兰州城区大气污染与居民呼吸、循环系统疾病住院关联的时间序列解析

兰州城区大气污染与居民呼吸、循环系统疾病住院关联的时间序列解析一、引言1.1研究背景与意义随着工业化和城市化的快速发展，大气污染已成为全球关注的重大环境问题之一。大气污染不仅影响空气质量，破坏生态平衡，还对人类健康产生了严重威胁。众多研究表明，长期暴露于污染的空气中与多种疾病的发生和发展密切相关，如呼吸系统疾病、心血管系统疾病等，给社会和个人带来了沉重的负担。兰州，作为中国西北地区的重要城市，近年来经济发展迅速，但同时也面临着严峻的大气污染问题。兰州市地处青藏高原东北侧，黄河河谷盆地之中，四周群山环绕，这种独特的地形使得污染物不易扩散，容易在城区聚集。同时，兰州是西部重要的工业冶炼基地，形成了以石油、化工、冶金、机械为主体的经济体系，能源消耗主要以煤炭为主，大气污染物颗粒有五分之二来自于煤炭的燃烧。加之机动车保有量的不断增加，尾气排放也成为大气污染的重要来源。多种因素交织，导致兰州市大气污染形势较为严峻。呼吸系统和循环系统与外界环境直接或间接接触，是对大气污染最为敏感的系统。大气中的污染物，如颗粒物（PM10、PM2.5）、二氧化硫（SO₂）、氮氧化物（NOx）等，可通过呼吸进入人体呼吸道，刺激和损伤呼吸道黏膜，引发咳嗽、气喘、呼吸困难等症状，长期暴露还可能导致慢性阻塞性肺疾病（COPD）、哮喘、肺癌等呼吸系统疾病的发生和发展。对于循环系统，大气污染物可通过影响血管内皮功能、促进炎症反应、改变血液流变学等机制，增加心血管疾病的发病风险，如冠心病、高血压、心肌梗死等。因此，研究兰州城区大气污染与居民呼吸、循环系统疾病日住院人数的关系，具有重要的现实意义。从公共卫生角度来看，准确了解大气污染对居民健康的影响，有助于制定科学合理的公共卫生政策。通过对两者关系的研究，可以确定大气污染对居民健康影响的程度和范围，为卫生部门合理配置医疗资源提供依据。例如，在污染严重的区域和时段，提前增加呼吸、循环系统疾病相关的医疗设备和医护人员，以应对可能增加的患者数量，提高医疗服务的及时性和有效性。同时，研究结果还可以为开展健康教育和健康促进活动提供方向，增强居民的自我保护意识，引导居民采取有效的防护措施，如佩戴口罩、减少户外活动等，降低大气污染对健康的危害。在城市规划方面，研究结果对优化城市布局和产业结构调整具有指导作用。通过明确大气污染与居民健康的关联，城市规划者可以在规划新的工业区域、居民区和交通设施时，充分考虑大气污染的扩散规律和对居民健康的潜在影响。例如，将高污染企业布局在远离居民区的下风方向，加强城市绿化建设，增加城市绿地面积，以起到净化空气、降低污染的作用。同时，鼓励发展清洁能源和绿色交通，减少污染物排放，改善城市生态环境，促进城市的可持续发展。1.2国内外研究现状在国外，大气污染与呼吸、循环系统疾病关系的研究起步较早，成果丰硕。美国癌症协会开展的长期队列研究，通过对大量人群的长期跟踪调查，明确了大气污染与死亡率升高以及肺癌死亡率升高之间存在长期健康效应。后续众多流行病学研究进一步证实，大气污染与呼吸系统及心血管系统死亡率、患病率显著相关。例如，一项针对欧洲多个城市的研究表明，PM2.5浓度每升高10μg/m³，心血管疾病死亡率增加约4%-6%，呼吸系统疾病死亡率增加约3%-5%。另一项在日本进行的研究发现，长期暴露于高浓度的二氧化硫和颗粒物环境中，居民患慢性阻塞性肺疾病（COPD）的风险显著增加。国内对该领域的研究也逐渐深入。北京大学的相关研究团队通过对北京等城市的监测和分析，发现大气污染中的颗粒物、二氧化硫、氮氧化物等污染物，与居民呼吸、循环系统疾病的发病和死亡密切相关。在广州，研究人员利用时间序列分析方法，探讨了空气污染对城区居民心脑血管疾病死亡的影响，结果显示，空气污染指数的升高会导致心脑血管疾病死亡风险增加。此外，还有研究关注到不同粒径颗粒物对健康的影响差异，发现细颗粒物（PM2.5）由于其粒径小、可深入人体呼吸系统，对健康的危害更为严重。然而，针对兰州地区的研究仍存在一定不足。兰州独特的地形地貌和气候条件，使其大气污染特征与其他地区有所不同。尽管已有部分研究分析了兰州市的大气污染特征以及沙尘天气对污染状况的影响，但在大气污染与居民呼吸、循环系统疾病日住院人数关系的研究方面，还缺乏系统、深入的分析。以往研究在污染物的选择上，可能未能全面涵盖兰州地区的主要污染物，且对不同污染物之间的协同作用研究较少。在健康效应的评估中，也较少考虑到兰州居民的生活习惯、遗传因素以及医疗资源分布等因素对疾病发生发展的影响。本研究将弥补上述不足，全面考虑兰州地区的大气污染特征，综合分析多种污染物与居民呼吸、循环系统疾病日住院人数的关系。通过收集兰州市多年的大气污染监测数据和居民住院数据，运用先进的时间序列分析方法，深入探讨两者之间的关联，并考虑气象因素、人口统计学因素等混杂因素的影响，为兰州地区的大气污染防治和公共卫生政策制定提供更为科学、准确的依据，这也是本研究的创新点所在。1.3研究目的与方法本研究旨在定量分析兰州城区大气污染与居民呼吸、循环系统疾病日住院人数之间的关系，评估大气污染对居民健康的影响程度，为兰州市制定科学合理的大气污染防治政策和公共卫生策略提供科学依据。本研究采用时间序列研究方法，该方法能够充分利用按时间顺序排列的数据，分析变量随时间的变化趋势以及变量之间的动态关系，在空气污染与健康效应研究领域具有广泛应用。通过收集兰州市大气污染监测数据、气象数据以及居民呼吸、循环系统疾病日住院人数数据，运用时间序列分析中的广义相加模型（GAM），控制长期趋势、季节趋势、气象因素等混杂因素，分析大气污染物浓度（如PM10、PM2.5、SO₂、NO₂等）与居民呼吸、循环系统疾病日住院人数之间的关联强度，并进一步探讨不同污染物对不同性别、年龄组人群的影响差异。在数据来源方面，大气污染监测数据将从兰州市生态环境局获取，包括城区多个监测站点的PM10、PM2.5、SO₂、NO₂等污染物的日平均浓度数据。气象数据来源于兰州市气象局，涵盖同期的日平均气温、相对湿度、气压、风速等气象参数，这些气象因素对大气污染物的扩散和转化具有重要影响，纳入分析有助于更准确地评估大气污染对健康的影响。居民呼吸、循环系统疾病日住院人数数据则从兰州市多家综合性医院收集，确保数据的全面性和代表性。为保证数据质量，在数据收集过程中，将对数据进行严格的审核和清洗，剔除异常值和缺失值，确保数据的准确性和可靠性，为后续的分析奠定坚实基础。二、兰州城区大气污染特征分析2.1污染现状概述近年来，兰州市在大气污染防治方面采取了一系列措施，取得了一定成效，但大气污染问题仍然不容忽视。根据兰州市生态环境局发布的数据，兰州市大气污染物主要包括颗粒物（PM10、PM2.5）、二氧化硫（SO₂）、二氧化氮（NO₂）、一氧化碳（CO）和臭氧（O₃）等。从污染物浓度变化趋势来看，PM10和PM2.5作为可吸入颗粒物和细颗粒物，对人体健康危害较大。在过去一段时间里，兰州市PM10浓度总体呈下降趋势，但在部分时段仍会出现较高浓度。例如，在冬春季节，受沙尘天气和采暖期燃煤排放等因素影响，PM10浓度会明显升高。2023年，兰州市PM10年平均浓度为[X]μg/m³，虽较以往有所降低，但仍超过国家二级空气质量标准（70μg/m³）。PM2.5浓度同样呈现出下降态势，但在污染天气下，其浓度依然可能对居民健康产生威胁。