《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

2020, 37(7):650-656.doi:10.13213/j.cnki.jeom.2020.20085

日温差对湖南省居民寿命损失年影响的时间序列研究


1. 湖南省疾病预防控制中心环境与健康科, 湖南 长沙 410005 ;
2. 广东省疾病预防控制中心广东省公共卫生研究院, 广东 广州 511430

收稿日期: 2020-03-03;  录用日期:2020-05-28;  发布日期: 2020-08-07

基金项目: 湖南省自然科学基金面上项目(2020JJ4388)

通信作者: 周纯良, Email: hncdc4305761@sina.com  

作者简介: 许意清(1989-), 女, 硕士, 医师; E-mail:xu0510yiqing@163.com

利益冲突  无申报

伦理审批  已获取

组稿专家: 马文军(广东省疾病预防控制中心广东省公共卫生研究院), E-mail:mawj@gdiph.org.cn

[背景] 温度变化是影响人类健康的重要因素之一。昼夜日温差(DTR)是衡量温度变化的重要指标之一,了解其健康效应有助于制定人群适应气候变化的策略。

[目的] 了解湖南省DTR对居民寿命损失年(YLLs)的影响。

[方法] 采用分布滞后非线性模型分析湖南省69个区县2013-2017年DTR与每10万人寿命损失年率(YLLsR)的暴露-反应关系,然后利用多变量meta分析合并每个县区的效应,并分冷暖季、亚组人群和DTR区间计算疾病负担。

[结果] 研究共涉及5000多万人口。各研究点非意外总死亡日均YLLsR为(22.6±13.4)/10万,暖季(5-10月)DTR中位数(8.1℃)高于冷季(11月-次年4月)(6.4℃)。暖季DTRYLLsR的暴露-反应关系呈"U "形,较高DTR增加非意外总死亡(DTR ≥ 14.3℃)和呼吸系统死亡(DTR ≥ 15.8℃)YLLs的归因分值(AF)分别为0.2%(95%CI:0.0%~0.5%)和0.1%(95%CI:0.0%~0.3%)。女性和≥ 65岁老年人为暖季敏感人群。冷季DTRYLLsR的暴露-反应关系呈" J"形,最小归因YLLsR对应的DTRMYD)在2.1~2.2℃之间。冷季归因YLLs高于暖季,DTR<MYDDTR>MYD均增加居民非意外总死亡和心脑血管疾病死亡归因YLLs。在冷季,各亚组人群DTR的非意外总死亡AF均大于0且有统计学意义,男性AF(13.8%,95%CI:4.5%~23.0%)高于女性(12.3%,95%CI:1.7%~22.9%);≥ 65岁人群的归因YLLsR及其95%CI为[13.1/10万(2.7/10万~23.6/10万)]高于0~64岁人群[1.8/10万(0.5/10万~3.1/10万)],但0~64岁人群AF值更大,达14.6%(95%CI:4.1%~25.0%)。

[结论] DTR变化能增加湖南省居民YLLs。女性和老年人为暖季脆弱人群,冷季则人群普遍受影响,且危害效应较暖季更大。

关键词: 日温差;  分布滞后非线性模型;  meta分析;  时间序列;  寿命损失年;  归因分值 

越来越多的流行病学研究证实,气温过高或过低均能增加不同地区人群死亡风险,且存在数天至数周的滞后期[1-4]。目前,大量研究关注日平均温度与死亡的暴露-反应关系,但对日温差(diurnal temperature difference,DTR)(日最高气温与最低气温的差值)变化的健康效应研究不多,且多局限于单个城市[5-7]。了解DTR的健康效应对更好制定人群适应气候变化的策略意义重大。相比死亡数,寿命损失年(years of life lost,YLLs)考虑了不同特征人群的期望寿命,以其作为健康结局变量可能具有更高的价值[8]。为此,本研究选择湖南省69个区县作为研究点,分析DTRYLLs的影响,并计算DTR的疾病负担。这不仅对湖南省制定相应的气温适应措施有指导意义,同时对其他地区也有参考价值。

