2013—2018年北京市大氣PM2.5持續高暴露對居民因病入院的急性影響

陳 晨， 仲 宇， 劉園園， 路 鳳， 郭默寧， 方建龍， 李湉湉， 施小明*

1.中國疾病預防控制中心環境與人群健康重點實驗室， 中國疾病預防控制中心環境與健康相關產品安全所， 北京 100021 2.北京市衛生健康委信息中心， 北京 100021

短期暴露于大氣細顆粒物(PM2.5)會顯著提高人群心腦血管系統和呼吸系統等多系統死亡[1-3]和發病風險[4-9]，同時帶來嚴重疾病負擔[10]，大幅降低人群期望壽命[11]. 2017年的全球疾病負擔研究[10]指出，2017年全球歸因于大氣PM2.5污染的提早死亡人數近300萬人，健康壽命年損失為830萬年，而這一疾病負擔半數以上發生在中國和印度. 因此，大氣PM2.5污染已成為低收入或中等收入國家的首要環境健康問題. 我國工業化快速發展進程引發了全國大氣污染的高峰[12]，2017年我國居民歸因于大氣PM2.5污染的提早死亡人數約 852 000 人[12]. 國務院于2013年9月印發《大氣污染防治行動計劃》(2013—2017年)，該計劃的實施大幅改善了我國空氣質量，截至2017年底京津冀、長三角、珠三角地區PM2.5平均濃度分別下降了39.6%、34.3%、27.7%，北京市PM2.5年均濃度從2013年的89.5 μgm3降至2017年底的58 μgm3. 然而，現階段我國大氣污染水平仍遠超歐美發達國家，尤其全國多地大范圍大氣重污染事件頻發對我國居民的健康構成嚴重威脅，引起國內外關注.

大氣重污染事件以持續性發生PM2.5高濃度暴露為特征對人群健康造成危害. 如英國2014年春季兩次發生以PM2.5為主的持續重污染事件(2014年3月12—14日和3月28日—4月3日)[13]，英國公共衛生署進行了人群死亡風險定量評估，發現兩次污染天氣事件共計10 d，歸因于PM2.5短期暴露導致的死亡約600例，引起人群死亡率上升了2.0～2.7倍[14]. 2013年起，我國多地頻繁發生持續數天或數周的重污染事件，致使國內專家學者開始關注重污染事件急性健康影響研究[15-18]. 然而，多數研究未能系統考慮到污染濃度和持續時間在大氣重污染事件健康影響中的作用，并且目前多數研究以人群死亡為健康終點[16-18]，缺乏重污染事件下PM2.5會引起人群發病風險的健康證據. 雖然關于逐日PM2.5短期暴露的人群急性發病效應證據較為充分[5-6,19-24]，但大氣PM2.5持續性高暴露研究仍少有以人群發病為切入點，大氣PM2.5持續高暴露的發病風險有待證實. 由于缺乏相關的健康證據，導致無法基于人群健康制定精準的污染防治目標，也無法評估污染防治行動是否有效抵御了大氣污染帶來的健康損害，為各地區如何落實大氣污染相關的人群健康防護措施帶來阻礙. 因此，該研究從臨床預防的公共衛生角度，以北京市為研究區域，以因病入院作為人群發病的健康終點，定量評估以大氣PM2.5持續高暴露為特征的大氣污染事件對人群健康影響的嚴重程度，以期為有針對性地制定下一階段大氣污染攻堅戰規劃提供重要依據，達到減少敏感疾病發生、降低人群病死率等目標.

1 材料與方法

1.1 數據來源

1.1.1大氣PM2.5濃度數據

收集北京市12個國家級環保監測站點2013年1月1日—2018年12月31日大氣PM2.5小時濃度數據，逐日計算北京市大氣PM2.5的24 h濃度值. 數據來源于中國環境監測總站的全國城市空氣質量實時發布平臺(http:106.37.208.233:20035).

1.1.2氣象因素數據

收集北京市氣象站(編號54511)2013年1月1日—2018年12月31日逐日日均溫度和日均相對濕度數據. 數據來源于中國氣象局的中國氣象數據網(http:data.cma.cn).

1.1.3居民因病入院數據

以北京市常住(在北京市居住時間達半年及以上)居民因病入院為人群發病的健康終點，獲取全市2013年1月1日—2018年12月31日每日因病入院時間序列數據，依據世界衛生組織2007年發布的《國際疾病統計分類法》第10次修訂版(ICD-10)對因病入院數據界定疾病種類，具體包括非意外總疾病、心腦血管系統疾病和呼吸系統疾病，分析大氣PM2.5持續高暴露對這三類疾病發病的影響；同時，將研究人群分為全人群以及不同性別(男、女)和不同年齡(0～64歲、65～75歲、75歲及以上)的亞組人群分別開展分析. 數據來源于北京市公共衛生信息中心.

