沈陽市PM2.5離子成分對呼吸疾病門診數影響研究

洪 也,張 瑩,馬雁軍,張 軍,侯 率,王式功*,陳凱奇,李 慧,張云海,周德平,王揚鋒

?

沈陽市PM2.5離子成分對呼吸疾病門診數影響研究

洪 也1,張 瑩2,馬雁軍1,張 軍3,侯 率3,王式功2*,陳凱奇4,李 慧5,張云海1,周德平1,王揚鋒1

(1.中國氣象局沈陽大氣環境研究所,遼寧 沈陽 110016；2.成都信息工程大學大氣科學學院,四川 成都 610025；3.中國醫科大學附屬第四醫院,遼寧 沈陽 110005；4.北京師范大學全球變化與地球系統科學研究院,北京 100875；5.蚌埠市第三人民醫院,安徽 蚌埠 233000)

采用時間序列的半參數廣義相加模型,在控制了長期趨勢、“星期幾效應”和氣象因素等混雜因素的基礎上,分析沈陽市大氣污染物及PM2.5中水溶性離子對呼吸系統疾病門診就診人數的影響,并按性別和年齡分層建模.結果表明: PM2.5及其各離子成分與呼吸系統疾病門診人數之間存在關聯,并有明顯的滯后效應.受冬季供暖燃煤排放影響,PM2.5、NO3-和NH4+呈顯著關聯,在滯后累積2d后風險最大.最佳滯后時間下,PM2.5的濃度每增加10μg/m3,對應呼吸系統疾病日門診就診人數增加百分比(ER)為1.31%(95%CI: 1.2%~1.43%);離子成分SO42-、NO3-、NH4+、Cl-、K+、Mg2+、Ca2+和Na+的濃度每增加1個4分位間距(IQR),對應的呼吸系統疾病日門診就診人數增加百分比(ER)分別為3.22%(95%CI: 2.81%~3.62%)、4.67%(95%CI: 4.13%~5.22%)、5.41%(95%CI: 4.49%~6.33%)、7.38%(95%CI: 3.91%~10.96%)、0.14%(95%CI: -6.34%~7.07%)、7.64%(95%CI: -11.87%~31.47%)、3.57%(95%CI: -2.83%~10.39%)和0.46%(95%CI: -16.64%~21.06%).PM2.5、Cl-、Mg2+、Ca2+和Na+對女性呼吸疾病門診人數的影響比對男性的影響大.PM2.5、SO42-、Cl-、Ca2+和Na+對365歲的老人門診人數的影響比對15~65歲勞動年齡人群的影響大.表明不同性別、不同年齡由于生理結構和環境因素的不同而引起的差異不同.

時間序列；水溶性離子；呼吸系統疾病；醫院門診就診人數；PM2.5

PM2.5的構成復雜,包括水溶性離子成分、碳質成分、金屬元素、有機物質和生物組分等.不同化學成分的顆粒物引起健康危害的類型和能力有所不同,水溶性離子是大氣顆粒物中的重要組成部分,其濃度變化與霾的發生有直接關系[1].深入了解大氣顆粒物化學組分對健康的影響已經成為目前研究的熱點和難點.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效應終點的研究,成為國內外學者研究的熱點之一[2].流行病學研究顯示不同大氣顆粒物及其化學成分跟肺癌、心肺疾病等多種健康效應相關.如美國Adventist Health Study of Smog (AHSMOG)隊列長達15a的分析發現長期暴露于PM10與男性肺癌死亡之間存在顯著正相關,PM10濃度>100μg/m3達43d的男性肺癌死亡相對危險度為2.38%(95%Cl: 1.42~3.97)[3].美國6城市的前瞻性隊列研究顯示,硫酸鹽顆粒濃度最高的城市(12.8μg/m3)死亡率的相對危險度是1.26 (95% CI 1.08~1.47)[4];硫酸鹽濃度從第5百分位上升到第95百分位(即濃度上升5916ng/m3),人群每日總死亡率上升3.0%[5].Willis等[6]又對6城市數據做進一步分析,指出長期暴露的硫酸鹽造成的全死因和心肺疾病超額死亡要遠高于之前的結果.張瑩等[7-8]發現北京市PM10在滯后2d或4d使得呼吸呼吸系統疾病急診就診人數的相對危險度值達到最大,對應的危險度為1.0113 (95%CIL1.0049~1.0173).這些研究都從各個角度證明了不同城市,不同人群中的大氣細顆粒物污染與人群的呼吸系統疾病均呈正相關關系.

沈陽市是遼寧的省會城市,是東北老工業基地的重要組成部分.以往研究對大氣顆粒物的研究多關注PM10和PM2.5的影響,對于其中化學組分關注的不多.因此,本項目試圖以沈陽市大氣污染的特征與一所三甲醫院對呼吸系統疾病門診率的影響為切入點,調查沈陽市大氣污染物對相關呼吸系統疾病的影響.對全年的PM2.5進行高時間分辨率的在線采樣和分析,研究PM2.5及其中的水溶性離子成分對呼吸系統疾病的暴露-反應關系,為東北地區大氣顆粒物,尤其是大氣污染對人體健康影響的防治工作提供科學依據.

