蘭州市西固區大氣污染對呼吸系統的健康效應

趙海莉,原 悅,李曉芹,王玉霞

1 西北師范大學地理與環境科學學院, 蘭州 730070

2 甘肅省疾病預防控制中心, 蘭州 730030

近年來,快速的工業化和城市化造成我國資源短缺、生態破壞、環境污染、災害頻發等問題日益凸顯,從而引發了一系列生態效應,其中大氣污染已被確認為危害公眾健康的重要風險因素之一[1],可直接或間接導致人體免疫系統紊亂,對呼吸系統、循環系統、消化系統等造成嚴重威脅,尤其對呼吸系統健康的損害最為嚴重,主要病變部位為氣管、支氣管、肺部及胸腔[2—3]。國內外眾多研究已證實,以細顆粒物(PM2.5)、可吸入顆粒物(PM10)、二氧化硫(SO2)、二氧化氮(NO2)、臭氧(O38h)、一氧化碳(CO)等為特征污染物的區域性大氣環境已成為呼吸系統疾病發生和發展的敏感源[4],極易誘發哮喘[5—6]、慢性阻塞性肺病[6]、肺部感染[5]、呼吸道炎癥[7]、心血管疾病[7]等,嚴重者可導致過早死亡。世衛組織(WHO)數據顯示,2012年大氣污染導致全球370萬人過早死亡,其中約25%死于呼吸系統疾患[1],2018年全球因呼吸系統疾病導致的過早死亡人數高達700萬,其中約100萬來自中國[8]。OECD研究顯示,亞洲國家的大氣污染遠遠超過世衛組織標準,若不采取有效行動,僅PM10導致的死亡人數將在2050年達到360萬[9]。以上數據均表明,呼吸系統發病率和死亡率的上升與大氣污染密切相關,其作為全球性的公共衛生問題,不僅加重了患者的經濟負擔,也給醫療衛生機構帶來了沉重壓力。

探討居民環境暴露風險及其健康效應是健康地理學和環境公正研究的熱點話題。在一定時空范圍內,鑒于不同區域大氣污染水平及來源、氣象因素、目標人群及其對污染物的敏感程度等各不相同,導致環境暴露的健康效應也存在顯著差異[10]。目前,國內多數研究主要著眼于氣候環境條件較為溫和且相對發達的區域[11—12],相反,大氣污染嚴重且欠發達地區人群健康效應的研究相對有限,對不同疾病類型、性別、年齡、患病季節及采暖期和非采暖期分層的脆弱性研究更是鮮有涉及。西固區作為蘭州市的核心工業區,集中分布了石油化工、冶金和機械等重工產業,工業結構偏重、能源消耗過高,且冬季供暖期較長,生產生活以燃煤方式為主,加之地處黃土高原境內,沙塵等惡劣天氣頻發,以及特有的盆地地形和特殊的氣象條件使污染物集聚,極易對當地居民的健康造成特異性影響[13]。因此,針對大氣污染的嚴重形勢,近年來西固區政府通過實施環境網格化管理,在冬防工作中突出精準治污、科學治污、依法治污,做到時間、區域、對象、問題、措施“五個精準”等多項治理和管控措施,環境污染有了大幅改善,但整體環境形勢仍不容樂觀,特別是重污染天氣的出現依舊嚴重威脅著居民健康。

基于此,本文以蘭州市西固區為研究區域,以呼吸系統疾病住院數據為效應指標,采用時間序列廣義相加模型和人群分層的分析方法,定量評估大氣污染物(PM2.5、PM10、SO2、NO2、O38h和CO)對居民呼吸系統疾病住院人數的影響,并對不同類型疾病、性別、年齡、患病季節、采暖期和非采暖期進行敏感性分析,以期為有針對性地保護易感人群和為進一步開展西固區大氣污染健康效應的評估工作提供決策依據。

1 資料來源與研究方法

1.1 研究區概況

西固區位于蘭州市西部(103°19′—104°41′E、35°38′—36°13′N),黃河由西向東橫貫全境,帶狀河谷型盆地特征明顯。現轄5鎮1鄉40個行政村,7個街道70個社區,全區總面積385.3 km2,2019年末常住人口36.9萬人。境內植被覆蓋率低,主要以干草原和荒漠草原為主,屬溫帶大陸性季風氣候,干燥寒冷,年平均氣溫8.5—8.9℃,平均海拔1560 m。主要氣象災害以風沙天氣為主(圖1)。

