2015—2021年百色市4类慢性病早死概率变化趋势及预测分析

背景我国居民慢性非传染性疾病(慢性病)疾病负担较严峻,已成为制约人群健康期望寿命提高的重要影响因素。目的了解百色市2015—2021年4类重大慢性病(恶性肿瘤、心脑血管疾病、糖尿病和慢性呼吸系统疾病)早死情况及实现“健康中国2030”目标情况,为制定西部贫困地区慢性病防控策略提供借鉴。方法收集2015—2021年登记在百色市疾病预防控制中心死因监测系统的死亡数据,计算死亡率、早死概率等指标,运用Joinpoint 24.0软件,以平均年度变化百分比(AAPC)和率的变化趋势进行描述。结果2015—2021年,百色市4类慢性病粗死亡率为549.06/10万(AAPC=0.13%),标化死亡率为302.92/10万(AAPC=-5.66%),变化趋势均无统计学意义(P>0.05);女性4类慢性病标化死亡率呈下降趋势(AAPC=-1.66%,P=0.046)。其中总人群、男性、女性心脑血管疾病粗死亡率呈上升趋势(AAPC=2.74%,P=0.004;AAPC=2.43%,P=0.013;AAPC=3.17%,P=0.011),男性、女性慢性呼吸系统疾病标化死亡率呈下降趋势(AAPC=-8.66%,P=0.023;AAPC=-8.17%,P=0.027)。总人群、男性、女性4类慢性病早死概率分别为15.77%、26.03%、10.42%,其慢性呼吸系统疾病早死概率均呈下降趋势(AAPC=-6.89%,P=0.012;AAPC=-7.18%,P=0.007;AAPC=-6.94%,P=0.020)。男性4类慢性病早死概率约为女性的2.5倍。按照百色市2015—2021年4类慢性病早死概率平均增长速度,预计2030年百色市4类慢性病早死概率为14.62%,而2030年4类慢性病早死概率目标值为13.69%,只有女性、恶性肿瘤和慢性呼吸系统疾病早死概率目标值高于预测值。需将2021—2030年4类慢性病早死概率的平均下降速度提高至2.63%,才能实现2030年的早死概率目标,其中男性的平均下降速度应提高至2.70%。糖尿病早死概率应被重点关注,其预测值低于目标值且差距较大,下降速度应提高至6.76%。结论2015—2021年百色市总人群、男性、女性心脑血管疾病粗死亡率呈上升趋势,慢性呼吸系统疾病死亡率和早死概率呈下降趋势。以目前平均增长速度预测,百色市距离实现“健康中国2030”目标值尚有差距。应以男性为重点关注人群,以糖尿病和心脑血管疾病为重点干预疾病,使2021—2030年平均增长速度达到-2.63%,才可实现“健康中国2030”目标。

广州市居民呼吸系统疾病每日死亡人数与大气污染的时间序列分析

目的探讨广州市大气污染对居民每日呼吸系统疾病死亡人数的影响。方法收集广州市多家医院2006年1月1日~2008年12月31日呼吸系统疾病每日死亡人数的统计资料,结合同时期环境监测和气象资料,建立自回归模型（auto-regression model）,进行时间序列分析,在消除了气象、季节等混杂因素的基础上,分析了研究期间广州市大气污染与呼吸系统疾病死亡人数的关系。结果大气污染在冬季对居民呼吸系统疾病造成的死亡影响高于夏季。呼吸系统疾病日死亡人数较多月份与各污染物浓度较高的月份趋于一致。大气中NO2和PM10的浓度每增加10μg/m3,居民呼吸系统疾病日死亡人数分别各增加1%（P〈0.01）。灰霾天的空气污染物浓度高于非灰霾天。结论广州市大气主要污染物NO2和PM10浓度的升高,引起居民呼吸系统疾病的日死亡人数相应增加。

