郭永超+李洁+谢俊卿+周慧霞+胥芹+郭秀花
[摘要] 目的 通过收集2012年3月～2015年2月北京市丰台区气象数据、细颗粒物（PM2.5）的污染数据、居民总死亡数据，分析PM2.5对居民造成的超额死亡危险，为丰台区居民的疾病防治提供科学依据。 方法 利用SAS9.2软件对PM2.5污染情况、气象因素以及居民总死亡水平进行描述性分析以及相关性分析；利用R3.0.3软件建立分布滞后非线性模型（DLNM）分析PM2.5对居民造成的超额死亡危险。 结果 PM2.5年平均浓度为91.94 μg/m3，居民总死亡数为23 138人；PM2.5与平均温度呈负相关关系（r=-0.10，P<0.01），PM2.5与相对湿度和气压均呈正相关（r=0.38、0.03），但是PM2.5与气压的相关性无统计学意义（P>0.05），PM2.5与总死亡数呈正相关关系（r=0.11，P<0.01）；PM2.5对居民总死亡水平的影响无统计学意义（P>0.05）。 结论 2012年3月～2015年2月北京市丰台区PM2.5的污染严重，2013年PM2.5的污染最严重；居民总死亡呈冬季最高的趋势；PM2.5浓度与居民总死亡数呈正相关关系。
[关键词] PM2.5；居民全死亡；分布滞后非线性模型；时间序列；关联性
[中图分类号] R56；X51 [文献标识码] B [文章编号] 1673-9701（2016）28-0131-05
PM2.5是重要的大气污染物之一，2011年北京灰霾和沙尘期间PM2.5日均质量浓度分别高达301.8 μg/m3和284.8 μg/m3，是美国EPA PM2.5日均质量浓度限值（35 μg/m3）的8.62倍和8.14倍[1]。居民死亡率及其死亡原因的变化是反映人群健康状况的重要指标之一，是制定卫生政策、评价卫生工作质量和干预效果的科学依据，也是研究人口自然变动规律的重要内容，因此世界各国都非常重视死亡资料的统计分析。我们将进行“2012～2015年北京市丰台区PM2.5与居民总死亡的时间序列分析”，通过收集2012年3月～2015年2月PM2.5污染数据、气象数据、居民总死亡数据，进行描述性分析和相关性分析，建立分布滞后非线性模型分析PM2.5对居民造成的超额死亡危险，为丰台区居民的疾病防治提供科学依据。
1 资料与方法
1.1资料来源
PM2.5浓度资料从丰台区内PM2.5三个监测点（丰台花园、云岗、南三环）获得；气象资料从北京市气象局获得气温、气压、相对湿度等；居民总死亡资料从“人口死亡信息登记报告管理系统”中丰台区各级医疗机构报告的死亡信息和区民政局、区公安局以及街/乡镇政府提供的死亡信息中获得。
1.2研究对象
以2012年3月～2015年2月北京市丰台区居民死亡病例作为研究对象。
1.3资料整理
本研究的研究时间为2012年3月～2015年2月，为了方便后文叙述，本研究将2012年3月～2013年2月划分为2012年度、2013年3月～2014年2月划分为2013年度、2014年3月～2015年2月划分为2014年度。在描述性统计部分，根据中国北方气温变化情况，本研究按季节分组，即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。
1.4统计学方法
采用SAS 9.2软件对2012年3月～2015年2月北京市丰台区PM2.5浓度、气象因素和居民总死亡水平进行描述性分析及相关性分析，对PM2.5、温度、相对湿度、气压进行正态性检验，若是满足正态性，则采用Pearson相关分析研究PM2.5与温度、相对湿度、气压的相关性，若是不满足正态性，则采用Spearman秩相关分析方法。对PM2.5与总死亡数的相关性采用Spearman秩相关进行分析。利用R3.0.3软件建立分布滞后非线性模型，分析2012年3月～2015年2月北京市丰台区PM2.5对居民造成的超额死亡危险。
