气温对居民日死亡数的影响南京市某区气温与居民死亡关系的时间序列分析

气温对居民日死亡数的影响南京市某区气温与居民死亡关系的时间序列分析

气候因素，尤其是温度，对人们的健康有显著而直接的影响。它可以影响人体的不同生理功能，以及心脑血管疾病和呼吸道疾病之间的复杂关系。同时，气温也会影响大气污染物的扩散，影响大气污染物对人类的损害。每日人群死亡数可以反映一个地区人群的健康状况,因此,从健康危害管理的角度出发,研究气温与每日人群死亡数之间的关系十分必要,另外,自20世纪90年代以来,时间序列模型已被广泛应用于大气污染急性暴露对各种健康效应终点的研究,初步证实了大气污染短期浓度的变化与人群逐日死亡数密切相关,国内在该方面的研究取得了很多进展,张衍燊等研究发现天津市城区居民的每日死亡与该市PM10污染显著相关,尤其是循环系统与呼吸系统的疾病死亡;杨敏娟等发现空气中SO2和NO2浓度的升高都可以增加心脑血管疾病死亡危险性,但是,这些研究往往忽视了气温对人群健康的重要作用,而大气污染程度低的地区,气温对于人群死亡的作用可能更容易体现出来。为此,笔者选定南京市一大气清洁区作为研究对象,控制大气污染对人群健康危害的混杂作用,分析气温对每日人群死亡数之间的关系。1内容和方法1.1研究领域选择南京市某城郊地区,无重污染化工企业,支柱产业为电子、民用轻工等绿色产业。地处中纬度地区,属北亚热带气风气候。1.2病例数据提取及统计死亡资料来自2007年1月1日—2008年12月31日该区死亡医学登记系统,来源于南京市疾病预防控制中心,剔除意外死亡病例后进行统计。同期气温资料来自南京市气象局,同期大气污染资料来自南京市环保局,包括SO2、NO2、可吸入颗粒(PM10)的每日平均浓度,为南京市某区大气污染监测点数据的算术平均值。1.3模型自适应约束最小二乘估计方法居民每日死亡对居民总体来说是小概率事件,其统计学分布近似于泊松分布。采用平滑样条函数(smoothingsplinefunction),最大程度拟合和控制与时间有关的因素,以及大气污染物对每日人群死亡数的影响,采用广义交叉检验(generalizedcrossvalidation,GCV)的自适应约束最小二乘估计方法对模型进行评估,广义交叉检验是SAS软件GAM分析模块中应用的检验方法,该方法可以利用数据本身而将模型的期望残差值降到最小,不需要其他的数据,故而被广泛地应用于模型参数的估计。模型以泊松分布做分布族(familydistribution),对数函数为连接函数(linkfunction)。基本模型为:式中:E(Yt)—每日居民死亡数的期望值;α—截距;S—平滑函数;解释因素:TEMP—T日平均气温;混杂因素:T日大气污染物浓度,包括SO2、NO2、PM10;Day—观察日T在研究时序中的天数序列号,用以控制时间的长期趋势和季节趋势。由于本研究着重探讨气温与人群死亡数的关系,且相对湿度和气压与气温的关联性较强,故未将它们放入到模型中。根据结果判断气温与每日人群死亡数之间可能存在的关系并进行二次拟合,统计分析软件为SAS9.1。2结果2.1群死亡数、气温、so2、no2、浚小体积wsf情况南京市某区2007年1月1日—2008年12月31日期间每日人群死亡数、气温、SO2、NO2、PM10浓度情况见表1。表1可见,SO2、NO2、PM10日均浓度分别为0.043、0.035、0.109mg/m3,日均死亡11.3例,日均气温16.5℃。2.2大气污染物浓度与日期人群死亡数关系利用上述模型,在控制长期趋势、季节趋势以及大气污染物等混杂因素的情况下,气温对人群每日死亡数影响的结果见表2和图1。表2显示,日平均气温(TEMP)和每日人群死亡数之间具有非线性趋势(P<0.001);天数(Day)与每日人群死亡数之间具有线性趋势(P<0.05)。