2012年—2014年某市呼吸系统疾病死亡的空间分析

目的分析某市2012年—2014年呼吸系统疾病死亡的区域空间分布,为呼吸系统疾病的健康监测和重点干预提供技术依据。方法根据《中国疾病预防控制系统—死因登记报告信息系统》2012年—2014年某市88个乡镇的呼吸系统疾病死亡数据,基于GIS进行空间分析。结果 Moran LISA分析表明,2012年、2013年、2014年和2012年—2014年呼吸系统疾病死亡率均存在具有统计学意义的高低聚集(P<0.05),高-高分布区域主要为高青县A镇、B街道办和C镇,沂源县D镇、E镇和F镇;Getis-Ord G_i*分析显示,呼吸系统疾病死亡的热点区域主要聚集在高青县A镇、B街道办和C镇,沂源县D镇、E镇、F镇、N街道办、P镇、Q镇、R镇(P<0.05);Kriging空间分布图显示,各年度呼吸系统疾病死亡趋势基本一致,死亡率较高区域为高青县西部、沂源县南部、临淄区东部区域;空间分析结果与该市社会经济特征的区域分布存在一致性,人口城市化水平低、第一产业比重较大和医疗条件较差的区域,呼吸系统疾病死亡率较高。结论某市呼吸系统疾病死亡存在具有统计学意义的高低聚集,高青县西部和沂源县南部为高风险区域。

新型冠状病毒肺炎疫情对主要呼吸道传染病的发病及时空聚集性的影响分析

目的分析新型冠状病毒肺炎(以下简称新冠肺炎)疫情流行后采取防控措施对北京市报告的法定传染病中的主要呼吸道传染病的报告发病情况及时空聚集性的影响。方法选取2019年1月18日-2021年1月18日报告的法定传染病中的呼吸道传染病病例,根据新冠肺炎病例报告时间对数据进行分组,采用描述性流行病方法分析在新冠肺炎病例报告前后呼吸道病例的变化,采用回顾性时空扫描分析,探索新冠肺炎疫情前后病例的时空分布的变化特征。结果新冠肺炎疫情流行后,法定传染病中报告的呼吸道传染病报告发病率下降显著,其中以流感和猩红热的报告发病率下降明显(P均<0.001),分别下降了94.27%和94.24%。时空扫描分析发现,流感和猩红热等主要呼吸道传染病聚集区在新冠肺炎疫情暴发后明显减少。疫情前后肺结核最易发生聚集的区均为朝阳(RR=1.59,P<0.001)和通州区(RR=1.55,P<0.001);流感最易出现聚集区在新冠肺炎疫情前主要集中在中心城区往东北方向蔓延(RR=87.82,P<0.001),疫情发生后聚集范围显著缩小,主要集中在东城、西城、朝阳、海淀和丰台区(RR=58.57,P<0.001);猩红热在疫情前最易发生聚集的区主要集中在中心城区往西南方向蔓延(RR=2.51,P<0.001),疫情后聚集区缩小,集中在东城、西城和丰台区(RR=4.52,P<0.001)。结论针对新冠肺炎疫情所采取的一系列防控措施可有效减少流感和猩红热发病及时空聚集的发生。为主要的呼吸道传染病的预防控制提供参考依据。但对肺结核的发病和聚集的影响不大,应进一步观察和研究新冠肺炎疫情对肺结核流行、诊断和管理等方面的中长期影响。

呼吸系统疾病对老年人死亡风险影响的前瞻性队列研究

目的探讨呼吸系统疾病对我国老年人死亡风险的影响。方法以2008年中国老年健康影响因素跟踪调查(CLHLS)访问的12946名老年人作为研究对象,随访该队列老年人至2018年,通过构建Cox比例风险模型分析呼吸系统疾病对老年人死亡风险的影响,并且分为不同性别组和年龄组进行异质性分析。结果相比未患呼吸系统疾病的老年人,患呼吸系统疾病显著增加老年人的死亡风险。具体而言,在全体老年人中,校正混杂因素后,患呼吸系统疾病使其死亡风险增加22%(HR=1.22,95%CI:1.14~1.30),自评呼吸系统疾病对生活有一点影响和有很大影响分别使老年人的死亡风险增加18%(HR=1.18,95%CI:1.09~1.29)和31%(HR=1.31,95%CI:1.18~1.46)。异质性分析表明,呼吸系统疾病使老年男性和老年女性的死亡风险分别增加32%(HR=1.32,95%CI:1.21~1.45)和11%(HR=1.11,95%CI:1.01~1.23);使65~79岁组和80~94岁组老年人的死亡风险分别增加49%(HR=1.49,95%CI:1.26~1.76)和21%(HR=1.21,95%CI:1.11~1.33),但对95~104岁组老年人的死亡风险影响不具备统计学意义(HR=1.09,95%CI:0.97~1.23)。结论呼吸系统疾病是加速老年人死亡的重要危险因素,且呼吸系统疾病对老年男性死亡风险的影响比对老年女性更大,对低龄老年人死亡风险的影响比对高龄老年人更大。