1 資料與方法

1.1 資料來源

1.1.1 疾病資料 呼吸系統疾病門診資料來源于綜合性三級甲等醫院中國醫科大學附屬第四醫院呼吸科的門診記錄,包括2015年12月1日~2016年12月31日的逐日門診就診資料,病例資料共計3027例.資料內容包括:就診ID號、性別、年齡、門診日期、疾病診斷、就診科室和家庭住址等信息.根據國際疾病分類標準第10版( ICD-10)[9],對疾病資料進行分類整理.本文以呼吸系統疾病(J00?J99)作為研究對象.其中,上感合計775例,占呼吸系統疾病的25.6%,包括上呼吸道感染(J06.901?904)、感冒(J00.02?04,J11.101)、咽(喉)炎(J02.001, J02.901?909, J06.001, J04.001?006, J31.201?204, J37.001?003).下感合計1341例,占呼吸系統疾病的44.3%,主要包括肺炎(J12, J15, J18)和支氣管炎(J20, J21, J40, J42).還有慢性阻塞性疾病(J43,J44)合計302例,占呼吸系統疾病的9.9%,支氣管擴張(J47)265例,哮喘(J45)237例,肺部腫物(J98)56例,肺心病(I26) 49例和鼻竇炎(J32)2例.根據患者家庭住址信息剔除非沈陽市居住的人群資料,以確保研究對象均來自當地的常居人 口.

1.1.2 大氣污染資料 來源于遼寧空氣質量實時發布的監測數據(http://211.137.19.74:8089/);包括2015年12月1日~2016年12月31日PM2.5的日均質量濃度數據;PM2.5中水溶性離子組分采用瑞士萬通公司生產的MARGA(ADI 2080)測量,時間分辨率為60min,檢測組分包括SO42-、NO3-、NH4+、Cl-、Na+、K+、Ca2+、Mg2+,最低檢測限分別為0.01、0.05、0.04、0.05、0.05、0.09、0.10、0.06μg/m3.

1.1.3 氣象資料 氣象資料來源于遼寧省氣象局氣象信息中心,包括2015年12月1日至2016年12月31日逐日氣象觀測資料(日平均氣溫、日平均氣壓和日平均相對濕度)等氣象要素.季節劃分采用氣象季節劃分方法,即上年12月~次年2月為冬季,3月~5月為春季,6月~8月為夏季,9月~11月為秋季.

1.2 統計方法

相對于總人口而言,每日呼吸系統疾病入院人次數是小概率事件,其實際分布近似Poisson分布[10],故本研究擬合基于Poisson分布的廣義相加模型(GAM)進行建模分析.采用R3.4.4統計分析軟件中的“mgcv”包進行建模分析,具體步驟如下:

首先建立核心模型,模型以呼吸系統疾病日門診人次數為響應變量,采用樣條平滑函數擬合時間序列資料中的非線性自變量.用GAM模型控制時間序列中氣象因素及中長期趨勢、季節性和其他時間依賴變量等混雜因素的影響后,分析大氣污染對日門診人數的影響.非線性自變量包括時間(time, time=1~396)、溫度和相對濕度.模型同時考慮溫度與濕度的滯后效應,選擇Akaike信息標準(AIC)[11]最小的溫度和濕度引入模型;同時引入的還有周日亞元變量(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滯后效應和累積效應.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(lag01~lag06)逐一引入模型,選擇AIC 最小的時間污染濃度代入模型,建立劑量-反應關系.污染物對疾病的影響存在一定的滯后效應.為找出污染物對疾病影響的最大效應,需分析疾病與不同滯后條件下污染物濃度之間的關系.由于呼吸系統疾病資料的分布為非正態分布,因此采用 Spearman’s秩相關分析方法分別建立多種污染物(PM2.5及其各水溶性離子)與呼吸系統疾病的關聯性.以呼吸系統疾病和污染物PM2.5為例,在相關分析過程中,考慮了PM2.5對呼吸系統疾病影響可能存在的滯后效應,包括污染物的單天滯后和累積效應.其中單滯后即滯后第1d、滯后第2d、滯后第6d(Lag1、Lag2、…Lag6).累積效應,即滯后01d、滯后 02d、…滯后06d(Lag01、Lag02、…Lag06),滯后01d表示當天的PM2.5濃度與前一天PM2.5濃度的平均值;滯后06d表示當天和前6d共計7d的PM2.5濃度平均值.最終分別建立不同滯后條件下(當天(Lag0)、Lag1、Lag2、Lag6、Lag01、Lag02、… Lag06)對應的PM2.5濃度與呼吸系統疾病的 Spearman’s相關性,選擇相關系數(s)最大的一天PM2.5濃度作為研究變量引入隨后建立的廣義相加模型.