1   材料与方法

1.1   资料收集

选择湖南省人口数≥ 200 000或年死亡率≥ 4‰的69个区县为研究点。各研究点2013—2017年死亡个案信息(性别、年龄、死亡日期、根本死因等)来源于中国疾病预防控制中心死因监测系统,按照国际疾病分类第十版分为非意外总死亡(A00~R99)、心脑血管疾病死亡(I00~I99)和呼吸系统疾病死亡(J00~J99)。各研究点人口数据来源于中国疾病预防控制中心基本信息系统。同期的日平均气温、日最高温、日最低温、日平均相对湿度数据来源于中国气象科学数据共享服务系统。该研究获得湖南省疾病预防控制中心伦理委员会批准(编号:湘疾控IRB2020018)。

1.2   分析方法

1.2.1   YLLs的计算

采用简略寿命表计算方法[9],利用2010年中国普查的人口信息和死亡数据信息计算期望寿命表。通过匹配死亡个案的性别和年龄,计算个体YLLs,然后分别汇总每日总YLLs以及不同性别、年龄、疾病类型的YLLs。由于各个研究点YLLs与人口数相关,为了合并各研究点的效应及比较不同区域的效应,故用各研究点YLLs除以其人口数再乘以10万,得到每10万人口的寿命损失年率(years of life lost rate,YLLsR)作为健康结局指标。计算公式如下:YLLsRi = YLLsi/研究点i人口数×100 000。

1.2.2   气象因素空间插值

由于国控气象站点并未完全覆盖这69个研究点,故采用气候空间插值方法,基于薄板样条函数理论,引入多个影响因子作为协变量进行气象要素空间插值。运用Anusplin 4.2,利用全国698个气象站点的日均温度,以经纬度作为自变量,海拔作为协变量,插值形成分辨率为每日0.01°×0.01°的全国日均温度的栅格数据,从中提取69个研究点的日均温度,整理形成时间序列数据。采用同样的方法获取日最高温、日最低温和日相对湿度。

1.2.3   暴露-反应关系拟合

暴露-反应关系拟合分两阶段。第一阶段在每个研究点建立分布滞后非线性模型(distributed lag nonlinear model,DLNM),连接高斯函数,估计出每个研究点的YLLsRDTR的暴露-反应关系。将日平均气温、日平均相对湿度作为控制变量,同时加入时间趋势项、星期哑变量控制长期趋势和星期效应。EYLLsRi)=α+β1t·DTRtl+β2t·Temptl+NSRHυ)+ NSTimeυ)+DOW +ε,式中:EYLLsRi)为研究点i日期望YLLsRiα为截距;DTRtlDTR与滞后时间的交叉基;Temptl为日均气温与滞后时间的交叉基;β1tβ2t分别为对应不同DTRTemp值的回归系数;NS为自然立方样条函数;υ为自由度;RH为日平均湿度,Time为时间变量;DOW为星期几虚拟变量。

前期研究证实平均温度、DTR暴露与健康效应间存在数天的滞后效应[7]。研究设置滞后最长时间为21 d,并通过比较不同滞后期效应,选定平均温度滞后为21 d、DTR滞后为12 d;根据类赤池信息准则(quasi-Akaike Information Criterion,QAIC)最小原则,结合拟合效果,确定DTR和日平均温度为在分布的10%、50%和90%三个结点拟合的二次多项式“bs”样条函数,时间滞后项为υ=4等结距拟合的二次多项式“bs”样条函数。DTRtlTemptl分别为DTR和日平均温度与时间滞后项建立交叉基,通过拟合DLNM,经降维,获得每个研究点DTRYLLsR的累积暴露-反应关系。模型中RHTime以自然立方样条函数纳入模型,RHυ=3,Time的自由度全年分析设置为8年-1,冷、暖季设置为4年-1。本研究将月平均温度较高的5—10月定义为暖季,将11月—次年4月定义为冷季。

第二阶段通过meta分析合并全部69个研究点的DTRYLLsR的暴露-反应关系。以最小YLLsR对应的DTR(the minimum attributable YLLsR diurnal temperature difference,MYD)为参照DTR,获得每个DTR对应的归因YLLsR。并按照下式计算归因分值(attributable fraction,AF):$AF = \sum\limits_{i = 1}^n {} $归因YLLsRi×研究点i人口数/(100 000×$\sum\limits_{i = 1}^n {YLL{s_i}} $)。