北京市细颗粒物时空分布及与呼吸系统疾病相关分析

细颗粒物(PM2.5)即粒径小于2.5μm的可吸入颗粒物[1],是当今中国城市大气污染的首要污染物。本研究以北京市为例,选取北京市2010年至2012年三年内采暖期与非采暖期两个不同时期的细颗粒物(PM0.3,PM0.5,PM1)实测数据,及同时期北京市患呼吸系统疾病人数数据,运用地统计的空间分析方法,对获取数据进行空间化及插值研究。通过偏相关分析法对北京市细颗粒物浓度与患呼吸系统疾病人数数据进行相关分析。得出以下主要结论:①细颗粒物的空间变化明显,2010年、2011年及2012年细颗粒物浓度整体呈上升趋势,2012年三种粒径细颗粒物浓度整体高于2010年与2011年。②不同粒径的细颗粒物,对呼吸疾病的影响程度不同:在0.3μm,0.5μm与1μm三种粒径的细颗粒物中,PM1对呼吸系统疾病影响最大,偏相关系数达到0.785。

2015-2021年江西省慢性呼吸系统疾病死亡情况及变化趋势

目的分析江西省常住居民慢性呼吸系统疾病死亡情况及其变化趋势,为相关防控措施制定提供依据。方法收集江西省2015-2021年死因监测数据,统计分析慢性呼吸系统疾病粗死亡率、标化死亡率、早死所致寿命损失年(YLL)、平均减寿年数(AYLL)、YLL率和平均年度变化百分比(AAPC)等指标。结果2015-2021年江西省慢性呼吸系统疾病导致死亡41969例,粗死亡率和标化死亡率分别为71.30/10万和61.46/10万。男性粗死亡率(83.60/10万)高于女性(58.47/10万)(χ^(2)=1304.50,P<0.001)。慢性呼吸系统疾病标化死亡率(AAPC=-4.05%,P=0.015)和女性标化死亡率(AAPC=-5.79%,P=0.003)呈下降趋势。慢性阻塞性肺疾病(COPD)是导致慢性呼吸系统疾病死亡的主要原因。江西省慢性呼吸系统疾病YLL为37.98万人年,AYLL为9.05人年,YLL率为6.45‰。结论江西省2015-2021年慢性呼吸系统疾病死亡呈现下降趋势,但死亡率与疾病负担仍然较高,应针对高危人群加强综合防控工作。

2009—2018年上海市某社区呼吸系统疾病死亡趋势及影响因素分析

目的:探讨2009—2018年上海市某社区居民呼吸系统疾病死亡流行病学特征及趋势。方法:利用2009—2018年浦东新区王港社区户籍居民死因监测数据库,采用死亡率、标化死亡率、年度变化百分比(annual percentage change,APC)等指标对呼吸系统疾病相关死亡情况进行分析,并采用率的差别分解法分析人口年龄构成因素和其他危险因素对死亡率差异的贡献。结果:2009—2018年浦东新区某社区因呼吸系统疾病死亡310例,粗死亡率为88.73/10万,标化死亡率为26.89/10万。粗死亡率呈波动态势(APC=-0.82%,Z=-0.687,P=0.512),合计标化死亡率明显下降(APC=-5.96%,Z=-3.210,P=0.012)。男性呼吸系统疾病粗死亡率和标化死亡率均显著高于女性(P<0.05)。男性和女性粗死亡率无明显变化,标化死亡率明显下降。以2009—2013年各性别呼吸系统疾病粗死亡率为基准,2014—2018年死亡率中由人口因素导致的增长大于其他危险因素。结论:社区呼吸系统疾病的防治需因地制宜,针对人口老龄化采取有针对性的防治措施是有效途径之一。

