黄石市大气二氧化氮健康效应与人群暴露风险

王柯懿,康 平,2*,欧奕含,张小玲,2,汪可可,王安怡,冯浩鹏,王九胜

黄石市大气二氧化氮健康效应与人群暴露风险

王柯懿1,康 平1,2*,欧奕含1,张小玲1,2,汪可可3,王安怡1,冯浩鹏1,王九胜4

(1.成都信息工程大学大气科学学院,高原大气与环境四川省重点实验室,四川 成都 610225；
2.成都平原城市气象与环境四川省野外科学观测研究站,四川 成都 610225；
3.成都信息工程大学资源环境学院,四川 成都 610225；
4.鄂东医疗集团黄石市中心医院,湖北 黄石 435000)

为揭示黄石市二氧化氮(NO2)的健康效应和人群暴露风险特征,收集2015～2020年黄石市NO2浓度、非意外死亡、呼吸系统和循环系统疾病每日死亡人数、内科疾病每日住院人数以及气象要素等资料,探究了黄石市NO2时空变化,采用时间序列的半参数广义相加模型(GAM)定量评价NO2对黄石市死亡病例和内科住院病例人数的影响,并对居民的暴露风险(*)进行评估.结果表明:黄石市NO2的浓度年内变化呈“U”型,春冬污染较严重,人群密集和工业区NO2浓度稍高.在最佳滞后时间下,NO2浓度每增加10µg/m3,非意外死亡、呼吸系统和循环系统病例的死亡人数在lag01、lag3、lag1时达到最大,增加百分比(ER)值分别为1.93%(95%CI:-2.10,6.14),2.13%(95%CI:-6.56,11.62),4.82%(95%CI:-0.22,10.02),内科疾病每日住院人数在lag05时达到最大,增加百分比(IP)值为5.34%(95%CI:3.58,7.14).住院病例在性别属性分层下,男性群体对NO2暴露更为敏感;在年龄属性分层下,18～60岁人群对NO2暴露更为敏感;在内科病种属性分层下,肾衰竭患者对NO2暴露更为敏感.评估NO2的人群暴露风险,其中9～12岁年龄段青少年的*最高,成年人中男性18～45岁人群*最大,女性80+人群*最大,季节分层下人群平均*春季>秋季>冬季>夏季.

黄石市；
NO2浓度；
GAM；
健康效应；
暴露风险

大气污染是由多种污染物共同构成的复杂过程,其中二氧化氮(NO2)是当前大气污染防治的重要污染物之一,主要来自人为源,如工业生产排放、生火取暖煤炭燃烧、机动车行驶排放尾气等[1-4].同时NO2作为二次颗粒物及近地层臭氧(O3)的重要前体物,不仅会形成雾霾、酸雨、大气光化学污染等环境问题,亦会对人体健康产生很大危害[5-9].

Meng等[10]通过对22个国家398个城市的NO2人群健康效应,研究表明NO2浓度每升高10μg/m³,在滞后一天时人群总死亡率增加了0.46%(95%CI: 0.36～0.57),呼吸道疾病死亡率增加了0.47%(95%CI: 0.21～0.72),心血管疾病死亡率增加了0.37%(95%CI: 0.22～0.51).国内相关研究也表示[11-12],当NO2浓度升高后非意外、呼吸和循环系统死亡率均上升,且研究地域和对象的差异会导致NO2的健康效应各有不同[13-15].大气污染物对于人类的影响也不仅仅局限于高浓度污染物的暴露极端事件[16],长期而慢性的暴露同样会对人体内部系统产生危害,有一定暴露风险[17-21].以往对于大气污染物暴露风险的评估研究大多采用时间调整土地利用回归(LUR)、人口风险、美国国家环境保护局(USEPA)推荐的非致癌物风险评价的暴露参数等模型评估[22-27],缺少针对于我国特定地区人群暴露行为模式差异性的研究.因此对当地人群NO2的健康效应及其人群暴露风险进行探究,可为城市环境空气污染防治和全民健康提供理论依据和决策支持.

黄石市是长江中游城市群的一个典型传统矿冶城市[28],作为华中地区重要的原材料工业基地,工业源污染排放量较大,大气污染物浓度常常连续数日居高不下.根据生态环境质量状况公报显示,2015～2020年,黄石市空气污染物浓度优良率分别为67.1%、73.0%、75.5%、76.5%、78.4%、87.1%,污染状况逐年改善,但部分污染物浓度仍高于环境空气质量标准,长期持续影响居民健康.因此,本文基于2015～2020年黄石市环境空气质量数据,非意外死亡、呼吸系统和循环系统疾病每日死亡人数,5种内科疾病(哮喘、脑卒中、急性心梗、糖尿病、肾衰竭)每日住院人数,以及气象资料,评估黄石市NO2污染时空分布特征,采用时间序列的半参数广义相加模型(GAM)定量评价大气NO2对居民病例人数的影响,并按性别、年龄、病种分层研究NO2暴露的人群健康效应差异;计算人群的暴露风险*,明确风险人群,对当地政府大气污染防治措施的健康效应进行探究,为保卫蓝天和空气质量持续改善工作政策制定提供支撑.

1.1 数据来源与处理

1.1.1 环境空气质量数据 所用数据包括二氧化氮(NO2)、二氧化硫(SO2)、细颗粒物(PM2.5)、可吸入颗粒物(PM10)、一氧化碳(CO)和臭氧(O3)6种污染物浓度监测数据.数据来源于全国城市空气质量实时发布平台(http://106.37.208.233:20035/),数据起止时间为2015年1月1日～2020年12月31日.根据《环境空气质量标准(GB3095-2012)》对数据有效性的要求,参照周明卫等[29-30]质控方法,对黄石市5个国控环境监测站点6种污染物的逐小时浓度监测数据进行质量控制,剔除零值、缺测值及异常值.质控后得到的NO2、SO2、PM2.5、PM10、CO、O3日均浓度数据有效天数为2187d.在计算各季节的NO2暴露风险(*)值时,取3～5月为春季;6～8月为夏季; 9～11月为秋季;12月～次年2月为冬季.