具體模型見公式(1):

log[

E

(

Yk

)]=

s

(Time, d

f

)+

s

(

Zk

, d

f

) +

β

Xk

+as. factor

(DOW)+heat+a (1)

式中:Y為第日沈陽市呼吸系統疾病門診就診人數;(Y)為第日呼吸系統疾病急診就診人數的期望值;為非參數樣條平滑函數;Time為時間序列;Z為第日的某種氣象因素變量;d為自由度;為回歸系數;X為第日大氣污染物濃度,μg/m3;DOW為“星期幾”效應;heat為是否采暖期變量;為殘差.

根據GAM模型估算出空氣污染物的回歸系數,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Δ時,呼吸系統疾病門診就診人數的相對危險度(RR)的計算公式,參見式(2).

RR=exp(Δ

c

×

β

)×100% (2)

根據RR可以計算當污染物濃度增加Δ時,疾病就診人數增加百分比(ER%)及其95%的置信區間(CI)如公式(3、4)所示.

ER%=(RR-1)×100% (3)

ER%(95%CI)=[exp(Δ

c

×(

β

±1.95SE))-1] ×100% (4)

為研究污染物對不同性別及不同年齡人群健康的效應.本文對性別(男、女)、年齡(0~15歲,15~64歲,365歲)進行分層,對污染物的健康效應進行分層分析.模型靈敏度檢驗時,觀察單污染物模型穩健性;進行污染物滯后效應和累積效應比較,分析污染物效應穩健性.

2 結果分析

2.1 大氣污染物PM2.5及其中重要水溶性離子的濃度分布

表1 2016年沈陽市氣象因素,PM2.5及其水溶性離子濃度(μg/m3)

研究期間主要污染物PM2.5及重要水溶性離子濃度的日平均值情況見表1.沈陽地區的PM2.5、SO42-、NO3-、NH4+、Cl-日均濃度的平均水平分別為54.73,11.61,8.71,6.16和2.08μg/m3.其余離子濃度較低.SO42-的濃度高于NO3-和NH4+的濃度.根據《環境空氣質量標準》可知PM2.5超出二級標準43.8%.根據此標準,AQI全年輕度污染(AQI3101)及以上的天數全年共82d.其中嚴重污染(AQI3300)全年有3d,重度污染(201

2.2 呼吸系統疾病門診的日就診人數分析

表2 沈陽市居民患呼吸系統疾病日門診情況匯總(人/d)

研究期間研究地區呼吸系統疾病日門診平均人數一般情況見表2.研究期間和研究區域內呼吸系統疾病總門診人數是3027人,其中女性患者1574人,男性患者1453人,男性人數略低于女性人數.年齡結構中15~65歲患者人數最多,為1961人,占總門診人數的51.9%.其次是365歲的老人,為1036人,占總門診人數的34.2%.從季節變化上看,各年齡段患者人數非常一致,均為冬季最高,其次是春季,夏季最少.

2.3 污染物濃度與氣象因素的相關性分析

由表3可見,PM2.5與其中各水溶性離子成分之間存在顯著的正相關,相關性都很強,均通過0.01顯著性水平性檢驗.其中PM2.5與其中各水溶性離子相關性都很強,SO42-、NO3-與NH4+之間的相關性也非常強,表明其來源具有相似性.Cl-與三者相關性稍弱一些,與SO42-的相關性高于另外2種離子成分.表明它的來源與SO42-的來源更為相似.氣象因素中對污染物濃度影響最大的是氣溫.除NO3-外,各污染物與氣溫呈顯著的負相關關系,均通過0.01顯著性檢驗.氣溫越高,污染程度呈現越低的趨勢.除個別離子外,相對濕度、氣壓和風速與水溶性離子之間有較強的相關性,大部分通過0.01顯著性檢驗.

表3 沈陽市大氣污染物濃度與氣象因素的Spearman相關系數

注:**相關性通過=0.01顯著水平檢驗(雙尾);*相關性通過=0.05顯著水平檢驗.

2.4 沈陽市大氣污染對呼吸系統疾病門診率影響的分析

2.4.1 全人群門診就診人數的變化對疾病的健康效應 在GAM模型中,探討不同滯后時間條件下污染物濃度與呼吸系統疾病日門診就診人數的關聯,結果如圖1所示.可以看出,PM2.5及其成分對呼吸系統疾病的影響存在著滯后效應和累積效應.PM2.5、NO3-、NH4+和K+在滯后累積2d(Lag01)的移動平均值與呼吸系統疾病門診就診人數關聯的 ER 值最大,SO42-和Cl-在滯后累積3d(Lag02)、Mg2+和Ca2+在滯后累積4d(Lag03)、Na+在滯后累積5d(Lag04)的移動平均值與呼吸系統疾病門診就診人數關聯的ER值最大.

