空气污染物对呼吸系统疾病门诊量影响的时间序列分析

目的 了解空气中PM2.5、PM10、SO2、NO2污染物每日质量浓度和气温、湿度与呼吸系统疾病门诊量的关联性,以评估4种污染物对呼吸系统疾病发病的影响.方法 收集宿迁市2018年空气污染物浓度数据、气象数据和医院呼吸系统疾病门诊量数据并整理成时间序列,建立泊松分布广义相加模型,以分析污染物浓度和逐日呼吸系统疾病门诊量...     

深圳市大气PM10与呼吸系统疾病日门诊量的时间序列分析

目的探讨大气可吸入颗粒污染物（PM10）对医院呼吸系统疾病门诊量的影响。方法2012年1月1日至12月31日疾病资料来源于深圳市2家三级甲等综合性医院逐日门诊病例资料,空气污染物资料来自深圳市环境监测站,气象资料来自气象局。采用广义相加Poisson回归模型的时间序列分析,在控制长期趋势、星期几效应和气象等影响因素后,对大气PM10日均浓度与呼吸系统疾病日门诊量的关系和滞后效应进行分析。结果深圳市2012年全年日均大气PM10浓度为0．052mg／m^3,符合国家二级标准,2家医院全年呼吸系统门诊量为562174人次,平均1535．99人次／d。广义相加模型分析结果发现PM10日均浓度与呼吸系统疾病门诊量存在正相关关系。滞后6d时PM10日均浓度对呼吸系统疾病门诊量的影响最强[相对危险度（RR）为1．0047,95％CI：1．0036—1．0058]。引入CO、O3、NO2、SO2进行多污染物模型分析发现,多污染物模型的RR值相对单污染物模型有升有降（均P〈0．05）,其中以双污染物模型PM10＋SO2和三污染物模型PM10＋CO＋SO2中的PM10的RR值最高,分别为1．0059、1．0067。结论深圳市大气PM10污染与医院呼吸系统疾病日门诊量呈正相关关系,且存在滞后效应。     

大气污染与呼吸系统疾病日门诊量的时间序列分析

目的 探讨大气污染对医院呼吸系统疾病日门诊量的影响.方法 收集广州市某医院2006年1月1日-2008年12月31日呼吸系统疾病日门诊量的统计资料,结合同时期环境监测和气象资料,采用自回归模型(auto-regressionmodel),在消除了气象、季节等混杂冈素的基础上,分析了广州市研究期问大气污染与呼吸系统疾病日门诊量的关系.结果 呼吸系统疾病日门诊的就诊量具有明显的星期效应(医院周六、周日休息所致),呼吸系统疾病就诊量较大月份与各污染物浓度较高的月份趋于一致.大气中SO_2和NO_2的浓度每增加10μg/m~3居民呼吸系统疾病的日门诊就诊最分别各增加3%(P<0.01).灰霾天气的窄气污染物浓度高于非灰霾天气.结论 广州市大气主要污染物SO_2和NO_2浓度的升高引起居民呼吸系统疾病的日门诊就诊量相应增加.

Abstract：

Objective To know the relationship between air pollutants and daily hospital visits for respiratory diseases in Guangzhou. Methods The data of daily hospital visits for respiratory diseases in a hospital in Guangzhou during 2006 to 2008, along with the daily meteorological factors, air pollutants concentration (NO_2, PM10.FM2.5 and SO_2) were collected. The time series analysis auto-regression model was used, considering the potential confounding factors such as seasonal and meteorological factors. Results Daily hospital visits for respiratory diseases presented a significant week effect, the time of higher daily hospital visits for respiratory diseases was the same of higher concentration of pollutants. When SO_2 and NO_2 increased by 10 μg/m~3, the daily hospital visits increased by 3%(P<0.01). The concentration of pollutants in haze days was higher than that in non-haze days. Conclusion Increase in daily hospital visits for respiratory diseases in Guangzhou can be caused by air pollutant level increasing.     