1.1.2 医疗数据 本文使用数据包括死亡人数和住院人数的逐日病例数据(共33645例),起止时间为2015年1月1日～2020年12月31日(表1).死亡病例根据国际疾病分类标准第10版(ICD-10)对死因进行分类,整理非意外死亡、呼吸系统、循环系统逐日死亡病例;哮喘、脑卒中、急性心梗、糖尿病、肾衰竭逐日入院病例.所有疾病资料来自于鄂东医疗集团黄石市中心医院.

1.1.3 气象数据 本研究所用气象资料(日均气温、相对湿度、风速、风向和气压)来源于国家气象信息中心提供的中国地面气候资料日值数据集(V3.0)中的国家基本气象站黄石站(站号58407),原始数据文件已经规范质控检验.

表1 2015～2020年黄石市中心医院疾病病例分类

1.2 研究方法

1.2.1 半参数广义相加模型的建立 本研究首先用SPSS19.0对每日污染物、病例及气象要素进行统计描述,再用R语言4.1.1中“mgcv”包进行半参数广义相加模型(GAM)定量分析.黄石市每日死亡病例与住院病例和黄石市常住人口总数相比属于小概率事件,其分布近似于服从泊松分布,因此本研究将泊松回归模型引入GAM中,建立模型.采用样条平滑函数拟合非线性自变量,包括时间(time, time=1,2,3...2192)、气温、气压、相对湿度,引入星期亚元变量(dow,dow= 1-7),采用赤池信息准则(AIC)对自由度变量取值[31].空气污染物浓度引入基本模型,拟合污染物线性模型,选取污染物当日(lag0)、lag1～lag7进行滞后分析;污染物lag0-1～lag0-7的移动平均值(lag01～lag07)进行累积滞后分析,得到污染物对疾病人数影响最大的滞后天数并按照不同性别、年龄和疾病的人群进行分层分析,确定敏感人群.具体模型如下:

式中:为非参数样条平滑函数(smoothing spline function);dow为“星期几效应”的变量虚拟函数;time为日历时间;Z为第日的气象要素;为暴露-反应关系系数;X为第日的NO2的浓度(或累积几日平均浓度),μg/m³;为截距;Y为第日的病例人数;(Y)为第日病例人数的期望值;df为自由度.

多污染物模型的建立:确定最优模型后,将SO2、PM2.5、PM10、CO、O3这5种污染物引入模型,目的是检验单污染物模型敏感性的同时,分析多种污染物协同作用下NO2对居民健康造成的影响,由此确定研究期间影响每日病例人数的主要危险因子.

1.2.2 危险度评估 由GAM模型进行估算得到值的暴露-反应关系系数,计算NO2变化Δ(10µg/ m3)时,每日死亡人数的相对危险度(RR):

根据RR计算NO2浓度每上升Δ(10µg/m3)时,死亡人数增加的百分比(ER)及其95%置信区间(CI)和住院人数增加的百分比(IP)及其95% CI:

式(5)～(6)中:SE为污染物的标准误差;为模型NO2的暴露-反应系数.

1.2.3 暴露风险(*) 由于空气污染物主要通过呼吸进入人体从而影响人类的内科系统,本文采用非致癌物的风险评估,其暴露风险评估模型如下:

式中:ADD为NO2经呼吸道的日均暴露剂量,μg/ (kg·d);为NO2的质量浓度,μg/m3;ET为室外活动时间,min/d;IR为长期呼吸速率,m3/d;EF为暴露频率, d/a;BW为体重,kg;ED为暴露持续时间,a.其中 IR长期呼吸速率、ET室外活动时间、BW体重的取值均采用《中国人群暴露参数手册》儿童卷和成人卷[32-33]中的中部地区相关参数;平均暴露时间 AT假设每人每天均有暴露, EF暴露频率在2016年和2020年取值为366d,2015年、2017年、2018年取值为365d, ED持续暴露时间取值为6a.

式中：Δy(k+1)=y(k+1)-y(k)；
Δu(k)=u(k)-u(k-1)；
φ(k)——伪偏导数。

暴露风险具体计算公式为:

式中: RfD为参考剂量,μg/(kg·d);为暴露风险(下文使用NO2暴露风险*,*=×106).

RfD计算方法与ADD相同, IR、ET、EF、ED、BW、AT取值均与式(7)相同;而污染物NO2的质量浓度的取值按照世界卫生组织(WHO)发布最新修订《全球空气质量标准指南(2021)》(WHO 2021AQG)中规定的空气质量标准10μg/m3作为参考质量浓度.

2.1 黄石市NO2的时空分布

2015～2020年,黄石市NO2的年均值分别为(32.25±14.68),(30.85±11.50),(36.53±14.11),(34.55±12.36),(33.01±13.42)和(29.82±13.73)μg/m3,总体呈波动下降趋势,但均超过WHO全球空气质量指导值(10μg/m3).由图1可见,NO2年内为先降后升的“U”型变化趋势,波动周期性变化显著.最高值出现在每年11月～次年1月,由于此时气温和气压较低,太阳辐射较弱,不利于污染物扩散及大气光化学反应二次转化,从而易导致NO2长时间存留于大气中造成污染[34].

图1 2015～2020年黄石市NO2的年均变化和逐年季节变化

黄石市共有5个国控环境监测站位于下辖黄石港、西塞山、下陆、铁山4个区内,分别为沈家营(2423A)、陈家湾(2424A)、新下陆(2425A)(2018年更名为笔架山路北, 3149A)、铁山(2426A)、经济开发区(2427A).对2015～2020年各个站点NO2四季浓度进行反距离权重插值(图2),结果显示黄石市整体NO2浓度变化:冬季(41.87±10.05)μg/m3>春季(33.93±5.32)μg/m3>秋季(33.03±7.32)μg/m3>夏季(22.62±3.09)μg/m3.考虑风对污染物浓度变化的直接影响(传输及扩散).由图2中风玫瑰图可见黄石市春夏季主导风向主要为东南向(E、ESE、SE),而秋冬季主导风向主要为西北向(WNW、NW),四季风速绝大多数情况下均较小,对污染物的传输扩散影响不显著.冬季主导风向偏西北,易受到北方的沙尘影响,加上冷季其他不利的气象条件,导致NO2的污染最为严重;而夏季多降雨,湿清除作用能有效降低大气中NO2浓度.总体来看全年中沈家营、铁山、经济开发区NO2浓度略高,其变化与人类活动和生产类工业有着密不可分的联系.经济开发区和沈家营站点分别位于黄石市新、老城区,车流量及人流量较为密集,导致NO2容易累积;铁山区沿线矿山分布丰富重型货车较多,大型柴油车排放的尾气和开采矿物的燃料排放对NO2的生成也有一定贡献作用[35].