圖1 研究區概況Fig.1 Survey of the study area

1.2 資料來源

呼吸系統疾病資料來源于西固區某三甲醫院信息系統(HIS)2014年1月1日—2018年12月31日逐日呼吸科住院病歷資料,包括患者性別、年齡、家庭住址、疾病類型、就診日期、住院天數等。參考國際疾病分類標準編碼(ICD- 10：J00—J99)[14],將呼吸系統疾病分為肺炎、慢性阻塞性肺病(COPD)、哮喘、上呼吸道感染(URI)和支氣管炎5類,并剔除疾病數據錄入殘缺和家庭住址非本地的患者信息。

大氣污染物數據來源于同期西固區蘭煉賓館監測站逐日環境監測數據,包括PM2.5、PM10、SO2、NO2、O38h和CO(mg/m3)的日平均濃度(μg/m3)；氣象資料來源于蘭州市氣象監測站逐日地面觀測數據,包括氣溫(℃)和相對濕度(%)的日平均值。盡管西固區僅有蘭煉賓館1所標準監測站,但因城區工業分布稠密,占地面積廣,周邊鄉鎮住院人數僅占總體0.03%,因此污染物空間差異較小,所選站點具有代表性。

1.3 研究方法

廣義相加模型(generalized additive models,GAM)[15]已被廣泛應用到環境暴露的健康效應研究中。居民每日因病入院屬于小概率事件,其近似服從Poisson分布,且考慮到污染物和氣象因素與呼吸系統疾病之間的非線性關系,本文采用擬合Poisson回歸的時間序列廣義相加模型。模型建立需控制一些混雜因素的影響,對溫度、相對濕度等長期趨勢采用自然平滑樣條函數進行平滑擬合,同時用啞變量控制星期幾效應和假期效應的影響。基本模型為：

(1)

式中,E(Yt)為第t日呼吸系統疾病住院人數的期望值；α為截距；β為回歸系數；Xt為第t日大氣污染物濃度；ns為自然平滑樣條函數；as.factor為啞變量函數；time為時間變量；df為自由度；Fit為第i個氣象要素在第t日的平均值；wt為星期、節假日等啞變量。自由度采用Akaike信息準則(AIC)進行擬合度檢驗,AIC值越小,擬合度越高。

由于患者從患病到就診存在一定時間差,或因某些原因未能及時就診,使得入院時間相對于環境變化存在滯后性。故本文在上述模型基礎上,對環境變量相對于患者入院時間按提前一周考慮其滯后效應和累積效應,依次將當天(lag0)、單日滯后1—7d(lag1—lag7)和累積滯后(污染物濃度多日移動平均值)1—7d(lag01—lag07)的污染物濃度引入模型。并將患者按性別、年齡(0—14歲、15—64歲、≥65歲),時間按季節、采暖期(11月1日—次年3月31日)和非采暖期(4月1日—10月31日)進行分層。此外,考慮到污染物之間的交互作用,嘗試引入其他共存污染物構建多污染物模型,分析多種污染物對呼吸系統的健康效應。

根據GAM模型得到的回歸系數β,計算污染物濃度每升高10 μg/m3(CO升高1 mg/m3)時,居民因病住院的相對危險度(RR)及95%置信區間(95%CI),選取最大效應值作為環境暴露風險的估計值。具體公式為：

RR=expβ×10%mean

(2)

95%CI=exp10×(β±1.96SE)

(3)

統計分析由SPSS 18.0軟件和R 4.0.4軟件中的mgcv、tsModel程序包共同實現。

2 結果與分析

2.1 大氣污染物、氣象因子及疾病住院人數的描述性統計分析

2014—2018年期間,西固區呼吸系統疾病住院總人次為14239例,日均住院人次8例,其中男性多于女性(男:女=1:0.6),成人低于兒童和老人(0—14歲兒童:15—64歲成人:≥65歲老人=1:0.67:1),發病率相對較高。疾病分類中,肺炎患者最多(占49.32%),慢性阻塞性肺病、哮喘、上呼吸道感染和支氣管炎患者較少,占比分別為18.22%、12.14%、11.92%和8.40%。PM2.5、PM10、SO2、NO2、O38h和CO的日均濃度分別為48.71 μg/m3、118.21 μg/m3、19.54 μg/m3、46.19 μg/m3、54.20 μg/m3和1.23 mg/m3,參考國家《環境空氣質量標準(GB3095—2012)》[16]二級濃度限值,6種污染物平均濃度均未超標；溫度和相對濕度的日平均值分別為7.82℃和61.36%,這與西固區大陸性氣候特征和河谷型盆地地形高度切合,即干燥少雨,溫度偏低(表1)。