2023年，PM2.5年平均浓度为[X]μg/m³，也超出国家二级标准（35μg/m³）。二氧化硫（SO₂）浓度在能源结构调整和工业污染治理的作用下，有了显著下降。兰州市曾是工业污染较为严重的城市，能源消耗以煤炭为主，工业废气排放中SO₂含量较高。随着环保政策的严格实施，许多企业进行了脱硫改造，减少了SO₂的排放。2024年1-6月，SO₂浓度为14微克/立方米，同比下降6.7%，已达到国家空气质量二级标准（60μg/m³）。二氧化氮（NO₂）主要来源于机动车尾气排放和工业废气排放。随着兰州市机动车保有量的持续增加，NO₂污染问题逐渐凸显。尽管通过加强机动车尾气检测和管控，以及工业污染治理等措施，NO₂浓度上升趋势得到一定程度遏制，但在交通繁忙的城区，NO₂浓度仍处于相对较高水平。2024年1-6月，NO₂浓度为37微克/立方米，同比下降5.1%，暂时达标（国家二级标准为40μg/m³）。一氧化碳（CO）主要由机动车尾气和燃煤排放产生。兰州市通过加强交通管理和推广清洁能源使用，CO污染状况有所改善。2024年1-6月，CO日均值第95百分位浓度1.9毫克/立方米，同比上升5.6%，整体处于较低水平，符合国家空气质量标准（4.0毫克/立方米）。臭氧（O₃）污染问题近年来逐渐受到关注，它是一种二次污染物，主要由氮氧化物和挥发性有机物在阳光照射下发生光化学反应生成。兰州市在夏季高温、光照充足的时段，容易出现O₃污染超标现象。2024年1-6月，O₃日最大8小时滑动平均第90百分位浓度159微克/立方米，同比上升7.4%，已成为影响兰州市空气质量的重要因素之一，国家二级标准为160μg/m³。在空气质量达标天数方面，2024年1-6月，全市空气质量达标天数136天，同比增加3天，环境空气质量总体同比改善，未发生人为因素导致的中度及以上污染天气。但在空气质量超标的46天中，外来沙尘影响最大，城区累计受外来沙尘天气影响49天，同时造成超标天数21天，占超标总天数的45.7%；其次为臭氧（O₃）污染，以臭氧为首要污染物的超标天数16天，占超标总天数的34.8%；以细颗粒物（PM2.5）为首要污染物的超标天数6天，占超标总天数的13.0%；以二氧化氮（NO₂）为首要污染物的超标天数4天，占超标总天数的8.7%。由此可见，兰州市大气污染在不同污染物和季节上呈现出复杂的特征，仍需进一步加强治理和研究。2.2主要污染物分析2.2.1PM10PM10作为兰州市大气污染的主要污染物之一，其来源广泛且复杂。工业排放是重要来源之一，兰州市以石油、化工、冶金等重工业为主，这些工业企业在生产过程中会向大气中排放大量的颗粒物，其中就包含PM10。例如，石油炼制过程中的催化裂化、焦化等工艺，会产生含有颗粒物的废气；冶金行业的矿石烧结、高炉炼铁等环节，也会排放出大量的PM10。此外，工业锅炉和窑炉在燃烧煤炭等化石燃料时，由于燃烧不完全，会产生烟尘，其中也含有大量的PM10。扬尘也是PM10的重要来源。兰州市地处黄土高原，气候干燥，地表植被覆盖率相对较低，土壤容易被风扬起形成扬尘。在城市建设过程中，建筑工地的施工活动频繁，土方开挖、物料堆放、车辆运输等环节都会产生扬尘。据统计，建筑工地扬尘可占城市PM10总量的20%-30%。道路扬尘同样不可忽视，兰州市机动车保有量持续增加，车辆行驶过程中会带动地面灰尘扬起，尤其是在路面破损、清扫不及时的情况下，道路扬尘更为严重。此外，兰州市周边地区的沙尘天气也会对城区PM10浓度产生影响。在沙尘天气发生时，大量的沙尘颗粒会随着气流输送到兰州市区，使PM10浓度急剧升高。PM10浓度的变化具有明显的季节规律。在冬春季节，PM10浓度通常较高。冬季，一方面由于气温较低，居民取暖需求增加，燃煤量增大，煤炭燃烧产生的颗粒物排放增多；另一方面，冬季大气层结稳定，风力较小，不利于污染物的扩散，使得PM10容易在城区积聚。春季，沙尘天气频繁，外来沙尘输入是导致PM10浓度升高的主要原因。例如，2023年春季，兰州市多次受到沙尘天气影响，PM10浓度最高时达到[X]μg/m³，远超国家二级空气质量标准。而在夏秋季节，气温较高，降水相对较多，大气对流活动较强，有利于污染物的扩散和清除，PM10浓度相对较低。PM10对空气质量的影响十分显著。当PM10浓度超标时，会导致空气变得浑浊，能见度降低，影响城市的景观和居民的生活质量。长期暴露在高浓度PM10环境中，对人体健康危害极大。PM10可被人体吸入呼吸道，沉积在呼吸道和肺部，引发咳嗽、咳痰、气喘等呼吸系统症状。研究表明，长期暴露于高浓度PM10环境中，居民患慢性阻塞性肺疾病（COPD）、哮喘等呼吸系统疾病的风险显著增加。同时，PM10还可能携带重金属、多环芳烃等有害物质，这些物质具有致癌、致畸、致突变的作用，对人体健康构成潜在威胁。2.2.2SO₂二氧化硫（SO₂）主要来源于化石燃料的燃烧，尤其是煤炭的燃烧。兰州市能源结构长期以煤炭为主，工业企业和居民生活用煤量较大。工业领域，火力发电、钢铁冶炼、有色金属冶炼等行业是SO₂的主要排放源。例如，火力发电厂的燃煤锅炉在燃烧过程中，煤中的硫元素被氧化生成SO₂，随着废气排放到大气中。在居民生活方面，冬季取暖期大量使用煤炭，也是SO₂排放的一个重要来源。此外，兰州市周边地区的一些小型燃煤企业，由于环保设施不完善，SO₂排放也较为严重，这些排放源对兰州市区的空气质量产生了一定的影响。随着兰州市对大气污染治理力度的不断加大，采取了一系列减排措施，如推广清洁能源、加强工业污染治理、实施脱硫工程等，SO₂浓度呈现出明显的下降趋势。在过去，兰州市SO₂浓度长期处于较高水平，对空气质量和居民健康造成了严重影响。近年来，通过对工业企业的脱硫改造，许多企业安装了高效的脱硫设备，使得SO₂排放大幅减少。例如，某大型钢铁企业通过采用石灰石-石膏湿法脱硫工艺，SO₂去除率达到90%以上。同时，兰州市积极推进清洁能源替代，提高天然气、电力等清洁能源在能源消费结构中的比重，减少了煤炭的使用量，从而降低了SO₂的排放。SO₂对空气质量的影响主要体现在酸雨的形成和对人体呼吸系统的刺激。SO₂在大气中经过一系列的化学反应，可转化为硫酸和硫酸盐气溶胶，这些物质随着降水落到地面，形成酸雨。酸雨会对土壤、水体、植被等生态环境造成破坏，影响农作物生长和森林生态系统的平衡。对人体健康而言，SO₂具有刺激性气味，可刺激呼吸道黏膜，引起咳嗽、气喘、呼吸困难等症状，长期暴露还可能导致慢性支气管炎、肺气肿等呼吸系统疾病的发生。2.2.3NO₂二氧化氮（NO₂）主要来源于机动车尾气排放和工业废气排放。在兰州市，随着经济的发展和居民生活水平的提高，机动车保有量迅速增加。机动车在运行过程中，发动机内的高温燃烧条件会使空气中的氮气和氧气发生反应，生成氮氧化物（NOx），其中NO₂是主要成分之一。在交通繁忙的城区，如城关区的主要干道，早晚高峰时段车流量大，机动车尾气排放集中，导致NO₂浓度明显升高。据监测数据显示，在高峰时段，部分路段的NO₂浓度可达到[X]μg/m³，超过国家二级空气质量标准。工业废气排放也是NO₂的重要来源，尤其是化工、电力、冶金等行业。这些行业在生产过程中，使用的高温燃烧设备和化学反应过程会产生大量的氮氧化物。例如，化工企业在生产硝酸、氮肥等产品时，会有NO₂排放；电力行业的燃煤电厂，燃烧过程中也会产生NO₂。