2.2 黄石市NO2的健康效应评估

表2 黄石市空气污染物、病例和气象要素的描述性分析

2.2.1 描述性分析 表2为2015～2020年黄石市空气污染物、病例和气象要素之间的描述性统计结果:年均温度为(18.09±8.96)℃,年均风速为(1.58± 0.67)m/s,年均相对湿度为(76.75±13.74)%,年均气压为(1015.66±10.17)hPa,NO2年均值为(32.84±13.53) μg/m3,研究期间的NO2浓度超过WHO全球空气质量指导值2091d(占99.8%).在此期间平均每日非意外总死亡人数为1.21例,内科疾病平均每日住院人数为14.14例.由图3可见,NO2与SO2、PM2.5、PM10、CO之间均呈显著性正相关,具有共线性;NO2与死亡病例和住院病例均呈正相关性;气象要素中平均温度、风速、相对湿度与NO2呈负相关性,气压与NO2呈正相关性.可以看出,在污染物对健康效应的影响中,气象要素有着直接或间接的作用.

图3 黄石市空气污染物、病例和气象要素之间的相关性分析

2.2.2 单污染物模型 利用单污染物模型讨论不同滞后时间下NO2对病例的影响,ER/IP值达到最大当天称为最佳滞后天数.由图4可知,非意外死亡、呼吸系统和循环系统ER值分别在01d、3d、1d时达到最大值,分别为1.93% (95%CI: -2.10, 6.14), 2.13% (95%CI: -6.56, 11.62), 4.82% (95%CI: -0.22, 10.02),均无统计学意义.

图4 NO2浓度每升高10µg/m3引起的非意外死亡、呼吸系统和循环系统的ER值

本研究由于死亡病例样本数量存在一定的局限性,而住院病例样本数量为30991例,是死亡病例的11.7倍.国内外多项研究表明,NO2污染与部分内科疾病的病因有紧密联系.NO2可侵入肺泡内的巨噬细胞,破坏肺泡,肺部组织正常功能因组织细胞受到刺激而被影响,可导致患哮喘概率增大[36-37];NO2还可激活肺部炎症反应或直接进入血液循环对循环系统造成间接或直接危害[38];亦可通过引起胰岛素抵抗和机体全身炎症反应对糖尿病患者产生影响,且有概率并发糖尿病肾病,导致肾脏坏死[39-41];相关动物实验表明,当大鼠吸入不同浓度NO2后,心脏、肝脏、肾脏、脾脏DNA都受到一定程度的损伤[42].为了进一步探究黄石市NO2的健康效应,本文对相关内科疾病(哮喘、脑卒中、急性心梗、糖尿病、肾衰竭)的住院病例进行分析、引入模型.

NO2在累计滞后05d与内科疾病每日住院人数关联的IP值最大,由图5所示,NO2每增加10µg/m3对应的内科疾病IP值为5.34%(95%CI:3.58,7.14),其IP值在模拟部分的lag0-lag5、lag7,lag01-lag07均通过显著性检验,具有统计学意义(<0.001).考虑到不同修饰效应的差异,分层对性别、年龄、病种分别建模讨论NO2浓度变化对不同人群的健康影响,即NO2每增加10µg/m3分别对不同性别、不同年龄、不同病种分层下内科疾病住院人数变化的影响:

对于不同性别人群,在最佳滞后时间下,男性群体内科疾病的IP为6.49%(95%CI:4.30,8.73),女性群体内科疾病的IP为3.61%(95%CI:1.01,6.28),均有统计学意义(<0.01).说明男性群体对于NO2的暴露更为敏感,约为女性的1.8倍.一方面,可能由于男性中吸烟比例较大,呼吸道对污染物更加敏感;另一方面,有研究表明男性社会活动性强,从事户外劳动者比例更大,较女性暴露于环境空气污染的机会更多、时间更久,导致其敏感度差异[43].该结论与黄桥梁等[44]的研究结果一致.

图5 NO2浓度每升高10µg/m³引起的内科疾病总住院病例和不同分层最佳滞后IP值

对不同年龄人群而言,NO2对于内科疾病在不同年龄时期发病率的影响也有差异.文中探讨的内科疾病多为慢性疾病,未成年人样本容量有限,为避免误差仅讨论成年病例的影响.其中,18～60岁群体内科住院的IP为5.11%(95%CI:1.03,1.08),³60岁群体内科住院的IP为4.18%(95%CI:1.02,1.06),IP 值均通过显著性检验.武汉市一项按年龄分层探讨了大气污染物对内科疾病住院人数影响的研究也得到类似结论,亦有其他地区研究显示老年人群体对NO2暴露更为敏感[45-46].