1.2 統計學方法

1.2.1PM2.5持續高暴露情景的定義

從PM2.5濃度和持續時間兩方面來定義持續PM2.5高暴露情景，共6種情景. 情景1為中度污染持續發生2 d及以上，即PM2.5日均濃度連續2 d及以上超過我國GB 3095—2012《環境空氣質量標準》二級濃度限值(75 μgm3)；情景2為中度污染持續發生3 d 及以上，即PM2.5日均濃度連續3 d及以上超過GB 3095—2012二級濃度限值；情景3為重度污染持續發生2 d及以上，即PM2.5日均濃度連續2 d及以上超過HJ 633—2012《環境空氣質量指數(AQI)技術規定(試行)》重污染對應的PM2.5濃度限值(150 μgm3)；情景4為重度污染持續發生3 d及以上，即PM2.5日均濃度連續3 d及以上超過HJ 633—2012重污染對應的PM2.5濃度限值；情景5為極端污染持續發生2 d及以上，即PM2.5日均濃度連續2 d及以上超過北京市2013—2018年大氣PM2.5日均濃度第95百分位數(P95)；情景6為極端污染持續發生3 d及以上，即PM2.5日均濃度連續3 d及以上超過北京市2013—2018年大氣PM2.5日均濃度第95百分位數.

1.2.2基本情況描述

對北京市大氣PM2.5污染濃度、日均溫度和日均相對濕度等氣象因素以及居民因病入院情況進行描述性分析，采用平均值±標準差以及中位數、第25百分位數(P25)和第75百分位數(P75)表示；同時，采用情景的發生次數、發生天數、平均每次持續天數等指標描述大氣PM2.5持續高暴露發生情況.

1.2.3時間序列統計建模

基于時間序列研究設計，以人群每日住院數為健康終點，通過PM2.5持續高暴露和非持續高暴露區分人群暴露水平，建立quasi-Poisson分布的廣義相加回歸模型(generalized additive model，GAM)，在利用自然樣條函數控制氣象因素和長期趨勢，以及線性方式控制星期效應和節假日效應等混雜因素的基礎上，分析觀察相較于非持續高暴露情景，PM2.5持續高暴露情景對不同人群非意外總疾病、心腦血管系統疾病和呼吸系統疾病因病入院的急性影響，以“與非持續高暴露情景相比，不同持續高暴露情景引起人群發病風險增幅”來表示. 時間序列統計建模具體見式(1).

ln[E(μt)]=α+βEPt+ns(time,df)+

ns(Temt, df)+ns(Rht,df)+

γDOWt+δholidayt

(1)

式中：E(μt)為觀察第t日的目標人群因病入院的期望值；α模型截距；EPt為第t日PM2.5持續高暴露的二分類變量，EP=0為非持續高PM2.5暴露期，EP=1為PM2.5持續高暴露期；β為PM2.5持續高暴露對人群因病入院急性影響的偏回歸系數；ns自然樣條函數，用于模型控制長期趨勢(time)、日均溫度(Temt)、日均相對濕度(Rht)等混雜因素，df為自然樣條函數的自由度，參考文獻[18]因病入院的時間趨勢(time)、日均溫度(Temt)、日均相對濕度(Rht)的自由度(df)分別取7(每年)、3、3；γ為模型中控制星期效應(DOWt)的偏回歸系數；δ為模型中控制節假日效應(holidayt)的偏回歸系數. 采用R軟件3.6.0版本中mgcv和nlme包進行所有數據分析.

2 結果與分析

2.1 北京市2013—2018年大氣PM2.5污染及因病入院情況

由表1可見：2013—2018年北京市PM2.5日均濃度為71.5 μgm3，范圍為3.1～481.8 μgm3；溫度和相對濕度的日均值分別為13.8℃(范圍為-14.3～32.6 ℃)和52.1%(范圍為8.0%～99.0%). 由表2可見：研究期間平均每天因非意外總疾病入院人數約 4 299人，其中，男性 1 819 人(占42.3%)，女性 2 480 人(占57.7%)；平均每天因心腦血管系統疾病入院人數約948人;平均每天因呼吸系統疾病入院人數約511人. 表3描述了北京市2013—2018年大氣PM2.5持續高暴露情景發生的次數和持續時間. 由表3可見：研究期間，持續2 d及以上的重污染情景發生了61次，共持續172 d，平均每次持續2.82 d；持續2 d及以上的極端污染情景發生了31次，共持續76 d，平均每次持續2.45 d.