2010—2021年辽宁省本溪市居民慢性呼吸系统疾病死亡及早死概率趋势分析

目的分析2010—2021年辽宁省本溪市人群慢性呼吸系统疾病死亡率和早死概率变化趋势,为制定慢性呼吸系统疾病防治措施提供依据。方法死亡数据来自本溪市全人群死因监测系统。采用SPSS 24.0软件统计分析死亡率、标化死亡率、早死概率等,采用人口学死亡率差别分解法进行死亡率差别分解分析。不同性别死亡率的比较采用χ2检验,用Joinpoint 4.9.1软件计算率的变化趋势。结果2010—2021年本溪市居民慢性呼吸系统疾病粗死亡率为31.83/10万,标化死亡率为35.87/10万。粗死亡及标化死亡率变化趋势差异无统计学意义(P>0.05)。2010—2021年慢阻肺粗死亡率为21.40/10万,标化死亡率为24.76/10万。粗死亡率变化趋势差异无统计学意义(P>0.05),标化死亡率呈下降趋势(APC=-6.34%,P<0.05)。慢性呼吸系统疾病和慢阻肺男性死亡率均高于女性。慢性呼吸系统疾病早死概率由2010年的0.78%下降至2021年的0.39%,慢阻肺早死概率由2010年的0.64%下降至2021年的0.25%,变化趋势差异均有统计学意义(APC分别为-6.02%、-8.34%,均P<0.05)。差别分解法结果显示,2010—2021年慢性呼吸系统疾病粗死亡率由22.03/10万上升至28.31/10万,人口因素使其增长,人口贡献率为592.20%;慢阻肺粗死亡率由17.41/10万上升至21.40/10万,人口因素使其增长,人口贡献率为2858.74%。结论2010—2021年本溪市慢性呼吸系统疾病及慢阻肺粗死亡率呈上升趋势,标化死亡率呈下降趋势,早死概率均呈下降趋势。人口老龄化是导致粗死亡率上升而标化死亡率和早死概率下降的主要原因。老年人及男性居民是防治的重点人群。

2010—2021年中国居民主要呼吸系统疾病死亡趋势及预测分析

目的了解2010—2021年中国居民主要呼吸系统疾病死亡趋势,并对2022—2026年的主要呼吸系统疾病粗死亡率及死亡数进行预测,为开展主要呼吸系统疾病预防工作提供参考依据。方法收集《中国死因监测数据集(2010—2021)》中各死因监测点人口及不同性别、年龄、地区和城乡居民的主要呼吸系统疾病死亡数据和人口资料,并用2010年人口普查数据进行标化,通过粗死亡率和标化死亡率描述主要呼吸系统疾病的死亡状况,采用Joinpoint回归模型分析标化死亡率变化趋势,组间率的比较采用χ^(2)检验,并应用灰色模型GM(1,1)预测2022—2026年主要呼吸系统疾病粗死亡率及死亡数。结果中国居民主要呼吸系统疾病的粗死亡率从2010年的70.80/10万下降至2021年的52.58/10万,年度变化百分比(annual percent change,APC)为-2.40%,变化趋势差异有统计学意义(t=-2.12,P=0.034);标化死亡率从2010年的91.42/10万下降至2021年的31.76/10万,变化差异有统计学意义(APC=-9.31%,t=10.17,P<0.01);男性的标化死亡率高于女性,差异有统计学意义(χ^(2)=170384.22,P<0.05),西部地区标化死亡率高于中部地区,中部地区高于东部地区,差异有统计学意义(χ^(2)=123842.02、711633.49,P<0.05),农村标化死亡率高于城市,差异有统计学意义(χ^(2)=577624.53,P<0.05)。主要呼吸系统疾病粗死亡率随年龄增加呈上升趋势(APC=52.76%,P<0.05),≥70岁达高峰。灰色模型GM(1,1)预测结果显示,中国居民2022—2026年主要呼吸系统疾病粗死亡率依次为53.23/10万、51.65/10万、50.13/10万、48.65/10万和47.21/10万,死亡数依次为171012例、174267例、177534例、180813例和184105例。结论2010—2021年中国居民主要呼吸系统疾病存在性别、年龄、地区和城乡差异。其中男性、≥60岁人群、西部地区和农村人群是高危人群,应给予重点关注。

