2012～2015年北京市豐臺區PM2.5與居民總死亡關聯性的調查研究

郭永超+李潔+謝俊卿+周慧霞+胥芹+郭秀花

[摘要] 目的 通過收集2012年3月～2015年2月北京市豐臺區氣象數據、細顆粒物（PM2.5）的污染數據、居民總死亡數據，分析PM2.5對居民造成的超額死亡危險，為豐臺區居民的疾病防治提供科學依據。 方法 利用SAS9.2軟件對PM2.5污染情況、氣象因素以及居民總死亡水平進行描述性分析以及相關性分析；利用R3.0.3軟件建立分布滯后非線性模型（DLNM）分析PM2.5對居民造成的超額死亡危險。 結果 PM2.5年平均濃度為91.94 μg/m3，居民總死亡數為23 138人；PM2.5與平均溫度呈負相關關系（r=-0.10，P<0.01），PM2.5與相對濕度和氣壓均呈正相關（r=0.38、0.03），但是PM2.5與氣壓的相關性無統計學意義（P>0.05），PM2.5與總死亡數呈正相關關系（r=0.11，P<0.01）；PM2.5對居民總死亡水平的影響無統計學意義（P>0.05）。 結論 2012年3月～2015年2月北京市豐臺區PM2.5的污染嚴重，2013年PM2.5的污染最嚴重；居民總死亡呈冬季最高的趨勢；PM2.5濃度與居民總死亡數呈正相關關系。

[關鍵詞] PM2.5；居民全死亡；分布滯后非線性模型；時間序列；關聯性

[中圖分類號] R56；X51 [文獻標識碼] B [文章編號] 1673-9701（2016）28-0131-05

PM2.5是重要的大氣污染物之一，2011年北京灰霾和沙塵期間PM2.5日均質量濃度分別高達301.8 μg/m3和284.8 μg/m3，是美國EPA PM2.5日均質量濃度限值（35 μg/m3）的8.62倍和8.14倍[1]。居民死亡率及其死亡原因的變化是反映人群健康狀況的重要指標之一，是制定衛生政策、評價衛生工作質量和干預效果的科學依據，也是研究人口自然變動規律的重要內容，因此世界各國都非常重視死亡資料的統計分析。我們將進行“2012～2015年北京市豐臺區PM2.5與居民總死亡的時間序列分析”，通過收集2012年3月～2015年2月PM2.5污染數據、氣象數據、居民總死亡數據，進行描述性分析和相關性分析，建立分布滯后非線性模型分析PM2.5對居民造成的超額死亡危險，為豐臺區居民的疾病防治提供科學依據。

1 資料與方法

1.1資料來源

PM2.5濃度資料從豐臺區內PM2.5三個監測點（豐臺花園、云崗、南三環）獲得；氣象資料從北京市氣象局獲得氣溫、氣壓、相對濕度等；居民總死亡資料從“人口死亡信息登記報告管理系統”中豐臺區各級醫療機構報告的死亡信息和區民政局、區公安局以及街/鄉鎮政府提供的死亡信息中獲得。

1.2研究對象

以2012年3月～2015年2月北京市豐臺區居民死亡病例作為研究對象。

1.3資料整理

本研究的研究時間為2012年3月～2015年2月，為了方便后文敘述，本研究將2012年3月～2013年2月劃分為2012年度、2013年3月～2014年2月劃分為2013年度、2014年3月～2015年2月劃分為2014年度。在描述性統計部分，根據中國北方氣溫變化情況，本研究按季節分組，即3～5月為春季；6～8月為夏季；9～11月為秋季；12月～次年2月為冬季。

1.4統計學方法

采用SAS 9.2軟件對2012年3月～2015年2月北京市豐臺區PM2.5濃度、氣象因素和居民總死亡水平進行描述性分析及相關性分析，對PM2.5、溫度、相對濕度、氣壓進行正態性檢驗，若是滿足正態性，則采用Pearson相關分析研究PM2.5與溫度、相對濕度、氣壓的相關性，若是不滿足正態性，則采用Spearman秩相關分析方法。對PM2.5與總死亡數的相關性采用Spearman秩相關進行分析。利用R3.0.3軟件建立分布滯后非線性模型，分析2012年3月～2015年2月北京市豐臺區PM2.5對居民造成的超額死亡危險。