表1 北京市2013—2018年大氣PM2.5污染及氣象因素描述性分析

表2 北京市2013—2018年全市因病入院情況描述性分析

表3 2013—2018年北京市大氣PM2.5持續高暴露情景發生情況

2.2 大氣PM2.5持續高暴露對因病入院的急性影響

圖1～3分別展示了2013—2018年不同大氣PM2.5持續高暴露情景對居民非意外總疾病、心腦血管系統疾病和呼吸系統疾病因病入院的急性影響. 由圖1～3可見，對于全人群研究發現，相較于非持續高暴露情景，重污染持續2 d及以上時(情景3)引起的非意外總疾病和心腦血管系統疾病因病入院的發病風險均顯著增加，增幅分別為5.0%(95%CI，1.2%～9.0%)和5.6%(95%CI，1.8%～9.5%). 隨著污染濃度和持續時間的增加，心腦血管系統疾病入院的發病風險顯著增加，當極端污染持續發生3 d及以上(情景6)時，將引起人群心腦血管疾病的發病風險增加8.9%(95%CI，0.7%～17.7%)，較其他暴露情景發病風險增幅呈上升趨勢，說明心腦血管系統疾病是易受到重污染天氣影響的敏感性疾病. 筆者尚未觀察到6種PM2.5持續高暴露情景對全人群因呼吸系統疾病入院的顯著影響.

圖1 2013—2018年北京市PM2.5持續高暴露情景對居民非意外總疾病因病入院的急性影響 Fig.1 Acute effects of persistent high ambient PM2.5 exposure scenarios on hospitalization for non-accidental disease in Beijing from 2013 to 2018

圖2 2013—2018年北京市PM2.5持續高暴露情景對居民心腦血管系統疾病因病入院的急性影響Fig.2 Acute effects of persistent high ambient PM2.5 exposure scenarios on hospitalization for cardio-cerebrovascular disease in Beijing from 2013 to 2018

圖3 2013—2018年北京市PM2.5持續高暴露情景對呼吸系統疾病因病入院的急性影響Fig.3 Acute effects of persistent high ambient PM2.5 exposure scenarios on hospitalization for respiratory disease in Beijing from 2013 to 2018

由圖1～3可見，通過亞組人群分層分析發現，重度污染持續2 d及以上的情景中(情景3)男性、女性、0～64歲、65～74歲、75歲及以上等亞組人群的非意外總疾病和心腦血管系統疾病的發病風險均顯著增加. 隨著污染濃度和持續時間增加，情景發生次數減少、模型統計分析能力降低，男性和75歲及以上人群相關的急性效應的95%置信區間增寬，急性效應失去統計學顯著性. 當出現極端污染且持續3 d以及上時(情景6)，女性、0～64歲和65～74歲人群的非意外總疾病和心腦血管疾病因病入院的發病風險均顯著增加，其中非意外總疾病發病風險分別增加7.7%(95%CI，0.1%～16.0%)、8.0%(95%CI，0.1%～16.5%)和12.2%(95%CI，2.1%～23.4%)，心腦血管系統疾病發病風險分別增加9.9%(95%CI，1.9%～18.5%)、11.3%(95%CI，2.1%～21.4%)和9.6%(95%CI，1.0%～19.0%). 而在因呼吸系統疾病入院的亞組人群研究中，僅在重度污染持續時間2 d及以上的情景下(情景3)觀察到0～64歲因病入院受到了顯著影響，發病風險增加了3.4%(95%CI，0.2%～6.6%).

3 討論

國外關于大氣污染的急性健康風險研究始于對重污染事件的研究，通過將重污染事件發生前和發生后的人群死亡數或發病數與重污染事件期間的死亡數或發病數進行比較，發現污染濃度大幅增加對人群健康產生了嚴重的影響[4,25-26]. 國內同領域的早期研究采取上述分析策略，觀察到以大氣PM2.5持續高暴露為特征的重污染事件對公眾健康危害嚴重. 如CHEN等[15]對北京市2013年1月10—17日以PM2.5為主要污染物的重污染事件中呼吸系統疾病發病情況進行分析，發現與2013年冬季其他時段相比，該時期呼吸系統疾病的急診和門診風險分別顯著提高了74%(95%CI，44%～111%)和16%(95%CI，7%～27%)，顯示PM2.5持續高暴露會引起人群呼吸系統損傷，造成短期內人群呼吸系統因病就診人數大幅增加的負擔. 這一分析策略雖快速簡便，但未能對重污染天氣事件的不同污染情景進行識別分析，缺乏污染物濃度和持續時間等關鍵要素的定量評估.

