《环境与职业医学》杂志官方网站 《环境与职业医学》杂志官方网站

首页> 过刊浏览> 正文

2022, 39(3):268-274, 280.doi:10.11836/JEOM21458

热浪与广东省居民脑卒中寿命损失年的关系:基于贝叶斯时空模型


1a. 广东省疾病预防控制中心 广东省公共卫生研究院 ;
1b. 广东省疾病预防控制中心 慢性非传染性疾病预防控制所,广东 广州 511430 ;
2. 中山大学公共卫生学院,广东 广州 510080 ;
3. 桂林电子科技大学数学与计算科学学院,广西 桂林 541004 ;
4. 暨南大学基础医学与公共卫生学院,广东 广州 510632

收稿日期: 2021-09-26;  录用日期:2022-01-12;  发布日期: 2022-03-25

基金项目: 国家重点研发计划项目(2018YFA0606200);国家自然科学基金项目(81874276);广东省自然科学基金项目(2019A1515011264);广州市科技计划项目(202102080565)

通信作者: 刘涛, Email: gztt_2002@163.com  

作者简介: 袁丽霞(1994—),女,硕士,医师;E-mail: yuanlixia0315@163.com ; 孟瑞琳(1972—),女,硕士,主任医师;E-mail: rlmeng@126.com

[背景] 脑卒中已成为我国居民的主要死亡原因。随着全球气候变暖,气温与脑卒中关系的研究备受关注。

[目的] 采用贝叶斯时空模型控制时间和空间效应,分析热浪与不同亚型脑卒中寿命损失年(YLL)的关系,并探讨热浪效应的修饰因子。

[方法] 收集2014—2017年暖季(5—10月)广东省40个区县的每日脑卒中死亡个案信息、气象数据及大气污染物数据;根据期望寿命表匹配年龄和性别计算出个体YLL,汇总每日YLL后以各区县人口进行校正得到每日YLL率(人年/10万人)。采用贝叶斯时空模型拟合热浪与不同亚型脑卒中YLL率的暴露-反应关系,并按照年龄(< 65岁、≥ 65岁)、性别(男性、女性)和地区(珠三角地区、非珠三角地区)进行分层分析,确定热浪与脑卒中死亡关系的主要修饰因子。

[结果] 2014—2017年暖季,广东省40个区县共发生23次热浪事件,累计持续145 d。脑卒中患者30 852例,居民总脑卒中日均YLL率为(2.39±3.63)人年/10万人,其中出血性脑卒中和缺血性脑卒中分别为(1.54±2.99)人年/10万人和(0.84±1.85)人年/10万人。热浪可增加居民脑卒中的YLL率,对缺血性脑卒中的影响更大且存在滞后效应:热浪在滞后1 d的累积效应最大,可分别使总脑卒中和缺血性脑卒中的YLL率增加0.17(95%CI:0.03~0.29)人年/10万人和0.13(95%CI:0.06~0.20)人年/10万人。分层分析的结果表明:热浪对≥65岁人群、男性及非珠三角地区缺血性脑卒中的影响更大,可使其YLL率分别增加1.11(95%CI:0.58~1.55)、0.13(95%CI:0.03~0.23)和0.20(95%CI:0.07~0.32)人年/10万人;对出血性脑卒中的影响仅发生在≥65岁人群中,可使其YLL率增加0.79(95%CI:0.26~1.31)人年/10万人。

[结论] 热浪可能会增加广东省居民脑卒中的YLL率,对老年人、男性及非珠三角地区缺血性脑卒中的影响更大且存在滞后效应,对出血性脑卒中的影响主要发生在老年人群中。

关键词: 脑卒中;  热浪;  贝叶斯时空模型;  暴露-反应关系;  修饰因子 

脑卒中,又称脑血管意外,是仅次于缺血性心脏病的全球第二大死因和成人致残的第三大原因[1],具有高发病率、高致残率、高死亡率的特点。目前全球脑卒中死亡的数量仍在不断增加,其中约75%的死亡和80%以上的伤残调整寿命年发生在中低收入国家[2-3]。中国是最大的发展中国家,2017年中国一项全球疾病负担系统综述研究显示,脑卒中已成为我国居民的主要死亡原因[4]。近年来研究表明,气象因素和季节变异与脑卒中的死亡风险有关[5]。随着全球气候变暖,气温对脑卒中的影响备受关注。国内外的研究主要集中在高温和低温对脑卒中死亡的影响,并发现气温与脑卒中死亡呈非线性的“U”型、“V”型或“J”型关系[6-7]。目前国内关于高温与脑卒中的研究多以死亡率作为结局,未考虑不同年龄死亡权重的差异;且研究多基于时间序列分析的方法[8-9],未同时考虑时间因素和空间因素的影响,这些可能在一定程度上造成研究结果的偏倚。近年来,贝叶斯时空模型的应用越来越广泛,该模型可以同时考虑时间效应和空间效应,还可修正小样本极端值的影响[10]。为更准确地评估热浪与脑卒中死亡风险的暴露-反应关系,本研究利用贝叶斯时空模型,分析广东省40个区县中热浪对不同亚型脑卒中人群寿命损失年(years of life lost, YLL)的主效应,并探讨其主要修饰因子,为制定脑卒中的卫生政策和防控措施提供科学依据。

