大氣環境濕度對過敏性鼻炎的影響分析
——以甘肅省三個城市研究為例*

李蘭玉 羅 斌,2 王 搏 李棪琳 王順霞 徐生剛 李 盛 周 驥 牛靜萍

1 蘭州大學公共衛生學院勞動衛生與環境衛生研究所，蘭州 730000

2 蘭州大學職業衛生檢測評價研究中心，蘭州 730000

3 甘肅省天水市第一醫院，天水 741000

4 河西學院醫學院，甘肅張掖 734000

5 甘肅省蘭州市第一人民醫院，蘭州 730000

6 上海市氣象與健康重點實驗室，上海 200030

提 要： 利用蘭州(2014—2016年)、天水(2016—2018年)、張掖(2016—2018年)三個城市過敏性鼻炎日門診數據、大氣污染物和氣象數據，分析相對濕度(RH)、絕對濕度(AH)與每日過敏性鼻炎門診人數的關系。三個城市過敏性鼻炎門診高峰期出現在每年8—9月，RH降低與過敏性鼻炎日門診人數增加顯著相關。RH每降低1%，蘭州、天水和張掖市過敏性鼻炎日門診人數分別增加1.36%、2.30%和1.50%，而AH每降低1 g·m-3，三個城市過敏性鼻炎日門診人數分別增加14.92%、16.00%和13.98%。研究結果提示過敏性鼻炎發病與環境濕度呈負相關，干旱地區干燥低濕環境是過敏性鼻炎重要的危險因素，且AH可能較RH能更好地反映環境濕度對過敏性鼻炎的影響。

引 言

近年來，環境濕度對過敏性鼻炎的影響越來越受到關注(He et al,2017;Duan et al,2019)。絕對濕度(absolute humidity,AH)和相對濕度(relative humidity,RH)均可作為評價環境濕度的指標，但現有研究大多探討了RH與鼻炎的關系(He et al,2017;Duan et al,2019)，且這些研究均局限于濕潤地區。有研究認為，AH更能準確地反映環境濕度與健康的急性關系(Shaman and Kohn,2009;Liu et al,2020)，因此，AH可能更適合作為環境濕度的指標去探討環境濕度對過敏性鼻炎的影響。甘肅地處西北內陸，以干燥氣候為主，屬干旱和半干旱氣候特征地區(廖要明和張存杰,2017)，但該氣候環境下濕度與過敏性鼻炎的關系仍未明確。因此，本研究選擇RH和AH作為環境濕度評價指標，以甘肅省蘭州市、天水市和張掖市為例分析大氣環境濕度與過敏性鼻炎的關系，進而為防控過敏性鼻炎的發生與發展提供科學依據。

1 數據與方法

1.1 數據來源

蘭州市2014—2016年過敏性鼻炎日門診數據來源于蘭州市的10家大型醫院，天水和張掖市2016—2018年日門診數據分別來源于其市內最大三級甲等醫院(天水市第一醫院和河西學院附屬張掖市人民醫院)。根據國際疾病分類第10版(ICD-10)納入病例，過敏性鼻炎的ICD-10編碼為J30。同時，收集三個城市過敏性鼻炎日門診數據同期的氣象數據和大氣污染物數據。氣象數據來源于公開數據共享網站http:∥data.sheshiyuanyi.com/WeatherData/，包括：日均氣溫、風速和RH等。AH的計算方法與之前研究報道的方法相同，采用蒸汽壓(單位：g·m-3)的方法進行計算(Ma et al,2020)。大氣污染數據來源于國家生態環境部數據中心(http:∥datacenter.mee.gov.cn/)，包括：PM2.5、NO2和O3的日平均濃度，其中O3為一天中最大連續8小時濃度均值。

1.1 數據處理與分析

首先對蘭州、天水、張掖過敏性鼻炎日門診人數及相應環境因素進行描述，然后利用泊松分布的廣義相加模型估計天水、蘭州和張掖市的RH或AH與每日過敏性鼻炎門診人數的關系，同時在模型中控制氣象因素(氣溫和風速)、大氣污染物(PM2.5,NO2和O3)、時間趨勢、星期幾效應和假期效應等混雜因素。本研究使用R軟件(v3.6.0)中“mgcv”軟件包擬合廣義相加模型。模型如下：

logE(Yt)=α+β·RH+ns(Tt,7/yr)+

ns(Te,6)+ns(V,3)+ns(CPM2.5,3)+

ns(CNO2,3)+ns(CO3,3)+λEW+γEH

(1)

logE(Yt)=α+β·AH+ns(Tt,7/yr)+

ns(Te,6)+ns(V,3)+ns(CPM2.5,3)+

ns(CNO2,3)+ns(CO3,3)+λEW+γEH

(2)

