大氣顆粒物（PM2.5 和PM10）與浦東新區居民慢性阻塞性肺疾病死亡的相關性研究

陳亦晨，李小攀，孫良紅，陳涵一，曲曉濱，張格，陳華，周弋，林濤，孫喬

隨著社會經濟的發展，空氣污染已成為全世界共同面對的嚴重公共衛生問題，嚴重危害著居民的健康并導致了沉重的疾病負擔［1-2］。大氣顆粒物是大氣污染物的重要組成部分，近年來其與呼吸系統疾病急性發作以及致死的關聯不斷得到闡釋［3-4］。浦東新區是上海市第二大市轄區，目前已建立起較為完備的社區慢性病報告及隨訪管理診療體系，轄區內慢性阻塞性肺疾病患者的生存狀況愈發受到關注［5-6］。為了解大氣顆粒物（PM2.5、PM10）短期暴露與浦東新區居民慢性阻塞性肺疾病死亡的相關性，本研究收集2013—2017 年氣象、大氣污染物與慢性阻塞性肺疾病死亡資料進行分析，現報道如下。

本研究局限性：

（1）因目前資料限制，本研究僅將根本死因為慢性阻塞性肺疾病的死亡病例納入研究，無法說明整個浦東新區轄區內龐大的慢性阻塞性肺疾病患病人群受大氣顆粒物影響的情況；（2）本研究利用基于Poisson分布的廣義相加模型對大氣顆粒物對居民慢性阻塞性肺疾病死亡影響進行探討，在對污染物效應的滯后性與累積性的分析上存在局限性。在后續研究中，將進一步利用浦東新區已建立起的完備的慢性病患者隨訪體系，以慢性阻塞性肺疾病患者為研究對象，收集患病人群就診情況以及死亡情況，進一步探討大氣顆粒物濃度對該人群慢性阻塞性肺疾病發作以及不同原因死亡之間的相關性，擴大研究的涵蓋范圍，提升對防治措施的參考價值；分布滯后非線性模型是目前國內外用于探討氣象及大氣污染等因素對居民健康影響的滯后效應以及累積效應常用的較新穎的模型，后續研究中將嘗試引入該模型，進一步分析大氣顆粒物對居民慢性阻塞性肺疾病死亡影響的滯后性與累積性。

1 資料與方法

1.1 資料來源 2013-01-01 至2017-12-31 浦東新區居民逐日慢性阻塞性肺疾病死亡資料來源于居民死因監測數據庫，參考國際疾病分類第10 版（ICD-10）編碼，慢性阻塞性肺疾病死因編碼范圍包括J40～J47。同時期的上海市大氣污染物（PM2.5、PM10、SO2、NO2）數據來源于上海市環境監測中心，氣象因素（氣溫、相對濕度、大氣壓、風速）資料來源于浦東新區氣象局的浦東新區監測資料。

1.2 研究方法 為探究大氣顆粒物（PM2.5、PM10）對不同人群的影響，本研究對死亡病例根據其年齡（低齡為＜80 歲，高齡為≥80 歲）以及學歷（低學歷為中學以下，高學歷為中學及以上）進行分層分析。居民每日因慢性阻塞性肺疾病死亡相對于暴露人群屬于小概率事件，故可以認為其分布近似于Poisson 分布。本研究采用Poisson 分布廣義相加模型，分析大氣顆粒物（PM2.5、PM10）與居民每日慢性阻塞性肺疾病死亡的相關性，并且根據不同年齡、學歷分別建立模型。具體公式如下：Log［E（Yt）］=α+βZt+s（time，df）+s（Xt，df）+DOW。其中Yt 為觀察日（t）當天慢性阻塞性肺疾病死亡人數，E（Yt）為觀察日（t）當天慢性阻塞性肺疾病死亡人數的期望值，符合Poisson 分布；α 為截距；β 為大氣污染物濃度的回歸系數；Zt 為觀察日（t）當天大氣顆粒物（PM2.5、PM10）濃度；s 為非參數平滑函數；time 為時間序列，用于控制長期趨勢與周期效應；df 為非參數平滑函數的自由度；Xt 為可能產生影響的日均氣溫、相對濕度等混雜因素；DOW 為啞變量，用于控制星期幾效應，通過廣義交叉驗證（GCV）自動選擇模型的自由度。

為探討大氣顆粒物（PM2.5、PM10）對浦東新區居民慢性阻塞性肺疾病死亡影響的滯后性與累積性，本研究構建單污染物模型，居民慢性阻塞性肺疾病死亡當日及前1、2、3 d 大氣顆粒物（PM2.5、PM10）濃度以及死亡當日與前1、2、3 d 大氣顆粒物（PM2.5、PM10）平均濃度，分別以lag0、lag1、lag2、lag3、lag03 表示；由于其他大氣污染物（SO2與NO2）與大氣顆粒物（PM2.5與PM10）可能存在協同作用以及拮抗作用，本研究在單污染物模型分析的基礎上，選取效應最強的滯后時間的單污染物模型，進一步控制同期SO2以及NO2的影響，構建多污染物模型分析大氣顆粒物（PM2.5、PM10）對居民慢性阻塞性肺疾病死亡的影響。