2結果

2.1 描述性統計分析

2.1.1 PM2.5的描述性分析 2012年3月～2015年2月北京市豐臺區PM2.5平均濃度為91.94 μg/m3，超過國家規定二級標準（75.00 μg/m3）22.49%，其中每年度平均有180 d超過國家規定二級標準，超標率為49.59%。日均濃度最高為475.00 μg/m3，是國家二級標準的6.33倍，最低為3.00 μg/m3。季節分布呈冬季最高，春、秋季次之，夏季最低的特點，見表1、圖1。

2.1.2 氣象因素的描述性分析

2.1.2.1 氣溫的描述性分析 2012年3月～2015年2月北京市豐臺區平均氣溫12.69℃，最高氣溫為31.00℃，最低為-12.00℃。總體呈夏季最高，春、秋季次之，冬季最低的特點，見表2、圖2。

2.1.2.2 氣壓的描述性分析 2012年3月～2015年2月北京市豐臺區平均氣壓為101.61 kPa，最高氣壓為104.30 kPa，最低為99.40 kPa，總體呈冬季最高，春、秋季次之，夏季最低的特點，見表3、圖3。

2.1.2.3 相對濕度的描述性分析 2012年3月～2015年2月北京市豐臺區平均相對濕度為52.89%，最高相對濕度為98.00%，最低相對濕度為8.00%，總體呈夏季最高，冬季次之，春、秋季較低的趨勢，見表4、圖4。

2.1.3 居民總死亡數的描述性分析 2012年3月～2015年2月居民總死亡數為23 138人，居民全死因死亡平均每日20.8人，每日死亡人數最小值為0人，最大值為38.0人。2012年度、2013年度和2014年度的平均每日死亡人數差異不大，分別為20.7人、20.9人、20.9人。其中2012年度有358個值，缺失7 d，占1.92%。見表5。

2.2 相關性分析

2.2.1 PM2.5與氣象因素的相關性 對PM2.5以及氣象因素（溫度、相對濕度和氣壓）進行正態性檢驗，結果見表6。Kolomogorov-Simirnov（K-S）檢驗結果顯示4個變量均不滿足正態分布（P<0.05）。從表6中可看出，PM2.5呈正偏態、高峰度（S>0，K>0）；氣壓和相對濕度呈正偏態和低峰度（S>0，K<0），溫度呈負偏態、低峰度（S<0，K<0）。4個變量的頻數分布直方圖結果，見圖5。

2012年3月～2015年2月北京市豐臺區PM2.5、氣象因素之間的Spearman 相關分析結果見表7。即PM2.5與平均溫度呈負相關關系（r=-0.10，P<0.01），PM2.5與相對濕度和氣壓均呈正相關（r=0.38、0.03），但是PM2.5與氣壓的相關性無統計學意義（P>0.05）。平均溫度和相對濕度呈正相關關系（r=0.38，P<0.01），氣壓與平均氣溫和相對濕度均呈負相關關系（r=-0.88、-0.36），差異有高度統計學意義（P<0.01）。

2.3 PM2.5與居民總死亡數的關系

Spearman秩相關分析結果顯示，PM2.5與居民總死亡數呈正相關關系（r=0.11，P<0.01）。建立分布滯后非線性模型，控制長期趨勢、“星期幾效應”等時間因素的影響，并考慮滯后效應，分析PM2.5對總死亡水平的影響。如圖6所示，在污染當日，PM2.5對總死亡水平影響的RR值大于1，差異無統計學意義（P>0.05）。

在上述模型的基礎上，控制溫度、濕度、氣壓等混雜因素的的影響，分析PM2.5對總死亡水平的影響，如圖7所示，PM2.5對總死亡水平的影響仍然無統計學意義（P>0.05）。