对于不同内科疾病,在最佳滞后时间下,呼吸系统疾病患者(哮喘)的IP为4.39%(95%CI:-2.27, 11.51),循环系统疾病患者(脑卒中、急性心梗)的IP为4.48(95%CI:1.84,7.18),糖尿病患者的IP为5.16% (95%CI:3.21,7.15),肾衰竭患者的IP为5.51%(95%CI: 2.00,9.15),除呼吸系统疾病患者外均有统计学意义.肾衰竭患者对于NO2易感度最高,部分地区研究发现NO2会增加慢性肾病发病风险,且暴露在较高浓度的NO2中也会提高患急性肾损伤的住院率[47-48].关于长春的研究表明[49],NO2浓度每升高1μg/m3,冠心病的住院人次在春季和冬季分别增加了0.7% 和3.3%.张璟等[50]在东营市的研究发现,NO2浓度每升高10μg/m3,肺炎、慢性阻塞肺病、肺结核住院分别在4d、4d、0d达到最佳滞后天数,相对危险度分别为1.462、1.774、1.892.天津市某区对于研究不同污染物和糖尿病发病人数相关性分析发现NO2浓度增加10μg/m3在03d时糖尿病的患病风险达到最高值[51].本研究观察到NO2浓度增加而导致的部分内科疾病的住院风险最佳滞后天数为04d～07d,晚于既往文献报道,此差异可能由于黄石市中心医院作为当地大型三甲医院,部分内科疾病高发导致住院床位需求量高,可能无法即时进行入院办理[52-53].另一方面,某些内科疾病为慢性病,患者对发病症缺乏了解,就诊不及时情况亦较普遍[54-57].由此可以看出, NO2对疾病的健康影响在我国由于不同地区的气候、污染浓度水平、人口结构、城市规划、以及城市医疗资源等因素的区别产生不同的效应.

2.2.3 多污染物模型 对内科疾病的NO2单污染物模型引入另外5种污染物,分别进行两种及以上多污染物分析.多污染物的共同作用影响如表3.在多污染物模型中,分别引入SO2、PM2.5、PM10、CO、O3后对应的IP值分别为5.02%(95%CI:3.24,6.84)、5.98%(95%CI:4.24,7.75)、5.69%(95%CI:3.88,7.52)、5.65%(95%CI:3.92,7.42)和5.32%(95%CI:3.55,7.11),均有统计学意义(<0.001).引入SO2和O3后的模型与其单污染物模型相比较而言略有下降,引入颗粒物和CO后略有上升,可能分别存在拮抗和协同作用.但相对来说,当NO2同时纳入其他污染物的一种或多种时,IP值无明显变化,危害作用较为独立.

表3 多污染模型下NO2每增加10μg/m3对内科疾病住院病例的影响

注:***表示<0.001.

2.3 黄石市NO2的人群暴露风险评估

根据健康效应的研究发现,黄石地区人群户外活动暴露在NO2之下会增加患病概率,存在一定的暴露风险.为了明确易感人群,减少暴露对人体带来的危害,按照年龄和季节对不同性别群体的暴露风险进一步探究.将黄石市6～80岁的人群划分为8个年龄段,分别为:6～9岁、9～12岁、12～15岁、15～18岁、18～45岁、45～60岁、60～80岁以及80+人群,通过NO2浓度数据和《中国人群暴露参数手册》所给出的暴露参数,计算出黄石市不同性别不同年龄段人群6a间的暴露风险,结果如图6.可见各个年龄段人群的暴露风险值与NO2浓度变化趋势一致,总体呈下降趋势.

整体上看,未成年人群的NO2暴露风险小于成年人群,且男性和女性的暴露风险变化趋势一致,内部不同年龄段差异较大.如图6,年龄分层中男女性在9～12岁人群的暴露风险值最高(6a均值分别为(4.44±0.30)、(5.09±0.35)),而15～18岁人群的暴露风险值最低(6a均值分别为(3.75±0.26)、(3.67±0.25)).9～12岁人群室外活动时间(ET)较长(131min/d),而呼吸速率(IR)小(13.2m3/d)、体重(BW)较轻(36.7kg),导致健康风险较大.15～18岁人群相比于9～12岁人群, ET值减少32%, IR值增加6%, BW值增加49%,室外活动时间减少而呼吸速率和体重有所增长,健康风险值降低.而成年人群不同年龄段暴露风险差异较小,但不同性别的最值有所差异.由于男女身体新陈代谢不同,成年人中同年龄段男性呼吸量、室外活动时间、体重均高于女性.成年男性的暴露风险值在18～45岁人群中达到最高值(4.14±0.28),后随着年龄的增长逐渐降低,并在80+年龄段降至最低(4.03±0.28).而女性中80+以上的年龄段暴露风险*最高(6a*均值(4.55± 0.31)),其次是45～60岁的中年人群(6a*均值(4.02±0.27)).80+女性的暴露风险均值为全成年人群中最大值,说明老年女性作为易感人群,更容易受到NO2的污染影响.老年人随着年龄增长免疫系统退化、代谢降低、抵抗力变弱,加上本身易患一些老年基础疾病,应尽量避免在高污染天气出行.值得注意的是,尽管45～60岁的女性人群*暴露风险并非最高值,但该年龄段人群的ET(258min/d)和IR(15.0m3/d)在女性全人群中均为最高,所以相比于其他年龄段人群同样更需要加强健康预防,减少暴露伤害.

图6 2015～2020年不同年龄段人群NO2暴露风险(R*)的年变化

由图7可见,在季节变化上男性和女性*差异不大,因此在讨论中用男女性均值进行分析.不同季节的*变化呈春秋高、冬夏低的波动变化,春季(4.50±0.60)>秋季(4.38±0.58)>冬季(4.13±0.34)>夏季(2.75±0.32),与NO2浓度春冬高夏秋低的“U”型变化趋势有较大差异.原因在于长江以南地区四季分明,冬冷夏热,人群在春、秋季节的室外活动时间更长,暴露时间更久.因此在NO2浓度相对并不是最高的春秋季,由于较多的户外活动时间所引起的暴露量的增加,使得人群承受的暴露风险反而较冬季更高,更需要加强防护.对于不同年龄分层,9～12岁人群同样在各个季节都呈现最高的*值,6～9岁、12～15岁和15～18岁年龄段的暴露人群在各季节中的*值均较低,这主要是由于这3个年龄段的人群的呼吸速率 IR和暴露时间 ET在所有年龄段人群中也相对较小.但总体来看,不同年龄段人群在暴露风险较高的季节出行都需要加强防护,减少不必要的户外活动来降低健康损害.