虽然近年来兰州市通过加强工业污染治理，部分工业企业安装了脱硝设备，减少了NO₂的排放，但由于工业排放基数较大，NO₂污染问题仍然存在。NO₂浓度在一天中的变化呈现出明显的规律。通常在早晨和傍晚交通高峰期，NO₂浓度达到峰值，这是因为此时机动车尾气排放量大，且大气扩散条件相对较差。在白天其他时段，随着太阳辐射增强，大气对流活动加剧，有利于污染物的扩散，NO₂浓度会有所下降。在季节变化上，冬季由于气温较低，大气稳定度高，不利于污染物扩散，NO₂浓度相对较高；而夏季气温较高，大气扩散条件较好，NO₂浓度相对较低。NO₂对空气质量的影响较为复杂。它不仅会导致空气质量下降，使空气呈现出棕色或黄色，影响能见度，还会参与光化学反应，形成臭氧（O₃）等二次污染物，进一步加剧大气污染。对人体健康而言，NO₂具有较强的氧化性，可刺激呼吸道和眼睛，引起呼吸道炎症、咳嗽、气喘等症状。长期暴露在高浓度NO₂环境中，还可能导致肺部功能下降，增加患心血管疾病的风险。2.3污染的时空分布特点2.3.1时间分布兰州市大气污染在时间分布上呈现出明显的季节性变化。冬季（12月-次年2月）是大气污染最为严重的季节，这主要是由多方面因素造成的。从能源消耗角度来看，冬季气温较低，居民取暖需求大幅增加，兰州市能源结构中煤炭占比较大，大量煤炭燃烧会排放出大量的污染物，如颗粒物、二氧化硫等。有研究表明，冬季燃煤取暖排放的污染物可占大气污染物总量的30%-40%。从气象条件分析，冬季兰州市大气层结稳定，逆温现象频繁出现。逆温层就像一个“盖子”，阻碍了空气的垂直对流运动，使得污染物难以扩散稀释，容易在近地面积聚。此外，冬季风力较小，不利于污染物的水平输送，进一步加剧了污染程度。例如，在2023年冬季的某些时段，由于持续的逆温和静风天气，兰州市PM10和PM2.5浓度持续超标，空气质量严重下降，给居民生活和健康带来了极大影响。春季（3月-5月）大气污染程度也相对较高，其中沙尘天气是导致春季污染加重的重要原因。兰州市地处黄土高原，周边地区沙漠化土地较多，春季气温回升，地表解冻，土壤变得疏松，加上多大风天气，沙尘容易被扬起并随气流输送到兰州市区。根据兰州市生态环境局的数据，2023年春季兰州市共受到沙尘天气影响[X]次，每次沙尘天气都会导致PM10浓度急剧升高，最高时可达到[X]μg/m³以上，远超国家空气质量标准。同时，春季也是工业生产和城市建设活动逐渐活跃的时期，工业废气排放和建筑工地扬尘等也会对大气环境造成一定压力。夏季（6月-8月）和秋季（9月-11月）大气污染程度相对较轻。夏季气温较高，大气对流活动旺盛，有利于污染物的扩散和稀释。同时，夏季降水相对较多，雨水对大气中的污染物具有冲刷和清除作用，能够有效降低污染物浓度。例如，一场中等强度的降雨可以使空气中的颗粒物浓度降低30%-50%。秋季虽然降水逐渐减少，但大气扩散条件仍然较好，且工业生产和居民生活的污染排放强度相对冬季和春季有所降低，因此空气质量相对较好。不过，在夏季的某些时段，由于太阳辐射强烈，氮氧化物和挥发性有机物等在光化学反应作用下，容易引发臭氧污染，这也是夏季大气污染防治需要关注的重点问题。2.3.2空间分布兰州市大气污染在空间分布上存在明显的区域差异。城关区作为兰州市的核心区域，人口密集，商业活动频繁，交通流量大，是大气污染较为严重的区域之一。该区域的机动车保有量占全市的较大比例，机动车尾气排放是大气污染的重要来源。在城关区的主要交通干道，如东岗西路、庆阳路等，早晚高峰时段车流量大，机动车尾气排放集中，导致NO₂、PM2.5等污染物浓度明显升高。同时，城关区的一些老旧小区，冬季燃煤取暖现象较为普遍，煤炭燃烧产生的污染物也对空气质量产生了一定影响。西固区是兰州市的重工业区，以石油化工、冶金等产业为主，工业污染排放量大。工业企业在生产过程中会排放大量的废气，其中包含多种污染物，如SO₂、NO₂、PM10等。例如，西固区的某大型石油化工企业，每年排放的SO₂量可达数千吨。由于工业排放集中，西固区的大气污染物浓度在全市处于较高水平，尤其是在工业企业集中的区域，污染更为严重。虽然近年来西固区加强了工业污染治理，部分企业进行了环保设施升级改造，但由于历史遗留问题和产业结构调整难度较大，工业污染仍然是西固区大气污染防治的重点和难点。安宁区和七里河区的大气污染程度相对城关区和西固区较轻，但也存在不同程度的污染问题。安宁区高校和科研机构较多，人口密度相对较低，大气污染主要来源于交通尾气和建筑工地扬尘。随着安宁区城市建设的不断推进，建筑工地数量增加，施工过程中的扬尘对空气质量产生了一定影响。七里河区则受交通污染和工业污染的双重影响，虽然工业企业数量相对西固区较少，但一些小型工业企业的污染排放仍然不容忽视。同时，七里河区的交通枢纽较多，车流量大，交通尾气排放也对大气环境造成了压力。造成兰州市大气污染空间分布差异的原因主要包括产业布局、交通状况和地形地貌等因素。兰州市的工业企业主要集中在西固区，产业布局的不合理导致了工业污染在局部区域的集中。交通状况方面，城关区和七里河区的交通流量大，机动车尾气排放量大，对空气质量影响显著。地形地貌因素也不容忽视，兰州市地处河谷盆地，四周群山环绕，污染物在山谷间不易扩散，容易在城区积聚，尤其是在静风或微风天气条件下，污染问题更为突出。三、居民呼吸、循环系统疾病日住院人数数据收集与整理3.1数据来源本研究中居民呼吸、循环系统疾病日住院人数数据来源于兰州城区多家综合性医院的住院记录，包括兰州大学第一医院、兰州大学第二医院、甘肃省人民医院、兰州市第一人民医院、兰州市第二人民医院等。这些医院分布在兰州市的不同区域，能够较好地覆盖兰州市不同地区的居民，保证了数据的代表性。数据收集时间范围为[开始时间]-[结束时间]，涵盖了多个季节和年份，以全面反映居民呼吸、循环系统疾病的住院情况。在数据收集过程中，严格遵循相关法律法规和伦理准则，确保患者隐私得到充分保护。医院信息系统记录了患者的基本信息，如姓名、性别、年龄、住院日期、出院日期、诊断结果等，为研究提供了丰富的数据资源。这些医院的住院记录数据具有较高的完整性和可靠性。医院信息系统经过多年的建设和完善，数据录入规范、准确，有严格的数据质量控制机制。医护人员在患者入院和出院时，会详细记录患者的疾病诊断信息，且经过上级医师的审核，保证了诊断的准确性。同时，医院定期对信息系统中的数据进行备份和维护，确保数据的安全性和完整性，为本次研究提供了坚实的数据基础。3.2数据整理与预处理在获取原始数据后，首要任务是对其进行全面的清洗，以确保数据的准确性和可靠性。在居民呼吸、循环系统疾病日住院人数数据中，可能存在由于医院信息系统录入错误导致的重复记录。例如，同一患者因系统故障被重复录入住院信息，这种情况下需要通过患者的唯一标识（如身份证号、住院号等）进行查重，将重复记录予以删除，以保证数据的唯一性。对于大气污染监测数据，部分监测站点可能由于设备故障，导致某时段的数据出现明显异常波动，如某站点在某一天的PM10浓度监测值远超正常范围，且与周边站点数据差异巨大，经核实为设备故障所致，这类数据应进行修正或剔除。数据筛选是根据研究目的选取有效数据的关键步骤。在居民住院数据中，严格依据国际疾病分类标准（ICD-10），筛选出主要诊断为呼吸、循环系统疾病的住院记录。如在ICD-10编码中，J00-J99类目代表呼吸系统疾病，I00-I99类目代表循环系统疾病，只保留这些类目下的住院数据，排除其他无关疾病的干扰，确保研究数据的针对性。