1   对象与方法

1.1   数据收集

1.1.1   脑卒中死亡数据

为保证足够的统计学功效,从2014—2017年暖季广东省死亡监测点所在区县中选择符合如下条件之一的区县作为研究点:(1)人口数>20万;(2)年均死亡率>4‰[11]。截至2017年,广东省共121个区县[12],按上述标准最终纳入40个区县分布情况(见补充材料图S1)进行研究。获取每例死亡个案的信息,包括:年龄、性别、地区、死亡时间、根本死因、根本死因国际疾病分类(International Classification of Disease, ICD)编码等。根据ICD第10版对脑卒中疾病进行编码,分别为脑卒中(I60—I63)、出血性脑卒中(I60—I62,HS)、缺血性脑卒中(I63,IS)。本研究经广东省疾病预防控制中心医学科研伦理委员会审查通过(编号:2019025)。

本研究以每日YLL率作为健康结局。首先利用广东省的人口和死亡数信息计算出广东省期望寿命表,根据性别和年龄匹配每个个体的期望寿命,将期望寿命减去死亡年龄获得个体YLL,然后分别汇总每日总YLL以及不同年龄、性别、地区的YLL值,最后以各区县的人口数进行标准化,即可获得每10万人口的YLL率。每日总YLL率计算公式如下:

$ {V_{{\rm{YLLR}}}}_t=\frac{{\sum\nolimits_i {{E_{it}}} }}{{{N_{{\rm{pop}}}}_t}}=\frac{{{N_{{\rm{YLL}}{{\rm{s}}_t}}}}}{{{N_{{\rm{pop}}}}_t}} \times 100\,000 $

(1)

(1)式中: $V_{\text {YLLR}_t}$ 为第t天总YLL率; $ \sum_{i} E_{i t} $ i个体第t天的期望寿命的合计; $N_{{\rm{pop }}_{t}}$ 为该区县第t天的人口数; $N_{Y{LLs_{t}}}$ 为第t天该研究区县的每日总YLLs。

1.1.2   气象数据及热浪定义

从国家气象科学数据中心( http://data.cma.cn/)获取2014—2017年暖季全国698个气象站点的每日平均气温、最高气温和相对湿度数据。为获取每个研究区县更为精确的气象数据,本研究采用Anusplin空间插值法对气象数据进行插值,分别形成分辨率为1 km×1 km的全国每日平均气温、最高气温和相对湿度栅格数据。采用十折交叉验证的方法[13]对插值结果的准确性进行验证,对应R2分别为0.96、0.94、0.81[14],最后从上述得到的全国每日栅格数据中提取广东省40个研究区县的气象数据。

热浪采用中国气象局的定义:日最高气温35 ℃并持续3 d以上的高温天气过程[15]。本研究中热浪事件为二分类变量,若第t天为热浪期,则定义为1,否则为0。由于热浪发生的时间主要在夏季,因此本研究选取了2014—2017年每年的暖季时间段(5—10月)进行分析。

1.1.3   大气污染物数据

本研究依据参考文献[16],选取PM10与O3质量浓度(后称“浓度”)作为分析热浪与脑卒中YLL率关系的污染物控制变量,每日PM10与O3浓度数据从全国城市空气质量实时发布平台获得。由于大气污染物站点未覆盖所有研究区县,因此本研究通过构建广东省范围内的随机森林模型预测每个研究区县的PM10与O3浓度数据,同样采用十字交叉验证的方法进行验证,R2分别为0.79、0.69。随机森林模型的预测变量主要包括:日均气温、相对湿度、风速、降雨、气压、日照时间、国内生产总值(gross domestic product, GDP)、人口密度、土地利用类型、道路长度、海拔高度、经度和纬度等。从广东统计年鉴获取2014—2017年广东省40个区县的人口数据,从南安普顿大学获取2015年全国人口密度栅格数据( https://www.worldpop.org/),从资源环境科学与数据中心( http://www.resdc.cn)获取全国道路长度、土地利用、GDP栅格数据及县级矢量地图,再从上述的全国栅格数据中提取广东省所需数据。