图7 2015～2020年不同年龄段人群NO2暴露风险(R*)的季节变化

局限性声明:本研究采用的NO2浓度仅为室外环境监测浓度,人群的暴露途径仅考虑了呼吸途径,且无法排除如抽烟、体重等个体因素;医疗数据收集资料受限,部分发病患者可能于到院前就已死亡或延迟就诊,结果存在一定局限性.

3.1 2015～2020年黄石市NO2的浓度年内呈“U”型变化,春冬污染较严重,在人口密集区域和矿业工业区域污染浓度稍高.

3.2 单污染物模型研究表明,NO2浓度每增加10µg/m3,非意外死亡、呼吸系统和循环系统病例分别在lag01、lag3、lag1时达到最佳滞后,ER值为1.93% (95%CI:-2.10,6.14)、2.13%(95%CI:-6.56, 11.62)、4.82%(95%CI:-0.22,10.02);内科住院病例lag05时达到最佳滞后,IP值为5.34%(95%CI:3.58, 7.14),其中男性,18～60岁人群,肾衰竭患者对NO2暴露更为敏感.多污染物模型研究表明NO2对内科疾病危害作用较为独立.

3.3 评估黄石市NO2的人群暴露风险,全年龄分层下9～12岁人群的暴露风险最大,无性别差异;而成年人群中男(女)性分别在18～45(80+)岁暴露风险最大;季节分层下全年龄人群平均暴露风险春季>秋季>冬季>夏季.

[1] 何 月,绳梦雅,雷莉萍,等.长三角地区大气NO2和CO2浓度的时空变化及驱动因子分析[J]. 中国环境科学, 2022,42(8):3544-3553.

He Y, Sheng M Y, Lei L P, et al. Driving factors and spatio-temporal distribution NO2and CO2in the Yangtze River Delta [J]. China Environmental Science, 2022,42(8):3544-3553.

[2] 张兴赢,张 鹏,张 艳,等.近10a中国对流层NO2的变化趋势,时空分布特征及其来源解析[J]. 中国科学:D辑, 2007,37(10):131-138.

[3] 郭新彪.机动车尾气污染的健康影响:亟待解决的重要公共卫生问题 [J]. 环境与健康杂志, 2009,26(9):753-754.

[4] 生态环境部.中国移动源环境管理年报(2021) [R]. 北京:中国环境出版社, 2021.

Ministry of Ecological Environment. China mobile source environmental management annual report (2021) [R]. Beijing: China Environmental Press, 2021.

[5] 马洪群,崔莲花.大气污染物(SO2、NO2)对中国居民健康效应影响的meta分析 [J]. 职业与健康, 2016,32(8):1038-1044.

Ma H Q, Cui L H. Meta-analysis on health effects of air pollutants (SO2and NO2) in the Chinese population [J]. Occupation and Health, 2016,32(8):1038-1044.

[6] Gamon L F, Wille U. Oxidative Damage of Biomolecules by the Environmental Pollutants NO2center dot and NO3center dot [J]. Accounts of Chemical Research, 2016,49(10):2136-2145.

[7] Amini H, Nhung N T T, Schindler C, et al. Short-term associations between daily mortality and ambient particulate matter, nitrogen dioxide, and the air quality index in a Middle Eastern megacity [J]. Environmental Pollution, 2017,254(Part B):113121.

[8] Chen R J, Yin P, Meng X, et al. Associations between ambient nitrogen dioxide and daily cause-specific mortality evidence from 272Chinese cities [J]. Epidemiology, 2018,29(4):482-489.

[9] Chiusolo M, Cadum E, Stafoggia M, et al. Short-term effects of nitrogen dioxide on mortality and susceptibility factors in 10 Italian Cities: The epiair study [J]. Environmental Health Perspectives, 2011, 119(9):1233-1238.

[10] Meng X, Liu C, Chen R J, et al. Short term associations of ambient nitrogen dioxide with daily total, cardiovascular, and respiratory mortality: multilocation analysis in 398 cities [J]. British Medical Journal, 2021,372(165):n534.

[11] 张金艳,孟海英,张桂斌,等.北京市朝阳区大气污染与居民每日呼吸系统疾病死亡关系的时间序列研究 [J]. 环境与健康杂志, 2011, 28(9):788-791.

Zhang J Y, Meng H Y, Zhang G B, et al. Relationship between air pollution and daily respiratory system disease mortality in Chaoyang District, Beijing: a time-series analysis [J]. Journal of Environment and Health, 2011,28(9):788-791.

[12] 张衍粜,周脉耕,贾予平,等.天津市大气气态污染物与居民每日死亡关系的时间序列分析 [J]. 中华流行病学杂志, 2010,31(10):1158- 1162.

Zhang Y T, Zhou M G, Jia Y P, et al. Time-series analysis on the association between gaseous air pollutants and daily mortality in urban residents in Tianjin [J]. Chinese Journal of Epidemiology, 2010,31(10): 1158-1162.

[13] Zhao A, Chen R J, Kuang X Y, et al. Ambient air pollution and daily outpatient visits for cardiac arrhythmia in Shanghai, China [J]. Journal of Epidemiology, 2014,24(4):321-326.

[14] 欧奕含,张小玲,张 莹,等.西安BC,PM2.5与气温协同对心脑血管疾病死亡的影响 [J]. 中国环境科学, 2021,41(9):4415-4425.

Ou Y H, Zhang X L, Zhang Y, et al. Influence of BC, PM2.5, temperature and their synergy on death from cardiovascular diseases in Xi"an [J]. China Environmental Science, 2021,41(9):4415-4425.

[15] 龚天宜,孙兆彬,张小玲,等.人群的自然和社会属性分类下PM2.5对心血管疾病的影响 [J]. 中国环境科学, 2019,39(3):1289-1298.

Gong T Y, Sun Z B, Zhang X L, et al. Natural and social factor as modifiers of the effects of PM2.5on daily cardiovascular mortality in Beijing, China [J]. China Environmental Science, 2019,39(3):1289- 1298.

[16] Bell M L, Davis D L. Reassessment of the lethal London fog of 1952: novel indicators of acute and chronic consequences of acute exposure to air pollution [J]. Environmental Health Perspectives, 2001,109 (Suppl 3):389-394.

