目的探讨山东省四城市气温与大气细颗粒物(PM_(2.5))对人群呼吸系统疾病影响的交互作用。方法分别收集四城市部分医院内科2019—2021年逐日呼吸系统疾病门诊量以及气象、大气PM_(2.5)等逐日监测资料,对气象因素、PM_(2.5)、人群呼吸系...目的探讨山东省四城市气温与大气细颗粒物(PM_(2.5))对人群呼吸系统疾病影响的交互作用。方法分别收集四城市部分医院内科2019—2021年逐日呼吸系统疾病门诊量以及气象、大气PM_(2.5)等逐日监测资料,对气象因素、PM_(2.5)、人群呼吸系统疾病门诊量进行Pearson相关分析,采用分布式滞后非线性模型估计气温与大气PM_(2.5)对人群呼吸系统疾病就诊的影响,利用超额相对风险(relative excess risk due to interaction,RERI)评估大气PM_(2.5)与气温之间的潜在交互作用。结果日均气温与PM_(2.5)呈负相关关系,相关系数为-0.471(P<0.01);呼吸系统疾病就诊量与日均气温、平均相对湿度呈负相关关系而与PM_(2.5)呈正相关关系,相关系数分别为-0.059、-0.056、0.10(P<0.01);济南市日均气温和PM_(2.5)之间存在拮抗交互作用,其RERI值及95%CI为-0.11(-0.15,-0.08);淄博、滨州、菏泽三城市日均气温和PM_(2.5)之间表现为协同交互作用,其RERI值及95%CI分别为0.04(0.04,0.04)、0.10(0.10,0.11)、0.03(0.02,0.05),且具有统计学意义(P<0.05)。结论日平均气温对PM_(2.5)所致呼吸系统疾病的发生可能存在修饰作用,且二者的交互效应可能存在地域性差异。展开更多
文摘目的探讨山东省四城市气温与大气细颗粒物(PM_(2.5))对人群呼吸系统疾病影响的交互作用。方法分别收集四城市部分医院内科2019—2021年逐日呼吸系统疾病门诊量以及气象、大气PM_(2.5)等逐日监测资料,对气象因素、PM_(2.5)、人群呼吸系统疾病门诊量进行Pearson相关分析,采用分布式滞后非线性模型估计气温与大气PM_(2.5)对人群呼吸系统疾病就诊的影响,利用超额相对风险(relative excess risk due to interaction,RERI)评估大气PM_(2.5)与气温之间的潜在交互作用。结果日均气温与PM_(2.5)呈负相关关系,相关系数为-0.471(P<0.01);呼吸系统疾病就诊量与日均气温、平均相对湿度呈负相关关系而与PM_(2.5)呈正相关关系,相关系数分别为-0.059、-0.056、0.10(P<0.01);济南市日均气温和PM_(2.5)之间存在拮抗交互作用,其RERI值及95%CI为-0.11(-0.15,-0.08);淄博、滨州、菏泽三城市日均气温和PM_(2.5)之间表现为协同交互作用,其RERI值及95%CI分别为0.04(0.04,0.04)、0.10(0.10,0.11)、0.03(0.02,0.05),且具有统计学意义(P<0.05)。结论日平均气温对PM_(2.5)所致呼吸系统疾病的发生可能存在修饰作用,且二者的交互效应可能存在地域性差异。