表1 呼吸系統疾病住院人數、大氣污染物和氣象因素描述性統計結果(2014—2018年)Table 1 Descriptive statistical results of inpatients with respiratory diseases, air pollutants and meteorological factors (2014—2018)

2.2 大氣污染物與氣象因素的相關性分析

統計學中,Spearman相關系數是衡量兩個分級定序變量依賴性的非參數指標,它利用單調方程來評價兩個統計變量的相關性。由于西固區大氣污染物與氣象因素不服從正態分布,因此采用Spearman相關分析。結果顯示,相關系數均通過了t檢驗,具有統計學意義(P<0.01)。PM2.5、PM10、SO2、NO2、CO之間呈顯著正相關性；O38h、溫度和相對濕度與其他污染物之間呈顯著負相關性；O38h與溫度呈顯著正相關,與相對濕度呈負相關；溫度和相對濕度呈正相關。總之,除O38h與溫度呈顯著正相關,其他污染物與溫度和相對濕度均為負相關關系。原因在于近地面溫度較高時,大氣層結穩定,近地層對流旺盛,有利于大氣垂直運動和污染物的擴散；相反,因蘭州全年約80%的天氣出現逆溫,逆溫天氣會阻礙大氣對流,抑制其稀釋擴散,使污染物聚集,增加居民患病風險。低濕條件下,空氣中水汽含量低,大氣污染物吸附水分的作用減弱,使其濃度增加；受降水影響,在高濕條件下,污染物吸附作用增強,隨降水降落到地面,大大降低了污染物的濃度(圖2)。

圖2 大氣污染物與氣象因素的Spearman相關系數 Fig.2 Spearman correlation coefficient between air pollutants and meteorological factorsTemp:溫度Temperature; RH:相對濕度Relative humidity

2.3 呼吸系統疾病的單污染物GAM分析

2.3.1大氣污染物對呼吸系統疾病的滯后效應

大氣污染暴露導致居民因病住院并非在當天最顯著,而是存在一定的滯后效應,各污染物對疾病的影響在不同滯后期均具有統計學意義。單日滯后天數中,PM2.5和PM10在當天(lag0)出現最大值,SO2和NO2分別在lag3和lag7時效應值最大,O38h和CO分別在lag4和lag6時效應值最大,表明顆粒物對呼吸系統患病存在即時效應,氣態污染物的單日滯后期延長；累積滯后天數中,PM2.5、PM10、SO2、NO2和CO的累積滯后期延長,且健康效應不斷增強,RR的最大值均出現在lag07時,而O38h在lag01時出現最大值,健康效應逐漸減弱,表明多數污染物的累積滯后效應更具有長期性。總的來看,PM2.5、PM10、SO2、NO2和CO在累積滯后7d,O38h在單日滯后4d的健康效應最大。在最佳滯后期,PM2.5、PM10、SO2、NO2和O38h每升高10 μg/m3,CO升高1 mg/m3,疾病住院人數分別增加1.06%(1.04%—1.07%)、1.04%(1.03%—1.05%)、1.10%(1.08%—1.13%)、1.07%(1.05%—1.09%)、0.97%(0.96%—0.98%)和3.83%(2.33%—6.29%)。可見氣態污染物(SO2和NO2)相比顆粒物(PM2.5和PM10)對人體的危害性更高,原因在于西固區大氣污染以煤煙型污染為主,并表現出明顯的石油化工型污染,主要污染物為SO2和NO2等[17](圖3)。

圖3 大氣污染物對呼吸系統疾病的滯后效應Fig.3 Lag effects of air pollutants on respiratory diseases

2.3.2大氣污染物與呼吸系統疾病的暴露-反應關系

大氣污染物與呼吸系統疾病住院人數具有顯著相關性。隨著PM2.5、PM10、SO2、NO2和CO濃度的升高,居民住院風險也呈上升趨勢,而O38h濃度增加導致的住院風險并不顯著。此外,SO2和NO2的暴露-反應關系曲線呈單調線性分布,其他污染物則呈“J”型分布,表明呼吸系統對高濃度SO2和NO2更為敏感。同時得出,污染物濃度在低于國家環境空氣質量標準二級濃度閾值水平時,也會帶來人群健康風險(圖4)。