[17] Cohen A J, Brauer M, Burnett R, et al. Estimates and 25-year trends of the global burden of disease attributable to ambient air pollution: an analysis of data from the Global Burden of Diseases Study 2015 [J]. The Lancet, 2017,389(10082):1907-1918.

[18] Lin H, Guo Y F, Di Q, et al. Ambient PM2.5and stroke: effect modifiers and population attributable risk in six low- and middle-income countries [J]. Stroke, 2017,48(5):1191-1197.

[19] Xu X, Wang G B, Chen N, et al. Long-Term exposure to air pollution and increased risk of membranous nephropathy in China [J]. Journal of the American Society of Nephrology, 2016,27(12):3739-3746.

[20] 石 琴,郑 山,朱文芝,等.NO2对高血压患者血压和脉压的短期影响 [J]. 中国环境科学, 2020,40(8):3627-3635.

Shi Q, Zhen S, Zhu W Z, et al. The short-term effects of NO2on blood pressure and pulse pressure in patients with hypertension [J]. China Environmental Science, 2020,40(8):3627-3635.

[21] Rao X Q, Patel P, Puett R, et al. Air Pollution as a Risk Factor for Type 2Diabetes [J]. Toxicological Sciences, 2015,143(2):231-241.

[22] 张钰娟,薛凤霞,白志鹏.时间调整土地利用回归模型用于孕期空气污染暴露评估的研究进展 [J]. 中华预防医学杂志, 2017,51(3): 265-276.

Zhang Y J, Xue F X, Bai Z P. Applying temporally-adjusted land use regression models to estimate ambient air pollution exposure during pregnancy [J]. Chinese Journal of Preventive Medicine, 2017,51(3): 265-276.

[23] 冯春莉,李润奎.基于土地利用回归模型的北京市2013～2019年大气污染时空变化分析 [J]. 环境科学学报, 2021,41(4):1231-1238.

Feng C L, Lin R K. Spatiotemporal variation analysis of air pollution from 2013 to 2019 in Beijing based on land use regression model [J]. Acta Scientiae Circumstantiae, 2021,41(4):1231-1238.

[24] 马建初,赵时真,莫扬之,等.土地利用回归模型在大气污染物中的应用进展 [J]. 环境科学与技术, 2020,43(S02):125-133.

Ma J C, Zhao S Z, Mo Y Z, et al. Application progress of land use regression models on atmospheric pollutants [J]. Environmental Science and Technology, 2020,43(S02):125-133.

[25] 邹雨轩,吴志峰,曹 峥.耦合土地利用回归与人口加权模型的PM2.5暴露风险评估 [J]. 地球信息科学学报, 2019,21(7):1018-1028.

Zhou Y X, Wu Z F, Cao Z. Assessing PM2.5exposure risk by coupling land use regression model and population weighted model [J]. Journal of Geo-information Science, 2019,21(7):1018-1028.

[26] 张天岳,沈楠驰,赵 雪,等.2015～2019年成渝城市群臭氧浓度时空变化特征及人口暴露风险评价 [J]. 环境科学学报, 2021,41(10): 4188-4199.

Zhang T Y, Shen N C, Zhao X, et al. Spatiotemporal variation characteristics of ozone and its population exposure risk assessment in Chengdu-Chongqing urban agglomeration during 2015 to 2019 [J]. Acta Scientiae Circumstantiae, 2021,41(10):4188-4199.

[27] 陈 曦,崔阳阳,刘 杰,等.火化车间VOCs排放特征、臭氧生成潜势及暴露风险评价 [J]. 环境科学学报, 2022,42(8):109-116.

Chen X, Cui Y Y, Liu J, et al. VOCs emission characteristics, ozone formation potential and exposure risk assessment in cremation workshop [J]. Acta Scientiae Circumstantiae, 2022,42(8):109-116.

[28] 张一恒.工业发展作用下的黄石城市形态演变研究 [D]. 武汉:武汉理工大学, 2013.

Zhang Y H. Research on urban form evolution of Huangshi under the effect of industrial development [D]. Wuhan: Wuhan University of Technology, 2013.

[29] 周明卫,康 平,汪可可,等.2016～2018年中国城市臭氧浓度时空聚集变化规律 [J]. 中国环境科学, 2020,40(5):1963-1974.

Zhou M W, Kang P, Wang K K, et al. The spatio-temporal aggregation pattern of ozone concentration in China from 2016 to 2018 [J]. China Environmental Science, 2020,40(5):1963-1974.

[30] 汪可可,康 平,周明卫,等.四川盆地臭氧浓度空间分异及驱动因子研究 [J]. 中国环境科学, 2020,40(6):2361-2370.

Wang K K, Kang P, Zhou M W, et al. Spatial differentiation and driving factors of ozone concentration in Sichuan Basin [J]. China Environmental Science, 2020,40(6):2361-2370.

[31] Peng R D, Dominici F, Louis T A. Model choice in time series studies of air pollution and mortality [J]. Journal of the Royal Statistical Society Series A, 2006,169(2):179-203.

[32] 环境保护部.中国人群暴露参数手册(成人卷) [M]. 北京:中国环境出版社, 2013:12-763.

Ministry of Environmental Protection. Handbook of population exposure parameters in China (adult volume) [M]. Beijing: China Environment Press, 2013:12-763.

[33] 环境保护部.中国人群暴露参数手册(儿童卷) [M]. 北京:中国环境出版社, 2016:12-866.

Ministry of Environmental Protection. Handbook of population exposure parameters in China (children"s volume) [M]. Beijing: China Environment Press, 2016:12-866.

[34] 杨光飞,李思茵,李文丽.中国城市二氧化氮浓度的时空分布特征 [J]. 环境科学与技术, 2019,42(S02):200-206.

Yang G F, Li S Y, Li W L. Spatial and temporal distribution characteristics of nitrogen dioxide concentration in Chinese cities [J]. Environmental Science & Technology, 2019,42(S02):200-206.

[35] 韩培光,李伟东,彭小桂,等.黄石市现代典型矿业遗迹基本特征及开发建议 [J]. 资源环境与工程, 2008,22(3):377-386.

