≥65歲的老年人群.馬洪寶等[22]比較了上海大氣 SO2污染程度輕而顆粒物污染程度不同地區兒童的肺部功能,結果發現大氣顆粒污染物可引起用力呼吸氣流(FEF) 25%～75%和FEF75%～85%的減少,提示長期暴露在顆粒物污染下,可損害兒童的肺功能.本研究結果與前人研究結果相似,說明了老年人群和兒童是呼吸系統疾病的易感人群.

從性別分層來看,女性對污染物比男性敏感,PM10、SO2和NO2每增加10μg/m3,女性的呼吸系統疾病門診人數分別增加4.63%、3.93%和4.79%,男性的呼吸系統疾病門診人數分別增加2.23%、1.58%和 2.79%.這可能與男女性身體結構差異以及所處的不同環境有關.女性人群對污染物更為敏感,受到污染物的潛在威脅最大.這與王艷等[23]在濟南市大氣污染物與居民呼吸道疾病門診量的關系中的研究結果基本一致.

通過擬合 GAM+自回歸 AR(P)模型矯正自相關的問題,并在模型中控制了多種混雜因素的影響,較為客觀地分析了大氣污染水平與醫院呼吸系統疾病門診人數的關系.但本研究亦有缺陷之處:沒有控制流感發病率對門診人次的影響,假設以當某日呼吸系統疾病的門診人數超過其當年的第 95個百分位數時,則認為該天為流感日[24],經計算流感人數為 3670人,占總發病人數的1.49%.馬關培等[25]研究也表明流感對呼吸系統疾病門診人次的影響相對較低.另外,以室外空氣污染物的濃度作為人群的暴露指標,存在一定的不合理性.上述問題有待進一步研究.

4 結論

4.1 統計學意義上,北京市空氣污染影響人群呼吸系統疾病日急診就診的最佳滯后時間:PM10為0～3d的移動平均值(lag03)或0～5d的移動平均值(lag05),NO2和 SO2均為 0～2d 的移動平均值(lag02).

4.2 最佳滯后時間條件下,PM10、SO2和NO2日均濃度增加 10μg/m3,呼吸系統疾病全人群急診就診人數的增加分別為1.72%、1.34%和2.57%.

4.3 就年齡和性別而言,年齡≥65的老年人群對北京市空氣污染物最為敏感,其次為年齡≤14的人群;空氣污染對女性的影響較男性明顯.

[1]Kan H, Chen B, Hong C. Health impact of outdoor air pollution in China: current knowledge and future research needs [J]. Environ. Health Perspect, 2009,117(5):A187.

[2]Touloumi G, Samoli E, Quenel P, et a1. Short-term effects of air pollution on total and cardiovascular mortality: the confounding effect of influenza epidemics [J]. Epidemiology, 2005,16(1):49-57.

[3]李令軍,王 英,李金香,等.2000～2010北京大氣重污染研究 [J].中國環境科學, 2012,32(1):23-30.

[4]劉 罡,李 昕,胡 非.大氣污染物濃度的神經網絡預報 [J].中國環境科學, 2000,20(5):429-431.

[5]Peng R D, Dominici B F, Pastor-Barriuso R, et al. Seasonal analyses of air pollution and mortality in 100 US cities [J]. Am J. Epidemiol., 2005,161:585-594.

[6]Johnston F, Hanigan I, Henderson S, et al. Extreme air pollution events from bushfires and dust storms and their association with mortality in Sydney, Australia 1994-2007 [J]. Environ. Res., 2011,111:811-816.

[7]Ma Y, Chen R, Pan G, et al. Fine particulate air pollution and daily mortality in Shenyang, China [J]. Sci. Total Environ., 2011, 409:2473-2477.

[8]World Health Organization. World Health Organization Air Quality Guidelines-global update [S]. 2005.

[9]Middlelon N, Yiallouros P, Klean thous S, et al. A 10-year time-series analysis of respiratory and cardiovascular morbidity in Nicosia Cyprus the effect of short-time changes in air pollution and dust stems [J]. Environmental Health, 2008,7(2):39-43.

[10]張志剛,矯梅燕,畢寶貴,等.沙塵天氣對北京大氣重污染影響特征分析 [J]. 環境科學研究, 2009,22(3):309-314.

[11]Wehner B, Birmili W, Ditas F, et al. Relationships between sub micrometer particulate air pollution and air mass history in Beijing, China, 2004-2006 [J]. Atmospheric Chemistry and Physics Discussions, 2008,8(3):11321-11362.