1.3   统计学分析

采用R 3.5.1软件进行数据整理和统计描述,并采用dlnm程序包构建DLNM模型。采用mvmeta程序包进行meta分析。

2   结果

2.1   描述性分析

研究共纳入了69个符合入选条件的区县,涉及人口数超5 000万,累积YLLs为209.7×105人年。2013年1月1日—2017年12月31日各研究点死于非意外总死亡的日均YLLsR为(22.6±13.4)/10万,男性[(26.5±18.2)/10万]高于女性[(18.6±14.8)/10万](P < 0.05),≥ 65岁人群[(113.7±72.3)/10万]高于0~64岁人群[(12.2±10.5)/10万](P < 0.05);死于心脑血管疾病和呼吸系统疾病的日均YLLsR分别为(10.1±7.5)/10万和(2.3±3.2)/10万。全年DTR、日平均温度和相对湿度的中位数(P25P75)分别为7.4(4.7,10.1)℃、18.5(10.4,24.7)℃和78.9%(70.5%,86.1%);暖季DTR和日平均温度中位数均高于冷季(P < 0.05)。见表 1

表1

2013—2017年湖南省日平均YLLsR和气象因素的基本描述

Table1.

Daily average YLLsR and meteorological factors during 2013 to 2017 in Hunan Province

2.2   DTR与归因YLLsR的关系

图 1图 2分别为在全年、暖季和冷季,分死因和亚组人群(男性、女性、0~64岁人群和≥ 65岁人群)拟合的DTR与归因YLLsR的暴露-反应关系。总体而言,全年暴露-反应关系变动趋势较为一致,均呈“U”形,高DTR或低DTR均会引起YLLsR升高。考虑到冷暖季节可能存在差异,故分季节进行拟合:(1)暖季DTR与归因YLLsR的暴露-反应关系拟合图呈两端高中间低的“U”形,MYD在3.0~3.1℃之间(详见表 2)。仅在较大DTR值区间,非意外总死亡、呼吸系统疾病死亡、女性和≥ 65岁人群非意外总死亡的归因YLLsR总体均值不为0且有统计学意义,且随着DTR升高,效应增加。(2)冷季DTR与归因YLLsR的暴露-反应关系拟合图呈“J”形,MYD在2.1~2.2 ℃之间(详见表 2)。在DTR < MYD区间内,DTR越小,归因YLLsR越大;而在DTR > MYD区间内,DTR越大,归因YLLsR越大。除MYD±0.2℃外,非意外总死亡和心脑血管疾病死亡归因YLLsR总体均值均不为0且有统计学意义。

图 1

DTR与各死因归因YLLsR的暴露-反应关系拟合图(以MYD为参考)

Figure1.

Exposure-response relationship of DTR and death cause-specific YLLsR (with MYD as reference)

[注]A:全年;B:暖季;C:冷季;a:非意外总死亡;b:心脑血管疾病死亡;c:呼吸系统疾病死亡。 [Note]A: Whole year; B: Warm season; C: Cold season; a: Non-accidental deaths; b: Cardiovascular and cerebrovascular disease deaths; c: Respiratory system disease deaths.
表2

各死因和亚组人群MYDDTR归因YLLsR

Table2.

MYD and attributable YLLsR due to DTR grouped by selected death causes and subgroups

图 2

DTR与各亚组人群非意外总死亡归因YLLsR的暴露-反应关系拟合图(以MYD为参考)

Figure2.

Exposure-response relationship of DTR and death cause-specific YLLsR among selected subgroups (with MYD as reference)

[注]A:全年;B:暖季;C:冷季;a:男性;b:女性;c:0~64岁;d:≥ 65岁。 [Note]A: Whole year; B: Warm season; C: Cold season; a: Male; b: Female; c: 0-64 years old; d: ≥ 65 years old.