1.2   统计分析

采用均数±标准差描述气象因素和大气污染物的一般分布特征,采用Spearman相关分析气象因素、大气污染物与热浪事件的相关性。建立贝叶斯时空模型分析热浪对不同亚型脑卒中死亡的主效应。该模型需先进行先验信息的描述,随后利用先验信息和样本信息进行后验分布的计算,通过求解总体参数的后验分布特征如均数、中位数等,对未知参数做出统计学推断。本研究采用高斯分布作为连接函数,将PM10浓度和O3浓度、相对湿度、长期时间趋势和星期几效应纳入模型进行控制,最终形成的模型表达式如下:

$ {V_{{\rm{YLLR}}}}_{_{it}}={\alpha _o} + {\mu _i} + {\nu _i} + {\phi _{it1}} + {\phi _{it2}} + \sum {\beta X} $

(2)

(2)式中: ${V_{{\rm{YLLR}}}}_{_{it}}$ 表示第i个区县第t天的YLL率,αo为截距项, $ {\mu _i} $ 表示第i个区县YLL率的空间结构效应,即相邻空间单元的相似性; $ {\nu _i} $ 表示空间非结构效应,即空间单元的异质性; $ {\phi _{it1}} $ 表示第i个区县第t天YLL率的时间结构效应; $ {\phi _{it2}} $ 表示时间非结构效应;X为协变量,包括热浪事件、相对湿度、PM10浓度、O3浓度、长期时间趋势(暖季)和星期几效应等变量;β是其对应的回归系数。参考以往研究,将相对湿度和长期时间趋势(暖季)的自由度分别确定为3·年−1和4·年−1[17]

由于热浪的死亡效应急促且短暂[18],因此本研究选择3 d作为滞后期,分别计算不同滞后日对脑卒中YLL率的影响。采用马尔科夫链蒙特卡罗法对模型进行求解,利用偏差信息准则(deviance information criterion, DIC)确定最优模型[19]。按年龄(< 65岁、≥ 65岁),性别(男性、女性)和地区(珠三角地区、非珠三角地区)进行分层,确定热浪与脑卒中死亡关系的主要修饰因子。其中珠三角地区指的是广东省的广州、佛山、肇庆、深圳、东莞、惠州、珠海、中山、江门9个城市[20],非珠三角地区指的是广东省内除珠三角以外的其他区域。为了测试贝叶斯时空模型的稳健性,可通过改变模型中长期趋势的自由度和方差先验分布的参数进行敏感性分析[10]。由于本研究仅控制大气颗粒物PM10,为验证PM2.5对模型结果的影响,敏感性分析中同时纳入PM2.5变量。

利用R 4.0.2中进行数据整理,统计描述和统计分析,采用CARBayesST3.2软件包构建贝叶斯时空模型,估计热浪与脑卒中YLL率的暴露-反应关系。本研究的统计学检验均为双侧检验,检验水准α=0.05。

2   结果

2.1   热浪发生情况

2014—2017年暖季广东省40个区县共发生23次热浪事件,主要发生在6—9月,最早开始于6月14日,最晚结束于9月28日。热浪日数为145 d,非热浪日数为591 d。一次热浪最长持续时间为12 d,最短为3 d;其中2015和2016年热浪发生频率最高(分别为5、6次),持续时间最长(分别为6、11 d)的区县均在广州市的海珠区、荔湾区和越秀区。

2.2   居民脑卒中YLL率、气象因素与大气污染物的基本情况

本研究累计纳入30 852例脑卒中患者,其中热浪期发生1 786例,非热浪期发生29 066例。每日平均发生脑卒中死亡(41.92±12.80)例,包括出血性脑卒中死亡(24.26±9.14)例(57.87%),缺血性脑卒中死亡(17.66±7.46)例(42.13%)。居民脑卒中的日均YLL率为(2.39±3.63)人年/10万人,热浪期为(2.18±3.32)人年/10万人,非热浪期为(2.40±3.64)人年/10万人;出血性脑卒中的日均YLL率为(1.54±2.99)人年/10万人,热浪期为(1.34±2.56)人年/10万人,非热浪期为(1.56±3.01)人年/10万人;缺血性脑卒中的日均YLL率为(0.84±1.85)人年/10万人,热浪期和非热浪期分别为(0.84±1.94)、(0.84±1.84)人年/10万人。每日气象因素与大气污染物浓度的基本情况见表1

表1

2014—2017年暖季广东省40个研究区县每日脑卒中YLL率、气象因素与大气污染物基本情况( $ \bar x \pm s $

Table1.