我国空气污染物与人群呼吸系统疾病死亡急性效应的Meta分析

目的回顾我国空气污染与呼吸系统疾病健康效应的研究，定量分析空气污染物[空气动力学直径〈2．5gm的细颗粒物（PM2.5）和〈10gm的可吸入颗粒物（PM10）、二氧化硫（SO2）、二氧化氮（NO2）和臭氧（O3）]与人群呼吸系统疾病急性死亡的关系。方法系统收集1989--2014年在PubMed、SpringerLink、Embase、Medline、中国期刊全文数据库、中国生物医学文献数据库和维普中文科技期刊全文数据库公开发表的有关我国空气污染与呼吸系统疾病健康效应的研究文献，总结该类研究在我国各省份的覆盖情况；并依据Meta分析法分别对PM10、PM2.5、NO2、SO2和O3，与人群呼吸系统疾病急性死亡关系的定量研究进行分析，采用Stata12．0软件进行异质性分析后利用固定或随机效应模型合并效应值，并检验发表偏倚。结果共收集到有关空气污染与人群呼吸系统疾病健康效应的研究文献157篇，覆盖我国79．4％的省份。Meta分析结果显示，PM10、PM2.5、NO2、SO2和O3浓度每上升10μg／m3，人群呼吸系统疾病死亡率分别增加0．50％（95％CI：0—0．90％）、0．50％（95％Ch0．30％～0．70％）、1．39％（95％CI：0．90％～1．78％）、1．00％（95％CI：0．40％-1．59％）和0．10％（95％CI：-1．21％～1．39％），各研究均未发现明显发表偏倚。结论我国PM10、PM2.5、NO2、SO2浓度的上升均会导致人群呼吸系统疾病急性死亡的增加。

北京市大气PM10浓度与居民呼吸系统疾病死亡的时空分析研究

目的 探讨北京市2008—2009年大气PM10浓度的时空分布特征和人群暴露水平,分析北京市大气PM10浓度对居民呼吸系统疾病死亡的暴露-反应关系。方法 采用克里格插值模型对研究期间北京市大气PM10的日均浓度进行估计,采用时间序列的广义相加混合效应模型分析大气PM10浓度对居民呼吸系统疾病死亡的暴露-反应关系。结果 北京市2008—2009年大气PM10的日均浓度为118.6μg/m3,高于GB 3095—1996《环境空气质量标准》二级标准。研究期间大气PM10浓度呈现自北向南逐渐升高的空间分布规律。北京市大气PM10浓度每升高10μg/m3对呼吸系统疾病死亡的超额危险度为0.56%（95%CI：0.28%~0.83%）。引入多污染物模型后大气PM10浓度对呼吸系统疾病死亡的超额危险度略有减小,但仍有统计学意义（P〈0.05）。结论 采用克里格插值模型能够较为精确地估计北京市大气PM10浓度的空间分布状况;大气PM10浓度对北京市居民呼吸系统死亡存在一定的暴露-反应关系。

北京市大气二氧化氮水平与居民呼吸系统疾病死亡的关系

目的分析大气中主要气态污染物二氧化氮（NO2）急性暴露对北京市居民每日呼吸系统疾病死亡人数的影响。方法收集北京市2006--2009年居民每日呼吸系统疾病死亡资料、大气主要污染物（so2、NO2、PM10）日均浓度资料和气象因素（日均气温、日均相对湿度）资料。采用时间序列的广义相加模型，通过平滑样条函数控制时间趋势、“星期几效应”和气象因素等混杂因素，拟合大气NO2浓度与居民每日呼吸系统疾病死亡人数之间的暴露-反应关系模型。对确定的最优拟合模型进行敏感度检验以检测其稳定性，并进一步建立双污染物模型，以检验NO2对居民每日呼吸系统疾病死亡人数的效应是否受到其他大气污染物的影响。结果NO2浓度与北京市居民每日呼吸系统疾病死亡人数的关联元统计学意义（P〉0．05），但与居民每日肺炎死亡人数之间有统计学意义（P〈0．05）。建立的最优拟合模型稳定。日均NO2浓度每升高10μg/m^3，居民每日肺炎死亡人数增加1．46％（95％CI：0．04％-2．90％）。在模型中加入PM10后，NO2对居民每日肺炎死亡的效应有增加，居民每日肺炎死亡人数增幅增加至1．88％（95％CI：0．12％-3．68％）。结论北京市大气中NO2浓度升高可能导致居民每日肺炎死亡人数增加。

北京城区可吸入颗粒物分布与呼吸系统疾病相关分析

可吸入颗粒物(PM10)已成为北京市首要空气污染物,严重影响城市环境质量及居民健康.本研究采集了北京市2008～2009年非采暖期与采暖期两个不同时期不同粒径(0.3、0.5、3.0和5.0μm)的大气颗粒物浓度,利用空间分析方法研究其分布规律;同时收集同期患呼吸系统疾病的病人数据,对其进行统计分析;再在回归分析的基础上,运用灰色关联模型探讨可吸入颗粒物与呼吸系统疾病的相关性.结果表明,细颗粒的空间分布情况相异,而粗颗粒物分布规律大致相同.呼吸系统疾病与可吸入颗粒物浓度有一定的关联,采暖期是呼吸系统疾病的高发期,可吸入颗粒物在采暖期对呼吸系统疾病的发病率影响相对较高.无论在采暖期还是非采暖期,细颗粒物的浓度均高于粗颗粒物,且细颗粒物对呼吸系统疾病的影响较大.

