貴陽市大氣臭氧濃度與居民急救人次相關性分析

盧秀娟 張建華 江美琴 簡子海

（1 貴州省疾病預防控制中心 貴州 貴陽 550004）

（2 貴陽市疾病預防控制中心 貴州 貴陽 550000）

O3是光化學煙霧的主要有害成分，而近地面臭氧（O3），主要是由人們生產活動過程中排放的揮發性有機物（VOCs）和氮氧化物（NOx）等前體物在光輻射條件下經過復雜的光化學反應產生的，是城市大氣中典型的二次污染物[1]。大氣中O3濃度升高，可引起非意外死亡率、心血管疾病死亡率和呼吸系統疾病死亡率增加[2-5]。在對石家莊[6]、成都[7]、淄博[8]等城市的O3濃度與居民急救關系分析中發現O3濃度增加會導致居民呼吸系統疾病急救人次增加。

近年來，貴陽市大氣光化學污染問題日益突出，O3有成為該地區首要污染物的趨勢[9]。本次收集2018 年貴陽市全市急救、環保和氣象數據，分析大氣污染物O3-8h 濃度對居民總急救人次的影響，為今后的空氣污染管理和健康防護政策制定提供技術依據。

1.資料與方法

1.1 一般資料

收集2018 年1 月1 日—12 月31 日貴陽市全市急救個案數據（包括120 急救和999 急救），數據來源于貴陽市急救中心。急救就診個案包括患者性別、年齡、接診時間、接診時主要主訴、初步診斷等信息。同時收集貴陽市當日的氣象數據（每日平均氣溫、平均相對濕度）和大氣污染物資料（O3-8h、PM2.5、PM10、SO2、NO2）。

1.2 統計學方法

采用Excel 軟件對數據進行整理，SPSS20.0 軟件對數據進行描述性分析及計算變量間的簡單相關。以P＜0.05 為差異有統計學意義。采用R3.3.2 軟件的廣義相加模型分析O3與居民急救人次的相關性，并采用非參數平滑樣條函數擬合時間序列的長期趨勢和溫濕度影響。基本模型如下：

lgE（Yt）=βZt+s（time，ν）+s（temperature，ν）+s（humidity，ν）+DOW+Intercept。

其中，E（Yt）表示第t 日的急救人次，Zt 表示第t 日的污染物03-8h 濃度，β 表示回歸系數，采用非參數平滑樣條函數S 分別對時間趨勢（time）、溫度（temperature）和相對濕度（humidity）進行擬合；ν 自由度據偏自相關系數（PACF）最小的原則，時間自由度為7；DOW 用于控制“星期幾效應”；Intercept 為常數項。

2.結果

2.1 描述性分析

由表1 可知，2018 年貴陽市日平均總急救人次為68.5 人次，每日平均氣溫14.9℃，平均相對濕度79.5%；監測期間O3-8h 日平均濃度為78.2μg/m3（17.1μg/m3～162μg/m3）；由圖1 分析發現貴陽市O3濃度變化為春夏季較高，秋冬季濃度較低，其中4 月份濃度最高，12 月份最低。

表1 2018 年貴陽市大氣污染物濃度、氣象因素及急救人次情況

圖1 貴陽市O3-8h 濃度月份分布圖

2.2 大氣污染物與氣象因素相關性分析

對大氣污染物與氣象因素進行相關性分析發現，O3-8h 與平均氣溫及大氣顆粒物（PM10、PM2.5）呈正相關（P＜0.01），相關系數分別為0.427、0.503 及0.367；與相對濕度呈負相關（P＜0.01），相關系數為-0.739，見表2。

表2 大氣污染物與氣象因素相關性分析

2.3 O3-8h 對總急救人次相關的時間序列分析

比較不同滯后時間O3-8h 濃度對總急救人次的影響，在控制混雜因素后，分析發現當日O3每增加10μg/m3，貴陽市居民總急救人次的超額危險度（ER）為1.090%（95%CI:0.054%，2.140%），差異有統計學意義（P=0.040）。

表3 O3-8h 對總急救人次相關的時間序列分析

3.討論

O3是一種二次生成的光化學污染產物，其生成過程和光照強度直接相關，因而大氣O3的濃度具有夏季高冬季低的特點。同時O3濃度的季節變化還會受到氣象和降水等因素的影響，因此本次發現貴陽市O3濃度在春夏季會出現兩個峰值，分別在4月和8 月，而6 月及7 月因受到降雨量的影響而稍有降低。結果與盧自勇等人結果相似[9]。

O3還具有強氧化能力，對粘膜具有很強的刺激性，進而引起呼吸系統疾病及心血管系統疾病[10]。既往的研究發現O3濃度升高與呼吸系統疾病和心血管系統疾病的死亡率增加有關[2-5]，同時有研究還發現O3濃度升高可引起呼吸系統急救人次增加[6-8]。本次評估貴陽市大氣污染物O3與居民急救人次的定量關系，發現在控制混雜因素后，分析發現當日O3每增加10μg/m3，貴陽市居民總急救人次的超額危險度（ER）為1.090%。而在院前急救病譜排在前三位的分別是創傷、心腦血管疾病、呼吸系統疾病[12]。因此提示應加強宣傳，減少O3暴露，同時建議政府部門加快環境治理速度，減少其對居民健康的危害。

本文的局限性在于貴陽市急救個案資料是紙質版，數據量大，不易于對急救個案進行ICD 編碼，因此未能分病種分析。同時收集的數據可能存在缺失等問題，因而未能將收集的數據按照年齡、性別等信息進行分層分析。