研究进一步估算了冷、暖季各死因和亚组人群非MYDDTR下的归因YLLsR表 2),结果表明:(1)相比暖季,冷季DTR的归因YLLsR较高;(2)暖季仅≥ 65岁人群的非意外总死亡归因YLLsR有统计学意义。(3)冷季日均非意外总死亡归因YLLsR及其95% CI为3.1/10万(1.0/10万~5.2/10万),心脑血管疾病死亡归因YLLsR为1.4/10万(0.3/10万~2.4/10万),均有统计学意义(P < 0.05)。非MYDDTR对各亚组人群非意外总死亡的归因YLLsR(男性、女性、≥ 65岁人群和0~64岁人群)均有统计学意义(P < 0.05)。

2.3   DTR所致AF

研究进一步根据DTR与归因YLLsR暴露反应关系特征,冷季选取总体均值不为0的区间,暖季则以MYD为分界值进行区间AF的计算。

在暖季,仅较大DTR值区间归因YLLsR总体均值不为0且有统计学意义:DTR ≥ 14.3℃时,DTR所致非意外总死亡归因YLLs占总YLLsAF为0.2%(95% CI:0.0%~0.5%);女性和≥ 65岁者为敏感人群,DTR ≥ 12.7℃所致女性非意外总死亡的AF为1.0%(95% CI:0.2%~1.7%),DTR ≥ 12.2 ℃所致≥ 65岁者非意外总死亡的AF为1.1%(95% CI:0.3%~1.9%);DTR ≥ 15.8℃时,DTR所致呼吸系统疾病死亡的AF为0.1%(95%CI:0.0%~0.3%)。见表 3

表3

暖季DTR所致YLLsAF

Table3.

Attributable fraction of attributable YLLs due to DTR in warm season

在冷季,DTR < MYDDTR>MYD所致非意外总死亡、心脑血管疾病死亡和各亚组人群非意外总死亡的AF总体均值均不为0且有统计学意义,DTR < MYD所致归因YLLs约占总归因YLLs的2.4%~4.5%;男性AF(13.8%)高于女性(12.3%);0~64岁人群的AF(14.6%)高于≥ 65岁人群(11.1%)。见表 4。在暖季,仅极个别DTR值对应的YLLR的置信区间无统计学意义,剔除后对结果影响不大。

表4

冷季各死因和亚组人群DTRAF

Table4.

Attributable fraction of attributable YLLs due to DTR grouped by selected death causes and subgroups in cold season  %

3   讨论

本研究基于湖南省69个区县进行长达5年、覆盖超过5 000万人口的长时间序列分析,累计YLLs达209.7×105人年。研究再次证实在控制日平均温度等混杂因素影响后,DTR是增加居民YLLs的危险因素之一,且证实了在冷季和暖季DTR与归因YLLsR的关系和危害效应存在差异。

既往研究表明,气温对居民非意外死亡率、心脑血管疾病死亡率等会造成影响,温度的骤然改变更为如此。Lim等[10]证实DTR每增加1℃,会增加0.27%美国大型社区居民非意外总死亡率;在另一项韩国6个城市的研究中,危害效应达0.5%[11]。Kan等[12]在上海的一项研究中发现,DTR每增加1℃,会增加1.37%非意外总死亡率、1.86%心脑血管疾病死亡率、1.29%呼吸系统疾病死亡率。Lim等[13]、Graudenz等[14]研究表明,DTR可能是通过影响人体心率、血压变化以及加重免疫抑制和炎症反应,诱发或加速心脑血管等疾病的死亡。本研究考虑了不同性别和年龄人群的寿命减损,定量评估了以MYD为参照,DTR变化对湖南居民造成的疾病负担:在暖季DTR变化增加每10万65岁以上老年人群10.2人年的日均非意外总死亡寿命减损;在冷季人群普遍受影响,DTR变化增加每10万人3.1人年的日均非意外总死亡和1.4人年的心脑血管疾病死亡寿命减损,AF分别为13.2%和12.5%。危害效应不容忽视。

本研究发现DTR与居民YLLsR的暴露-反应关系为非线性,近似“U”形或“J”形,这与国内外部分研究相一致。张慧玲等[15]在银川市发现DTR与居民死亡率呈“L”形,Lim等[11]在韩国发现DTR与每日死亡数呈“U”形。而Lim等[10]对美国大型社区居民的研究和Kan等[12]在上海的研究则发现DTR与死亡率呈线性关系,这可能与地域差异有关[15]

此外本研究发现,DTR与居民YLLsR的暴露-反应关系、效应大小在冷暖季间均存在较大差异,冷季危害效应高于暖季。张慧玲等[15]研究发现DTR在银川冷季效应不明显,这可能是由于位于北方的银川冷季全面供暖,且居民寒冷季节多在室内活动,受外部温度影响较小,而湖南省虽然地处南方,但冷季平均温度较低,且尚未全面供暖,冷季室内温度控制措施效果不佳。