济南市大气污染物O_3与居民呼吸系统疾病死亡风险的时间序列分析

目的探讨济南市大气污染物O_3对居民呼吸系统疾病死亡的急性影响。方法收集2013～2015年济南市逐日空气污染物、气象资料和居民呼吸系统疾病死因数据,控制长期趋势和季节趋势、气象因素、星期几效应(DOW)、节假日效应(Holiday)和集中供暖效应(Warm-heating)等混杂因素,采用基于Quasi-Poisson回归的广义线性模型(GLM)进行分析,计算O_3浓度每升高10μg/m^3,呼吸系统疾病死亡率增加的ER及95%CI。敏感性分析实施双污染物模型(O_3+PM_(2.5)、O_3+SO_2、O_3+NO_2)和多污染物模型(O_3+PM_(2.5)+SO_2+NO_2)拟合。同时进一步对性别、年龄进行分层分析。结果 2013～2015年济南市O_3日均浓度为102μg/m^3、日均呼吸系统疾病死亡人数为8人。O_3浓度每升高10μg/m^3,居民呼吸系统疾病死亡风险在lag3和lag05时达到最高,分别增加0. 95%(95%CI:0. 28%～1. 63%)和1. 70%(95%CI:0. 27%～3. 16%)。男性和女性的ER值差别不大,但65岁以上人群呼吸系统疾病死亡风险显著增加。结论济南市大气污染物O_3对居民呼吸系统疾病死亡风险具有显著急性影响,65岁以上老人更为敏感。

大气二氧化硫与居民每日呼吸系统疾病死亡相关性的时间序列分析

目的分析大气中主要气态污染物二氧化硫(SO2)急性暴露对北京市居民每日呼吸系统疾病死亡人数的影响。方法采用时间序列的广义相加模型,在控制时间趋势和气象因素、"星期几效应"等混杂因素的基础上,分析北京市2006年1月1日—2009年12月31日大气SO2浓度与居民每日呼吸系统疾病死亡人数的关系。结果北京市大气SO2浓度每升高10μg/m3,居民当日呼吸系统疾病死亡人数、滞后1 d的每日肺炎死亡人数分别增加0.88%(95%CI:0.34%～1.41%)和1.43%(95%CI:0.51%～2.35%)。结论北京市大气SO2污染与居民每日呼吸系统疾病死亡人数和肺炎死亡人数有统计学关联。

2013—2015年济南市大气重点污染物对居民呼吸系统疾病死亡风险的急性效应分析

目的评估济南市大气重点污染物(PM_(2.5)、SO2和NO2)对居民呼吸系统疾病死亡的急性影响。方法收集2013—2015年济南市逐日气象资料、空气污染物浓度和居民呼吸系统疾病死亡资料,并进行描述性分析。采用基于QuasiPoisson回归的广义线性模型(GLM),控制时间的长期趋势和季节趋势、气象因素、星期几效应、节假日效应、集中供暖效应后,分别进行PM_(2.5)、SO_2、NO_2与逐日居民呼吸系统疾病死亡数的单污染物模型分析、滞后效应(lag1~lag3)和累积滞后效应(lag0~1)分析,计算污染物浓度每升高10μg/m^3时的呼吸系统疾病死亡数增加的超额危险度(ER)及95%CI。结果2013—2015年济南市逐日PM_(2.5)、SO_2、NO_2及居民呼吸系统疾病死亡数呈现一致的周期性、季节性特征,3种污染物年均值依次为95、73、55μg/m3,呼吸系统疾病日均死亡数为8人。污染物浓度每升高10μg/m3,PM_(2.5)(lag1)、SO_2(lag0)、NO_2(lag0)可使居民呼吸系统疾病死亡数分别增加0.52%(95%CI:0.09%~0.96%),0.73%(95%CI:0.13%~1.33%),1.67%(95%CI:0.19%~3.17%)。性别分层分析发现,3种污染物对女性的死亡风险均有统计学意义(P<0.05),而对男性未见统计学意义(P>0.05)。结论济南市大气污染物(PM_(2.5)、SO_2、NO_2)均对居民呼吸系统疾病死亡效应存在急性影响,且女性更为敏感。