[12]An X, Zhu T, Wang Z, et al. A modeling analysis of a heavy air pollution episode occurred in Beijing [J]. Atmospheric Chemistry and Physics, 2007,7:3103-3114.

[13]Dominci F, Peng R D, Bell M L, et al. Fine particulate air pollution and hospital admission for cardiovascular and respiratory diseases [J]. JAMA, 2006,295(10):1127.

[14]衛生部衛生統計信息中心,北京協和醫院世界衛生組織疾病分類合作中心.國際疾病分類(ICD-10)應用指導手冊 [M]. 北京:中國協和醫科大學出版社, 2001:411-435.

[15]Dominici F, McDermott A, Zeger S L, et al. On the use of generalized additive models in time-series studies of air pollution and health [J]. Am. J. Epidemiol., 2002,156:193-203.

[16]李麗霞,郝艷暉,周舒冬,等.廣義加性模型及其應用 [J]. 中國衛生統計, 2007,24(3):243-245.

[17]GB 3095-1996 國家環境空氣質量標準 [S].

[18]孟紫強,張 劍,耿 紅,等.沙塵暴對呼吸及循環系統疾病日門診量的影響 [J]. 中國環境科學, 2007,27(1):16-120.

[19]Bell M L, Ebisu K, Peng R D. Seasonal and regional short-term effects of fine particles on hospital admissions in 202 US counties, 1999-2005 [J]. Epidemiology, 2008,19(6):379-308.

[20]Bi X H, Feng Y C, Wu J H, et al. Source apportionment of PM10in six cities of northern China [J]. Atmospheric Environment, 2007,41(5):903-912.

[21]陶 燕,羊德容,蘭 嵐,等.蘭州市空氣污染對呼吸系統疾病門診人數的影響 [J]. 中國環境科學, 2013,33(1):175-180.

[22]馬洪寶,洪傳潔.大氣細顆粒物污染對兒童肺功能影響的多因素分析 [J]. 中國公共衛生學報, 1991,10(2):75-77.

[23]王 艷,張宜生,李欣鵬.濟南城區空氣污染對呼吸道疾病門診量的影響 [J]. 中國環境科學, 2008,28(6):571-576.

[24]王敏珍.中國三個代表城市呼吸系統疾病對主要氣象要素的響應及研究應用 [D]. 蘭州:蘭州大學, 2013:25-35.

[25]馬關培,鄒寶蘭,許振成,等.廣州市某醫院呼吸系統疾病門診人數與大氣污染關系的時間序列研究 [J]. 環境與健康雜志, 2012,29(6):526-528.

Relationship between air pollutant and respiratory diseases hospital outpatient visits in Beijing

ZHANG-Ying,

SHAO-Yi, WANG Shi-Gong*, SHANG Ke-Zheng, WANG Jin-Yan, LI-Xu, KANG Yan-Zhen (Key Laboratory of Arid Climate Change and Disaster Reduction of Gansu Province, School of Atmospheric Sciences, Lanzhou University, Lanzhou 730000, China). China Environmental Science, 2014,34(9)：2401～2407

To quantitatively evaluate the effect of air pollution on hospital outpatient visits for respiratory diseases in Beijing. A semi-parametric generalized additive model (GAM) was used to analyze the exposure-effect relationship between air pollution and daily respiratory diseases outpatient visits from 2009 to 2011 in Beijing after controlling long time trend, the “day of the week” effect and confounding meteorological factors. At the same time, the model was established based on the sex and age groups. The results showed that there was certain lag effect of three kinds of air pollutants on daily respiratory diseases outpatient visits. The lag time of PM10was 4-day moving average (avg03) or 6-day moving average (avg05). The lag time of SO2and NO2was 3-day moving average (avg02). An increase of 10μg/m3in PM10, SO2, NO2were significantly associated with the percentage increase (PI%) of 1.72%, 1.34% and 2.57% for all hospital outpatient visits, respectively. The elder more than 65 was the most sensitive to air pollution in Beijing, followed by those less than 14-year-old. The influence of air pollution on the female was more obvious than the male.

time-series studies；air pollution；respiratory diseases；hospital outpatient visits

X171.5

A

1000-6923(2014)09-2401-07

張 瑩(1988-),女,陜西寶雞人,蘭州大學博士研究生,主要從事醫學氣象學研究.

2014-01-16

公益性行業(氣象)科研專項(GYHY201106034);國家人口健康科學數據共享平臺(2005PKA32400);國家自然基金項目(41105109);蘭州大學中央高校基本科研業務費專項資金資助(lzujbky-2013-m03)

* 責任作者, 教授, wangsg@lzu.edu.cn