彭州市本地化环境空气质量健康指数(AQHI)构建

为了科学评估和系统表征大气污染对人群健康的潜在风险,研究通过采用广义相加时间序列模型(Generalized Additive Models,GAM),拟合了彭州市大气污染浓度与人群呼吸系统疾病就诊人数的暴露-反应关系,获取了相应的回归系数(β),构建了彭州市环境空气健康指数(Air Quality Health Index,AQHI)的计算方法并分级分类。结果表明,NO_(2)、PM_(10)、PM_(2.5)、O_(3)与人群呼吸系统疾病之间具有统计学意义上相关性,且最佳滞后时间及其相对危险度(Relative Risk,RR)存在差异,分别为0天(1.068)、7天(1.025)、7天(1.023)、1天(1.028),相应的回归系数(β)分别为0.0038872、0.0006119、0.0009031、0.0004203;构建的AQHI根据超额风险率(Extra-risk Rate,ER)共划分为4类11级,能够对大气污染潜在的健康风险进行评估,从而指导公众健康生活和出行,符合未来环境健康管理的趋势。

江苏省六城市空气质量健康指数效果验证

目的采用中国疾病预防控制中心环境与健康相关产品安全所(环境所)开发的空气质量健康指数(AQHI)指数构建方法,构建常州、淮安、南京、泰州、无锡、扬州市AQHI,并验证其与空气质量指数(AQI)一致性及健康风险预测能力。方法利用文献报道的中国空气PM_(2.5)、O_(3)、NO_(2)、SO_(2)与总死亡的暴露-反应系数、各城市日均死亡数及2015—2017年各城市四种污染物的日均值浓度,对各城市分别构建相应的AQHI。分析6个城市AQHI风险等级分布特征,并比较AQHI和AQI对不同健康结局的指示能力。结果6个城市AQHI低风险和中风险等级累计占比均大于90%。随着6个城市AQI等级升高,AQHI等级也随之升高,无互斥的结果,总体趋势一致。每增加一个风险级别,6个城市5种死因结局(非意外总死亡、心血管疾病死亡、中风疾病死亡、呼吸系统疾病死亡和慢阻肺死亡)AQHI所致风险增加的百分比较AQI均更高,敏感性分析显示模型基本稳健。结论AQHI的健康风险指示能力高于AQI。

天津市空气质量健康指数（AQHI）的建立及应用

为了解大气污染物对人体健康的影响,利用广义相加模型(Generalized Additive Models,GAM)根据2013年1月1日-2018年10月31日大气污染物质量浓度资料和天津全市就医人次数据计算了大气污染物的暴露反应关系系数。利用该系数建立了天津地区空气质量健康指数(AQHI)。结果表明,天津市6种大气污染物对人群的就医人次数均有正反馈,SO2、NO2、CO、O3、PM10和PM2.5质量浓度每升高10μg·m^-3,全市就医人次数分别增加1.99%,3.16%,0.09%,1.17%,1.19%和1.94%。2018年SO2、NO2、CO、O3、PM10、PM2.5造成就医人次数量增加率分别为2.41%,15.31%,9.00%,8.55%,9.69%和10.32%。在当前状况下,控制NO2和PM2.5浓度将有助于降低天津居民的健康风险。构建了天津空气质量健康指数AQHI,根据频度分布情况,将天津市空气质量健康风险级别分为:低风险(AQHI:0-3)、中度风险(AQHI:4-6)、高风险(AQHI:7-8)、极高风险(AQHI:9-10+),并针对心血管类疾病患者、儿童和老人等敏感人群分别给出健康建议。经与AQI对比和检验,发现AQHI能更好地描述人群的就医行为,AQHI指数对居民采取健康行为有指导意义,AQHI的预报将更有利于居民提前采取预防措施以规避大气污染对人体健康的风险。