式中：Yt為第t日過敏性鼻炎門診病例數；E(Yt)為第t日門診病例數期望值；α代表截距；β、λ和γ表示回歸系數；RH表示相對濕度，AH表示絕對濕度，Te表示環境氣溫，V表示平均風速，ns表示自然樣條函數，Tt為時間變量，EW為“星期幾效應”(星期一到星期天)，EH為“假期效應”(法定節假日為1，非法定節假日為0)。參考相關研究，模型中引入了以下混雜因素：采用每年7個自由度(7/yr)的自然樣條函數擬合時間趨勢來控制時間和季節趨勢對日門診人數的影響(樊琳等,2019)；采用自由度等于6的3天滑動平均氣溫和自由度等于3的3天滑動平均風速來控制氣象因素潛在的非線性和滯后性的混雜效應(Chen et al,2017)；以往研究發現污染物的2天滑動平均濃度常對過敏性鼻炎產生最大的影響估計(Lee et al,2015)，因此，本研究采用自由度等于3的2天滑動平均污染物濃度控制大氣污染物對每日過敏性鼻炎門診人數的影響，并使用啞變量控制“星期幾效應”和“假期效應”(樊琳等,2019)。

考慮到RH和AH對每日門診人數可能存在潛在的滯后影響，本研究還進行了滯后效應分析。單天滯后效應選擇單天滯后0～7天分析，累積效應選擇累積滯后1～7天分析。結果用RH每降低1%(AH每降低1 g·m-3)，過敏性鼻炎日門診人數的超額危險度(excess risk，ER)值來表示。此外，本研究進行了季節分層分析，進而探討環境濕度對日門診人數影響的季節差異。為評估大氣污染物與環境濕度對過敏性鼻炎日門診人數的交互影響，本研究采用雙變量響應面模型分析大氣污染物和AH對過敏性鼻炎日門診人數的聯合作用。模型如下：

logE(Yt)=α+te(AHt,APlag01)+ns(Tt,7/yr)+

ns(AT,6)+ns(V,3)+λEW+γEH

(3)

式中：te代表雙變量響應面函數；AHt代表最強效應滯后日的絕對濕度，APlag01代表累計滯后1天(lag01)的大氣污染物(PM2.5，NO2和O3)，其他變量及參數解釋與式(2)相同。

采用赤池信息量準則對回歸模型進行因子選擇與優度檢驗，并根據廣義相加模型估算出氣象因素的回歸系數β，計算相對危險度及其95%置信區間。一般來說，相對危險度為1以上表示暴露是危害作用， 1以下則表示保護作用。

2 結果分析

2.2 過敏性鼻炎日門診人數變化特征

本次研究納入蘭州(2014—2016年)、天水(2016—2018年)、張掖(2016—2018年)過敏性鼻炎門診確診人數共計26 477人，其中蘭州為17 412人、天水為4 143人、張掖為4 922人(圖1)。蘭州每日最高門診人數為170人，日均為16人；天水最高日門診人數為66人，日均為4人；張掖最高日門診人數為61人，日均為4人。三個城市的數據顯示，每年8—9月為過敏性鼻炎門診高峰期。

圖1 (a)2014—2016年蘭州，(b)2016—2018年天水，(c)2016—2018年張掖過敏性鼻炎日門診人數變化Fig.1 Changes of daily outpatient visits for allergic rhinitis in (a) Lanzhou from 2014 to 2016, (b) Tianshui from 2016 to 2018, and (c) Zhangye from 2016 to 2018

2.2 蘭州、天水、張掖市氣象因素及大氣污染物特征

表1為2014—2016年蘭州、2016—2018年天水和張掖市氣象因素及大氣污染物特征。三個城市中，張掖濕度最低，其日均RH和AH分別為45.85% 和4.58 g·m-3；天水濕度最高，其日均RH和AH分別為64.51%和8.13 g·m-3。對于氣溫而言，天水日均氣溫最高(12.48℃)，蘭州日均氣溫最低(8.58℃)。蘭州和天水PM2.5質量濃度均超過國家《環境空氣質量標準》(GB3095—2012)二級限值標準(35 μg·m-3)，蘭州市NO2濃度超過該標準的二級限值標準(40 μg·m-3)。圖2為蘭州、天水、張掖地區RH及AH變化特征，可見兩者均有顯著的季節性差異，呈現夏季高、冬季低的特征。