对于大气污染数据，筛选出兰州市城区具有代表性的监测站点数据，这些站点应分布在不同功能区域，如商业区、居民区、工业区等，以全面反映城区大气污染状况。同时，筛选出与居民住院数据时间范围相匹配的大气污染数据，保证数据的时效性和关联性。在数据分类方面，将居民呼吸、循环系统疾病进一步细分。呼吸系统疾病可分为上呼吸道感染、肺炎、慢性阻塞性肺疾病（COPD）、哮喘、肺癌等类别；循环系统疾病分为高血压、冠心病、心律失常、心力衰竭等类别。这样的细分有助于深入分析不同类型疾病与大气污染的关系。对于大气污染数据，按照污染物种类进行分类，如颗粒物（PM10、PM2.5）、气态污染物（SO₂、NO₂、CO、O₃）等，以便分别研究各类污染物对居民健康的影响。缺失值处理是数据预处理中的重要环节。对于居民住院数据中可能出现的缺失值，如患者年龄、性别等信息缺失，若缺失比例较低，可采用删除缺失值所在记录的方法；若缺失比例较高，对于数值型数据，如年龄，可使用均值、中位数填充法，即计算所有非缺失年龄的均值或中位数，用该值填充缺失的年龄数据。对于分类数据，如性别缺失，可根据该医院住院患者的性别比例进行填充。在大气污染数据中，若某监测站点某时段的污染物浓度数据缺失，可利用时间序列的自相关性，采用线性插值法或基于机器学习的K近邻算法进行填充。线性插值法是根据缺失值前后的已知数据，通过线性拟合的方式计算出缺失值；K近邻算法则是寻找与缺失值时间点最相似的若干个时间点，用这些时间点的污染物浓度均值来填充缺失值。异常值处理同样不容忽视。在居民住院人数数据中，可能存在因特殊事件（如突发公共卫生事件导致某一天住院人数异常增加）或数据录入错误导致的异常值。对于这类异常值，首先要通过与医院相关部门沟通，核实数据的真实性。若为录入错误，及时进行修正；若为真实的特殊事件导致，可根据数据分布情况，采用3σ法则或箱线图法进行处理。3σ法则是指若数据点超出均值±3倍标准差的范围，则判定为异常值，可将其修正为均值±3倍标准差的值；箱线图法则是通过绘制箱线图，将位于上四分位数加上1.5倍四分位距（IQR）以上或下四分位数减去1.5倍IQR以下的数据点视为异常值，对其进行修正或删除。在大气污染数据中，对于异常高或异常低的污染物浓度值，可结合气象数据和周边站点数据进行综合判断，若确认为异常值，采用类似的方法进行处理，以保证数据的质量，为后续的数据分析提供可靠基础。3.3数据描述性统计分析对整理后的居民呼吸、循环系统疾病日住院人数数据进行描述性统计分析，计算相关统计量，以深入了解数据的分布特征。在研究期间，居民呼吸、循环系统疾病日住院人数的均值为[X]人，这一数值反映了平均每天因呼吸、循环系统疾病住院的人数水平。中位数为[X]人，中位数是将数据从小到大排序后，位于中间位置的数值，它不受极端值的影响，能更稳健地反映数据的集中趋势。当数据分布较为对称时，均值和中位数较为接近；若数据存在偏态分布，两者可能会有较大差异。在本研究中，均值和中位数的差异[具体说明差异情况]，初步提示数据可能存在一定的偏态。日住院人数的最大值为[X]人，最小值为[X]人，极差（最大值-最小值）为[X]人。极差反映了数据的离散程度，较大的极差表明住院人数在不同日期之间的波动较大。进一步分析标准差，呼吸、循环系统疾病日住院人数的标准差为[X]人，标准差是衡量数据离散程度的重要指标，它表示数据相对于均值的平均离散程度。标准差越大，说明数据的离散程度越大，即住院人数在不同日期的变化越不稳定。通过绘制呼吸、循环系统疾病日住院人数的直方图和箱线图，能更直观地展示数据的分布特征。从直方图来看，[描述直方图的形状，如是否呈现正态分布、偏态分布，若为偏态，是左偏还是右偏等情况]。若直方图呈现近似正态分布，数据会集中在均值附近，左右两侧相对对称；若呈现偏态分布，数据会向一侧集中。箱线图则可以清晰地展示数据的四分位数、中位数、异常值等信息。在箱线图中，[描述箱线图的特征，如箱体的长度、上下四分位数的位置、是否存在异常值及异常值的分布情况等]。若箱体较短，说明数据集中在中位数附近，离散程度较小；若存在异常值，需进一步分析其产生的原因，是由于特殊事件（如突发公共卫生事件、季节性疾病爆发等）导致，还是数据录入错误等问题。这些分布特征的分析，有助于后续选择合适的统计模型和方法，准确揭示大气污染与居民呼吸、循环系统疾病日住院人数之间的关系。四、时间序列研究方法与模型构建4.1时间序列分析基本原理时间序列分析是一种基于随机过程理论和数理统计学方法，对按时间顺序排列的观测数据进行处理和分析的方法，旨在揭示数据随时间变化的规律和趋势，预测未来值，为决策提供依据。在环境健康领域，时间序列分析常用于研究大气污染与居民健康指标之间的关系，通过分析大气污染物浓度和居民疾病发生情况的时间序列数据，深入了解两者之间的动态关联。时间序列数据具有独特的特点。其具有自相关性，即序列中的当前值与过去值存在一定的依赖关系。例如，今日的大气污染物浓度可能受到昨日排放和扩散情况的影响，与昨日的浓度存在关联。季节性也是常见特征，许多时间序列数据会在固定的时间周期内呈现出周期性变化。在大气污染数据中，如前所述，兰州市冬季由于取暖需求和气象条件等因素，大气污染物浓度通常会高于其他季节，呈现出明显的季节性变化；在居民疾病住院数据中，呼吸系统疾病在冬春季节的发病率往往较高，住院人数也会相应增加，体现出季节性特征。此外，时间序列数据中还可能包含噪声分量，这部分数据具有较强的随机性，难以通过模型准确预测，可能由一些偶然因素或未被考虑的因素导致。时间序列分析的主要目标涵盖多个方面。一是对时间序列进行描述，通过计算均值、中位数、标准差等统计量，以及绘制直方图、箱线图、自相关图等图表，深入了解数据的中心趋势、离散程度、分布形态以及自相关特性等，为后续分析提供基础。二是进行预测，基于时间序列的历史数据，运用合适的模型预测未来的数据值。在本研究中，可通过分析大气污染浓度的历史时间序列，预测未来一段时间内的污染浓度，为居民健康风险评估提供前瞻性信息。三是对时间序列进行解释，通过分析找出数据变化的原因和影响因素，在大气污染与居民健康关系的研究中，解释大气污染如何影响居民呼吸、循环系统疾病的发生发展，以及其他因素（如气象条件、人口特征等）对这种关系的调节作用。常用的时间序列分析方法丰富多样。移动平均（MA）是一种简单的数据平滑方法，通过计算一定窗口内数据的平均值来消除数据的短期波动，突出数据的长期趋势。假设时间序列数据集为\{x_t\}，t=1,2,\cdots,n，使用窗口大小为m的移动平均计算移动平均值\bar{x}_t的公式为\bar{x}_t=\frac{1}{m}\sum_{i=t-m}^{t-1}x_i，t=m+1,\cdots,n。在分析大气污染数据时，可利用移动平均法平滑污染物浓度数据，更清晰地观察其长期变化趋势。自回归模型（AR）假设当前时间点的数据值仅依赖于过去一个或多个时间点的数据值，其数学模型公式为y_t=\phi_1y_{t-1}+\phi_2y_{t-2}+\cdots+\phi_py_{t-p}+\epsilon_t，其中y_t是当前时间点的数据值，\phi_i是回归系数，p是回归项的个数，\epsilon_t是随机误差项。若某地区大气污染物浓度在过去一段时间内呈现出一定的自回归特征，即当前浓度与过去几天的浓度相关，就可尝试使用AR模型进行建模分析。