1.3 統計學方法 采用R 3.4.2 軟件進行統計分析，采用mgcv 程序包構建廣義相加模型。正態分布計量資料以（±s）表示，非正態分布計量資料以M（P25，P75）表示，大氣污染物與氣象因素之間的相關性分析采用Spearman 秩相關分析，大氣顆粒物（PM2.5、PM10）效應的測量采用超額危險度（ER），即大氣顆粒物（PM2.5、PM10）每上升或下降10 μg/m3，居民慢性阻塞性肺疾病死亡增加或減少的百分比。以P＜0.05 為差異有統計學意義。

2 結果

2.1 基本情況 2013—2017 年浦東新區慢性阻塞性肺疾病死亡總數為9197 例，日均死亡（5.04±2.69）例，其中低齡2436 例〔26.49%，日均死亡（1.33±1.21）例〕，高齡6761 例〔73.51%，日均死亡（3.70±2.24）例〕；低學歷6477 例〔70.43%，日均死亡（3.55±2.20）例〕，高學歷2720 例〔41.99%，日均死亡（1.49±1.27）例〕。2013—2017 年上海市大氣污染物中PM2.5日均濃度為41.00（26.00，63.00）μg/m3，PM10日均濃度為56.00（40.00，82.00）μg/m3，SO2日均濃度為13.00（10.00，19.00）μg/m3，NO2日均濃度為41.00（30.00，56.00）μg/m3，其中SO2符合《環境空氣質量標準：GB 3095-2012》［7］污染物濃度限值的一級標準，NO2、PM2.5、PM10均超過二級標準濃度限值。2013—2017 年浦東新區日均氣溫為18.29（9.79，24.05）℃，日均相對濕度為75.69%（66.63%，83.13%），日均大氣壓為1015.87（1008.54，1023.10）hPa，日均風速為1.38（1.01，1.82）m/s。

2.2 相關性分析 PM2.5與PM10、SO2、NO2、大氣壓呈正相關，與氣溫、相對濕度、風速呈負相關（P＜0.05）；PM10與SO2、NO2、大氣壓呈正相關，與氣溫、相對濕度、風速呈負相關（P＜0.05）；SO2與NO2、大氣壓呈正相關，與氣溫、相對濕度、風速呈負相關（P＜0.05）；NO2與氣溫、相對濕度呈負相關，與大氣壓、風速呈正相關（P＜0.05）；氣溫與相對濕度呈正相關，與大氣壓呈負相關（P＜0.05）；相對濕度與大氣壓、風速呈負相關（P＜0.05，見表1）。

2.3 單污染物模型分析 在控制了長期趨勢、季節效應、周期效應及星期幾效應的基礎上，將氣象因素納入模型，根據赤池信息量準則（AIC），選擇最優模型，最終確定納入模型進行控制的氣象因素包括氣溫、相對濕度、大氣壓、風速。結果顯示，PM2.5在lag0、lag1、lag2、lag03 時間點上效應顯著（P＜0.05），在lag3 時間點上效應不顯著（P＞0.05）；PM10在lag0、lag1、lag2、lag3、lag03 時間點上效應顯著（P＜0.05，見表2）。

表12013—2017 年浦東新區大氣污染物與氣象因素相關性分析（rs值）Table 1 The result of Spearman's correlation coefficient between air pollutant and meteorology data in Pudong New Area of Shanghai，2013—2017

年齡分層顯示：對于低齡人群，PM2.5、PM10在lag0、lag1、lag2、lag3、lag03 時 間 點 上 效 應 不 顯 著（P＞0.05）。 對 于 高 齡 人 群，PM2.5在lag0、lag1、lag2、lag03 時間點上效應顯著（P＜0.05），在lag3 時間點上效應不顯著（P＞0.05）；PM10在lag0、lag1、lag2、lag3、lag03 時間點上效應顯著（P＜0.05，見表2）。

學歷分層顯示：對于低學歷人群，PM2.5、PM10在lag0、lag1、lag2、lag03 時間點上效應顯著（P＜0.05），在lag3 時間點上效應不顯著（P＞0.05）。對于高學歷人群，PM2.5在lag1 時間點上效應顯著（P＜0.05），在lag0、lag2、lag3、lag03 時間點上效應不顯著（P＞0.05）；PM10在lag1、lag03 時間點上效應顯著（P＜0.05），在lag0、lag2、lag3 時間點上效應不顯著（P＞0.05，見表2）。