石家庄市儿童呼吸系统疾病空气质量健康指数的构建

目的了解石家庄市大气污染对儿童呼吸系统疾病的影响,构建石家庄市儿童呼吸系统疾病发病风险空气质量健康指数(air quality health inedx,AQHI)。方法收集石家庄市2017—2021年环境空气污染物、气象及河北省儿童医院呼吸系统疾病门诊资料,采用广义相加模型定量分析各污染物和气象因素与儿童呼吸系统疾病发病风险的暴露—反应关系,根据超额就诊风险构建AQHI,并比较AQHI与空气质量指数(air quality index,AQI)对儿童呼吸系统疾病发病风险的影响。结果污染物PM_(2.5)、SO2和NO2质量浓度每升高10μg/m3,儿童呼吸系统疾病发病风险分别增加0.23%(95%CI:0.06%,0.41%)、2.10%(95%CI:0.95%,3.27%)和1.18%(95%CI:0.61%,1.75%);O3对儿童呼吸系统疾病发病风险的影响无统计学意义(P>0.05)。性别分层结果提示,PM_(2.5)对女童的影响更大,SO2、NO2均对男童的影响更大;年龄分层结果提示,SO2、NO2对7~14岁儿童的影响更大。综合分析后将PM_(2.5)、SO2、NO2纳入AQHI构建,经与AQI对比,AQHI能更好的描述儿童呼吸系统疾病就医行为。结论石家庄市PM_(2.5)、SO2、NO2均对儿童呼吸系统疾病发病风险有影响,所构建的石家庄市儿童呼吸系统疾病发病风险AQHI可较好地预测大气污染对儿童呼吸系统疾病的影响。

空气质量健康指数构建及与现有评价体系的比较:以丽水市为例

为了解大气污染物对人体健康的影响,采用时间序列广义可加模型分析2013—2018年丽水市大气污染物与健康效应的关系,构建丽水市不同人群空气质量健康指数(AQHI)及分级方法,比较AQHI、调整后的环境空气质量健康指数(AQHI_a)、空气质量指数(AQI)和环境空气质量综合指数对健康效应的预测能力.结果表明:①如以AQI和环境空气质量综合指数来评价,丽水市春夏季主要污染物为O_(3),秋冬季为PM_(2.5);如以AQHI来评价,则O_(3)为丽水市全年最主要的污染物,其次是NO_(2).②在多种污染物同时存在的情况下,AQHI比AQI具有更高的敏感性,AQHI与环境空气质量综合指数的相关性比与AQI的相关性好.③4种指数在秋冬季对健康效应的预测准确度均高于春夏季,AQHI_a是4类指数中预测健康效应最好的,其次为环境空气质量综合指数.研究显示,需高度重视O_(3)污染问题,建议空气质量较好的地区构建AQHI或AQHI_a来反映空气质量.

市域空气质量及其健康风险预报平台的设计与开发

利用2014—2017年期间的天津市环境空气污染数据、气象数据和人群死亡监测数据,构建符合天津市环境空气污染特征和人群健康风险特征的空气质量健康指数(AQHI)模型。采用浏览器/服务器体系结构(B/S),以Java为主要开发语言,以Spring Boot为基础框架,集成Spring MVC、Spring JPA、Spring Security、SpringCache等子框架,结合网络爬虫、抽取-转换-加载(ETL)、数据可视化等大数据分析技术,实现空气质量及其健康风险预报平台的开发。

上海市某典型住宅空气质量与能耗监测分析

近年来,建筑室内环境与健康的关联性被人们广泛关注。室内空气环境(包括空气质量、热环境)受室外大气与周围环境、气候与天气、室内装修以及室内人员行为等多种因素的影响。采用低成本空气传感集成监测系统,对上海市某住宅主卧、客厅、儿童卧室进行夏季和秋季多个环境参数、能耗数据等全时段在线监测跟踪测评,并提出一种关于室内空气健康水平的综合指数gAI,通过对室内环境多污染参数的动态监测,得到室内空气的环境动态指数,进而分析典型住宅室内空气品质(IAQ)环境的动态特性和用能特点,以期为相关项目提供参考。

居民空气污染暴露健康风险实时动态评价的研究进展

空气污染已经成为世界各国和地区面临的主要环境问题和公共卫生问题之一。确定特定时空条件下的空气污染水平,实时动态评估空气污染健康风险成为当前研究的热点。本文对空气污染暴露健康风险评价的已有研究进行综述,并提出一种提高其时空分辨率的研究思路。首先结合模型方法来提高环境浓度数据的时空分辨率,然后基于手机信令数据为暴露评价提供实时动态的暴露路径和微环境的暴露浓度,最终利用实时动态的暴露浓度替代常规评价中的环境浓度,实现居民空气污染暴露健康风险实时动态评价。