The basic description of daily YLL rate of stroke, meteorological factors, and air pollutants in 40 districts or counties of Guangdong Province during the warm seasons from 2014 to 2017 ( $ \bar x \pm s $ )

2.3   气象因素、大气污染物及热浪事件的相关性

气象因素、大气污染物及热浪事件间的相关性分析结果见表2。相对湿度与PM10浓度、O3浓度、热浪事件均呈负相关关系(均P<0.01);PM10浓度与O3浓度、热浪事件,O3浓度与热浪事件均呈正相关关系(均P<0.01)。

表2

2014—2017年暖季广东省40个研究区县气象因素、大气污染物及热浪事件的Spearman相关系数

Table2.

The Spearman correlation coefficients between meteorological factors, air pollutants, and heatwave events in 40 districts or counties of Guangdong Province during the warm seasons from 2014 to 2017

2.4   热浪对脑卒中YLL率的影响

图1可知,热浪可增加居民脑卒中的YLL率,对缺血性脑卒中的影响更大。单天效应中,热浪当天和滞后1 d均会增加居民缺血性脑卒中的YLL率。其中热浪当天的效应最大,可使缺血性脑卒的YLL率增加0.12(95%CI:0.04~0.21)人年/10万人,滞后1 d时可使其增加0.11(95%CI:0.01~0.23)人年/10万人;热浪对总脑卒中和出血性脑卒中的单天YLL率影响尚无统计学意义。累积效应中,热浪在滞后1 d的累积效应最大,可分别使总脑卒中和缺血性脑卒中的YLL率增加0.17(95%CI:0.03~0.29)人年/10万人和0.13(95%CI:0.06~0.20)人年/10万人;随着滞后天数的推移,累积效应逐渐减弱,滞后3 d的累积效应最小,可分别使总脑卒中和缺血性脑卒中的YLL率增加0.11(95%CI:0.01~0.20)人年/10万人和0.10(95%CI:0.05~0.15)人年/10万人;尚未发现热浪对总人群中出血性脑卒中的累积效应有统计学意义。

图 1

2014—2017年暖季广东省40个研究区县热浪在不同滞后日对脑卒中YLL率的单天效应和累积效应

Figure1.

The single-day and cumulative effects of heatwave on the YLL rate of stroke by different lag days in 40 districts or counties of Guangdong Province during the warm seasons from 2014 to 2017

2.5   年龄、性别、地区对热浪与脑卒中YLL率关系的修饰作用

年龄分层分析结果发现,热浪对≥65岁人群的脑卒中YLL率影响更大,可分别使总脑卒中、出血性脑卒中和缺血性脑卒中的YLL率增加1.99(95%CI:0.68~3.11)、0.79(95%CI:0.26~1.31)和1.11(95%CI:0.58~1.55)人年/10万人;性别分层分析的结果表明,热浪对男性缺血性脑卒中的影响稍高于女性,可使男性YLL率增加0.13(95%CI:0.03~0.23)人年/10万人,尚未发现热浪对不同性别总脑卒中和出血性脑卒中人群的YLL率有影响;地区分层分析的结果显示,热浪对非珠三角地区缺血性脑卒中的YLL率影响更大,可使其增加0.20(95%CI:0.07~0.32)人年/10万人,不同地区分层分析中尚未发现热浪对总脑卒中和出血性脑卒中的YLL率有影响。结果见表3

表3

2014—2017年暖季广东省40个研究区县居民年龄、性别、地区对热浪与脑卒中YLL率关系的修饰作用

Table3.

The modification of age, sex, region of residents on the relationship between heatwave and the YLL rate of stroke in 40 districts or counties of Guangdong Province during the warm seasons from 2014 to 2017 单位(Unit):人年/10万人(person-years/100 000 people)

2.6   敏感性分析

改变模型中长期趋势的自由度和方差先验分布的参数,控制大气颗粒物PM2.5后,对应的总脑卒中、出血性脑卒中和缺血性脑卒中的YLL率和DIC值变化很小或基本不变,说明模型的结果较为稳定,结果见补充材料表S1

3   讨论

本研究采用贝叶斯时空模型分析广东省热浪对不同亚型脑卒中YLL率的影响。结果发现,热浪可增加广东省居民脑卒中的YLL率,对缺血性脑卒中的影响更大,对出血性脑卒中的影响主要发生在老年人群中。提示在全球气候变暖和人口老龄化加剧的背景下,政府和卫生部门有必要进一步加强脑卒中人群的综合防治工作。

以往研究发现,过冷或过热的气温均会增加人群脑卒中的死亡风险[21-22]。本研究分析了热浪对居民总脑卒中和缺血性脑卒中的影响,结论与国内外研究基本一致。如Yang等[23]在中国16个城市开展的研究发现14.5%(95%CI:11.5%~17.0%)的脑卒中死亡归因于非最适温度,2.0%(95%CI:1.6%~2.2%)的脑卒中死亡归因于极端温度;Zhou等[24]一项基于江苏省12个城市的研究发现热暴露对缺血性脑卒中死亡效应的相对危险度为1.63(95%CI:1.48~1.80)。从生物学机制角度看,当人体暴露在高温环境中时,机体会通过提高心率、血管扩张、出汗等体温调节方式增加热扩散,从而导致大脑血供减少,现有的缺血加重。炎热天气下的脱水也会导致电解质失衡,血液黏度增加,胆固醇水平升高,血管收缩反应减弱等,从而增加微血管血栓形成[25]。有的研究还发现高温与内皮功能障碍有关,这些都可能导致脑卒中死亡率的增加[26]