在暖季,仅较高DTR增加女性和老年人群YLLs,而在冷季暴露-反应关系呈“J”形,MYD在2.1~2.2℃之间,DTR < MYDDTR>MYD均会增加居民YLLs。该暴露-反应关系与既往的一些研究存在差异。Zhang等[6]研究发现DTR越大,YLLs损失越大,而本研究表明在冷季DTR < MYD时,DTR越小,危害效应越大。赵永谦等[16]在一项纳入中国66个县/区的研究中发现极低DTR危害效应不显著,而本研究结果表明,在冷季极低DTR(< MYD)也带来了0.5%的非意外总死亡寿命损失和0.3%的心脑血管疾病死亡寿命损失。这一方面可能是由于本研究考虑了季节影响,另一方可能是由于地区差异,湖南省DTR小于MYD的天数更多,赵永谦等[16]研究区域第5百分位数DTR为2.7℃,高于湖南的1.9℃,也高于湖南的MYD

由于生理调节能力、基础疾病、社会角色、应对温度变化采取保暖降温措施等差异,不同性别和年龄组人群对昼夜DTR骤变的敏感性存在差异[14]。与既往研究结果一致,≥ 65岁老年人对DTR变化最为敏感[17],冷季≥ 65岁老年人群归因YLLsR高达13.1/10万,暖季也高达10.2/10万。与以忽略年龄权重的日死亡数为健康效应指标的研究相比[16],本研究除发现DTR会给老年人带来较大的归因YLLsR损失外,还发现在冷季0~64岁人群DTRAF更大,这警示面对温度的骤然变化,年轻人也应及时采取温度骤变应对措施。

本研究存在一定的局限性:(1)由于数据难以获取,未将空气污染和地区医疗卫生水平、经济因素纳入分析;(2)死亡病例存在一定的漏报率;(3)研究属于生态学研究,为群体水平研究,相关结论推论到个体水平易产生偏倚。

综上所述,本研究证明DTR变化能增加湖南省居民寿命损失年,女性和老年人为暖季脆弱人群,冷季则人群普遍受影响,且危害效应较暖季更大,不容忽视,应引起重视。

表1

2013—2017年湖南省日平均YLLsR和气象因素的基本描述

Table 1

Daily average YLLsR and meteorological factors during 2013 to 2017 in Hunan Province

图 1

DTR与各死因归因YLLsR的暴露-反应关系拟合图(以MYD为参考)

Figure 1

Exposure-response relationship of DTR and death cause-specific YLLsR (with MYD as reference)

[注]A:全年;B:暖季;C:冷季;a:非意外总死亡;b:心脑血管疾病死亡;c:呼吸系统疾病死亡。 [Note]A: Whole year; B: Warm season; C: Cold season; a: Non-accidental deaths; b: Cardiovascular and cerebrovascular disease deaths; c: Respiratory system disease deaths.
表2

各死因和亚组人群MYDDTR归因YLLsR

Table 2

MYD and attributable YLLsR due to DTR grouped by selected death causes and subgroups

图 2

DTR与各亚组人群非意外总死亡归因YLLsR的暴露-反应关系拟合图(以MYD为参考)

Figure 2

Exposure-response relationship of DTR and death cause-specific YLLsR among selected subgroups (with MYD as reference)

[注]A:全年;B:暖季;C:冷季;a:男性;b:女性;c:0~64岁;d:≥ 65岁。 [Note]A: Whole year; B: Warm season; C: Cold season; a: Male; b: Female; c: 0-64 years old; d: ≥ 65 years old.
表3

暖季DTR所致YLLsAF

Table 3

Attributable fraction of attributable YLLs due to DTR in warm season

表4

冷季各死因和亚组人群DTRAF

Table 4

Attributable fraction of attributable YLLs due to DTR grouped by selected death causes and subgroups in cold season  %

参考文献

[1]

YE X, WOLFF R, YU W, et al. Ambient temperature and morbidity:a review of epidemiological evidence[J]. Environ Health Perspect, 2012, 120(1):19-28.