表4顯示的是不同污染物條件下沈陽市呼吸系統疾病門診人數的ER值和95%的置信區間以及ER值最顯著時出現的時間(最佳滯后日).PM2.5的ER值表示濃度每增加10μg/m3呼吸系統疾病門診就診人數增加的百分比.各離子成分的ER值表示離子濃度每增加1個4分位間距(IQR從第25百分位上升到第75百分位),呼吸系統疾病門診就診人數增加的百分比.PM2.5、NO3-、NH4+對門診人數影響所關聯的ER值均通過顯著性檢驗(=0.01),Cl-通過=0.05顯著性檢驗,均具有統計學意義.

最佳滯后時間下,PM2.5的濃度每增加10μg/m3,對應的呼吸系統疾病日門診就診人數增加百分比(ER)為1.31%(95%CI: 1.2%~1.43%).離子成分SO42-、NO3-、NH4+、Cl-、K+、Mg2+、Ca2+和Na+的濃度每增加1個IQR,對應的呼吸系統疾病日門診就診人數增加百分比(ER)分別為3.22%(95%CI: 2.81%~3.62%)、4.67%(95%CI: 4.13%~5.22%)、5.41% (95%CI: 4.49%~6.33%)、7.38%(95%CI: 3.91%~ 10.96%)、0.14%(95%CI: -6.34%~7.07%)、7.64% (95%CI: -11.87%~31.47%)、3.57%(95%CI: -2.83%~ 10.39%)和0.46%(95%CI: -16.64%~ 21.06%).所有成分中,Mg2+的ER值是最高的,其次是Cl-,然后是NH4+、NO3-、Ca2+和SO42-,Na+和K+的ER值最低.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中.

圖1 沈陽市污染物日均濃度每增加10μg/m3(1個IQR),呼吸系統疾病門診數在不同滯后條件下增加百分比(ER%)及95%的置信區間(95%CI)

表4 在最佳滯后日,污染物濃度每增加10μg/m3或1個IQR,呼吸系統疾病門診就診人數增加百分比(ER%)及95%的置信區間(95%CI)統計表

注:=0.001(**), 0.01(*),0.05(?).

2.4.2 不同性別和不同年齡人群門診就診人數的變化對疾病的健康效應 表5顯示的是不同性別和不同年齡人群污染物濃度升高與沈陽市呼吸系統疾病門診就診人數變化的關聯.PM2.5對女性和365歲的老人影響比對男人和15~65歲勞動年齡人口略高,濃度每升高10μg/m3,對應的呼吸系統疾病門診人數分別上升0.77%和0.66%.女性是在累積滯后第5d(lag04)的滑動平均值影響最大,365歲老人在第2d(lag01)影響最大.

就不同性別而言, PM2.5、Cl-、Mg2+、Ca2+和Na+對女性的影響比對男性的影響大.尤其是Cl-,濃度上升1個IQR(即濃度上升2.47μg/m3),對應的呼吸系統疾病門診人數上升7.39%,是男性的2.3倍,但發病的滯后時間比男性長,累積滯后第3d(lag02)門診率最高.而男性是當天(lag0)最高.SO42-、NO3-和NH4+對男性的影響最為顯著,高于女性及總人數.其關聯的ER值為分別為4.92%、4.27%和2.77%,分別在累積第4d(lag03)、第2d和滯后第7d(lag6)門診率最高.

對不同年齡人群而言,污染物對呼吸系統疾病在不同年齡段發病率影響均有差異.因為<15歲的人群多去兒童醫院就診的緣故,來本研究醫院就診的人群數少,統計沒有太大意義,故未統計.對于365歲的老人人群而言,PM2.5、SO42-、Cl-、Ca2+、Na+對其門診人數的影響大,關聯的ER值高于15~65歲人群,分別為0.66%、5.12%、5.75%、4.78%和6.11%,在滯后累積2d(lag01)、第3d(lag02)、滯后第2d (lag1) 和滯后第7d (lag6)對門診人數的影響最大.而對于15~65歲人群,NO3-、NH4+、K+和Mg2+對門診人數的影響非常大.

表5 最佳滯后日時污染物濃度每增加10μg/m3(1個IQR),不同性別和年齡段的呼吸系統疾病門診就診人數增加百分比(ER%)及 95%的置信區間(95%CI)統計表

注:=0.001(**), 0.01(*), 0.05(?).

3 討論

大量流行病學研究顯示大氣顆粒物(PM) 污染與人群發病率和死亡率上升有關,尤其是呼吸系統疾病和心腦血管疾病[12-13].水溶性無機離子是PM2.5的最主要的組分,其中的SO42-、NO3-、NH4+(SNA)是人類排放的氣體轉化而成的二次粒子,占離子成分的比例很高.因此本研究對PM2.5及其水溶性離子成分的健康效應進行分析.本研究結果表明:

3.1 季節對呼吸系統疾病的影響

冬季是呼吸系統疾病的高發季節,不同性別、不同年齡人群門診人數的增加比其它季節都高.可能是因為寒冷季節極易誘發肺炎、上呼吸道感染、也激發支氣管哮喘病的發作.低溫、溫差較大等氣象因素是誘發呼吸系統門診增加風險的影響因素[14-15].另外,冬季取暖燃煤排放的污染物濃度高,也易引起各種呼吸系統疾病.如氣管炎的促發因素主要為氣溫下降使呼吸道小血管痙攣缺血引起的防御功能下降及煙霧粉塵、污染大氣等的慢性刺激.而哮喘的促發因素主要為大氣污染、其他劇烈運動、氣候轉變及多種非特異性刺激如吸入冷空氣等,冬季、春季都是它的高發季節.