基于大气污染物与寿命损失年的金华市空气质量健康指数构建研究

目的 基于大气污染物与人群寿命损失年(YLL)的暴露-反应关系构建浙江省金华市空气质量健康指数(AQHI),评价空气质量健康风险。方法通过金华市环境监测中心和金华市气象局收集2014-2021年金华市金东区和婺城区的大气污染物和气象资料,通过浙江省慢性病监测信息管理系统收集同期居民非意外死亡资料;采用广义相加模型(GAM)分析大气污染物与YLL的暴露-反应关系,筛选主要污染物计算AQHI;采用GAM分析AQHI与YLL的暴露-反应关系。结果单污染物模型结果显示,PM_(2.5)在滞后1 d对YLL影响最大,SO_(2)在当日影响最大。双污染物模型结果显示,PM_(2.5)在滞后1 d分别纳入其他污染物后,对YLL的影响有统计学意义;SO_(2)在当日纳入NO_(2)后,对YLL的影响有统计学意义(均P<0.05)。2014-2021年O_(3)日均质量浓度超标率较高,为42.27%。根据单污染物和双污染物模型分析结果、大气污染物超标情况和相关文献,选择PM_(2.5)、SO_2、NO_2和O_(3)为主要污染物计算AQHI。2014-2021年金华市AQHI M (Q_R)为1.40 (1.13),按照AQHI分级标准,94.55%的时间处于低风险,4.93%的时间处于中风险。AQHI每升高1个Q_R,对全人群、男性、女性、<65岁和≥65岁人群YLL的影响均有统计学意义,YLL分别增加6.21、3.26、6.46、4.24和10.57人年。结论2014-2021年金华市大部分时间空气质量健康风险为低风险,AQHI升高与人群YLL风险增加有关。

乌鲁木齐市呼吸系统疾病空气质量健康指数的构建

[背景]空气质量健康指数(AQHI)是根据空气污染和发病率/死亡率时间序列分析暴露-反应系数得出的,有助于了解空气污染对健康的整体短期影响。[目的]研究乌鲁木齐市空气污染物对呼吸系统疾病的影响,并制定相应的乌鲁木齐市呼吸系统疾病发病风险AQHI。[方法]收集整理新疆乌鲁木齐市新疆医科大学第一附属医院2017年1月1日-2021年12月31日呼吸系统逐日门诊量数据、同期气象资料(日均气温、日均相对湿度)及乌鲁木齐市大气污染物[细颗粒物(PM_(2.5))、可吸入颗粒物(PM_(10))、二氧化硫(SO_(2))、二氧化氮(NO_(2))、一氧化碳(CO)、臭氧(O_(3))]原始监测数据。采用时间分层病例交叉设计构建以准泊松分布为基础的分布滞后非线性模型。以空气污染物零浓度为基准,使用暴露-反应系数(β值)来量化不同空气污染物对于呼吸系统疾病就医风险的影响,建立AQHI。比较AQHI、空气质量指数(AQI)与呼吸系统疾病发病关联性,评估AQHI预测效果。[结果]PM_(10)、SO_(2)、NO_(2)、O_(3)浓度每增加10μg·m^(-3)在累积滞后3d(LagO3)和累积滞后2d(LagO2)时超额就诊风险值最大,发病风险分别增加0.687%(95%CI:0.101%~1.276%)、17.609%(95%CI:3.253%~33.961%)、13.344%(95%CI:8.619%~18.275%)、4.921%(95%CI:1.401%~8.502%),PM_(2.5)、CO滞后效应无统计学意义。依据结果选取PM_(10)、SO_(2)、NO_(2)、O_(3)构建AQHI。结果显示,AQHI每升高一个四分位数间距全人群、不同性别人群、不同年龄人群、不同季节就诊人群呼吸系统疾病就诊风险的超额风险均高于AQI的相应指标值。[结论]乌鲁木齐市PM_(10)、SO_(2)、NO_(2)、O_(3)对呼吸系统疾病门诊就诊人次有影响,构建的乌鲁木齐市呼吸系统疾病发病风险AQHI与AQI相比预测大气污染对呼吸系统健康的影响更强。