2.4 多污染物模型分析 將單污染物模型中效應最強的滯后時間的大氣顆粒物（PM2.5、PM10）與同期其他大氣污染物（SO2、NO2）濃度同時引入多污染物模型，其中低齡人群選用lag1，其他人群均選用lag03。結果顯示，在單獨控制SO2、NO2及同時控制SO2、NO2的情況下，PM2.5對全人群、低齡人群、高齡人群、低學歷人群、高學歷人群的效應均不顯著（P＞0.05）；在單獨控制SO2及同時控制SO2、NO2的情況下，PM10對全人群、低齡人群、高齡人群、低學歷人群、高學歷人群的效應均不顯著（P＞0.05）；在單獨控制NO2的情況下，PM10對全人群、低齡人群、低學歷人群、高學歷人群的效應均不顯著（P＞0.05）；在單獨控制NO2的情況下，PM10對高齡人群的效應顯著（P＜0.05，見表3）。

3 討論

慢性阻塞性肺疾病由于其高患病率、高病死率以及高致殘率，已受到全世界醫學界的廣泛關注，目前降低以慢性阻塞性肺疾病為代表的慢性呼吸系統疾病所導致的居民早死概率已被確定為“健康中國2030”的重要指標之一［8］。浦東新區是我國經濟發展的重點區域之一，轄區內工業企業密布，隨著社會經濟的發展，汽車保有量正不斷攀升，導致區域內大氣顆粒物（PM2.5、PM10）污染水平較高。因此，及早探明大氣顆粒物（PM2.5、PM10）對浦東新區居民慢性阻塞性肺疾病死亡的影響對區域內空氣污染治理策略的制定以及脆弱人群的保護工作有著重要的指導意義。

表2 單污染物模型大氣顆粒物（PM2.5、PM10）濃度每上升10 μg/m3 導致居民慢性阻塞性肺疾病死亡的ER 及95%CI（%）Table 2 ER and 95%CI of daily COPD mortality associated with 10 μg/m3 increase of particulate matters（PM2.5，PM10）using single-pollutant models in Pudong New Area of Shanghai，2013—2017

本研究利用Poisson 分布廣義相加模型，對2013—2017 年浦東新區大氣顆粒物（PM2.5、PM10）暴露與居民每日慢性阻塞性肺疾病死亡的相關性進行研究，結果顯示，PM2.5在lag0、lag1、lag2、lag03 時間點上效應顯著，在lag3 時間點上效應不顯著；PM10在lag0、lag1、lag2、lag3、lag03 時間點上效應顯著；提示大氣顆粒物（PM2.5、PM10）濃度可對浦東新區居民慢性阻塞性肺疾病逐日死亡產生顯著影響，與浙江省寧波市以及北京市的研究結果一致［9-10］。

目前，大氣可吸入顆粒物對居民健康的危害已引起社會廣泛關注。本研究結果顯示，浦東新區大氣顆粒物（PM2.5、PM10）在lag03 時間點上對于居民慢性阻塞性肺疾病死亡影響的效應最強，提示大氣顆粒物（PM2.5、PM10）對于慢性阻塞性肺疾病死亡具有明顯的滯后累積效應，北京市與寧波市的同類研究均觀察到類似現象［9-10］。多污染物模型分析結果顯示，在單獨控制SO2、NO2及同時控制SO2、NO2的情況下，PM2.5對全人群的效應不顯著；在單獨控制SO2及同時控制SO2、NO2的情況下，PM10對全人群的效應不顯著；在單獨控制NO2的情況下，PM10對全人群的效應不顯著；提示大氣顆粒物（PM2.5、PM10）與其他污染物之間存在較強的協同作用。相關性分析結果顯示，PM2.5與PM10、SO2、NO2、大氣壓呈正相關，與氣溫、相對濕度、風速呈負相關；PM10與SO2、NO2、大氣壓呈正相關，與氣溫、相對濕度、風速呈負相關；SO2與NO2、大氣壓呈正相關，與氣溫、相對濕度、風速呈負相關；NO2與氣溫、相對濕度呈負相關，與大氣壓、風速呈正相關；氣溫與相對濕度呈正相關，與大氣壓呈負相關；相對濕度與大氣壓、風速呈負相關；提示大氣污染物與氣象因素之間存在明顯的共線性。研究顯示，浦東新區大氣顆粒物（PM2.5、PM10）的主要有害成分包括苯丙芘等有機化合物及鐵等重金屬［11］。目前認為，大氣顆粒物（PM2.5、PM10）中重金屬顆粒引起的氧化應激及炎性反應是導致慢性阻塞性疾病加重的重要原因［12］，亦有研究顯示，顆粒物中的有機化合物與呼吸道急性感染存在相關性［13-14］。