3.2 PM2.5及其離子成分對呼吸系統疾病門診率的影響

PM2.5及其各水溶性離子成分之間存在很強的正相關,表明它們之間的來源具有相似性,對于污染的貢獻具有協同作用.氣象因素中,氣溫對污染影響程度最大.大氣顆粒物及其離子成分與氣象因素存在較強的相關性,表明氣象要素對它們有著很重要的影響.因此在研究大氣污染物對人體健康的影響時,應把它們作為重要的混雜因素加以考慮.

PM2.5及其離子成分對呼吸系統疾病的全人群門診率有重要影響.粒徑小于2.5μm的細顆粒(PM2.5),被吸入人體后會沉積到肺泡.存在于肺泡和氣道上皮表面的肺巨噬細胞在遇到PM2.5 時,將通過吞噬作用清理入侵的外來細顆粒物,而當顆粒物過多時,其主要成分具有抑制細胞分化和細胞代謝,刺激氣管和肺上皮細胞增生、致纖維化的作用[16]. Andrew等[17]研究發現,細顆粒物可通過刺激血小板生長因子(PDGF)與轉化生長因子-α,β(TGF-α,β)的產生,間接促進上皮和間質增生,引起氣道壁纖維組織增厚.因此,在呼吸道中的顆粒物可導致支氣管壁增厚、炎性細胞和膠原的增加,進入肺部的顆粒物會腐蝕肺泡壁,同時刺激肺部巨噬細胞釋放炎性介質,引起哮喘、肺炎、支氣管炎、慢性阻塞性肺病等[18].研究發現,滯后和累積幾天的值比當天的風險更高.Peer等[19]也發現,兒童呼吸急診的發病率高值是延遲幾天后出現的.正如所引用的其他分析一樣,目前尚不清楚較長的滯后關聯是由生物機制引起的,還是僅僅由于隨機變化所致.然而,由于炎癥和免疫抑制,接觸和加重感染之間可能會出現幾天的潛伏期,這是合理的.

各水溶性離子對門診人數影響的ER值很高,是PM2.5的近2.5~5.6倍.PM2.5、NO3-和NH4+對呼吸疾病很敏感,呈顯著關聯,在滯后累積2d后增加的風險最大.最佳滯后時間下,PM2.5的濃度每增加 10μg/m3,對應的呼吸系統疾病日門診就診人數增加百分比(ER)為1.31%(95%CI: 1.2%~1.43%).與廣州市2009年~2011年的門診人數相比[1.003 5(95%CI:1.001 2~1.016 4)][18],沈陽PM2.5的ER值對門診人數的增加影響更大.

在水溶性離子中,對ER值影響最大的是Mg2+,其次是Cl-.對門診人數影響的ER值分別高達7.64%和7.38%.Mg2+的來源與工業和土壤源有關,還和供暖鍋爐的脫硫工藝有關.沈陽的供暖鍋爐大部分采用氧化鎂脫硫[21].在供暖期,我們大氣成分監測站的MAGAR儀器在冬季供暖期經常可以發現Mg2+的小時高峰值出現,而且大多出現在清晨5:00,正是供暖鍋爐工作的時間.Cl-也是燃煤和燃燒的標識物,在東北的冬季它的濃度也比較高.因此,沈陽冬季的供暖燃煤燃燒排放會對呼吸疾病的門診人數影響很大.顆粒物因其組分的差異,對細胞的毒性作用也不同.金屬元素雖然占比較小,但由于具有不可降解、生物富集、持久毒性等特點,是PM2.5中不可忽視的毒性組分. Mg2+對眼、上呼吸道和皮膚有刺激性.過量吸入可引起咳嗽、胸痛等.Cl2主要通過呼吸道和皮膚粘膜使人體發生中毒.當空氣中Cl2的濃度達0.04~0.06毫克/升時,30~60分鐘即可致嚴重中毒,如空氣中Cl2的濃度達3mg/L時,則可引起肺內化學性燒傷而迅速死亡.由我們的分析結果也能看出,Mg2+和Cl-對呼吸疾病門診率的影響很大.