本研究并未发现热浪对总人群中出血性脑卒中的YLL率存在影响。既往研究中关于高温和热浪与出血性脑卒中的关系尚存在争议:Shin等[27]2005—2014年在韩国首尔开展的关于最高温和最低温与脑卒中亚型及患者数量的研究发现,高温是出血性脑卒中的危险因素;然而Lian等[28]一项截至2014年的系统综述通过分析温度的短期效应发现,高温是出血性脑卒中的保护因素。这些研究结果不一致的原因可能与研究区域的气候、人口特征、脑卒中亚型比例、社会经济水平、住房类型、人口脆弱性等有关[28-29]。大多数研究的区域位于不同的气候带,生活在赤道附近的热带和亚热带地区的人群可能已在生理和心理上对高温产生了适应;且生活在低纬度地区的人更有可能采取措施应对炎热天气,如使用空调,通风和大量饮水等[30]

本研究对热浪效应的滞后性结果表明,热浪对缺血性脑卒中死亡人群的影响在热浪当天达到最大,而陈亦晨等[31]在上海浦东新区开展的关于热浪与居民死亡及疾病负担影响的研究发现,热浪对居民心脑血管死亡的效应在滞后1 d时最大。广东省和上海均为亚热带季风气候,但两者的经济和医疗条件存在一定差异。本研究共纳入40个区县,其中22个属于非珠三角地区,非珠三角地区的空调拥有率较低[12],导致人群对高温的暴露增加,可能加速某些疾病的发生和发展[11]。目前不同地区热浪效应的滞后天数存在一定差异,有待进一步研究。

本研究年龄分层分析的结果显示热浪对≥65岁人群脑卒中的YLL率影响更大,与国内外研究结果基本一致[28-29]。这一现象可以解释为随着年龄的增长,老人的体温调节、生理功能、对气温变化的适应能力有所下降,加上慢性疾病和脑血管动脉硬化,血液黏度增加等都导致他们对热的敏感性相应增加[30]。性别分层分析的结果表明,热浪对男性缺血性脑卒中的YLL率影响稍高于女性,该发现与以往研究基本一致[28]。但Zhou等[24]2009—2013年在江苏省12个城市开展的研究发现女性和老年人在热效应中的缺血性脑卒中死亡风险更高。上述发现不一致的原因可能是不同性别人群在职业暴露、体温调节、生理反应及行为习惯方面存在差异,导致他们对热应激有不同的生理和病理反应[23]。男性更容易暴露于吸烟、饮酒、肥胖、高胆固醇等脑卒中的危险因素中[32],而高血压和房颤(脑卒中的主要危险因素)在女性中更为常见[33],这可能是导致其脑卒中风险存在差异的原因。地区分层分析的结果显示热浪对非珠三角地区缺血性脑卒中的YLL率影响更大,这可能与非珠三角地区的经济发展水平和医疗卫生条件较低有关。目前,空调已被证明是减少热浪健康影响的最有效的措施之一[34],而非珠三角地区平均每百户空调拥有量远低于珠三角地区[12],这可能导致高温天气下患有心脑血管疾病的人群无法及时采取降温措施而使原有疾病加重甚至死亡。

本研究有如下优点:首先,本研究采用了Anusplin空间插值法对气温进行了小尺度的预测,同时利用随机森林模型对大气污染物进行预测,最大限度地降低了错分偏倚;其次,本研究以YLL率作为健康结局,排除了人口数量的影响,可对比分析不同地区之间的差异;另外,本研究采用贝叶斯时空模型进行分析,同时控制了时间和空间因素的影响,使得热浪与YLL率的暴露-反应关系评估更加准确。本研究也存在一定的局限性:首先,本研究为生态学研究,因此可能存在生态学谬误。例如,表1中的初步结果显示脑卒中的YLL率在热浪期低于非热浪期,这可能是由于热浪期和非热浪期的环境湿度、大气污染物、季节变化等因素不同造成的,以往研究也提示心脑血管疾病的死亡率在冬季较高[35],而大气污染物浓度一般在冬季也较高[36],可增加死亡的风险。控制这些因素后,我们发现脑卒中的YLL率在热浪期高于非热浪期。其次,由于数据获取受限,本研究年龄分组较为粗略,未能细致探讨脑卒中高发年龄段的暴露-反应关系。最后,本研究未考虑大气污染物与热浪间的交互作用,未控制个体的吸烟、饮酒、高血压、肥胖等脑卒中的危险因素,均可能在一定程度上造成结果的偏倚。