同时表2还显示每日人群死亡数的长期趋势和季节趋势不显著(P=0.0509),但需要控制。大气污染物如SO2、NO2、PM10对每日人群死亡数的影响无统计学意义。由图1可以看出,PM10与SO2的浓度与每日人群死亡数之间存在负相关的部分主要处于高浓度区域,低浓度区域仍然可见浓度与每日人群死亡数之间存在的正相关关系,在分析365d的大气污染物浓度后发现,PM10超过0.3mg/m3、SO2浓度超过0.1mg/m3的天数分别为8和15d,由于天数非常少,不足以说明负相关关系的存在。2.3气温对每日人群死亡数的非线性回归分析影响分析由图1可以看出,气温与每日人群死亡数之间存在类似近似二次函数的关系,此时采用非线性回归分析拟合二次曲线,模型为E(Yt)=a+bTemp+cTemp2,用高斯-牛顿迭代法确定参数的估计值和离均差平方和。利用模型模拟合气温对每日人群死亡数的影响,结果见表3、4。由表3、4可得出拟合的二次曲线方程为:E(Yt)=14.0199-0.334Temp+0.0077Temp2,F=36.15,P<0.0001。由此可知,气温与每日人群死亡数之间存在二次曲线关系,通过拟合的二次曲线可以计算得出,当气温为21.77℃时,每日人群死亡数E(Yt)取得最小值,低于或者高于此气温都会导致人群死亡数的增加;由表4可知该回归模型可以解释的变异占总变异的比例为8.81%,即气温对每日人群死亡数的解释比例为8.81%。大气污染物对每日人群死亡数可能有一定的影响,因为研究区域为大气污染清洁区且在GAM模型中,未发现大气污染物与每日人群死亡数存在显著性的关系,所以在二次拟合中仅以单因素形式拟合了气温与每日人群死亡数的二次曲线关系,未将大气污染物纳入模型。3次曲线拟合时间序列方法被广泛地应用到人群健康研究,通过对同一研究人群反复观察暴露条件改变后的人群健康效应,该方法可以很好地控制与时间变化相关的一些混杂因素,如年龄改变、吸烟等,这是时间序列方法相比于其他方法的显著优势。近年来,广义相加模型被广泛地用来分析气象因素、大气污染等对人群的急性作用,它可以放宽线性条件的要求,适用于任意分布的资料。笔者采用广义相加模型研究气温与每日人群死亡数之间的关系,利用非参数平滑函数控制长期趋势和季节趋势以及大气污染物(如SO2、NO2、PM10)等混杂因素,结果发现南京某区气温与每日人群死亡数之间存在二次曲线关系。相对于直线拟合,二次曲线方程拟合可以更好地拟合变量间复杂的关系,找到极值,简化拟合过程从而避免进行分段线性拟合,在实际中有着广泛的应用,如在煤灰分的计算中,二次曲线拟合可以解决传统同一矿源煤灰分测量直线拟合算法过程烦琐和有效测量范围小等问题。在林木凋落物量动态分析研究中,二次曲线方程可以很好地拟合凋落物与树龄之间的关系。本研究利用非线性回归拟合二次方程为:E(Yt)=14.0199-0.334Temp+0.0077Temp2,P<0.001,气温为21.77℃时死亡数最低,气温对每日人群死亡数的解释比例为8.81%,低于或者高于21.77℃都会导致每日人群死亡数的增加,与Kan等的研究结果相符合。其主要原因在于气温可以影响相关疾病的发生与发展,如心脑血管疾病、呼吸系统疾病等。另外,在直接影响人体功能的同时,气温还可以影响大气污染物的排放、混合以及转移,从而间接影响到大气污染物对人体的危害作用。虽然无法对室外气温及其变化进行直接的干预,但是通过宣传教育,使人们及时了解气温环境与健康的关联性,可以提示人们尽量避开不利的气温环境,还可为相关部门制定政策时提供参考,以达到预防疾病和减少发病的目的。本研究未发现大气污染物的浓度对每日人群死亡数具有显著性的作用,其可能的原因是该区位于南京城郊,大部分为农村地区,无污染严重的化工企业;另一方面,Sarnat等的研究表明固定监测点的获得的大气污染物数据(如