沈陽PM2.5中的二次污染成分SO42-、NO3-、NH4+(SNA),主要來源于燃煤及汽車尾氣排放的SO2和NO2的氣-粒轉化,占總離子濃度的比例非常高,對門診人數的影響ER值分別為3.22%、4.687%和5.41%,其對呼吸系統疾病門診率的影響也很大.相關研究發現,硫酸鹽、硝酸鹽與多種健康結局相關.Ostro等[22]從加利福尼亞州2000~2003年的資料中發現,SO42-、NO3-離子濃度每上升5.7~1.5μg/m3, 19歲以下兒童的呼吸系統疾病入院率分別上升3.3%和3.0%.正常機體內,氧化和抗氧化系統是處于一種動態的平衡狀態,當自由基產生過多會打破平衡關系,對機體造成損傷,而ROS(活性氧自由基)是使機體氧化損傷的重要物質,其含量常常反映機體內氧化損傷的程度.另外,顆粒物進入肺部后,還可通過影響細胞分泌物和相關基因的表達導致體內ROS的失衡.目前已知許多急、慢性呼吸系統疾病,如肺氣腫、慢性阻塞性肺疾病(COPD)、支氣管哮喘、急性肺損傷(ALI)和急性呼吸窘迫綜合征等,其發病機制均與氧化應激有關,這就是氧化應激損傷假說[18].另外一種目前被普遍認可的假說是炎癥介質假說.炎癥是機體對于刺激的一種自動防御反應. 1995年, Seaton等[23]提出,大氣顆粒物中的超細粒子所引起的肺泡炎癥反應,可以改變血液凝固性,增加心血管疾病和呼吸道疾病的患病率.Guan等[24]的研究發現,細胞存活率與顆粒物中SO42-、NH4+、Cl-、Al、Ti、As和Zn的含量均呈負相關,ROS表達量則與顆粒物中Fe、Cr、Mn、Ni、Cu、As和Zn的含量均呈正相關.馬瓊錦等[25]的研究表明PM2.5中可溶性離子含量NO3-與染毒大鼠肺灌洗液中相關炎癥指標如乳酸脫氫酶(LDH)、白介素-6(IL-6)、腫瘤壞死因子(TNF-a)和細胞總數都呈顯著正相關關系,即對于大鼠肺部的炎癥反應起到了促進性的作用,而SO42-同樣顯示與這些指標有正相關性.然而,SNA二次無機氣溶膠對呼吸疾病門診率的影響但卻沒有上述Mg2+和Cl-2種離子顯著.較多的研究顯示二次無機氣溶膠在實驗室條件下只能產生低毒性[26]. Grahame等[26]認為,二次無機氣溶膠的生物學效應主要因為酸性而非顆粒物的陰離子,因此,有害的健康效應成分應該是硫酸、硫酸氫銨和硝酸那些強酸性物質,它們損害肺泡巨噬細胞的功能,包括活性、表面黏附力、流動性、細胞內pH值、以及活性氧和某些細胞因子(例如,TNFα、IL-1α等)的產生和釋放.

3.3 PM2.5及其離子成分對不同性別和不同年齡人群門診就診人數的影響

呼吸系統疾病門診就診男性人數略低于女性人數.年齡結構中15~65歲患者人數最多,為1961人,占總門診人數的51.9%.其次是365歲的老人,為1036人,占總門診人數的34.2%. 2016年,沈陽市戶籍人口為730.4多萬人,其中365歲的老人戶籍人口達178.4萬人,占總戶籍人口的24.42%,15~59歲勞動年齡人口占65.24%(遼寧省統計局).按人口比例看,365歲的老人就醫比例高于15~59歲的勞動年齡人口.其原因可能是跟自身免疫系統、環境因素有關.從季節變化上看,各年齡段患者人數非常一致,均為冬季最高,其次是春季,夏季最少.

PM2.5、Cl-、Mg2+、Ca2+和Na+對女性的影響比對男性的影響大.尤其是Cl-, ER值高達7.39%,累積滯后第3d門診人數達最高.可能是由于女性的生理結構和生活環境與男性有區別,相對于男性來說,女性對這些污染物是易感人群,受污染物影響的潛在危險比男性大.但發病的滯后時間往往比男性長,累積時間越長,對女性的傷害越大.PM2.5、SO42-、Cl-、Ca2+、Na+對于365歲的老人人群比對15~65歲勞動年齡人群的影響大.365歲的老人年齡漸高,身體的各項機能處于退化之中,身體系統防御功能、免疫功能都比較差,對污染物的敏感性比青壯年高得多,隨呼吸進入機體的病毒、細菌等有害物質容易使人患病.NO3-、NH4+和K+對男性和15~65歲人群的影響最為顯著.一般發病時間比女性要短,可能因為男性肺功能比女性強,呼吸進入的污染物越多,發病滯后時間越短,另外,15~65歲年齡的人群大多處于工作狀態,暴露在污染中時間比老人長,吸入的污染物也多,所以影響比365歲老人顯著.