空气质量健康指数的构建及应用的研究进展

空气质量健康指数选择多种空气污染物的综合健康效应估计空气污染的健康影响,能够准确地反映污染物短期波动所致的急性健康效应,相比于其他指标更加综合评估空气污染对健康的影响。本文就空气质量健康指数的发展历程、构建方法及其应用进行综述,并对其研究前景进行展望。

基于大气污染累积健康风险的天津市空气质量健康指数研究

[背景]累积风险指数(CRI)可综合考虑多种大气污染物对健康的联合作用,但目前罕见基于大气污染CRI构建空气质量健康指数(AQHI)的研究。[目的]基于大气污染物CRI构建天津市AQHI并对其有效性进行验证。[方法]收集天津市2015—2019年每日大气污染、气象因素、非意外死亡数据,并建立时间序列数据库,采用描述性统计分析方法对数据的基本分布特征进行分析。采用广义相加模型的单污染物模型和双污染物模型建立大气污染物与非意外死亡的暴露反应关系,筛选最佳滞后天数和指示污染物,然后采用多污染物模型计算大气污染的CRI值,并依据CRI值构建AQHI并分级。最后采用广义相加模型分别建立AQHI和空气质量指数(AQI)与非意外死亡的暴露反应关系,并对暴露反应关系系数进行比较,以广义交叉验证(GCV)值和模型的R^(2)对AQHI的有效性进行验证。[结果]本研究选择lag1为最佳滞后天数,在综合考虑超标情况和统计学模型结果的基础上,选择PM_(2.5)、SO_(2)、NO_(2)和O_(3)作为最终的指示污染物。4种指示污染物的浓度每升高1μg·m^(-3)对非意外死亡影响的效应值b,分别为-0.00002、0.00079、0.00015和0.00042。基于上述系数计算CRI,并构建AQHI。按照分级标准提示,63%的时间是处于低风险级别,有34%的时间处于中风险级别。分别建立了AQHI和AQI与全人群、女性人群和男性人群非意外死亡的暴露反应关系,结果显示,AQHI每增加一个四分位数间距(IQR),全人群、女性人群和男性人群非意外死亡的超额风险均高于AQI的相应指标值;且AQHI模型的GCV值(分别为2.694、1.819、1.938)均低于AQI模型的GCV值(分别为2.747、1.850、1.961),AQHI模型的R^(2)值(分别为0.849、0.780、0.820)均高于AQI模型的R^(2)值(分别为0.846、0.776、0.817)。[结论]与AQI相比,基于大气污染物的CRI构建的AQHI能够较好地预测天津市空气污染对人群的健康风险。

上海市儿童呼吸系统疾病空气质量健康指数的建立

[背景]空气质量健康指数(AQHI)将人群流行病学观察到的多个污染物健康效应指数化,能更好地反映空气污染与健康效应间广泛存在的线性无阈值关系。[目的]探索上海市儿童呼吸系统疾病AQHI(AQHI_(r))的建立方法并探讨其适用性。[方法]收集2015—2019年上海市徐汇、宝山、虹口、金山和崇明区5家综合医院儿科呼吸系统疾病日门诊人次数,收集距离医院最近的5个空气质量监测点大气污染物(PM_(2.5)、PM_(10)、SO_(2)、NO_(2)和O_(3))监测资料、空气质量指数(AQI)和气象监测资料(温度、相对湿度、气压和风速),采用基于泊松分布的广义相加模型(GAM),分析大气污染与儿科呼吸系统疾病门诊人次数之间的关联,依据GAM分析结果构建AQHI_(r)。比较AQHI_(r)、AQI与徐汇、虹口和崇明区的3家医院儿科呼吸系统疾病门诊人次数之间的关联性,评价AQHI_(r)的预测效果。[结果]大气污染物对儿科呼吸系统疾病门诊人次数有不同程度的影响:PM_(2.5)、NO_(2)和O_(3)效应在滞后当天(lag0)最显著,污染物质量浓度每升高10μg·m^(-3),超额就诊风险分别为1.27%(95%CI:0.88%~1.66%)、0.75%(95%CI:0.40%~1.11%)和3.61%(95%CI:2.71%~4.51%);PM_(10)和SO_(2)在滞后3 d(lag3)效应最显著,污染物每升高10μg·m^(-3),超额就诊风险分别为0.81%(95%CI:0.51~1.12)和5.64%(95%CI:3.37%~7.96%)。除PM_(10)+NO_(2)、SO_(2)+PM_(2.5)和SO_(2)+NO_(2)外,其余污染物两两叠加,对健康影响均有意义(P<0.05)。依据单污染物和双污染物分析结果,选择PM_(2.5)、NO_(2)、SO_(2)和O_(3)建立AQHI_(r)。比较结果显示,AQHI_(r)每升高一个四分位数间距,儿童超额就诊风险高于AQI相应的指标值。[结论]上海市大气污染物对儿科呼吸系统疾病门诊人次数有影响。依据儿童呼吸系统疾病就诊风险建立的AQHI_(r)能够较好地预测空气污染对儿童呼吸系统的健康影响。