Han P G, Li W D, Peng X G, et al. Basic Characteristics and Development Suggestions of Modern Typical Mining Heritages in Huangshi City [J]. Resources Environment & Engineering, 2008,22(3): 377-386.

[36] 刘 勇,芦 茜,黄志军,等.大气污染物对人体健康影响的研究 [J]. 中国现代医学杂志, 2011,21(1):87-91.

Liu Y, Lu Q, Huang Z J, et al. Air pollution and its health impact [J]. China Journal of Modern Medicine, 2011,21(1):87-91.

[37] Zhu N, Li H Y, Han M, et al. Environmental nitrogen dioxide (NO2) exposure influences development and progression of ischemic stroke [J]. Toxicology Letters, 2012,214(2):120-130.

[38] Brook R D, Franklin B, Cascio W, et al. Air pollution and cardiovascular disease: a statement for healthcare professionals from the expert panel on population and prevention science of the american heart association [J]. Circulation, 2004,109(21):2655- 2671.

[39] Sun Q H, Yue P, Deiuliis J A, et al. Ambient Air Pollution Exaggerates Adipose Inflammation and Insulin Resistance in a Mouse Model of Diet-Induced Obesity [J]. Circulation, 2009,119(4):538-546.

[40] 代 甜,王敏珍,靳亚飞,等.大气SO2和NO2对2型糖尿病发病影响的队列研究 [J]. 兰州大学学报(医学版), 2021,47(3):51-57.

Dai T, Wang M Z, Jin Y F, et al. Long-term exposure to SO2, NO2and incidence of type 2 diabetes mellitus: a cohort study [J]. Journal of Lanzhou University (Medical Sciences), 2021,47(3):51-57.

[41] 王永胜,杨丽霞,程 涛,等.糖尿病肾病的炎症致病机制与中药防治 [J]. 中国实验方剂学杂志, 2018,24(2):200-207.

Wang Y S, Yang L X, Cheng T, et al. Pathogenic mechanism of inflammation and TCM intervention of diabetic nephropathy [J]. Chinese Journal of Experimental Traditional Medical Formulae, 2018, 24(2):200-207.

[42] 郭 振.二氧化氮(NO2)吸入暴露对大鼠不同脏器DNA损伤研究[D]. 太原:山西大学, 2012.

Guo Z. DNA damage in different tissues from rat induced by NO2inhalation [D]. Taiyuan: Shanxi University, 2012.

[43] 丁 鑫.空气质量恶化对户外劳动者工作时间影响研究[D]. 武汉:中南财经政法大学, 2020.

Ding X. The effect of air quality deterioration on working hours of outdoor workers [D]. Wuhan:Zhongnan University of Economics and Law, 2020.

[44] 黄桥梁,王临池.苏州市居民呼吸系统疾病死亡与大气二氧化氮的相关性研究 [J]. 中国初级卫生保健, 2017,31(5):52-54.

Huang Q L, Wang L Y. Correlation study on respiratory disease deaths and nitrogen dioxide in the atmosphere for residents in Suzhou [J]. Chinese Primary Health Care, 2017,31(5):52-54.

[45] 王晓莹.武汉市大气污染对呼吸和心血管疾病日住院人数的影响 [D]. 武汉:华中科技大学, 2017.

Wang X Y. The effects of air pollution on daily respiratory and cardiovascular diseases hospital admissions in Wuhan [D]. Wuhan: Huazhong University of Science and Technology, 2017.

[46] 朱嫒嫒,李士雪,吴 敏,等.济南市³65岁老人身体健康状况及影响因素分析 [J]. 中国公共卫生, 2011,27(4):433-435.

Zhu Y Y, Li S X, Wu M, et al. Physical health status and its influential factors among the elderly³65years old in Ji"nan city [J]. Chinese Journal of Public Health, 2011,27(4):433-435.

[47] 刘书馨,肖 佳,何昕晖,等.空气污染与慢性肾病关系的研究进展 [J]. 公共卫生与预防医学, 2020,31(3):117-121.

Liu S X, Xiao J, He X H, et al. Research progress on the relationship between air pollution and chronic kidney disease [J]. Journal of Public Health and Preventive Medicine, 2020,31(3):117-121.

[48] He P H, Chen R X, Zhou L P, et al. Higher ambient nitrogen dioxide is associated with an elevated risk of hospital-acquired acute kidney injury [J]. Clinical Kidney Journal, 2022,15(1):95-100.

[49] 张钊铭,刘玟彤,周丽婷,等.长春市大气污染与冠心病住院人次的关联性 [J]. 中国老年学杂志, 2020,40(7):1345-1349.

Zhang Z M, Liu W T, Zhou L T, et al. Study on the correlation between air pollution and hospitalization of coronary heart disease in Changchun city [J]. Chinese Journal of Gerontology, 2020,40(7): 1345-1349.

[50] 张 璟,邓 豪,段雯华,等.大气污染物对呼吸系统疾病入院影响的病例交叉研究 [J]. 中国热带医学, 2020,20(6):519-522.

Zhang J, Deng H, Duan W H, et al. A case-crossover study on air pollutants and hospital admission for respiratory diseases [J]. China Tropical Medicine 2020,20(6):519-522.

[51] 张经纬,侯常春,王 淼,等.大气污染物与气温对2型糖尿病发病的交互作用研究 [J]. 环境与健康杂志, 2020,37(8):678-683.

Zhang J W, Hou C C, Wang M, et al. Interaction between temperature and air pollutants on incidence of type 2diabetes [J]. Journal of Environment and Health, 2020,37(8):678-683.

[52] 齐俊锋,李俊琳,祝淑珍,等.湖北省6市县35～75岁居民心血管病危险因素聚集情况分析 [J]. 现代预防医学, 2019,46(9):1627-1630.

Qi J F, Li J L, Zhu S Z, et al. Clustering status and risk factors of cardiovascular disease among urban and rural residents aged 35-75years,Hubei [J]. Modern Preventive Medicine, 2019,46(9): 1627-1630.