2.4 PM2.5與總死亡的暴露反應關系

在研究期間內，控制時間的長期趨勢、星期幾效應、溫度、濕度、氣壓等因素的影響后，分析PM2.5與污染當日全死因死亡的暴露反應關系，由圖8可見，暴露-反應關系在低濃度時（約80 μg/m3）和較高濃度時（約300 μg/m3）分別存在一個拐點，當PM2.5的濃度約達到300 μg/m3時，人群總死亡的風險會顯著增加。

3討論

2012年3月～2015年2月北京市豐臺區PM2.5平均濃度為91.94 μg/m3，超過國家規定二級標準22.49%，其中每年平均有180 d超過國家規定二級標準，超標率為49.59%；2013年度北京市PM2.5年平均濃度為100.02 μg/m3，超過國家規定二級標準33.36%，超標率為55.07%。同北京市數據相比[2]，北京市豐臺區大氣PM2.5污染水平較北京市低。2013年豐臺區PM2.5污染最嚴重，與2013年的氣象條件密切相關，穩定的大氣環流形勢為污染的持續提供了有利環境，風速較小、濕度較大、持續逆溫影響大氣污染物的擴散，是造成嚴重污染的重要原因[3]。

2012年3月～2015年2月北京市豐臺區PM2.5濃度與氣象因素中的日平均相對濕度、日平均氣壓呈正相關關系，與日平均氣溫呈負相關關系。與周洪霞等[4]結果PM2.5濃度與日平均相對濕度呈正相關關系大致相同；與劉曉劍等[5]研究結果顯示PM2.5濃度與日平均相對濕度呈負相關關系，與日平均氣壓呈正相關系相比不同，造成其結果不同的原因可能是：北京市屬于大陸性季風氣候，相對濕度與風速呈負相關關系，當相對濕度較大時，風速較小，地面大氣層處于較穩定的狀態，不利于大氣污染物的擴散；而深圳市屬于亞熱帶海洋性氣候，雨量充沛，濕度較大，降雨能有效的清除大氣顆粒物[6]。

PM2.5的短期暴露與居民死亡的關系，已經在全球不同地點、不同大氣污染背景、不同人群取得了相似的結果，并且初步得到了證實[7-9]。本研究選取北京市豐臺區作為研究現場，結果發現PM2.5對總死亡人數的影響無統計意義，這與以往的研究結果是不一致的。例如：美國國家空氣污染與死亡率和發病率關系的研究，對美國 20個城市近5000萬人的資料分析顯示，人群死亡率與死亡前日顆粒物濃度相關[10]。在中國沈陽市[11]、廣州市[12]和深圳市[13]的研究也發現，PM2.5污染與人群總死亡率呈現正相關，且PM2.5對總死亡率的影響在65歲以上的老年人群更為明顯。

本研究的研究結果提示，PM2.5與居民死亡的暴露反應關系呈現一定的非線性關系。以往在歐美等發達國家的研究結果提示，顆粒物污染與死亡/發病的暴露反應關系呈現近似的線性關系[14-16]。例如：美國Schwartz等[17]學者運用層次模型發現PM2.5與全死因死亡的暴露反應關系呈現線性關系并沒有閾值效應，這一結果在歐洲的一個隊列研究中也得到了證實，該研究提示，即使在低于歐洲現在的年均標準限值（<25 μg/m3）的情況下，PM2.5仍然與全死因死亡率相關[18]。

本次研究僅僅納入一個區的數據，每日各類別的死亡人數較少，這對模型的穩定性會產生一定的影響，還有可能是因為北京市大氣污染物水平長期較高造成的人群適應性增加，污染源類型差異造成污染物結構成分的不同，以及人群的年齡構成和居民對污染物的敏感程度的不同。

4結論

2012年3月～2015年2月北京市豐臺區PM2.5的污染嚴重，2013年PM2.5的污染最嚴重；2012年3月～2015年2月北京市豐臺區居民總死亡呈冬季最高的趨勢；2012年3月～2015年2月北京市豐臺區PM2.5濃度與氣象因素中的日平均相對濕度、日平均氣壓呈正相關關系，與日平均氣溫呈負相關關系；PM2.5濃度與居民總死亡數呈正相關關系。

PM2.5對居民總死亡水平的影響無統計學意義，研究人員可進一步深入研究PM2.5與具體死因間的關聯性，找到PM2.5對居民健康影響的重點疾病，為進一步的健康教育、疾病的干預提供基礎，為公共衛生工作提供依據，為城市大氣污染健康效應評價、保護人群健康提供依據。

[參考文獻]

[1] 王志娟，韓力慧，陳旭鋒，等. 北京典型污染過程PM2.5的特性和來源[J]. 安全與環境學報，2012，12（5）：122-126.