2结果
2.1 描述性统计分析
2.1.1 PM2.5的描述性分析 2012年3月～2015年2月北京市丰台区PM2.5平均浓度为91.94 μg/m3，超过国家规定二级标准（75.00 μg/m3）22.49%，其中每年度平均有180 d超过国家规定二级标准，超标率为49.59%。日均浓度最高为475.00 μg/m3，是国家二级标准的6.33倍，最低为3.00 μg/m3。季节分布呈冬季最高，春、秋季次之，夏季最低的特点，见表1、图1。
2.1.2 气象因素的描述性分析
2.1.2.1 气温的描述性分析 2012年3月～2015年2月北京市丰台区平均气温12.69℃，最高气温为31.00℃，最低为-12.00℃。总体呈夏季最高，春、秋季次之，冬季最低的特点，见表2、图2。
2.1.2.2 气压的描述性分析 2012年3月～2015年2月北京市丰台区平均气压为101.61 kPa，最高气压为104.30 kPa，最低为99.40 kPa，总体呈冬季最高，春、秋季次之，夏季最低的特点，见表3、图3。
2.1.2.3 相对湿度的描述性分析 2012年3月～2015年2月北京市丰台区平均相对湿度为52.89%，最高相对湿度为98.00%，最低相对湿度为8.00%，总体呈夏季最高，冬季次之，春、秋季较低的趋势，见表4、图4。
2.1.3 居民总死亡数的描述性分析 2012年3月～2015年2月居民总死亡数为23 138人，居民全死因死亡平均每日20.8人，每日死亡人数最小值为0人，最大值为38.0人。2012年度、2013年度和2014年度的平均每日死亡人数差异不大，分别为20.7人、20.9人、20.9人。其中2012年度有358个值，缺失7 d，占1.92%。见表5。
2.2 相关性分析
2.2.1 PM2.5与气象因素的相关性 对PM2.5以及气象因素（温度、相对湿度和气压）进行正态性检验，结果见表6。Kolomogorov-Simirnov（K-S）检验结果显示4个变量均不满足正态分布（P<0.05）。从表6中可看出，PM2.5呈正偏态、高峰度（S>0，K>0）；气压和相对湿度呈正偏态和低峰度（S>0，K<0），温度呈负偏态、低峰度（S<0，K<0）。4个变量的频数分布直方图结果，见图5。
2012年3月～2015年2月北京市丰台区PM2.5、气象因素之间的Spearman 相关分析结果见表7。即PM2.5与平均温度呈负相关关系（r=-0.10，P<0.01），PM2.5与相对湿度和气压均呈正相关（r=0.38、0.03），但是PM2.5与气压的相关性无统计学意义（P>0.05）。平均温度和相对湿度呈正相关关系（r=0.38，P<0.01），气压与平均气温和相对湿度均呈负相关关系（r=-0.88、-0.36），差异有高度统计学意义（P<0.01）。
2.3 PM2.5与居民总死亡数的关系
Spearman秩相关分析结果显示，PM2.5与居民总死亡数呈正相关关系（r=0.11，P<0.01）。建立分布滞后非线性模型，控制长期趋势、“星期几效应”等时间因素的影响，并考虑滞后效应，分析PM2.5对总死亡水平的影响。如图6所示，在污染当日，PM2.5对总死亡水平影响的RR值大于1，差异无统计学意义（P>0.05）。
在上述模型的基础上，控制温度、湿度、气压等混杂因素的的影响，分析PM2.5对总死亡水平的影响，如图7所示，PM2.5对总死亡水平的影响仍然无统计学意义（P>0.05）。
2.4 PM2.5与总死亡的暴露反应关系
在研究期间内，控制时间的长期趋势、星期几效应、温度、湿度、气压等因素的影响后，分析PM2.5与污染当日全死因死亡的暴露反应关系，由图8可见，暴露-反应关系在低浓度时（约80 μg/m3）和较高浓度时（约300 μg/m3）分别存在一个拐点，当PM2.5的浓度约达到300 μg/m3时，人群总死亡的风险会显著增加。