圖4 大氣污染物與呼吸系統疾病的暴露-反應關系曲線Fig.4 The exposure-response curve between air pollutants and respiratory diseases

2.3.3大氣污染物對不同人群分層的健康效應

大氣污染物在最佳滯后期對不同分層結果的健康效應均存在易感性差異。疾病分類中,肺炎對PM2.5、PM10、SO2和NO2最敏感,慢性阻塞性肺病對O38h最敏感,SO2是誘發所有呼吸系統疾病的重要風險因素。性別分層中,各污染物對兩性人群患病均具有統計學意義,其中女性對PM2.5、PM10、SO2和NO2更敏感,污染物濃度增加10 μg/m3時,RR分別增加1.07%、1.04%、1.13%和1.07%；男性對O38h更敏感,SO2暴露對兩性患病的風險最高。年齡分層中,各污染物對0—14歲人群患病的風險均為最顯著,且都具有統計學意義,其中SO2對各年齡人群呼吸系統的危害性更高。對比15—64歲和≥65歲人群,發現前者對PM10更敏感,后者對PM2.5、SO2和NO2更敏感。季節分層顯示,各污染物暴露在冬季患病的風險最高,且均具有統計學意義,春季除PM10對疾病的影響無統計學意義,其他污染物均具有統計學意義,且顯著性僅次于冬季,表明冬春季節是呼吸系統疾病的高發期。此外,各季節住院人數的增加均受SO2的影響最大(圖5)。

圖5 大氣污染物對不同人群分層的健康效應Fig.5 Health effects of air pollutants on different population stratification***:P<0.001; **:P<0.01; *:P<0.05

2.3.4采暖期和非采暖期大氣污染物對呼吸系統疾病的滯后效應

結合西固區帶狀盆地地形和冬季漫長的特點,本文將研究期分為采暖期和非采暖期進行對比分析。圖6顯示,疾病日住院量有逐年升高趨勢,該趨勢與西固區常住人口逐年升高的趨勢大體一致。PM2.5、PM10、SO2和NO2的采暖期濃度明顯高于非采暖期,對應的日住院人數也多于非采暖期,原因是采暖期燃煤污染物排放量增加,加上盆地小風,逆溫頻率與強度均高于非采暖期,形成不利于污染物擴散的氣象特征,使大氣中污染物濃度增高[17]。相反,O38h的非采暖期濃度值明顯高于采暖期,原因是O3是光化學反應產生的主要二次污染物,非采暖期大氣層結穩定,天氣晴朗,空氣中污染物更易發生光化學反應。圖7顯示,采暖期PM2.5、SO2、CO在lag03時出現最大值,PM10、NO2和O38h分別在lag0、lag05、lag4時健康效應最大；非采暖期除O38h在lag1時健康效應最大,其他污染物均在lag07時出現最大值。由此可知,除O38h外,PM2.5、PM10、SO2、NO2和CO在采暖期呼吸系統患病的滯后期比非采暖期提前了約2—6 d。

圖6 2014—2018年西固區大氣污染物和呼吸系統疾病住院人數變化曲線圖Fig.6 Variation curve of air pollutants and inpatients with respiratory diseases in Xigu District from 2014 to 2018

圖7 采暖期和非采暖期大氣污染物對呼吸系統疾病的滯后效應Fig.7 Lag effects of air pollutants on respiratory disease during heating period and non-heating period

2.4 呼吸系統疾病住院人數的多污染物GAM分析

本文選取單污染物GAM模型確定的最佳滯后天數,同時引入當天其他污染物建立多污染物模型。表2所示,當PM2.5、PM10和CO與其他污染物交互時,均會降低呼吸系統的健康風險,表明各污染物與PM2.5、PM10和CO交互對疾病住院人數的增加具有拮抗作用。在SO2中引入PM2.5、PM10、NO2和O38h時會降低疾病的住院人數,引入CO會增加住院人數,除NO2外,引入其他污染物均具有統計學意義；在NO2中引入CO會增加疾病住院人數,引入其他污染物時會降低其住院人數,但均具有統計學意義；在O38h中引入PM2.5、PM10、SO2和CO時,呼吸系統的健康效應增加,引入NO2時無統計學意義。可見這3種污染物與其他污染物交互對應的健康效應有增加,也有降低,表明SO2、NO2和O38h與各污染物交互對住院人數的增加具有協同作用或拮抗作用。由此可知,盡管污染物之間存在顯著的正相關性,但各污染物之間交互并非都是協同作用,尤其是PM2.5、PM10和CO在和其他污染物交互時表現出拮抗作用,說明PM2.5、PM10和CO是呼吸系統疾病住院人數增加的獨立危險因素。