然而,值得注意的是,這里統計的雖然是某個離子成分對健康的影響,但實際上每個離子成分個體的影響仍很難確定.因為每個成分都有多個共同的來源,一個成分觀測到的影響可能是具有類似來源的成分共同影響的結果,并且同一種成分也會有不同的來源.如SO42-是化石燃料燃燒的源,但同屬這個源釋放的還有NO3-和NH4+等,而NO3-即可能是來自化石燃料燃燒又可能來自汽車尾氣排放導致.所以,關于PM2.5離子成分對健康影響的數據可能不能夠代表明確的來源分配,它可能是同源污染共同影響的結果.

4 結論

確定了PM2.5及其各離子成分與呼吸系統疾病門診人數之間的聯系,特別是Mg2+和Cl-,對門診人數影響的ER值分別高達7.64%和7.38%.但它們在呼吸系統疾病病因學上尚難以解釋.PM2.5、NO3-和NH4+對呼吸疾病很敏感,呈顯著關聯,在滯后累積2d后增加的風險最大.這些都證明了沈陽冬季的供暖燃煤排放會對呼吸疾病的影響很大. PM2.5、Cl-、Mg2+、Ca2+和Na+對女性呼吸疾病門診人數的影響比對男性的影響大.尤其是Cl-, ER值高達7.39%,累積滯后第3d門診人數達最高.PM2.5、SO42-、Cl-、Ca2+、Na+對于365歲的老人人群比對15~65歲勞動年齡人群的影響大.表明不同性別、不同年齡由于生理結構和環境因素的不同而引起的差異不同.

[1] Sun Y L, Wang Z F, Du W, et al. Long-term real-time measurements of aerosol particle composition in Beijing, China, seasonal variations, meteorological effects, and source analysis [J].Atmospheric Chemistry physics, 2015,15(17):10149-10165.

[2] Raaschou-Nielsen O, Andersen Z J, Beelen R, et al.Air pollution and lung cancer incidence in 17European cohouts: prospective analyses from the European Study of Cohorts for Air Pollution Effects (ESCAPE) [J]. Lancet Oncology, 2013,14(9):813-822.

[3] Abbey D E, Nishino N, McDonnell W F,et al.Long-term inhalable particles and other air pollutants related to mortality in nonsmokers [J]. American Jorunal Respiratory and Critcal Care Medicine, 1999,159(2): 373-382.

[4] Dockery W, Pope C A, Xu X P, et al. Anassociation between air- pollution and mortality in 6United-States Cities [J] .The New England Jorunal Medicine, 1993,329(24):1753-1759.

[5] Laden F, Neas L M, Dockery D W, et al. Association of fine particulate matter from different sources with daily mortality in six US cities [J]. Environmental Health Perspectives, 2000,108(10):941-947.

[6] Willis A, Jerrett M, Burnett R T, et al. The association between sulfate air pollution and mortality at the county scale: an exploration of the impact of scale on a long-term exposure study [J]. Journal of Toxicology Environmental Health, Part A, 2003,66(16-19):1605- 1624.

[7] 張 瑩,寧貴財,康延臻,等.北京市大氣污染物與呼吸系統疾病入院人數的時間序列[J].蘭州大學學報, 2015,51(1):87-92.

[8] 張 瑩,邵 毅,王式功,等.北京市空氣污染物對呼吸系統疾病門診人數的影響[J].中國環境科學, 2014,34(9):2401-2407.

[9] 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.

[10] Morgan G C. The effects of low level air pollution on daily mortality and hospital admissions in Sydney, Australia, 1994 to 2000 [J]. Epidemiology, 2003,14(1):111?112.

[11] 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]. American. Journal of Epidemiology, 2002,156:193-203.

[12] Dockery D W, Pope C A, Xu X P, et al. An association between air-pollution and mortality in 6United-States Cities [J]. The New England Jorunal Medicine, 1993,329(24):1753-1759.

[13] Nel A. Air pollution-related illness: effects of particles [J]. Science, 2005,308(5723):804-806.

[14] 張 千,周 連,紀 琴,等.南京市江寧區2010年氣象因素對SO2等大氣污染物濃度的影響[J].江蘇預防醫學, 2012,23(4):13-16.

[15] 李國星,陶 輝,劉利群,等.PM10與表觀溫度交互作用對北京市某醫院呼吸系統疾病急診的影響[J]. 環境與健康雜志, 2012,29(6): 108-111.

[16] 岳常麗,劉紅剛.空氣細顆粒物(PM2.5)及其致病性的研究現狀[J]. 臨床與實驗病理學雜志, 2009,25(4):437-400.

[17] Andrew C, Michael B, Maria A C, et al.Chronic exposure to high levels of particulate air pollution and small airway remodeling [J]. Environmental Health Perspectives, 2003,111(5):714–718.

[18] 杜鵬瑞,杜 睿,任偉珊.城市大氣顆粒物毒性效應及機制的研究進展[J]. 中國環境科學, 2016,36(9):2815-2827.

[19] Peel J L, Tolbert P E, Klein M, et al. Ambient air pollution and respiratory emergency department visits [J]. Epidemiology, 2005,16(2): 164–174.