综上,本研究显示热浪会增加广东省居民脑卒中的YLL率,对老年人、男性及非珠三角地区缺血性脑卒中的影响更大且存在滞后效应,对出血性脑卒中的影响主要发生在老年人群中。这提示政府和卫生部门有必要在高温天气下针对敏感人群和地区采取有效的干预措施,以降低我国脑卒中的死亡负担和经济负担。有效实施烟草控制、充分营养、定期体育活动、步行及减少食盐摄入量等干预措施可以大大降低发生脑卒中的风险[37]

表1

2014—2017年暖季广东省40个研究区县每日脑卒中YLL率、气象因素与大气污染物基本情况( $ \bar x \pm s $

Table 1

The basic description of daily YLL rate of stroke, meteorological factors, and air pollutants in 40 districts or counties of Guangdong Province during the warm seasons from 2014 to 2017 ( $ \bar x \pm s $ )

表2

2014—2017年暖季广东省40个研究区县气象因素、大气污染物及热浪事件的Spearman相关系数

Table 2

The Spearman correlation coefficients between meteorological factors, air pollutants, and heatwave events in 40 districts or counties of Guangdong Province during the warm seasons from 2014 to 2017

图 1

2014—2017年暖季广东省40个研究区县热浪在不同滞后日对脑卒中YLL率的单天效应和累积效应

Figure 1

The single-day and cumulative effects of heatwave on the YLL rate of stroke by different lag days in 40 districts or counties of Guangdong Province during the warm seasons from 2014 to 2017

表3

2014—2017年暖季广东省40个研究区县居民年龄、性别、地区对热浪与脑卒中YLL率关系的修饰作用

Table 3

The modification of age, sex, region of residents on the relationship between heatwave and the YLL rate of stroke in 40 districts or counties of Guangdong Province during the warm seasons from 2014 to 2017 单位(Unit):人年/10万人(person-years/100 000 people)

参考文献

[1]

GBD 2015 Neurological Disorders Collaborator Group. Global, regional, and national burden of neurological disorders during 1990-2015: a systematic analysis for the Global Burden of Disease Study 2015[J]. Lancet Neurol, 2017, 16(11): 877-897.

DOI: 10.1016/S1474-4422(17)30299-5
[2]

FEIGIN V L, ROTH G A, NAGHAVI M, et al. Global burden of stroke and risk factors in 188 countries, during 1990-2013: a systematic analysis for the Global Burden of Disease Study 2013[J]. Lancet Neurol, 2016, 15(9): 913-924.

DOI: 10.1016/S1474-4422(16)30073-4
[3]

HATA J, KIYOHARA Y. Epidemiology of stroke and coronary artery disease in Asia[J]. Circ J, 2013, 77(8): 1923-1932.

DOI: 10.1253/circj.CJ-13-0786
[4]

ZHOU M, WANG H, ZENG X, et al. Mortality, morbidity, and risk factors in China and its provinces, 1990-2017: a systematic analysis for the Global Burden of Disease Study 2017[J]. Lancet, 2019, 394(10204): 1145-1158.

DOI: 10.1016/S0140-6736(19)30427-1
[5]

JIMENEZ-CONDE J, OIS A, GOMIS M, et al. Weather as a trigger of stroke. Daily meteorological factors and incidence of stroke subtypes[J]. Cerebrovasc Dis, 2008, 26(4): 348-534.

DOI: 10.1159/000151637
[6]

GUO Y M, BARNETT A G, PAN X C, et al. The impact of temperature on mortality in Tianjin, China: a case-crossover design with a distributed lag nonlinear model[J]. Environ Health Perspect, 2011, 119(12): 1719-1725.

DOI: 10.1289/ehp.1103598
[7]

ARMSTRONG B G, CHALABI Z, FENN B, et al. Association of mortality with high temperatures in a temperate climate: England and wales[J]. J Epidemiol Community Health, 2011, 65(4): 340-345.

DOI: 10.1136/jech.2009.093161
[8]

ZANOBETTI A, SCHWARTZ J. Temperature and mortality in nine US cities[J]. Epidemiology, 2008, 19(4): 563-570.

DOI: 10.1097/EDE.0b013e31816d652d
[9]

吴凯, 张云权, 朱慈华, 等. 高温热浪与武汉市江岸区居民卒中死亡关系的时间序列分析[J]. 中华心血管病杂志, 2015, 43(12): 1092-1096.