移动平均模型（MA）则假设当前时间点的数据值仅依赖于随机误差项，公式为y_t=\epsilon_t+\theta_1\epsilon_{t-1}+\theta_2\epsilon_{t-2}+\cdots+\theta_q\epsilon_{t-q}，y_t是当前时间点的数据值，\theta_i是回归系数，q是回归项的个数，\epsilon_t是随机误差项。当时间序列数据的随机性较强，主要受随机因素影响时，MA模型可能较为适用。自回归移动平均模型（ARMA）结合了自回归和移动平均模型的特性，能同时处理数据的趋势和随机性波动，其数学模型公式为y_t=\sum_{i=1}^{p}\phi_iy_{t-i}+\epsilon_t+\sum_{j=1}^{q}\theta_j\epsilon_{t-j}。在实际应用中，若大气污染数据既存在一定的自回归特征，又有明显的随机波动，ARMA模型可能更能准确地描述其变化规律。自回归积分滑动平均模型（ARIMA）是在ARMA模型的基础上发展而来，通过对非平稳时间序列进行差分处理，使其转化为平稳序列后再进行建模。对于具有趋势性或季节性的非平稳时间序列，ARIMA模型具有较好的拟合和预测能力。其数学模型公式为(1-\phi_pL^p)(1-L)^d\Deltay_t=(1+\theta_qL^q)\epsilon_t，其中y_t是当前时间点的数据值，\phi_p和\theta_q是回归系数，p和q是回归项的个数，d是差分项的个数，L是回归项的指数，\epsilon_t是随机误差项。在研究兰州市大气污染时间序列时，如果数据存在明显的趋势或季节性，且经过检验为非平稳序列，就可考虑使用ARIMA模型进行分析。这些方法各有特点和适用场景，在实际研究中，需根据时间序列数据的具体特征和研究目的选择合适的方法，以准确揭示数据的内在规律和关系。4.2模型选择与构建综合考虑本研究的目的和数据特点，选择广义相加模型（GAM）来分析兰州城区大气污染与居民呼吸、循环系统疾病日住院人数之间的关系。GAM是一种半参数回归模型，它在广义线性模型的基础上，允许自变量与因变量之间存在非线性关系，通过灵活的平滑函数来捕捉这种关系，这使得GAM在处理复杂的时间序列数据时具有很大优势。在大气污染与居民健康关系的研究中，污染物浓度与疾病发生之间的关系往往并非简单的线性关系，可能受到多种因素的影响，如气象条件、居民个体差异等，GAM能够很好地适应这种复杂情况，更准确地揭示两者之间的内在联系。GAM的一般形式为：g(E(Y))=\beta_0+\sum_{i=1}^{p}f_i(X_i)+\sum_{j=1}^{q}\beta_jZ_j，其中Y是响应变量，在本研究中为居民呼吸、循环系统疾病日住院人数；E(Y)表示Y的期望；g(\cdot)是连接函数，对于计数资料（住院人数），通常选择对数连接函数g(x)=\ln(x)，将期望与线性预测部分联系起来；\beta_0是截距项；X_i是连续型自变量，如大气污染物浓度（PM10、PM2.5、SO₂、NO₂等）；f_i(\cdot)是4.3模型检验与评估在完成广义相加模型（GAM）的构建后，需要对模型进行全面的检验与评估，以确保模型的准确性和可靠性，从而有效揭示兰州城区大气污染与居民呼吸、循环系统疾病日住院人数之间的关系。拟合优度检验是评估模型对数据拟合程度的重要手段。在GAM中，常用的拟合优度指标包括决定系数（R²）和调整后的决定系数（AdjustedR²）。R²衡量了模型对因变量总变异的解释程度，其值越接近1，表明模型对数据的拟合效果越好。然而，R²存在一个局限性，当模型中增加自变量时，即使这些自变量对因变量的解释能力较弱，R²也会增大，从而可能高估模型的拟合优度。因此，调整后的决定系数（AdjustedR²）更为常用，它在考虑自变量数量的基础上对R²进行了修正，能更准确地反映模型的拟合效果。在本研究中，通过计算得到模型的AdjustedR²为[具体数值]，这表明模型能够解释[具体比例]的居民呼吸、循环系统疾病日住院人数的变异，拟合效果[具体评价，如较好、一般等]。残差分析是模型检验的关键环节，通过对残差的分析可以判断模型是否满足基本假设，以及模型是否存在过拟合或欠拟合等问题。首先，绘制残差图，包括残差与预测值的散点图以及残差的时间序列图。在残差与预测值的散点图中，理想情况下，残差应随机分布在零值附近，不呈现任何明显的趋势或模式。若散点图中残差存在明显的趋势，如随着预测值的增大残差呈现逐渐增大或减小的趋势，可能意味着模型存在异方差性，即误差项的方差不是常数，这会影响模型的可靠性。在残差的时间序列图中，若残差随时间呈现周期性变化或存在异常波动，可能表明模型遗漏了重要的变量或存在其他未考虑的因素。对残差进行正态性检验，常用的方法有Shapiro-Wilk检验、Kolmogorov-Smirnov检验等。若残差服从正态分布，表明模型的误差项满足正态性假设，这是许多统计推断的基础。通过Shapiro-Wilk检验，得到残差的p值为[具体p值]，当p值大于显著性水平（通常取0.05）时，接受残差服从正态分布的原假设，说明在本研究中模型的残差近似服从正态分布，满足模型假设。此外，还需检验残差的独立性，可通过计算残差的自相关系数来判断。若残差存在自相关，说明模型可能存在序列相关性，即不同时间点的误差项之间存在关联，这会导致模型的参数估计不准确。利用Durbin-Watson检验，得到检验统计量的值为[具体DW值]，根据DW值的取值范围判断残差是否存在自相关，一般认为DW值在2左右时，残差不存在自相关，经判断本研究中残差不存在明显的自相关问题。除了上述检验方法，还可采用交叉验证的方法对模型进行评估。交叉验证是一种常用的模型评估技术，它将数据集划分为训练集和测试集，通过在训练集上训练模型，在测试集上评估模型的性能，从而更全面地评估模型的泛化能力。在本研究中，采用10折交叉验证的方法，即将数据集随机划分为10个大小相近的子集，每次取其中9个子集作为训练集，剩余1个子集作为测试集，重复10次，得到10个模型的预测结果，然后计算平均的预测误差指标，如均方误差（MSE）、平均绝对误差（MAE）等。通过10折交叉验证，得到模型的平均MSE为[具体数值]，平均MAE为[具体数值]，这些指标反映了模型在不同数据集上的预测准确性，数值越小表明模型的预测性能越好。通过拟合优度检验、残差分析和交叉验证等方法，对构建的广义相加模型进行了全面的检验与评估。结果表明，模型在一定程度上能够准确地描述兰州城区大气污染与居民呼吸、循环系统疾病日住院人数之间的关系，为进一步分析两者之间的关联强度和影响因素提供了可靠的基础。五、大气污染与居民呼吸、循环系统疾病日住院人数关系的实证分析5.1单污染物模型结果分析在运用广义相加模型（GAM）深入剖析兰州城区大气污染与居民呼吸、循环系统疾病日住院人数关系时，首先聚焦于单污染物模型的构建与分析，旨在精准探究单一污染物（如PM10、SO₂、NO₂等）浓度变化对居民健康的具体影响。对于PM10，单污染物模型分析结果显示，其浓度变化与居民呼吸、循环系统疾病日住院人数呈现出显著的正相关关系。当PM10浓度每升高10μg/m³时，居民呼吸系统疾病日住院人数的相对危险度（RR）为[具体RR值1]，95%置信区间为[具体区间1]，这表明在该浓度变化下，居民患呼吸系统疾病并住院的风险显著增加。