表2 多污染物在最佳滯后天數對呼吸系統的健康效應Table 2 Health effects of multi-pollutants on respiratory system in the best lag days

3 討論

大氣污染物濃度升高會增加居民呼吸系統的患病風險,且存在一定滯后效應,對不同類型疾病、性別、年齡、患病季節及采暖期和非采暖期人群也存在易感性差異。現有成果多數也集中于呼吸系統疾病在性別、年齡和季節等方面的相關性研究[5,11,18—20]。

性別分層顯示,女性對大氣污染更為敏感,國內上海市[11]、遵義市[12]、蘭州市[19]等城市研究也得出一致結論。但有時間序列研究顯示,男性呼吸系統比女性更易受到大氣污染的急性影響[21]。可見性別差異依舊存在爭議,可能與兩性的生理構造(激素、器官大小和體型)差異有關,這些因素會影響污染物的運輸和組織沉積[22]。此外環境背景、文化差異、生活習慣及工作活動場所等也會影響兩性的健康狀況[23]。因此環境暴露的性別差異還有待進一步研究。

年齡組考察發現,0—14歲兒童是呼吸系統疾病的高危人群。據估計,全球每年有將近41萬兒童死于大氣污染[24],多項研究也證實兒童作為易感人群,更易受到大氣污染的急性影響[20,25]；一項基于空氣質量等級的分層分析顯示,空氣質量從“優”到“中度污染”4個等級下的兒童呼吸疾病門診量呈梯度增長[26]。兒童較成年人氣道狹窄,每千克體重的空氣攝入量高,呼吸系統和免疫系統發育不成熟,抵抗力低下,加之戶外活動機會多,空氣中攜帶的細菌、病毒等有害物質更易刺激呼吸道,引發肺部感染[25]。

時間分層顯示,冬春季節是呼吸系統疾病的高發期,這與遵義市[12]、蘭州市[18]、臨汾市[27]等城市得到類似結論。數據還顯示,冬季PM2.5、PM10、SO2、NO2和O38h的風險值分別為夏季的1.04、1.03、1.12、1.07和1.05倍,近期研究也證實了這種積極聯系在寒冷季節比在溫暖季節更加明顯[19,28]；采暖期和非采暖期對比顯示,PM2.5、PM10、SO2、NO2和CO的采暖期濃度值和疾病日住院人數均高于非采暖期,且采暖期呼吸系統患病的滯后期較非采暖期提前。原因在于中國北方地區冬春季節氣溫低,可減弱呼吸道粘液纖毛運動[29],且因采暖期燃煤供暖等原因,大氣污染物濃度更高,毒性更強,導致病情復雜,反復性大,合并癥多,增加了人體患病風險[30],相比非采暖期將大大縮短患病周期。

單污染物模型顯示,PM2.5、PM10、SO2、NO2和CO在lag07時健康效應最大,O38h在lag4時健康效應最大。合肥市的研究也顯示lag07時累積效應的顯著性最高[31],一些特定城市的研究也獲得了不同的最佳滯后天數[20—21]。相比來看,西固區大氣污染對疾病的累積滯后效應更為明顯,表明污染物暴露對人體患病具有長期效應。多污染物模型顯示,除SO2、NO2與CO,以及O38h與其他污染物交互對人體患病具有協同作用,其他污染物兩兩交互均具有拮抗作用,其中PM2.5、PM10和CO是疾病住院人數增加的獨立危險因素。相關研究也得到不同的獨立危險因素[5],且與單污染物模型相比,多污染物模型的健康效應降低[32]。表明各污染物之間并非簡單疊加,可能存在某種聯合作用(相加、協同、拮抗等),Spearman分析結果也表明,各污染物之間高度相關,可能會影響結果的真實性。因此為提高模型的穩定性和更加科學地研究污染物的健康效應,今后可采用定量的指標分析大氣污染成分及其對疾病的影響。