隨著研究設計和統計方法的發展，該領域涌現出一批基于數理統計模型，從污染濃度和持續時間兩維度定量分析環境事件對人群健康影響的研究[14,27-28]. 陳晨等[18]通過定義6種污染情景，在全國污染典型地區選擇40個區縣作為研究區域，就PM2.5持續高暴露開展急性死亡風險研究，發現當出現持續2 d及以上的中度污染(PM2.5濃度≥75 μgm3)時，人群非意外總疾病死亡和心腦血管疾病死亡風險分別增加1.7%(95%CI，0.6%～2.8%)和2.3%(95%CI，0.7%～4.0%)，而不同污染情景下的人群死亡風險增幅隨污染強度及持續時間的不同而發生變化. 筆者延續上述分析方法，觀察到PM2.5持續高暴露對于人群因病入院的急性影響與已有研究結果存在差異. 在大氣PM2.5出現持續2 d及以上的中度污染(PM2.5濃度>75.0 μgm3)情景，筆者未觀察到人群因病入院的發病風險顯著增加；但出現持續2 d及以上的重度污染(PM2.5濃度>150.0 μgm3)情景時，人群非意外總疾病和心腦血管系統疾病的發病風險顯著增加. 上述研究中PM2.5持續高濃度暴露對人群死亡和因病入院產生的急性影響的差異，可能是因為“十三五”期間采取的大氣污染防治措施改善了空氣質量，同時還影響了人們的行為模式，包括人們對重污染天氣事件健康防護意識的增加和健康防護措施(如口罩、空氣凈化器等)使用率的增加等，因此在持續性中度污染情景下人群發病風險未觀察到顯著增加. 但值得注意的是，筆者發現2013—2018年持續性重污染情景對人們造成了嚴重影響，提示現有的健康防護手段不足以應對持續性PM2.5重污染.

研究顯示，心腦血管系統疾病是PM2.5持續高暴露相關的敏感性疾病. ZHOU等[17]研究發現，2013年1月重污染事件中心腦血管系統疾病死亡風險增幅最為顯著，相關死亡風險增加了11.7%(95%CI，3.1%～20.9%). 許多PM2.5逐日暴露的人群敏感性疾病研究亦證實心腦血管系統疾病易受到PM2.5影響[29-33]. 如WEI等[24]使用2000—2012年美國醫療保險入院數據，分析了PM2.5逐日暴露對美國居民214種疾病因病入院的影響，發現PM2.5短期暴露引起人群心腦血管疾病的發病風險增幅較大. 筆者還發現65～74歲年齡組人群是PM2.5持續高暴露情景下的脆弱人群，這與當前PM2.5短期暴露對不同年齡組人群急性影響研究結果[34]一致，這可能是由于老年人心肺系統及其他器官臟器的功能衰老退化，機體應對PM2.5損傷作用的能力差. 提示下一階段重污染事件的健康防護行動應重點關注患有心腦血管系統疾病人群以及65歲以上老人，并給予有效保護措施.

4 結論

a) 2013—2018年持續2 d及以上重污染(PM2.5濃度>150 μgm3)情景共發生61次，相較于非持續高暴露情景，該重污染情景引起全人群因非意外總疾病入院的發病風險顯著增加了5.0%(95%CI，1.2%～9.0%). 提示“十三五”期間《大氣污染防治行動計劃》實施以來，北京市以PM2.5持續高暴露為特征的重污染事件仍高頻發生，并對當地居民非意外總疾病因病入院造成顯著影響. 建議“十四五”期間大氣污染防治行動應關注重污染天氣事件，尤其重視持續性PM2.5日均暴露濃度≥150 μgm3的情景發生，通過及時發布重污染預警信息和啟動污染減排應急手段，實現“削峰降速”,從而防范持續性重污染的發生.

b) 持續2 d及以上的重污染情景和極端污染情景發生時，全人群心腦血管系統疾病的發病風險分別增加了5.6%(95%CI，1.8%～9.5%)和8.9%(95%CI，0.7%～17.7%)，表明心腦血管系統疾病是PM2.5持續高暴露相關的敏感性疾病. 在持續3 d及以上的極端污染情景下，65～74歲人群的非意外總疾病的發病風險顯著增加，且增幅較大，表明65～74歲是PM2.5持續極端污染情景下的脆弱人群. 建議“十四五”期間大氣污染防治與人群健康防護行動應雙管齊下，增加重污染天氣健康防護知識的宣教以及有效防護措施的普及，幫助脆弱人群提高重污染事件應對能力，共同避免重污染事件對于人群健康的危害.