以慢性阻塞性肺疾病（COPD）为例，长期暴露在高浓度PM10环境中，会使COPD患者病情加重，住院人数上升。对于循环系统疾病，PM10浓度每升高10μg/m³，日住院人数的RR为[具体RR值2]，95%置信区间为[具体区间2]，同样显示出住院风险的上升。这是因为PM10中的有害物质进入人体血液循环后，会影响血管内皮功能，促进血栓形成，进而增加心血管疾病的发病风险，导致住院人数增加。在滞后效应方面，PM10对呼吸系统疾病日住院人数的影响在滞后[X1]天达到峰值。这意味着在PM10浓度升高后的[X1]天，呼吸系统疾病住院人数的增加最为明显。例如，在兰州市的一次沙尘天气中，PM10浓度急剧升高，随后在第[X1]天，各大医院呼吸系统疾病的住院人数显著增加。对于循环系统疾病，PM10的滞后效应在滞后[X2]天最为显著，表明其对循环系统疾病住院人数的影响在时间上有一定的延迟。二氧化硫（SO₂）浓度与居民呼吸、循环系统疾病日住院人数之间也存在紧密关联。当SO₂浓度每升高10μg/m³，呼吸系统疾病日住院人数的RR为[具体RR值3]，95%置信区间为[具体区间3]。SO₂具有刺激性，会刺激呼吸道黏膜，引发呼吸道炎症，从而导致呼吸系统疾病住院人数上升。在循环系统方面，SO₂浓度升高10μg/m³时，日住院人数的RR为[具体RR值4]，95%置信区间为[具体区间4]。这可能是由于SO₂引发的炎症反应会波及心血管系统，影响心脏功能，导致循环系统疾病患者住院需求增加。SO₂对呼吸系统疾病日住院人数的影响在滞后[X3]天达到最大效应，即SO₂浓度升高后的[X3]天，呼吸系统疾病住院人数增加幅度最大。对于循环系统疾病，滞后[X4]天效应最为突出，体现了SO₂对循环系统疾病住院人数影响的时间特性。二氧化氮（NO₂）同样对居民呼吸、循环系统疾病日住院人数产生重要影响。当NO₂浓度每升高10μg/m³，呼吸系统疾病日住院人数的RR为[具体RR值5]，95%置信区间为[具体区间5]。NO₂可参与光化学反应，生成臭氧等有害物质，这些物质会损害呼吸道组织，增加呼吸系统疾病的发病几率，导致住院人数上升。在循环系统疾病方面，NO₂浓度升高10μg/m³时，日住院人数的RR为[具体RR值6]，95%置信区间为[具体区间6]。NO₂可能通过影响血管内皮细胞功能，导致血管收缩和舒张功能异常，增加心血管疾病的发病风险，进而使循环系统疾病住院人数增多。NO₂对呼吸系统疾病日住院人数的滞后效应在滞后[X5]天最为明显，表明NO₂浓度升高后的[X5]天，呼吸系统疾病住院人数增加最为显著。对于循环系统疾病，滞后[X6]天效应最大，反映了NO₂对循环系统疾病住院人数影响的时间规律。对比PM10、SO₂、NO₂三种污染物对居民呼吸、循环系统疾病日住院人数的影响程度，发现[具体对比结果，如NO₂对呼吸系统疾病住院人数的影响在某些指标上大于PM10和SO₂等]。在对呼吸系统疾病的影响中，NO₂的RR值在某些情况下相对较高，说明其对呼吸系统疾病住院人数的增加作用更为显著；而在循环系统疾病方面，PM10和NO₂的影响在不同指标上各有特点。在滞后效应上，三种污染物的滞后天数和最大效应时间也存在差异，这与污染物的物理化学性质、在大气中的传输转化以及人体对其的生理反应等多种因素有关。5.2多污染物模型结果分析在单污染物模型分析的基础上，构建多污染物模型，综合考量多种污染物对居民呼吸、循环系统疾病日住院人数的影响，以更全面、深入地揭示大气污染与居民健康之间的复杂关系。在多污染物模型中，将PM10、SO₂、NO₂等主要污染物同时纳入模型进行分析。结果显示，多种污染物之间存在复杂的相互作用。对于呼吸系统疾病，当同时考虑PM10、SO₂和NO₂时，PM10浓度每升高10μg/m³，居民呼吸系统疾病日住院人数的相对危险度（RR）为[具体RR值7]，95%置信区间为[具体区间7]，与单污染物模型中的RR值相比[说明变化情况，如升高或降低及幅度]。这表明在多污染物环境下，PM10对呼吸系统疾病住院人数的影响受到其他污染物的调节。SO₂浓度升高10μg/m³时，RR为[具体RR值8]，95%置信区间为[具体区间8]，其影响也与单污染物模型有所不同。NO₂浓度升高10μg/m³时，RR为[具体RR值9]，95%置信区间为[具体区间9]，同样体现出多污染物共同作用下的复杂效应。在循环系统疾病方面，多污染物模型结果显示，PM10浓度每升高10μg/m³，循环系统疾病日住院人数的RR为[具体RR值10]，95%置信区间为[具体区间10]。SO₂浓度升高10μg/m³，RR为[具体RR值11]，95%置信区间为[具体区间11]。NO₂浓度升高10μg/m³，RR为[具体RR值12]，95%置信区间为[具体区间12]。与单污染物模型相比，各污染物对循环系统疾病住院人数的影响程度和方向都发生了变化，说明多种污染物在影响循环系统疾病方面存在协同或拮抗作用。进一步分析不同污染物之间的相互关系，发现PM10与SO₂之间存在一定的协同作用。当PM10和SO₂浓度同时升高时，对居民呼吸、循环系统疾病日住院人数的影响大于两者单独作用之和。这可能是因为PM10表面可吸附SO₂等气态污染物，形成更复杂的污染物体系，增强了对人体健康的危害。PM10与NO₂之间也存在相互影响，虽然具体机制尚不完全明确，但研究结果显示，两者共同作用时对疾病住院人数的影响并非简单的叠加，而是存在一定的交互效应。多污染物模型考虑了多种污染物的综合作用，更真实地反映了实际大气污染环境对居民健康的影响。通过该模型分析发现，多种污染物之间的相互作用使得大气污染对居民呼吸、循环系统疾病日住院人数的影响更加复杂，单一污染物控制措施可能无法完全有效降低居民的健康风险，在制定大气污染防治政策时，需要综合考虑多种污染物的协同治理，以实现更好的健康保护效果。5.3滞后效应分析大气污染对居民呼吸、循环系统疾病日住院人数的影响存在滞后效应，这是由多种因素共同作用导致的，深入研究滞后效应对于全面理解大气污染与居民健康的关系至关重要。在呼吸系统疾病方面，不同污染物的滞后天数和最大效应时间各有特点。PM10对呼吸系统疾病日住院人数的影响在滞后[X1]天达到峰值。这可能是因为PM10中的有害物质进入呼吸道后，需要一定时间来刺激呼吸道黏膜，引发炎症反应。在初期，人体的免疫系统会对这些有害物质进行抵抗，但随着时间推移，当有害物质积累到一定程度，超过了人体自身的调节能力，炎症反应加剧，从而导致呼吸系统疾病症状加重，住院人数增加。例如，当兰州市出现沙尘天气，PM10浓度急剧升高后，在随后的[X1]天内，医院中因咳嗽、气喘等呼吸系统症状加重而住院的患者数量明显增多。SO₂对呼吸系统疾病日住院人数的影响在滞后[X3]天达到最大效应。SO₂具有刺激性，进入呼吸道后，会与呼吸道黏膜表面的水分结合，形成亚硫酸等物质，这些物质会刺激呼吸道神经末梢，引起呼吸道收缩和炎症反应。但这种炎症反应的发展有一个过程，在接触SO₂后的前几天，人体可能仅表现出轻微的呼吸道不适症状，随着时间的推移，炎症逐渐加重，到滞后[X3]天时，对呼吸系统的损害达到较为严重的程度，使得住院人数明显上升。NO₂对呼吸系统疾病日住院人数的滞后效应在滞后[X5]天最为明显。NO₂可参与光化学反应生成臭氧等二次污染物，这些物质会对呼吸道组织造成损害。