圖2 (a)2014—2016年蘭州,(b)2016—2018年天水,(c)2016—2018年張掖相對濕度及絕對濕度變化Fig.2 Changes of relative humidity and absolute humidity in (a) Lanzhou from 2014 to 2016, (b) Tianshui from

表1 2014—2016年蘭州、2016—2018年天水和張掖大氣污染物及氣象因素特征Table 1 Characteristics of air pollutants and meteorological factors in Lanzhou from 2014 to 2016, Tianshui and Zhangye from 2016 to 2018

2.3 RH、AH與過敏性鼻炎的關系

圖3表明濕度越小，對鼻炎的危害作用越大；濕度越大，對鼻炎的作用越小，甚至為保護作用。圖3a～3c，三個城市RH與過敏性鼻炎日門診人數之間皆呈負相關，即過敏性鼻炎日門診人數隨著RH降低而增加。在單天滯后和累積效應方面，除張掖RH在單天滯后7天時與日門診人數無顯著關系外，三個城市的過敏性鼻炎日門診人數在所有滯后天數均隨著RH降低而增加(表2)。具體而言，在累積滯后6天時，蘭州RH與過敏性鼻炎關系最強，而天水、張掖均在累積滯后7天時RH對過敏性鼻炎的效應最大。RH每降低1%，蘭州、天水、張掖過敏性鼻炎日門診人數分別增加1.36%、2.30%和1.50%。圖3d～3f為AH與過敏性鼻炎日門診人數之間的暴露反應關系，結果提示蘭州、天水、張掖三個城市的AH與過敏性鼻炎日門診人數呈現負相關趨勢，提示AH降低可能會引起過敏性鼻炎日門診人數增加。表2為AH對日門診人數的單獨滯后效應和累積滯后效應。在最強效應滯后日，AH每降低1 g·m-3，蘭州、天水及張掖過敏性鼻炎日門診人數分別增加14.92%、16.00% 和13.98%。

圖3 (a，d)2014—2016年蘭州,(b，e)2016—2018年天水和(c，f)張掖(a,b,c)相對濕度和(d,e,f)絕對濕度在累積滯后2天時與過敏性鼻炎日門診人數的暴露反應關系(虛線代表相對危險度的95%置信區間，水平實線代表相對危險度為1)Fig.3 Exposure response diagram of (a, b, c) relative humidity and (d, e, f) absolute humidity with the daily outpatient visits for allergic rhinitis in cumulative lag of 2 days(a) Lanzhou from 2014 to 2016, (b) Tianshui from 2016 to 2018, and (c) Zhangye from 2016 to 2018(Dotted lines represent the 95% confidence interval of relative risk, and the horizontal line represents relative risk=1)

表2 相對濕度、絕對濕度在不同滯后天數下對過敏性鼻炎日門診人數的超額危險度(單位：%)Table 2 Excess risk of relative humidity, absolute humidity on the number of daily outpatient visits for allergic rhinitis with different lag days (unit: %)

2.2 亞組分析

表3為不同季節下環境濕度(RH和AH)在最強效應滯后日對過敏性鼻炎門診人數的影響。不同地區和季節，環境濕度對過敏性鼻炎門診人數的影響存在一定差異。結果顯示，蘭州市環境濕度對過敏性鼻炎的風險在冬季較高，超額危險度(ER)值顯著高于其他季節。而天水和張掖環境濕度對過敏性鼻炎的風險則在夏季高于其他季節。對比AH和RH兩者對過敏性鼻炎日門診人數估計的ER值，可見以AH計算的ER值變化顯著高于RH，提示在研究濕度對過敏性鼻炎的影響時，AH較RH更為敏感。

表3 不同季節下環境濕度在最強效應滯后日對過敏性鼻炎日門診人數的超額危險度(單位：%)Table 3 Excess risk of environmental humidity in strongest effect lag days on the daily outpatient visits for allergic rhinitis in different seasons (unit: %)

2.2 濕度與大氣污染物對過敏性鼻炎影響的交互作用

如圖4所示，大氣污染物及低濕度均會影響過敏性鼻炎日門診人數。大氣PM2.5、NO2、O3濃度和低濕度對敏性鼻炎日門診人數的影響存在顯著交互作用，這種效應在張掖最為顯著。隨著環境濕度的降低和各大氣污染物濃度的升高，過敏性鼻炎發病風險增加。盡管該結果在蘭州、天水市不盡相同，但均提示低濕是過敏性鼻炎發病的重要危險因素，并在高濃度的污染物下風險更高。