為了解大氣顆粒物對不同人群的影響，本研究根據年齡進行了分層分析，單污染物模型分析結果顯示，對于低齡人群，PM2.5、PM10在lag0、lag1、lag2、lag3、lag03 時間點上效應不顯著。對于高齡人群，PM2.5在lag0、lag1、lag2、lag03 時間點上效應顯著，在lag3 時間點上效應不顯著；PM10在lag0、lag1、lag2、lag3、lag03 時間點上效應顯著。多污染物模型分析結果顯示，在單獨控制SO2、NO2及同時控制SO2、NO2的情況下，PM2.5對低齡人群、高齡人群的效應均不顯著；在單獨控制SO2及同時控制SO2、NO2的情況下，PM10對低齡人群、高齡人群的效應均不顯著；在單獨控制NO2的情況下，PM10對低齡人群的效應不顯著；在單獨控制NO2的情況下，PM10對高齡人群的效應顯著。提示大氣顆粒物（PM2.5、PM10）濃度上升，80 歲及以上高齡人群慢性阻塞性肺疾病死亡風險明顯上升，但對80 歲以下低齡人群無明顯影響，深圳市以及江蘇省無錫市也觀察到類似現象［15-16］，但與寧夏銀川市的報道存在明顯差異［17］，說明大氣顆粒物（PM2.5、PM10）對人群健康的影響存在地區差異。學歷分層的單污染物模型分析結果顯示，對于低學歷人群，PM2.5、PM10在lag0、lag1、lag2、lag03 時間點上效應顯著，在lag3 時間點上效應不顯著。對于高學歷人群，PM2.5在lag1 時間點上效應顯著，在lag0、lag2、lag3、lag03 時間點上效應不顯著；PM10在lag1、lag03 時間點上效應顯著，在lag0、lag2、lag3 時間點上效應不顯著。多污染物模型分析結果顯示，在單獨控制SO2、NO2及同時控制SO2、NO2的情況下，PM2.5對低學歷人群、高學歷人群的效應均不顯著；在單獨控制SO2及同時控制SO2、NO2的情況下，PM10對低學歷人群、高學歷人群的效應均不顯著；在單獨控制NO2的情況下，PM10對低學歷人群、高學歷人群的效應均不顯著。主要原因可能為高學歷人群能享受更好的生活及醫療條件，急癥發生后，可以獲得更好的救治；低學歷人群更多地從事戶外工作，因為社會經濟水平較差，防護意識也不及高學歷人群，更易受到大氣顆粒物（PM2.5、PM10）的危害。

表3 多污染物模型大氣顆粒物（PM2.5、PM10）濃度每上升10 μg/m3 導致居民慢性阻塞性肺疾病死亡的ER 及95%CI（%）Table 3 ER and 95%CI of daily COPD mortality associated with 10 μg/m3 increase of particulate matters（PM2.5，PM10）using multi-pollutant models in Pudong New Area of Shanghai，2013—2017

研究表明，大氣顆粒物（PM2.5、PM10）濃度的降低可有效降低居民非傷害死亡［18］。目前，隨著社會經濟發展以及產業結構的轉型，大氣污染正由煤煙型向復合型轉變，交通源大氣顆粒物（PM2.5、PM10）已成為城市大氣顆粒物（PM2.5、PM10）的主要來源之一，治理車輛交通污染，提倡新能源車、使用高質量的汽油、制定更高的排放標準顯得尤為重要［19］，浦東轄區內有高橋及洋山兩大港區，船舶的污染排放也應得到重視［20］；注重營養的改善及養成良好的生活行為習慣也可以降低大氣污染物的危害［21-22］。因此，在對環境治理的基礎上，應注重改善高危人群的行為與意識，國外空氣污染個人預警系統等新技術的應用，也為我國高危人群空氣污染危害的預防提供了新思路［23］。

綜上所述，大氣顆粒物（PM2.5、PM10）濃度上升對浦東新區居民慢性阻塞性肺疾病死亡產生顯著影響，高齡與低學歷慢性阻塞性肺疾病患病人群對大氣顆粒物（PM2.5、PM10）濃度變化更為敏感，應重點加強對敏感人群的大氣顆粒物（PM2.5、PM10）危害的保護措施。

作者貢獻：孫喬負責研究方向的確定；林濤負責論文內容的構思與設計以及質量控制；孫良紅、陳涵一、曲曉濱、張格、陳華負責資料收集以及慢性阻塞性肺疾病死因歸類編碼；李小攀負責數據分析與結果解釋；陳亦晨負責本論文的撰寫工作；周弋負責本論文的最終審校，并對本論文整體負責。

本文無利益沖突。