NO₂进入人体后，会通过一系列复杂的化学反应，影响呼吸道细胞的代谢和功能，导致呼吸道免疫功能下降，容易引发呼吸道感染等疾病。从接触NO₂到出现明显的呼吸系统疾病症状并导致住院，大约需要[X5]天的时间，这与NO₂在人体内的代谢过程以及疾病的发展进程密切相关。在循环系统疾病方面，PM10对循环系统疾病日住院人数的滞后效应在滞后[X2]天最为显著。PM10中的有害物质进入血液循环后，会影响血管内皮细胞的功能，导致血管内皮细胞损伤，促进血栓形成。同时，PM10还可能引发炎症反应，导致血液黏稠度增加，影响血液循环。这些病理变化需要一定时间来发展，在接触PM10后的[X2]天左右，对循环系统的影响逐渐显现，表现为循环系统疾病患者病情加重，住院人数增加。SO₂对循环系统疾病的滞后[X4]天效应最为突出。SO₂引发的炎症反应不仅局限于呼吸道，还可能波及心血管系统。炎症介质进入血液循环后，会影响心脏的正常功能，导致心率失常、心肌缺血等症状。从SO₂暴露到出现明显的循环系统疾病症状并住院，大约需要[X4]天，这期间炎症反应在体内逐渐扩散和加重，对循环系统的损害逐渐加剧。NO₂对循环系统疾病住院人数的影响在滞后[X6]天效应最大。NO₂通过影响血管内皮细胞功能，使血管收缩和舒张功能异常，导致血压升高，增加心脏负担。同时，NO₂还可能影响血脂代谢，促进动脉粥样硬化的形成。这些病理变化在接触NO₂后的[X6]天左右，使得循环系统疾病的发病风险明显增加，住院人数上升。大气污染对居民呼吸、循环系统疾病日住院人数的滞后效应受多种因素影响。污染物的物理化学性质是重要因素之一，不同污染物在大气中的稳定性、溶解性以及与人体组织的亲和力不同，导致其在人体内的代谢和作用过程存在差异，从而影响滞后效应的时间和强度。气象条件也起着关键作用，气温、湿度、风速等气象因素会影响污染物的扩散和稀释，进而影响人体对污染物的暴露水平。在高温、低风速的天气条件下，污染物容易在局部地区积聚，增加人体暴露时间和剂量，可能缩短滞后效应的时间；而在低温、高风速的情况下，污染物扩散较快，人体暴露剂量相对较低，滞后效应可能会延长。居民的个体差异，如年龄、性别、健康状况、遗传因素等，也会对滞后效应产生影响。老年人和儿童由于身体机能较弱，对大气污染的抵抗力较差，可能在较短时间内出现健康问题并住院；而患有慢性疾病的人群，如心血管疾病、呼吸系统疾病患者，本身身体状况不佳，在受到大气污染影响时，病情更容易恶化，滞后效应可能更为明显。5.4分层分析为深入探究大气污染对不同特征人群呼吸、循环系统疾病日住院人数的影响差异，本研究按性别、年龄、疾病类型等因素对居民进行分层分析。在性别分层方面，研究发现大气污染对男性和女性呼吸、循环系统疾病日住院人数的影响存在一定差异。对于呼吸系统疾病，当PM10浓度每升高10μg/m³时，男性呼吸系统疾病日住院人数的相对危险度（RR）为[具体男性RR值1]，95%置信区间为[具体男性区间1]；女性的RR为[具体女性RR值1]，95%置信区间为[具体女性区间1]。可以看出，PM10对男性呼吸系统疾病住院人数的影响相对较大，这可能与男性和女性的生理结构、生活习惯以及职业暴露等因素有关。男性在工作和生活中可能更多地暴露于污染环境中，如从事户外体力劳动、吸烟率相对较高等，这些因素可能导致男性对大气污染更为敏感。在循环系统疾病方面，当SO₂浓度每升高10μg/m³时，男性循环系统疾病日住院人数的RR为[具体男性RR值2]，95%置信区间为[具体男性区间2]；女性的RR为[具体女性RR值2]，95%置信区间为[具体女性区间2]。结果显示，SO₂对男性循环系统疾病住院人数的影响在某些指标上大于女性，这可能与男性心血管系统对污染物的耐受性和反应性与女性不同有关。按年龄分层时，将居民分为儿童（≤14岁）、成年人（15-64岁）和老年人（≥65岁）三个年龄组。在呼吸系统疾病中，PM10浓度每升高10μg/m³，儿童呼吸系统疾病日住院人数的RR为[具体儿童RR值1]，95%置信区间为[具体儿童区间1]；成年人的RR为[具体成年人RR值1]，95%置信区间为[具体成年人区间1]；老年人的RR为[具体老年人RR值1]，95%置信区间为[具体老年人区间1]。可以明显看出，儿童和老年人对PM10的敏感性较高，住院人数增加的风险相对较大。儿童正处于生长发育阶段，呼吸系统较为脆弱，对大气污染的抵抗力较弱；老年人身体机能衰退，呼吸系统功能下降，且往往伴有多种慢性疾病，因此更容易受到大气污染的影响。在循环系统疾病方面，当NO₂浓度每升高10μg/m³时，儿童循环系统疾病日住院人数的RR为[具体儿童RR值2]，95%置信区间为[具体儿童区间2]；成年人的RR为[具体成年人RR值2]，95%置信区间为[具体成年人区间2]；老年人的RR为[具体老年人RR值2]，95%置信区间为[具体老年人区间2]。老年人对NO₂的反应最为强烈，住院人数增加的风险最高，这与老年人心血管系统的生理特点和健康状况密切相关，他们的心血管系统调节能力下降，对污染物的耐受性较差。在疾病类型分层上，呼吸系统疾病分为上呼吸道感染、肺炎、慢性阻塞性肺疾病（COPD）、哮喘等；循环系统疾病分为高血压、冠心病、心律失常、心力衰竭等。对于呼吸系统疾病，PM10浓度每升高10μg/m³，COPD患者日住院人数的RR为[具体COPDRR值]，95%置信区间为[具体COPD区间]，高于上呼吸道感染和哮喘患者。这是因为COPD是一种慢性进行性疾病，患者的气道和肺部已经存在长期的病理改变，大气污染会进一步加重炎症反应，导致病情恶化，增加住院需求。在循环系统疾病中，当SO₂浓度每升高10μg/m³时，冠心病患者日住院人数的RR为[具体冠心病RR值]，95%置信区间为[具体冠心病区间]，对冠心病患者的影响相对较大。冠心病患者的冠状动脉存在粥样硬化病变，SO₂引发的炎症反应和氧化应激可能会破坏粥样斑块的稳定性，导致急性心血管事件的发生，从而增加住院人数。通过分层分析可知，大气污染对不同性别、年龄和疾病类型的人群，在呼吸、循环系统疾病日住院人数上的影响存在显著差异。在制定大气污染防治政策和公共卫生措施时，应充分考虑这些差异，针对易感人群制定更有针对性的防护和干预措施，以有效降低大气污染对居民健康的危害。六、结果讨论与政策建议6.1研究结果讨论本研究通过时间序列分析方法，运用广义相加模型（GAM）深入探讨了兰州城区大气污染与居民呼吸、循环系统疾病日住院人数之间的关系，得出了一系列有价值的结论，这些结论具有深刻的内在机制和重要的现实意义。从内在机制来看，大气污染中的多种污染物对居民呼吸、循环系统产生危害的过程十分复杂。以颗粒物（PM10、PM2.5）为例，其粒径较小，尤其是PM2.5可直接进入人体的细支气管和肺泡。进入呼吸系统后，颗粒物表面吸附的有害物质如重金属、多环芳烃等会刺激呼吸道黏膜，引发炎症反应，导致呼吸道黏膜水肿、黏液分泌增加，进而影响气道的通畅性，引发咳嗽、气喘等症状，长期作用下可导致慢性阻塞性肺疾病（COPD）、哮喘等疾病的发生和加重，使得呼吸、循环系统疾病日住院人数增加。对于循环系统，颗粒物进入血液循环后，会影响血管内皮细胞的正常功能，导致血管内皮细胞损伤，促进血栓形成。同时，颗粒物引发的炎症反应还会波及心血管系统，导致血液黏稠度增加，影响心脏的正常供血，增加心血管疾病的发病风险，如冠心病、高血压等，从而导致循环系统疾病住院人数上升。