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...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。展开更多
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200...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。展开更多
[背景]大气污染是一个重要的公共卫生问题。空气质量健康指数(AQHI)是大气污染健康风险预警和沟通的重要工具,但目前的AQHI构建大多基于单污染物模型,存在明显的局限性。[目的]建立基于大气污染物复合暴露的AQHI(J-AQHI),为进行大气污...[背景]大气污染是一个重要的公共卫生问题。空气质量健康指数(AQHI)是大气污染健康风险预警和沟通的重要工具,但目前的AQHI构建大多基于单污染物模型,存在明显的局限性。[目的]建立基于大气污染物复合暴露的AQHI(J-AQHI),为进行大气污染健康风险预警和风险沟通提供科学工具。[方法]本研究从云南、广东、湖南、浙江和吉林省疾病监测点系统收集2013年1月1日至2018年12月31日的每日非意外死亡数据,包括死亡日期、年龄、性别和死因,同时分别通过中国气象数据共享服务系统和城市空气质量实时发布平台收集同期逐日气象(温度、相对湿度)及大气污染数据(SO_(2)、NO_(2)、CO、PM_(2.5)、PM_(10)和8 h O_(3)最高浓度)。首先使用Lasso回归筛选大气污染物;然后采用时间分层的病例交叉设计,将每个病例死亡日期的同一月份的同一星期几作为对照,为每个病例分配3~4个对照日;随后应用分布滞后非线性模型(DLNM)建立筛选出的大气污染物与死亡的暴露-反应关系,并进一步计算AQHI;最后利用世界卫生组织《全球空气质量指南》(AQG 2021)中的主要大气污染物指导限值,将AQHI分为四个等级,并比较单污染模型构建的AQHI和多污染物模型构建的J-AQHI的超额死亡风险(ER)。[结果]通过Lasso回归筛选出PM_(2.5)、SO_(2)、NO_(2)、O_(3)共4种污染物,建立DLNM模型,发现PM_(2.5)、NO_(2)、SO_(2)、O_(3)每增加1个四分位数间距,ER及其95%CI分别增加0.71%(0.34%~1.09%)、2.46%(1.78%~3.15%)、1.25%(0.9%~1.6%)和0.27%(−0.11%~0.65%)。构建的J-AQHI呈右偏态分布,将其划分为四级,分别是低风险(0~1)、中风险(2~3)、高风险(4~5)、严重风险(≥6),分别占比为11.25%、64.61%、19.33%和4.81%。对于多污染物模型构建的J-AQHI和单污染物模型构建的AQHI,污染物每增加1个四分位数间距浓度,对应的ER(95%CI)分别增加3.61%(2.93%~4.29%)和3.39%(2.68%~4.11%)。[结论]本研究基于多污染物复合暴露模型构建了J-AQHI,展示了人群实际的空气污染的暴露健康风险,为AQHI计算方法的进一步完善提供新的思路。展开更多
文摘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。
文摘[背景]大气污染是一个重要的公共卫生问题。空气质量健康指数(AQHI)是大气污染健康风险预警和沟通的重要工具,但目前的AQHI构建大多基于单污染物模型,存在明显的局限性。[目的]建立基于大气污染物复合暴露的AQHI(J-AQHI),为进行大气污染健康风险预警和风险沟通提供科学工具。[方法]本研究从云南、广东、湖南、浙江和吉林省疾病监测点系统收集2013年1月1日至2018年12月31日的每日非意外死亡数据,包括死亡日期、年龄、性别和死因,同时分别通过中国气象数据共享服务系统和城市空气质量实时发布平台收集同期逐日气象(温度、相对湿度)及大气污染数据(SO_(2)、NO_(2)、CO、PM_(2.5)、PM_(10)和8 h O_(3)最高浓度)。首先使用Lasso回归筛选大气污染物;然后采用时间分层的病例交叉设计,将每个病例死亡日期的同一月份的同一星期几作为对照,为每个病例分配3~4个对照日;随后应用分布滞后非线性模型(DLNM)建立筛选出的大气污染物与死亡的暴露-反应关系,并进一步计算AQHI;最后利用世界卫生组织《全球空气质量指南》(AQG 2021)中的主要大气污染物指导限值,将AQHI分为四个等级,并比较单污染模型构建的AQHI和多污染物模型构建的J-AQHI的超额死亡风险(ER)。[结果]通过Lasso回归筛选出PM_(2.5)、SO_(2)、NO_(2)、O_(3)共4种污染物,建立DLNM模型,发现PM_(2.5)、NO_(2)、SO_(2)、O_(3)每增加1个四分位数间距,ER及其95%CI分别增加0.71%(0.34%~1.09%)、2.46%(1.78%~3.15%)、1.25%(0.9%~1.6%)和0.27%(−0.11%~0.65%)。构建的J-AQHI呈右偏态分布,将其划分为四级,分别是低风险(0~1)、中风险(2~3)、高风险(4~5)、严重风险(≥6),分别占比为11.25%、64.61%、19.33%和4.81%。对于多污染物模型构建的J-AQHI和单污染物模型构建的AQHI,污染物每增加1个四分位数间距浓度,对应的ER(95%CI)分别增加3.61%(2.93%~4.29%)和3.39%(2.68%~4.11%)。[结论]本研究基于多污染物复合暴露模型构建了J-AQHI,展示了人群实际的空气污染的暴露健康风险,为AQHI计算方法的进一步完善提供新的思路。