基于老年人群循环系统疾病寿命损失年的天津市空气质量健康指数的初步构建

目的构建基于老年人群健康效应的天津市空气质量健康指数(AQHI)。方法建立2014—2017年天津市市内六区大气污染数据与老年人群循环系统疾病(CVD)死亡数据的时间序列数据库,并利用主成分分析法(PCA)和广义相加模型(GAM)建立暴露-反应关系,进而构建AQHI。结果 2014—2017天津市市内六区PM2.5、PM10、SO2、NO2、CO、O3的年均浓度分别为72、116、28、48、1 606、58μg/m3。大气污染物主成分F2、F3和F4滞后1日浓度(F2-lag1,F3-lag1,F4-lag1)对老年人群CVD归因YLL的影响有统计学意义(P<0.05),天津市t日AQHI的计算公式为AQHIt=10 (0.385 3 F2-lag1+0.796 1 F3-lag1-0.061 3 F4-lag1)/1 129.625,依据AQHI,人群健康风险分为低(0~3)、中(4~6)、高(7~10)和严重(≥11)健康风险。结论通过建立大气污染物主成分与老年人群CVD归因YLL之间的暴露-反应关系,构建AQHI可行,此方法可为其他地市AQHI的建立提供借鉴。

兰州市呼吸系统疾病空气质量健康指数构建

目的通过研究空气污染物对不同性别、年龄人群健康效应,构建兰州市不同性别、年龄人群空气质量健康指数(air quality health index,AQHI),并对空气质量进行分级。方法采用时间序列广义相加模型(generalized additive models,GAM)研究2001—2009年兰州市空气污染物与呼吸系统疾病日入院人数的健康效应,进而构建兰州市空气质量健康指数(lanzhou air quality health index,LAQHI),并比较AQHI、空气质量指数(AQI)和空气污染指数(API)预测健康的能力。结果 SO2、NO2和PM10对不同性别、年龄人群呼吸系统疾病入院均具有一定的相关和滞后效应,除≥65岁老年人群,SO2在当天、NO2滞后1d、PM10滞后3~6 d即可引起呼吸系统疾病日入院人数增加;SO2对年龄≤15岁人群在滞后1 d,NO2对女性人群在当天,PM10对年龄≤15岁人群在滞后4 d的相对危险度(RR)最高,RR分别为1.082(95%CI:1.055~1.110)、1.065(95%CI:1.037~1.094)和1.036(95%CI:1.024~1.049)。AQHI处于低、中、高、重度等级的天数占总天数的比例分别为51.6%~90.0%、9.3%~31.6%、0.7%~12.1%和0.0%~4.6%,而年龄≥65岁老年人群及男性处于中、高、重度比例均较高,分别为32%、12%、4%及24%、6%和1%,且AQHI预测人群健康的能力要强于AQI和API。结论兰州市空气污染物对不同性别、年龄人群呼吸系统疾病入院均有一定影响,且具有一定滞后效应,其中对女性及年龄≤15岁人群的影响较为显著;AQHI能够用于兰州市空气质量分级,且对健康预测能力较AQI和API理想。