[2] 王琪， 孫巍， 張新宇. 北京地區PM2.5質量濃度分布及其與氣象條件影響關系分析[J]. 計算機與應用化學，2014， 31（10）：1193-1196.

[3] 程念亮，李云婷，張大偉，等. 2013年1月北京市一次空氣重污染成因分析[J]. 環境科學，2015，3（4）：1154-1163.

[4] 周洪霞，蔣守芳，郭忠，等. 唐山市大氣污染對居民心血管疾病日門診和日住院人數的影響[J]. 現代預防醫學，2015，42（12）：2138-2141.

[5] 劉曉劍，吳永勝，付英斌，等. 深圳市空氣PM2.5與心腦血管疾病死亡的廣義相加模型分析[J]. 中華疾病控制雜志，2016，20（2）：207-209.

[6] 李軍，孫春寶，劉咸德，等. 氣象因素對北京市大氣顆粒物濃度影響的非參數分析[J]. 環境科學研究，2009，22（6）：663-669.

[7] Dai L，Zanobetti A，Koutrakis P，et al. Associations of fine particulate matter species with mortality in the United States：A multicity time-series analysis[J]. Environ Health Perspect， 2014，122（8）：837-842.

[8] Lee H，Honda Y，Hashizume M，et al. Short-term exposure to fine and coarse particles and mortality：A multicity time-series study in East Asia[J]. Environ Pollut，2015，207：43-51.

[9] Lee M，Koutrakis P，Coull B，et al. Acute effect of fine particulate matter on mortality in three Southeastern states from 2007-2011[J]. J Expo Sci Environ Epidemiol，2016， 26（2）：173-179.

[10] Samet JM，Dominici F，Curriero FC，et al. Fine particulate air pollution and mortality in 20 U.S. cities，1987-1994[J]. N Engl J Med，2000，343（24）：1742-1749.

[11] Ma Y，Chen R，Pan G，et al. Fine particulate air pollution and daily mortality in Shenyang，China[J]. Sci Total Environ，2011，409（13）：2473-2477.

[12] Yang C，Peng X，Huang W，et al. A time-stratified case-crossover study of fine particulate matter air pollution and mortality in Guangzhou，China[J]. Int Arch Occup Environ Health，2012，85（5）：579-585.

[13] Zhang F，Liu X，Zhou L，et al. Spatiotemporal patterns of particulate matter（PM）and associations between PM and mortality in Shenzhen，China[J]. BMC Public Health，2016， 16：215.

[14] Daniels MJ，Dominici F，Zeger SL，et al. The National Morbidity，Mortality，and Air Pollution Study. Part III： PM10 concentration-response curves and thresholds for the 20 largest US cities[J]. Res Rep Health Eff Inst，2004（94 Pt 3）：1-21， 23-30.

[15] Schwartz J，Coull B，Laden F，et al. The effect of dose and timing of dose on the association between airborne particles and survival[J]. Environ Health Perspect，2008，116（1）：64-69.

[16] Zheng S，Wang M，Wang S，et al. Short-term effects of gaseous pollutants and particulate matter on daily hospital admissions for cardio-cerebrovascular disease in Lanzhou：Evidence from a heavily polluted city in China[J]. Int J Environ Res Public Health，2013，10（2）：462-477.

[17] Schwartz J，Laden F，Zanobetti A. The concentration-response relation between PM（2.5） and daily deaths[J]. Environ Health Perspect，2002，110（10）：1025-1029.

[18] Beelen R，Raaschou-Nielsen O，Stafoggia M，et al. Effects of long-term exposure to air pollution on natural-cause mortality：An analysis of 22 European cohorts within the multicentre ESCAPE project[J]. Lancet，2014，383（9919）：785-795.

（收稿日期：2016-08-02）