DOI: 10.3760/cma.j.issn.0253-3758.2015.12.017

WU K, ZHANG Y Q, ZHU C H, et al. Association between heat wave and stroke mortality in Jiang'an District of Wuhan, China during 2003 to 2010: a time-series analysis[J]. Chin J Cardiol, 2015, 43(12): 1092-1096.

DOI: 10.3760/cma.j.issn.0253-3758.2015.12.017
[10]

李世元, 王学梅. 贝叶斯时空模型在空间流行病学中的研究进展[J]. 世界最新医学信息文摘, 2017, 17(34): 55-57.

LI S Y, WANG X M. Research progress of Bayesian spatio-temporal model in spatial epidemiology[J]. World Latest Med Inf, 2017, 17(34): 55-57.

[11]

MA W J, ZENG W L, ZHOU M G, et al. The short-term effect of heat waves on mortality and its modifiers in China: an analysis from 66 communities[J]. Environ Int, 2015, 75: 103-109.

DOI: 10.1016/j.envint.2014.11.004
[12]

广东省统计局, 国家统计局广东调查总队. 广东统计年鉴2017[M]. 北京: 中国统计出版社, 2017.

Guangdong Provincial Bureau of Statistics, Survey Office of the National Bureau of Statistics in Guangdong. Guangdong statistical yearbook-2017[M]. Beijing: China Statistics Press, 2017.

[13]

梁子超, 李智炜, 赖铿, 等. 10折交叉验证用于预测模型泛化能力评价及其R软件实现[J]. 中国医院统计, 2020, 27(4): 289-292.

DOI: 10.3969/j.issn.1006-5253.2020.04.001

LIANG Z C, LI Z W, LAI K, et al. Application of 10-fold cross-validation in the evaluation of generalization ability of prediction models and the realization in R[J]. Chin J Hosp Stat, 2020, 27(4): 289-292.

DOI: 10.3969/j.issn.1006-5253.2020.04.001
[14]

LIU T, ZHOU C L, ZHANG H M, et al. Ambient temperature and years of life lost: a national study in China[J]. Innovation (N Y), 2020, 2(1): 100072.

[15]

气象灾害预警信号图标: GB/T 27962—2011[S]. 北京: 中国标准出版社, 2012.

Graphical symbols for meteorological disaster warning signal icon: GB/T 27962—2011[S]. Beijing: Standards Press of China, 2012.

[16]

SHAH A S, LEE K K, MCALLISTER D A, et al. Short term exposure to air pollution and stroke: systematic review and meta-analysis[J]. BMJ, 2015, 350: h1295.

[17]

FILLEUL L, CASSADOU S, MÉDINA S, et al. The relation between temperature, ozone, and mortality in nine French cities during the heat wave of 2003[J]. Environ Health Perspect, 2006, 114(9): 1344-1347.

DOI: 10.1289/ehp.8328
[18]

陈平, 李旭东, 么鸿雁, 等. 热浪对老年人健康的影响[J]. 中华预防医学杂志, 2013, 47(12): 1168-1170.

DOI: 10.3760/cma.j.issn.0253-9624.2013.12.024

CHEN P, LI X D, ME H Y, et al. The health effects of heatwave on the elder[J]. Chin J Prev Med, 2013, 47(12): 1168-1170.

DOI: 10.3760/cma.j.issn.0253-9624.2013.12.024
[19]

张伟文. 贝叶斯时空建模在新疆涂阳肺结核发病风险中的应用研究[D]. 乌鲁木齐: 新疆医科大学, 2019.

ZHANG W W. The applicational study of Bayesian spatiotemporal modeling in the risk of smear positive pulmonary tuberculosis in Xinjiang[D]. Urumqi: Xinjiang Medical University, 2019.

[20]

CHEN L, XU L Y, YANG Z F. Accounting carbon emission changes under regional industrial transfer in an urban agglomeration in China's Pearl River Delta[J]. J Clean Prod, 2017, 167: 110-119.

DOI: 10.1016/j.jclepro.2017.08.041
[21]

CHENG J, XU Z W, BAMBRICK H, et al. Impacts of exposure to ambient temperature on burden of disease: a systematic review of epidemiological evidence[J]. Int J Biometeorol, 2019, 63(8): 1099-1115.

DOI: 10.1007/s00484-019-01716-y
[22]

CHEN R J, WANG C C, MENG X, et al. Both low and high temperature may increase the risk of stroke mortality[J]. Neurology, 2013, 81(12): 1064-1070.

DOI: 10.1212/WNL.0b013e3182a4a43c
[23]

YANG J, YIN P, ZHOU M G, et al. The burden of stroke mortality attributable to cold and hot ambient temperatures: epidemiological evidence from China[J]. Environ Int, 2016, 92-93: 232-238.