河南省安阳市空气质量健康指数构建——基于空气污染对人群死亡影响

目的 构建安阳市空气质量健康指数(air quality health index,AQHI),与当前空气质量指数(air quality index,AQI)对比,评价其提示健康风险能力。方法 建立2016-2020年安阳市大气污染、气象与死因监测数据时间序列数据库,利用主成分分析提取污染物主成分后纳入广义相加模型(GAM)获得暴露-反应关系系数,并进一步计算AQHI,并与AQI对比。结果 2016-2020年安阳市大气污染物CO、NO_(2)、O_(3)、SO_(2)、PM_(10)、PM_(2.5)的年均浓度分别为1 593.44、42.93、107.36、25.54、127.74、74.70μg/m^(3)。累积滞后1 d主成分浓度对总人群、男性人群死亡影响最大,累积滞后2 d主成分浓度对女性人群死亡影响最大(P<0.05)。总人群AQHI公式为AQHIt=(((exp(0.034×PC1lag01t)-1+exp(0.055×PC2lag01t)-1)×100)/78.066)×10。全人群AQHI每上升一个四分位间距(IQR),总死亡风险增加5.07%(95%CI:2.94%~7.24%)高于AQI的4.48%(95%CI:2.56%~6.44%)。结论 安阳AQHI可以更灵敏提示当地空气污染对人群健康影响风险,可为构建AQHI提供借鉴。

空气质量健康指数(AQHI)的构建及应用研究进展

我国大部分地区采用空气质量指数(AQI)来反映空气质量状况,因其不能很好地反映空气污染与人群健康的关系,一些学者开始展开对空气质量健康指数(AQHI)的研究,评估空气污染对人群健康损害的风险。有关AQHI的研究发展迅速,上海、广州、天津等城市纷纷发表了描述当地AQHI构建和应用情况的文献。然而,目前AQHI的构建尚未达成共识,不同地区间未形成统一的构建标准,存在不同地区AQHI可比性不强等问题。本文通过查阅国内外AQHI的构建和应用情况的相关文献,总结不同国家和地区的AQHI构建方法和应用进展,以期为后续建立本地化AQHI提供理论依据。

空气质量健康指数与哮喘发病率:一项基于人群的研究

[背景]已知空气污染暴露与呼吸系统疾病恶化相关。由加拿大开发的空气质量健康指数（AQHI），是一种新型的健康风险衡量标准，用于报告空气质量和提供减少风险活动的建议。

基于大气污染和气温联合对人群健康效应的天津市AHI构建

目的基于大气污染和气温与人群寿命损失年(YLL)的暴露反应关系构建天津市空气健康指数(AHI)。方法建立2014—2019年天津市六城区大气污染、空气质量指数(AQI)、气象因素及人群非意外死亡YLL的时间序列数据库。以2014—2017年的数据作为构建集,通过广义相加模型和加权量化和模型建立大气污染混合物与人群非意外死亡YLL的暴露反应关系,通过分布滞后非线性模型建立气温与人群非意外死亡YLL的暴露反应关系,基于获得的暴露反应关系系数建立AHI。以2018—2019年的数据作为验证集,通过比较AHI、空气质量健康指数(AQHI)和空气质量指数(AQI)这三个指数与人群非意外死亡人数和非意外死亡YLL之间的暴露反应关系及模型的拟合优度,对AHI的有效性进行评估。结果AHI的建立模型为AHI t=EYLL t,大气污染+气温/475.11*10。AHI每增加1个IQR,对非意外死亡人数的超额危险度为10.61%,对非意外死亡YLL的效应值为353.37人年,均高于AQHI和AQI的相应效应值。此外,AHI模型的拟合优度均优于AQI和AQHI。结论与AQHI和AQI相比,基于大气污染和气温联合健康效应构建的AHI具有更好的人群健康风险预测能力。

加强环境健康风险预警研究,推动风险预警公共卫生服务

随着环境健康问题日益受到重视,环境健康风险的评估和预警研究逐渐成为热点。在我国,针对空气污染和热浪、寒潮等的人群健康风险预警研究,已经取得了一些进展,构建了空气质量健康指数(AQHI)及预警平台,并在全国多个试点城市发布,为公众健康防护提供了科学的参考;同时,启动了极端天气健康风险预警研究及应用工作,构建了热浪和寒潮健康风险预警模型及预警分级,并在试点城市实现了实时发布。然而,整体而言我国环境健康风险预警研究及公共卫生服务仍处于起步探索阶段,未来应持续加强各类环境危险因素的风险预警科学研究和应用,并开展环境健康风险预警的应用效果和适用性评估,不断优化完善预警模型和相关指数。同时,建立多部门合作机制,建立健全环境健康风险预警发布体系,推动环境健康风险预警及公共卫生服务在全国的应用,并进一步推进预警发布后的健康风险干预工作,以降低环境因素带来的健康风险,提升人民健康水平。