3讨论
2012年3月～2015年2月北京市丰台区PM2.5平均浓度为91.94 μg/m3，超过国家规定二级标准22.49%，其中每年平均有180 d超过国家规定二级标准，超标率为49.59%；2013年度北京市PM2.5年平均浓度为100.02 μg/m3，超过国家规定二级标准33.36%，超标率为55.07%。同北京市数据相比[2]，北京市丰台区大气PM2.5污染水平较北京市低。2013年丰台区PM2.5污染最严重，与2013年的气象条件密切相关，稳定的大气环流形势为污染的持续提供了有利环境，风速较小、湿度较大、持续逆温影响大气污染物的扩散，是造成严重污染的重要原因[3]。
2012年3月～2015年2月北京市丰台区PM2.5浓度与气象因素中的日平均相对湿度、日平均气压呈正相关关系，与日平均气温呈负相关关系。与周洪霞等[4]结果PM2.5浓度与日平均相对湿度呈正相关关系大致相同；与刘晓剑等[5]研究结果显示PM2.5浓度与日平均相对湿度呈负相关关系，与日平均气压呈正相关系相比不同，造成其结果不同的原因可能是：北京市属于大陆性季风气候，相对湿度与风速呈负相关关系，当相对湿度较大时，风速较小，地面大气层处于较稳定的状态，不利于大气污染物的扩散；而深圳市属于亚热带海洋性气候，雨量充沛，湿度较大，降雨能有效的清除大气颗粒物[6]。
PM2.5的短期暴露与居民死亡的关系，已经在全球不同地点、不同大气污染背景、不同人群取得了相似的结果，并且初步得到了证实[7-9]。本研究选取北京市丰台区作为研究现场，结果发现PM2.5对总死亡人数的影响无统计意义，这与以往的研究结果是不一致的。例如：美国国家空气污染与死亡率和发病率关系的研究，对美国 20个城市近5000万人的资料分析显示，人群死亡率与死亡前日颗粒物浓度相关[10]。在中国沈阳市[11]、广州市[12]和深圳市[13]的研究也发现，PM2.5污染与人群总死亡率呈现正相关，且PM2.5对总死亡率的影响在65岁以上的老年人群更为明显。
本研究的研究结果提示，PM2.5与居民死亡的暴露反应关系呈现一定的非线性关系。以往在欧美等发达国家的研究结果提示，颗粒物污染与死亡/发病的暴露反应关系呈现近似的线性关系[14-16]。例如：美国Schwartz等[17]学者运用层次模型发现PM2.5与全死因死亡的暴露反应关系呈现线性关系并没有阈值效应，这一结果在欧洲的一个队列研究中也得到了证实，该研究提示，即使在低于欧洲现在的年均标准限值（<25 μg/m3）的情况下，PM2.5仍然与全死因死亡率相关[18]。
本次研究仅仅纳入一个区的数据，每日各类别的死亡人数较少，这对模型的稳定性会产生一定的影响，还有可能是因为北京市大气污染物水平长期较高造成的人群适应性增加，污染源类型差异造成污染物结构成分的不同，以及人群的年龄构成和居民对污染物的敏感程度的不同。
4结论
2012年3月～2015年2月北京市丰台区PM2.5的污染严重，2013年PM2.5的污染最严重；2012年3月～2015年2月北京市丰台区居民总死亡呈冬季最高的趋势；2012年3月～2015年2月北京市丰台区PM2.5浓度与气象因素中的日平均相对湿度、日平均气压呈正相关关系，与日平均气温呈负相关关系；PM2.5浓度与居民总死亡数呈正相关关系。
PM2.5对居民总死亡水平的影响无统计学意义，研究人员可进一步深入研究PM2.5与具体死因间的关联性，找到PM2.5对居民健康影响的重点疾病，为进一步的健康教育、疾病的干预提供基础，为公共卫生工作提供依据，为城市大气污染健康效应评价、保护人群健康提供依据。
[参考文献]
[1] 王志娟，韩力慧，陈旭锋，等. 北京典型污染过程PM2.5的特性和来源[J]. 安全与环境学报，2012，12（5）：122-126.