不同大气温度指标与居民呼吸系统疾病死亡的相关性比较研究

目的比较和分析不同大气温度指标在定量评价气温与人群呼吸系统疾病死亡相关性方面的不同特点及优劣。方法收集北京市H区2004—2008年气象数据、呼吸系统疾病每日死亡人数及同期大气污染物数据,采用时间序列分析中广义相加模型(GAM),通过平滑样条函数控制长期趋势、短期波动、其他气象因素及大气污染物带来的混杂效应,利用GCV值的大小来判断模型拟合程度的优劣,分析比较不同温度指标(日均温,日最高温,日最低温,当日温差,隔日温差)与全人群呼吸系统死亡的相关性。结果半参数模型拟合效果最优指标为日最高温(GCV=1.290);日最高温每升高1℃,发生呼吸系统疾病死亡的RR值为1.021(P<0.05)。季节分层结果显示,夏季日最高温、日均温每升高1℃,发生呼吸系统疾病死亡的RR值分别为1.040和1.053;冬季日最高温、日均温、当日温差每升高1℃,发生呼吸系统疾病死亡的RR值分别为1.042、1.033和1.026,均有统计学意义(P<0.05或P<0.01);春、秋季尚未发现有统计学意义的温度指标。春、夏季最优温度指标分别为日最低温(GCV=1.374)、日均温(GCV=1.516),秋、冬季最优温度指标均为日最高温(GCV分别为1.439和1.500)。结论日最高温与呼吸系统疾病死亡率的相关性最强,是该类研究的优选指标。不同季节各温度指标的拟合优度不同,就北京市的气候特点而言,春、夏季分别优选日最低温、日均温,秋、冬季均优选日最高温。

中国城市化进程与人群呼吸系统常见疾病病死率的相关性分析

目的探讨中国城市化进程与人群呼吸系统常见疾病病死率的相关性。方法从国家统计数据库检索2003-2009年中国具有代表性的城市化经济指标,筛选出最可能对呼吸系统疾病产生影响的10项指标(工业总产值,能源消费总量,民用汽车总量,铁路营业及民航航线里程,卷烟、纸板、水泥和塑料总产量,商品房销售面积)。从《中国卫生统计年鉴》筛选2003-2009年呼吸系统常见疾病的病死率。采用Spearman秩相关分析,计算出该10项指标与呼吸系统常见疾病病死率的相关系数。结果该10项指标水平、城市居民肺炎、尘肺病死率都随时间增长而增加,慢性下呼吸道疾病及呼吸系统的其它疾病病死率随时间增长而下降。该10项指标与城市肺炎、尘肺呈正相关(rs>0,P<0.05),而与慢性下呼吸道疾病及呼吸系统的其它疾病病死率呈负相关,无统计学意义(rs<0,P>0.05)。按城市级别分层,10项指标仅与大城市肺炎、尘肺显著相关(rs>0,P<0.05),与中小城市肺炎、尘肺的相关性无统计学意义(P>0.05)。结论城市化进程可能是中国城市居民肺炎、尘肺病死率增加的原因之一。

不同空间权重矩阵对我国心血管疾病死亡空间自相关分析的影响

目的探索不同空间权重矩阵对我国人群心血管疾病(CVD)死亡空间自相关分析结果的影响及其适用性。方法使用全国人口死亡信息登记管理系统死因监测数据,构建基于邻接关系的Rook矩阵、Queen矩阵,以及基于距离关系的K最近邻矩阵、距离阈值矩阵,分别进行2018年我国区县水平CVD死亡全局及局部空间自相关分析。结果使用4类26种空间权重矩阵分析我国CVD死亡全局自相关均有统计学意义,全局Moran’s I统计量在一阶Rook矩阵(0.406)、一阶Queen矩阵(0.406)、5个空间单元K最近邻矩阵(0.409)以及距离阈值100 km(0.358)时达到最大。同时,我国CVD死亡呈现局部聚集性分布,不同空间权重矩阵在探测CVD死亡“高-高”“低-低”“高-低”“低-高”空间聚集性方面存在一定差异。结论我国CVD死亡存在显著全局及局部自相关性。结合不同的空间权重矩阵进行综合分析,有助于深入掌握我国区县水平CVD死亡空间分布特征,为有针对性地CVD早死区域防控、合理配置资源提供依据。