 
[2]

XU Z, FITZGERALD G, GUO Y, et al. Impact of heatwave on mortality under different heatwave definitions:a systematic review and meta-analysis[J]. Environ Int, 2016, 89-90:193-203.

DOI: 10.1016/j.envint.2016.02.007
[3]

ZHANG B, LI G, MA Y, et al. Projection of temperaturerelated mortality due to cardiovascular disease in Beijing under different climate change, population, and adaptation scenarios[J]. Environ Int, 2018, 162:152-159.

 
[4]

黄仁发, 李如, 李建华, 等.分布滞后非线性模型评估气温对赣州市流感发病的影响[J].实用预防医学, 2019, 26(5):525-527.

DOI: 10.3969/j.issn.1006-3110.2019.05.004
[5]

SHARAFKHANI R, KHANJANI N, BAKHTIARI B, et al. Diurnal temperature range and mortality in Urmia, the Northwest of Iran[J]. J Therm Biol, 2017, 69:281-287.

DOI: 10.1016/j.jtherbio.2017.08.011
[6]

ZHANG Y, YU C, YANG J, et al. Diurnal temperature range in relation to daily mortality and years of life lost in Wuhan, China[J]. Int J Environ Res Public Health, 2017, 14(8):891.

DOI: 10.3390/ijerph14080891
[7]

TANG J, XIAO C C, LI Y R, et al. Effects of diurnal temperature range on mortality in Hefei city, China[J]. Int J Biometeorol, 2018, 62(5):851-860.

DOI: 10.1007/s00484-017-1486-y
[8]

YANG J, OU C Q, GUO Y, et al. The burden of ambient temperature on years of life lost in Guangzhou, China[J]. Sci Rep, 2015, 5:12250.

 
[9]

项坚煜, 王静.简略寿命表的快速计算[J].价值工程, 2011, 30(28):138-139.

DOI: 10.3969/j.issn.1006-4311.2011.28.093
[10]

LIM Y H, REID C E, MANN J K, et al. Diurnal temperature range and short-term mortality in large US communities[J]. Int J Biometeorol, 2015, 59(9):1311-1319.

DOI: 10.1007/s00484-014-0941-2
[11]

LIM Y H, PARK A K, KIM H, et al. Modifiers of diurnal temperature range and mortality association in six Korean cities[J]. Int J Biometeorol, 2012, 56(1):33-42.

DOI: 10.1007/s00484-010-0395-0
[12]

KAN H, LONDON S J, CHEN H, et al. Diurnal temperature range and daily mortality in Shanghai, China[J]. Environ Res, 2007, 103(3):424-431.

 
[13]

LIM YH, KIM H, KIM JH, et al. Effect of diurnal temperature range on cardiovascular markers in the elderly in Seoul, Korea[J]. Int J Biometeorol, 2013, 57(4):597-603.

DOI: 10.1007/s00484-012-0587-x
[14]

GRAUDENZ G S, LANDGRAF R G, JANCAR S, et al. The role of allergic rhinitis in nasal responses to sudden temperature changes[J]. J Allergy Clin Immunol, 2006, 118(5):1126-1132.

DOI: 10.1016/j.jaci.2006.07.005
[15]

张慧玲, 汪庆安, 杨艺, 等.银川市日内温差与居民心血管病死亡人数的时间序列研究[J].中华疾病控制杂志, 2018, 22(1):23-28.

[16]

赵永谦, 王黎君, 罗圆, 等.中国66个县/区日温差对人群死亡影响的时间序列研究[J].中华流行病学杂志, 2017, 38(3):290-296.

DOI: 10.3760/cma.j.issn.0254-6450.2017.03.004
[17]

YANG J, LIU H Z, OU C Q, at al. Global climate change:impact of diurnal temperature range on mortality in Guangzhou, China[J]. Environ Pollut, 2013, 175:131-136.

DOI: 10.1016/j.envpol.2012.12.021
上一张 下一张
上一张 下一张

[基金项目] 湖南省自然科学基金面上项目(2020JJ4388)

[作者简介]

[收稿日期] 2020-03-03

【点击复制中文】
【点击复制英文】
计量
  • PDF下载量 (103)
  • 文章访问量 (276)
  • XML下载量 (1)
  • 被引次数 (0)

目录

日温差对湖南省居民寿命损失年影响的时间序列研究

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