[53] 陈上骞,王绚璇,周尚成,等.湖北省10个县慢性疾病流行病学调查及相关因素分析 [J]. 医学与社会, 2012,25(5):24-26.

Chen S Q, Wang X X, Zhou S C, et al. Analyze on Chronic Disease Epidemiology and Related Factors in 10counties of Hubei Province [J]. Medicine and Society, 2012,25(5):24-26.

[54] 邹 浩,姜东旭,张琳琳.慢性病患者就医延迟评估工具及影响因素的研究进展 [J]. 中国全科医学, 2022,25(7):893-897.

Zhou H, Jiang D X, Zhang L L. Recent advances in evaluation tools and associated factors for patient delay in chronic disease patients [J]. Chinese General Practice, 2022,25(7):893-897.

[55] 马 煜,杜 昕,邓亚丽,等.陕西省2015～2019年学生肺结核患者就诊延迟影响因素分析 [J]. 中国学校卫生, 2021,42(4):615-618.

Ma Y, Du X, Deng Y L, et al. Factors influencing the delay of seeking medical treatment among students with tuberculosis in Shaanxi Province from 2015 to 2019 [J]. Chinese Journal of School Health, 2021,42(4):615-618.

[56] 喻惠丹.心肌梗死患者就医延迟相关因素的探讨 [D]. 武汉:武汉大学, 2013.

Yu H D. Factors related to pre-hospital delay in Chinese patients with Acute Myocardial Infarction(AMI) [D]. Wuhan:Wuhan University, 2013.

[57] 姜宗良,王海播,王语嫣,等.慢性阻塞性肺疾病急性发作期患者就医延迟行为的现象学研究 [J]. 中国全科医学, 2020,23(27):3396- 3401.

Jiang Z L, Wang H B, Wang Y Y, et al. A phenomenology study on medical delay in patients with acute exacerbation of COPD [J]. Chinese General Practice, 2020,23(27):3396-3401.

Health effects and population exposure risk of nitrogen dioxide in Huangshi City.

WANG Ke-yi1, KANG Ping1,2*, OU Yi-han1, ZHANG Xiao-ling1,2, WANG Ke-ke3, WANG An-yi1, FENG Hao-peng1, WANG Jiu-sheng4

(1.Plateau Atmosphere and Environment Key Laboratory of Sichuan Province, School of Atmospheric Sciences, Chengdu University of Information Technology, Chengdu 610225, China；
2.Chengdu Plain Urban Meteorology and Environment Observation and Research Station of Sichuan Province, Chengdu 610225, China；
3.College of Resource and Environment, Chengdu University of Information Technology, Chengdu 610225, China；
4.Huangshi Central Hospital, Edong Healthcare Group, Huangshi 435000, China.), 2023,43(1)：383～393

In order to reveal the characteristics of health effects and population exposure risk of nitrogen dioxide (NO2) in Huangshi City, NO2concentration, non-accidental deaths, daily deaths from respiratory and circulatory diseases, daily hospitalizations for medical diseases, and meteorological elements in Huangshi city from 2015 to 2020 were collected.Based on these data, the spatial and temporal variation of NO2was explored, the effect of NO2on the number of fatal cases and internal medicine hospitalizations was quantitatively evaluated by using a semi-parametric generalized additive model (GAM), and the exposure risk (*) of residents was evaluated. The intra-annual variation of NO2concentration in Huangshi was "U" shaped, with more serious pollution in spring and winter, and slightly higher NO2concentration in densely populated and industrial areas.At the optimal lag time, with each 10µg/m3increase in NO2concentration, the number of deaths in non-accidental, respiratory, and circulatory cases reached the maximum at lag01, lag3, lag1, with percentage increase (ER) values of 1.93% (95%CI: -2.10, 6.14), 2.13%, (95%CI: -6.56, 11.62), 4.82% (95%CI: -0.22, 10.02), respectively. The number of daily hospitalizations for internal medical diseases reached the maximum at lag05 with a percentage increase (IP) value of 5.34% (95% CI: 3.58, 7.14).Focus on the gender attributes of hospitalized cases, the male group was more sensitive to NO2exposure; Focus on age attributes, the 18～60 years group was more sensitive to NO2exposure; Focus on medical disease attributes, patients with renal failure were more sensitive to NO2exposure.Assess the population exposure risk of NO2, the highest* was found for adolescents in the age group of 9～12 years. The adult population had the highest* for males in the 18～45 age group and the highest* for females in the 80+ age group. The seasonal ranking of the mean* for all age groups was spring > autumn > winter > summer.

Huangshi City；
NO2concentration；
GAM；
health effects；
exposure risk

X503.1

A

1000-6923(2023)01-0383-11

王柯懿(1996-),女,湖北省黄石人,成都信息工程大学研究生.主要从事大气环境相关研究.发表1篇论文.

2022-05-06

国家重点研发计划项目(2016YFA0602004);国家外国专家项目(G2021036001);成都市科技计划项目(2019-YF05-00718-SN)

* 责任作者, 讲师, kangping@cuit.edu.cn

猜你喜欢 黄石市内科污染物 菌株出马让畜禽污染物变废为宝今日农业(2021年11期)2021-11-27《新污染物治理》专刊征稿启事环境科学研究(2021年6期)2021-06-23《新污染物治理》专刊征稿启事环境科学研究(2021年4期)2021-04-25你能找出污染物吗？少儿科学周刊·儿童版(2021年23期)2021-03-24呼吸内科治疗慢性咳嗽的临床治疗体会中华养生保健(2020年2期)2020-11-16The Simple Analysis of the Usages of “IT”校园英语·上旬(2019年5期)2019-07-16急诊消化内科上消化道出血治疗中国卫生标准管理(2015年4期)2016-01-14黄石市文化发展的路径选择学习月刊(2015年5期)2015-07-09黄石市助残机构发展情况的调查学习月刊(2015年4期)2015-07-09PBL教学法在中医内科临床教学中的应用中国中医药现代远程教育(2014年15期)2014-03-01 相关热词搜索：黄石市，大气，效应，