二氧化硫（SO₂）具有刺激性，进入呼吸道后，会与呼吸道黏膜表面的水分结合，形成亚硫酸等酸性物质，这些物质会刺激呼吸道神经末梢，引起呼吸道收缩和炎症反应。炎症反应不仅局限于呼吸道，还可能通过血液循环影响心血管系统，导致心血管功能异常，增加循环系统疾病的发生风险。二氧化氮（NO₂）可参与光化学反应生成臭氧等二次污染物，这些物质会对呼吸道组织造成损害，导致呼吸道免疫功能下降，容易引发呼吸道感染等疾病。在循环系统方面，NO₂通过影响血管内皮细胞功能，使血管收缩和舒张功能异常，导致血压升高，增加心脏负担，同时还可能影响血脂代谢，促进动脉粥样硬化的形成，进而增加心血管疾病的发病几率。与国内外相关研究结果对比，本研究结果在一定程度上具有一致性。在国外，许多研究都表明大气污染与居民呼吸、循环系统疾病的发生密切相关。如美国的相关研究发现，大气中PM2.5浓度每升高10μg/m³，心血管疾病死亡率增加约4%-6%，呼吸系统疾病死亡率增加约3%-5%。在国内，北京大学对北京等城市的研究以及广州关于空气污染对城区居民心脑血管疾病死亡影响的研究，都证实了空气污染与呼吸、循环系统疾病的关联。本研究中，兰州城区PM10、SO₂、NO₂等污染物浓度升高时，居民呼吸、循环系统疾病日住院人数增加，这与国内外研究结果相符。然而，本研究也有其独特之处。兰州独特的地形地貌和气候条件，使其大气污染特征与其他地区有所不同。兰州市地处河谷盆地，四周群山环绕，这种地形导致污染物不易扩散，容易在城区积聚。同时，兰州的能源结构以煤炭为主，工业排放和冬季燃煤取暖等因素使得大气污染在成分和浓度变化上具有自身特点。在研究中发现，兰州城区大气污染对居民健康的影响在滞后天数和影响程度上与其他地区存在差异。例如，在某些污染物对呼吸系统疾病的影响中，滞后天数与其他城市的研究结果不同，这可能是由于兰州特殊的污染特征以及居民的生活习惯、遗传因素等综合作用的结果。本研究结果为兰州市大气污染防治和公共卫生政策制定提供了重要依据。明确了大气污染与居民呼吸、循环系统疾病日住院人数之间的关系，有助于兰州市有针对性地制定大气污染治理措施，减少污染物排放，降低居民的健康风险。同时，也为公共卫生部门合理配置医疗资源、开展健康教育和健康促进活动提供了科学指导，以更好地保障居民的身体健康。6.2对公共卫生和城市规划的启示本研究结果为公共卫生政策制定提供了有力的科学依据。公共卫生部门应依据大气污染与居民呼吸、循环系统疾病日住院人数的关联强度，制定更为精准的疾病预防策略。鉴于PM10、SO₂、NO₂等污染物浓度升高会显著增加居民呼吸、循环系统疾病的住院风险，卫生部门可与环保部门联合，建立空气质量与健康风险预警机制。当空气质量监测数据显示污染物浓度即将超标时，及时向公众发布预警信息，提醒居民尤其是易感人群（如老年人、儿童、患有慢性疾病者）采取防护措施，如减少户外活动、佩戴口罩等。在医疗资源配置方面，应根据大气污染的时空分布特点以及不同人群对污染的敏感性差异，合理调配医疗资源。在大气污染严重的区域，如兰州市的城关区和西固区，应加强呼吸、循环系统疾病专科医疗设施的建设，增加床位数量，配备先进的诊断和治疗设备。同时，加大专业医护人员的培养和引进力度，提高医疗服务水平。在污染高发季节，如冬季和春季，提前做好医疗物资储备，包括药品、医疗器械等，以应对可能增加的患者数量。针对儿童、老年人等易感人群，可建立专门的健康管理档案，加强定期体检和健康监测，及时发现潜在的健康问题并进行干预。城市规划对改善大气环境质量和保障居民健康起着关键作用。在产业布局方面，应进一步优化兰州市的产业结构，减少高污染、高能耗产业的比重。对于西固区等工业集中区域，加强工业企业的环保监管，推动企业进行技术升级和改造，采用清洁生产工艺，减少污染物排放。同时，逐步将一些污染较重的企业搬迁至远离居民区的工业园区，并在工业园区与居民区之间设置足够的绿化隔离带，降低工业污染对居民健康的影响。交通规划也是城市规划的重要组成部分。为减少机动车尾气排放，应优先发展公共交通，加大对地铁、公交等公共交通设施的投入，提高公共交通的覆盖率和服务质量，鼓励居民绿色出行。优化城市道路布局，合理规划交通信号灯设置，减少交通拥堵，降低机动车怠速时间，从而减少尾气排放。在城市建设过程中，加强道路绿化和城市绿地建设，增加城市植被覆盖率。植物具有吸附污染物、净化空气的作用，城市绿地可以有效降低大气中的污染物浓度，改善城市生态环境。例如，在道路两旁种植高大乔木和灌木，形成绿色屏障，既能减少交通尾气对周边居民的影响，又能美化城市环境。在城市规划中，还应充分考虑大气污染的扩散规律。兰州市地处河谷盆地，地形不利于污染物扩散，因此在城市建设中应避免建设过高、过密的建筑物，保持城市通风廊道的畅通，促进空气的流通和污染物的扩散。合理规划城市功能分区，将居民区、商业区与工业区适当分离，减少不同功能区之间的相互干扰，降低居民暴露于污染环境中的风险。本研究结果对公共卫生和城市规划具有重要的启示意义。通过制定科学的公共卫生政策、合理配置医疗资源以及优化城市规划，能够有效降低大气污染对居民健康的危害，提高居民的生活质量，促进城市的可持续发展。6.3政策建议基于上述研究结果，为有效降低兰州城区大气污染对居民呼吸、循环系统疾病的影响，提出以下针对性的政策建议。在加强大气污染治理方面，应从能源结构调整、工业污染治理和机动车尾气控制等多方面入手。兰州市长期以煤炭为主要能源，这种能源结构是大气污染的重要根源。政府应加大对清洁能源的扶持力度，制定相关政策鼓励企业和居民使用天然气、太阳能、风能等清洁能源，提高清洁能源在能源消费结构中的占比。例如，对使用清洁能源的企业给予税收优惠或补贴，对居民安装太阳能热水器、使用天然气取暖等给予一定的资金支持，引导能源消费结构的优化升级。工业污染是兰州市大气污染的主要来源之一，必须强化工业污染治理。对高污染、高能耗的工业企业，如石油化工、冶金等行业，实施更为严格的环境监管，督促企业加大环保投入，引进先进的污染治理技术和设备。例如，推广采用高效的脱硫、脱硝、除尘技术，确保工业废气达标排放。对无法达到环保要求的企业，依法予以关停或限期整改。建立健全工业污染源在线监测系统，实时监控企业的污染物排放情况，提高环境监管的效率和精准度。随着兰州市机动车保有量的不断增加，机动车尾气排放对大气污染的影响日益显著。因此，要大力加强机动车尾气控制。提高机动车尾气排放标准，严格执行车辆年检制度，对尾气排放不达标的车辆不予通过年检，并要求车主限期整改。推广新能源汽车的使用，给予购车补贴、停车优惠等政策支持，鼓励居民购买和使用新能源汽车。同时，加大公共交通的投入，优化公交线路和站点设置，提高公共交通的便利性和服务质量，鼓励居民选择公共交通出行，减少机动车的使用量。完善公共卫生体系对于应对大气污染对居民健康的影响至关重要。一方面，建立健全大气污染与健康监测预警机制，加强空气质量监测网络建设，增加监测站点数量，优化监测站点布局，确保能够全面、准确地监测大气污染物浓度的变化。同时，建立居民健康监测系统，收集居民呼吸、循环系统疾病的发病情况、住院人数等信息，实时掌握居民健康状况。通过数据分析和模型预测，及时发布大气污染对居民健康影响的预警信息，为居民提供防护建议，提前做好医疗资源调配和应对准备。另一方面，加大医疗资源投入，合理配置医疗资源。根据兰州市不同区域的大气污染程度和居民健康需求