疾病分層發現,肺炎對PM2.5、PM10、SO2、NO2最敏感,慢性阻塞性肺病對O38h最敏感。現有研究也發現多數大氣污染和肺炎[33],O3與慢性阻塞性肺病[34]之間的顯著關聯性。但值得注意的是,與顆粒物(PM2.5和PM10)相比,氣態污染物(SO2和NO2)帶來的健康風險更高,相關研究也得出類似結論[30,34],其中SO2暴露對各人群呼吸系統疾病的影響均最為顯著。SO2濃度每上升10 μg/m3,越南河內兒童lag06時呼吸系統疾病入院的RR值為1.123[33]；每增加一次SO2暴露,澳大利亞慢性阻塞性肺病的患病風險增加3.8%[8]。究其原因,SO2是大氣中重要的酸性氣體,主要來源于西固區工業生產排放、取暖燃煤,尤其是冬季SO2濃度更高[35],通過呼吸道進入體內,直接由血液運輸至全身,對人體健康帶來直接危害。

本研究尚存在一定局限性：(1)時間序列廣義相加模型雖能通過特殊的設計在人群暴露水平上控制一些混雜因素的影響,但無法排除個人層面的解釋因素,包括生活習慣(吸煙)、生活方式、個體差異和職業暴露等[36],給模型模擬和預測帶來了一定的偏倚。(2)僅依賴于一個固定監測站的污染物數據作為人體暴露媒介,忽略了患者居住地與具體污染源之間的臨近效應,且本文采用了平均濃度,將導致一定的測量誤差,這是環境流行病學研究固有的局限性[37]。(3)未能根據現有資料確定住院患者的再入院頻率,有些病人可能在短期內復診多次,這種重復的入院可能低估污染物風險估計的方差。(4)選取的滯后效應天數較短,未能觀測到峰值的出現,可能因疾病的潛伏期較長,導致測量結果的特定暴露可能發生在一周之前。因此,今后的研究可在以下幾方面進行嘗試：環境暴露的健康模型及其求解方法可以將個人層面的潛在因素考慮在內,朝著多維度、非線性、多種統計分析手段的方向發展；若能獲得更多監測站的污染物數據和更加全面的醫院病例數據,可依據患者的職業或工作性質進行高、低暴露方面的分析研究,或將污染物劃分不同等級,探討不同級別污染物對呼吸系統的健康效應,或是對有多次門診記錄的患者進行更為深入的研究；因呼吸系統疾病的潛伏期較長,需進一步研究其時間趨勢,以便捕獲最佳滯后效應,對于制定綜合的空氣控制策略至關重要。本研究提供的證據還表明,在處理污染物協同效應時,環境政策應側重于多污染物的聯合防治,加強污染物濃度預報的準確性和及時性,提高人群防范意識,對指導居民健康出行和降低疾病住院率具有指導性意義。

4 結論

開展不同區域大氣污染健康效應評估對有效實施“健康中國2030”戰略和預防人群敏感性疾病具有重大而深遠的意義。本文運用GAM模型,定量分析了西固區大氣污染對呼吸系統的健康效應及不同分層人群的易感性差異。研究表明：

(1)PM2.5、PM10、SO2、NO2、O38h和CO對呼吸系統疾病存在滯后效應,在最佳滯后天數下,其濃度每升高10 μg/m3(CO升高1 mg/m3),居民住院風險分別增加1.06%、1.04%、1.10%、1.07%、0.97%和3.83%。氣態污染物(SO2和NO2)相比顆粒物(PM2.5和PM10)對人體呼吸系統的危害性更高。

(2)性別、年齡和時間分層顯示,女性兒童對大氣污染物更為敏感；冬春季節是呼吸系統疾病的高發期；采暖期污染物濃度值和每日呼吸系統患病人數均高于非采暖期,且采暖期呼吸系統患病的滯后期比非采暖期提前了約2—6 d；SO2暴露對不同人群分層結果的影響均最為顯著。

(3)不同疾病分析發現,肺炎對PM2.5、PM10、SO2、NO2最敏感,慢性阻塞性肺病對O38h最敏感,哮喘、上呼吸道感染和支氣管炎受SO2的影響較為顯著。

(4)多污染物模型中,不同污染物交互對疾病的影響具有協同作用或拮抗作用,PM2.5、PM10和CO是西固區呼吸系統疾病住院人數增加的獨立危險因素。