圖4 (a～c)2014—2016年蘭州,2016—2018年(d～f)天水和(g～i)張掖絕對濕度與(a,d,g)PM2.5,(b,e,h)NO2,(c,f,i)O3濃度對過敏性鼻炎日門診人數的聯合作用(絕對濕度滯后天數為最強效應滯后日，大氣污染物為2天滑動平均污染物濃度)Fig.4 Combined effects of absolute humidity and (a, d, g) PM2.5, (b, e, h) NO2, (c, f, i) O3 on the daily outpatient visits for allergic rhinitis in (a-c) Lanzhou from 2014 to 2016, (d-f) Tianshui and (g-i) Zhangye from 2016 to 2018(The absolute humidity lag day is the strongest effect lag day， the air pollutants are 2 d moving average pollutant concentrations)

3 結論與討論

本文利用蘭州、天水、張掖市多年過敏性鼻炎日門診人數與氣象數據，分析了環境濕度對過敏性鼻炎的影響，發現三個城市過敏性鼻炎發生高峰期為8—9月，這與天津的一項研究結果相似(袁衛玲等,2019)。夏秋季節天氣多變，9月進入秋季，風速高，濕度逐漸降低，極易引起許多過敏原如花粉等的擴散，進而導致過敏性鼻炎的發生風險增加，并顯著高于其他時段。本研究結果進一步為過敏性鼻炎的防控提供了科學依據。

安徽合肥的一項研究發現高、低RH均可能引發過敏性鼻炎，但低RH的風險較高(Duan et al,2019)。本文也發現低濕會導致過敏性鼻炎日門診人數的顯著增加，但高濕的影響不顯著。這可能與本文的研究區域較低日均濕度有關。甘肅省地處我國的干旱半干旱區域，蘭州、天水、張掖作為其典型代表城市，日均RH分別為57.4%、64.5%、45.9%，而安徽合肥地區日均RH為75.8%，不同的濕度水平可能導致了該結果的差異。天水市AH和RH對過敏性鼻炎的最大效應值均高于蘭州、張掖。這可能與蘭州、張掖常年干旱，降水量低，進而導致當地居民對低濕度有一定的適應性有關。而天水相對濕潤，強降水量發生概率高，居民可能對低濕環境更加敏感，因此環境濕度與過敏性鼻炎的關系更強(楊銀等,2019)。有研究發現低濕可降低鼻黏膜對過敏原的屏障作用，有利于過敏原的擴散(Jones and Harrison, 2004)，從而導致鼻損傷。同時，干燥環境會導致鼻出血(Danielides et al,2002)和鼻黏膜受損，從而促進空氣中的過敏原進入機體，導致噴嚏、流涕等癥狀發生。盡管如此，本研究結果也再一次證實，干燥低濕環境可促進過敏性鼻炎的發生和加重。

此外，劉華悅等(2019)、Hu et al(2020)研究發現RH與過敏性疾病的發生有關，但關于AH與過敏性疾病的研究相對較少(翟文慧, 2014)。因此，本研究探討了AH與RH兩個濕度指標對過敏性鼻炎的影響，結果顯示兩個指標均與其呈負相關，且兩個模型的擬合度均達到60%以上，說明AH與RH均可作為濕度的特征性指標用于評價環境濕度對過敏性鼻炎的影響。盡管如此，本研究發現AH對過敏性鼻炎的效應估計值比RH的效應估計值更大，提示在探討濕度對過敏性鼻炎的影響時AH比RH更加靈敏。因此，在未來的研究中，應該重視AH在環境濕度與健康效應研究方面的應用，尤其是在干旱環境中的應用(Zhang et al,2014)。

綜上所述，本研究選擇地處干旱半干旱地區的三個城市作為研究地域，結果均表明低濕環境可能會促使過敏性鼻炎的發作，且有一定的滯后效應。因此，為預防其發生和發展，干旱及半干旱地區居民可適當增加室內空氣濕度，并在室外做好防護，以便減輕過敏性鼻炎的加重和發生。盡管如此，本研究作為橫斷面研究，在解釋濕度影響過敏性鼻炎的因果關系上還存在一定的局限，在未來的研究中還需加強人群隊列的建立，進而明確過敏性鼻炎和濕度的關系及機制。