[2] 王琪， 孙巍， 张新宇. 北京地区PM2.5质量浓度分布及其与气象条件影响关系分析[J]. 计算机与应用化学，2014， 31（10）：1193-1196.
[3] 程念亮，李云婷，张大伟，等. 2013年1月北京市一次空气重污染成因分析[J]. 环境科学，2015，3（4）：1154-1163.
[4] 周洪霞，蒋守芳，郭忠，等. 唐山市大气污染对居民心血管疾病日门诊和日住院人数的影响[J]. 现代预防医学，2015，42（12）：2138-2141.
[5] 刘晓剑，吴永胜，付英斌，等. 深圳市空气PM2.5与心脑血管疾病死亡的广义相加模型分析[J]. 中华疾病控制杂志，2016，20（2）：207-209.
[6] 李军，孙春宝，刘咸德，等. 气象因素对北京市大气颗粒物浓度影响的非参数分析[J]. 环境科学研究，2009，22（6）：663-669.
[7] Dai L，Zanobetti A，Koutrakis P，et al. Associations of fine particulate matter species with mortality in the United States：A multicity time-series analysis[J]. Environ Health Perspect， 2014，122（8）：837-842.
[8] Lee H，Honda Y，Hashizume M，et al. Short-term exposure to fine and coarse particles and mortality：A multicity time-series study in East Asia[J]. Environ Pollut，2015，207：43-51.
[9] Lee M，Koutrakis P，Coull B，et al. Acute effect of fine particulate matter on mortality in three Southeastern states from 2007-2011[J]. J Expo Sci Environ Epidemiol，2016， 26（2）：173-179.
[10] Samet JM，Dominici F，Curriero FC，et al. Fine particulate air pollution and mortality in 20 U.S. cities，1987-1994[J]. N Engl J Med，2000，343（24）：1742-1749.
[11] Ma Y，Chen R，Pan G，et al. Fine particulate air pollution and daily mortality in Shenyang，China[J]. Sci Total Environ，2011，409（13）：2473-2477.
[12] Yang C，Peng X，Huang W，et al. A time-stratified case-crossover study of fine particulate matter air pollution and mortality in Guangzhou，China[J]. Int Arch Occup Environ Health，2012，85（5）：579-585.
[13] Zhang F，Liu X，Zhou L，et al. Spatiotemporal patterns of particulate matter（PM）and associations between PM and mortality in Shenzhen，China[J]. BMC Public Health，2016， 16：215.
[14] Daniels MJ，Dominici F，Zeger SL，et al. The National Morbidity，Mortality，and Air Pollution Study. Part III： PM10 concentration-response curves and thresholds for the 20 largest US cities[J]. Res Rep Health Eff Inst，2004（94 Pt 3）：1-21， 23-30.
[15] Schwartz J，Coull B，Laden F，et al. The effect of dose and timing of dose on the association between airborne particles and survival[J]. Environ Health Perspect，2008，116（1）：64-69.
[16] Zheng S，Wang M，Wang S，et al. Short-term effects of gaseous pollutants and particulate matter on daily hospital admissions for cardio-cerebrovascular disease in Lanzhou：Evidence from a heavily polluted city in China[J]. Int J Environ Res Public Health，2013，10（2）：462-477.
[17] Schwartz J，Laden F，Zanobetti A. The concentration-response relation between PM（2.5） and daily deaths[J]. Environ Health Perspect，2002，110（10）：1025-1029.
[18] Beelen R，Raaschou-Nielsen O，Stafoggia M，et al. Effects of long-term exposure to air pollution on natural-cause mortality：An analysis of 22 European cohorts within the multicentre ESCAPE project[J]. Lancet，2014，383（9919）：785-795.
（收稿日期：2016-08-02）