[20] 馬關培,鄒寶蘭,許振成,等.廣州市某區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.

[21] 何 平,李樹生,朱維群,等.濕法脫硫如何導致大面積霧霾[J]. 科學與管理, 2017,37(6):7-11.

[22] Ostro B, Roth L, Malig B, et al. The effects of fine particle components on respiratory hospital admissions in children [J]. Environmental Health Perspectives, 2009,117(3):475-480.

[23] Seaton A, Macnee W, Donaldson K. et al. Particulate air pollution and acute health effects [J]. Lancet, 1995,345(8943):176-178.

[24] Guan L F, Rui W, Bai R, et al. Effects of size-fractionated particulate matter on cellular oxidant radical generation in human bronchial epithelial BEAS-2B cells [J]. International Journal of Environmental Research & Public Health, 2016,13(483):1-14.

[25] 馬瓊錦,東春陽,楊 凌,等.上海二城區大氣細顆粒物對大鼠肺泡灌洗液炎癥指標的影響[J]. 環境與職業醫學, 2014,31(3):161-165.

[26] Grahame T, Schlesinger R. Evaluating the health risk from secondary sulfates in eastern North American regional ambient air particulate matter.Inhalation Toxicology, 2005,17(1):15-27.

[27] Schlesinger R B,Cassee F. Atmospheric secondary inorganic particulate matter: the toxicological perspective as a basis for health effects risk assessment [J]. Inhalation Toxicology, 2003,15(3):197-235.

Effect of the association between PM2.5and its water-soluble ions and hospital outpatient visits for respiratory diseases in Shenyang City.

HONG Ye1, ZHANG Ying2, MA Yan-jun1, ZHANG Jun3, HOU Shuai3, WANG Shi-gong2*, CHEN Kai-Qi4, LI Hui5, ZHANG Yun-hai1, ZHOU De-ping1, WANG Yang-feng1

(1.Institute of Atmospheric Environment, China Meteorological Administration, Shenyang 110016, China；2.Collage of Atmospheric Sciences, Chengdu University of Information Technology, Chengdu 610025, China；3.The Fourth Affiliated Hospital of China Medical University, Shenyang 110005, China；4.College of Global Change and Earth System Science, Beijing Normal University, Beijing 100875, China；5.The Third the People’s Hospital of Bengbu, Bengbu 233000, China)., 2018,38(12)：4697~4705

A semi-parametric generalized additive model (GAM) was used to analyze the exposure-effect relationship between PM2.5and its water-soluble (WS) ions and daily respiratory hospital outpatient visits from 2015 to 2016 in Shenyang after a complex control of the long-term trend, the “day of the week” effect, and the meteorological parameter. The layering model was established for people with different sexes and ages. The results showed that PM2.5and its WS ions had a lag correlation with daily outpatient visits. Due to the coal burning emissions in winter, PM2.5, NO3-and NH4+had a significantly positively correlative with outpatient visits. With the largest correlation coefficient of 2- days lags (avg01). Under the optimal lagging time, the excess risk (ER%) of daily outpatients was increased by 1.31% with a 95% confidence interval (CI) of 1.2%~1.43% when PM2.5concentration increased 10μg/m3. As ionic concentrations of SO42-, NO3-, NH4+, Cl-, K+, Mg2+, Ca2+and Na+increased by 1interquartile range (IQR), the ER% of daily outpatients increased by 3.22% (with 95%CI: 2.81%~3.62%), 4.67%(4.13%~5.22%), 5.41%(4.49%~6.33%), 7.38%(3.91%~10.96%), 0.14% (-6.34%-7.07%), 7.64% (-11.87%-31.47%), 3.57%(-2.83%-10.39%) and 0.46%(-16.64%-21.06%), respectively. PM2.5, Cl-, Mg2+, Ca2+, and Na+had a greater effect on the number of respiratory disease female outpatients than on male ones. Compared with the population aged between 15 and 65, PM2.5, SO42-, Cl-, Ca2+and Na+exerted a greater effect on the elderly population aged 65 and above. This indicated that there was difference among population of different sexes and ages due to the divergence in physiological structure and environmental factors.

time-series；water-soluble ions；respiratory diseases；hospital outpatient visits；PM2.5

X513

A

1000-6923(2018)12-4697-09

洪 也(1969-),女,遼寧沈陽人,副研究員,碩士,主要從事大氣環境方面研究.發表論文10余篇.

2018-05-08

中國氣象局沈陽大氣環境研究所中央級公益性科研院所基本科研業務費資助項目(2017SYIAEMS6);國家重點研發計劃(2017YFC0212301),中國科學院大氣物理研究所大氣邊界層和大氣化學國家重點實驗室開放課項目(LAPC-KF-2017-02);中國氣象局預報預測核心業務發展專項(CMAHX 20160307);遼寧省氣象局科學技術研究課題(201502);國家自然科學基金資助項目(41375146)

* 責任作者, 教授, wangsg@lzu.edu.cn