DOI: 10.1016/j.envint.2016.04.001
[24]

ZHOU L, CHEN K, CHEN X D, et al. Heat and mortality for ischemic and hemorrhagic stroke in 12 cities of Jiangsu Province, China[J]. Sci Total Environ, 2017, 601-602: 271-277.

DOI: 10.1016/j.scitotenv.2017.05.169
[25]

MCARTHUR K, DAWSON J, WALTERS M. What is it with the weather and stroke?[J]. Expert Rev Neurother, 2010, 10(2): 243-249.

DOI: 10.1586/ern.09.154
[26]

NAWROT T S, STAESSEN J A, FAGARD R H, et al. Endothelial function and outdoor temperature[J]. Eur J Epidemiol, 2005, 20(5): 407-410.

DOI: 10.1007/s10654-005-1068-x
[27]

SHIN D W, YOON J E, HWANG H W, et al. Numbers of stroke patients and stroke subtypes according to highest and lowest daily temperatures in Seoul[J]. J Clin Neurol, 2016, 12(4): 476-481.

DOI: 10.3988/jcn.2016.12.4.476
[28]

LIAN H, RUAN Y P, LIANG R J, et al. Short-term effect of ambient temperature and the risk of stroke: a systematic review and meta-analysis[J]. Int J Environ Res Public Health, 2015, 12(8): 9068-9088.

DOI: 10.3390/ijerph120809068
[29]

YANG J, ZHOU M G, LI M M, et al. Diurnal temperature range in relation to death from stroke in China[J]. Environ Res, 2018, 164: 669-675.

DOI: 10.1016/j.envres.2018.03.036
[30]

GASPARRINI A, ARMSTRONG B, KOVATS S, et al. The effect of high temperatures on cause-specific mortality in England and Wales[J]. Occup Environ Med, 2012, 69(1): 56-61.

DOI: 10.1136/oem.2010.059782
[31]

陈亦晨, 彭丽, 周弋, 等. 热浪对上海市浦东新区居民每日死亡与疾病负担影响的病例交叉研究[J]. 环境与职业医学, 2020, 37(7): 657-663.

CHEN Y C, PENG L, ZHOU Y, et al. A case-crossover study on impacts of heat wave on daily mortality and disease burden among residents in Pudong New Area, Shanghai[J]. J Environ Occup Med, 2020, 37(7): 657-663.

[32]

刘晓婷, 李镒冲, 姜勇, 等. 2010年我国居民脑卒中疾病负担[J]. 中华预防医学杂志, 2012, 46(12): 1121-1123.

DOI: 10.3760/cma.j.issn.0253-9624.2012.12.016

LIU X T, LI Y C, JIANG Y, et al. Disease burden of stroke in China, 2010[J]. Chin J Prev Med, 2012, 46(12): 1121-1123.

DOI: 10.3760/cma.j.issn.0253-9624.2012.12.016
[33]

KATAN M, LUFT A. Global burden of stroke[J]. Semin Neurol, 2018, 38(2): 208-211.

DOI: 10.1055/s-0038-1649503
[34]

MATTHIES F, BICKLER G, CARDEÑOSA M, et al. Heat-health action plans: guidance[R]. Genève: WHO, 2008.

[35]

BARNETT A G, DE LOOPER M, FRASER J F. The seasonality in heart failure deaths and total cardiovascular deaths[J]. Aust N Z J Public Health, 2008, 32(5): 408-413.

DOI: 10.1111/j.1753-6405.2008.00270.x
[36]

王正荣, 张淑兰, 刘媚. 2015—2020年安康市PM2.5和PM10的污染特征及治理[J]. 中国科技信息, 2022(1): 70-72.

WANG Z R, ZHANG S L, LIU M. Pollution characteristics and treatment of PM2.5 and PM10 in Ankang city from 2015 to 2020[J]. China Sci Technol Inf, 2022(1): 70-72.

[37]

PANDIAN J D, GALL S L, KATE M P, et al. Prevention of stroke: a global perspective[J]. Lancet, 2018, 392(10154): 1269-1278.

DOI: 10.1016/S0140-6736(18)31269-8
1 21458补充材料.docx 下载
上一张 下一张
上一张 下一张

[基金项目] 国家重点研发计划项目(2018YFA0606200);国家自然科学基金项目(81874276);广东省自然科学基金项目(2019A1515011264);广州市科技计划项目(202102080565)

[作者简介]

[收稿日期] 2021-09-26

【点击复制中文】
【点击复制英文】
计量
  • PDF下载量 (208)
  • 文章访问量 (865)
  • XML下载量 (0)
  • 被引次数 (0)

目录

热浪与广东省居民脑卒中寿命损失年的关系:基于贝叶斯时空模型

导出文件

格式

内容

导出 关闭
《环境与职业医学》杂志官方网站