北京市顺义区大气污染物对呼吸系统疾病门诊量的影响

目的探讨北京市顺义区大气污染物对医院呼吸系统疾病门诊量的短期影响。方法收集2014年1月1日-2015年12月31日北京市顺义区二级及以上医疗机构呼吸系统疾病每日门诊资料和同期北京市顺义区大气及气象监测资料,采用基于时间序列的半参数广义相加模型,在控制长期趋势、星期效应、假期效应、流感流行及气象因素等混杂因素的基础上,分析大气污染物浓度与呼吸系统疾病日门诊量的关系及滞后效应。结果研究期间,北京市顺义区二级及以上医疗机构呼吸系统疾病日门诊量平均为1653人次,范围420~5034人次。单污染物模型中,PM_(2.5)、PM_(10-2.5)、二氧化硫(SO_2)和二氧化氮(NO_2)均是滞后0~2d(avg02)的移动平均值对呼吸系统疾病门诊人数影响最为显著,臭氧(O_3)是在滞后3d(lag3)的浓度值对呼吸系统疾病门诊人数影响最为显著。PM_(2.5)、PM_(10-2.5)、SO_2、NO_2和O_3浓度每增加10μg/m~3对应的呼吸系统疾病门诊人数增加百分比分别为0.25%(95%CI:0.22~0.28)、0.52%(95%CI:0.44~0.60)、0.73%(95%CI:0.58~0.88)、1.23%(95%CI:1.12~1.33)和0.20%(95%CI:0.16~0.24)。在双污染物模型中,引入NO_2后,PM_(2.5)、PM_(10-2.5)和SO_2对呼吸系统疾病门诊人数影响较单污染物模型明显减小。结论北京市顺义区大气污染物PM_(2.5)、SO_2、NO_2和O_3浓度对医院呼吸系统疾病日门诊量有影响,且存在滞后效应。     

天津市和平区大气污染物浓度与呼吸系统疾病日门诊量相关性分析

目的探讨天津市和平区2013年11、12月及2014年1月期间大气污染物浓度与呼吸系统疾病门诊量之间的关系。方法搜集天津市2013年11、12月及2014年1月每天主要大气污染物SO_2、NO_2、可吸入颗粒物(PM_(2.5)、PM_(10))浓度值及同期和平区随机两所医院作为代表的医院门诊就诊数据,统计3个月内每日呼吸系统疾病门诊就诊率,并具体统计支气管炎、哮喘、上呼吸道感染和肺炎4种疾病的就诊率。通过SPSS软件处理数据,运用多元线性回归分析其相关性。结果 PM2.5与支气管炎及肺炎的相关系数均为0.452,上呼吸道感染与PM_(10)、NO_2、SO_2的相关系数分别为0.594、0.627、0.584,哮喘与SO_2的相关系数为0.477。PM_(10)、SO_2、NO_2均与上呼吸道感染具有相关性,PM_(2.5)与支气管炎、肺炎门诊量有密切关系,仅SO_2与哮喘就诊率呈相关性。结论天津市和平区大气污染物浓度与呼吸系统疾病门诊就诊量之间具有相关性。在冬季取暖期间,政府需采取必要的改善环境的相关干预措施,争取可以有效地降低空气中污染物浓度。     

2014-2020年成都市大气污染物与呼吸系统疾病门诊量的时间序列研究

目的 了解成都市空气污染物污染状况及对成人和儿童呼吸系统疾病门诊量的影响.方法 收集2014-2020年度成都市3家综合医院的成人和儿科呼吸系统疾病日门诊量、空气污染物(PM10、PM2.5、NO2、CO、SO2)浓度和气象数据(温度、湿度)资料.在控制时间趋势、"星期几效应"以及温湿度等混杂因素基础上,采用时间序列的...     

兰州市大气气态污染物与呼吸系统疾病日入院人数的时间序列分析

目的探讨兰州市大气气态污染物NO2和SO2对呼吸系统疾病住院的健康效应。方法采用时间序列的半参数广义相加模型(GAM),在控制了时间的长期趋势、"星期几效应"及气象因子等混杂因素的影响后,分析2001-2005年兰州市大气NO2和SO2浓度与呼吸系统疾病入院人数的暴露-反应关系。结果大气NO2和SO2浓度对呼吸系统疾病入院人数具有不同程度的影响。单污染物模型中,NO2和SO2分别以滞后1天和0天对呼吸系统健康的影响最强。滞后1天NO2和无滞后SO2浓度增加一个四分位数间距时,呼吸系统疾病入院人数增加的相对危险度分别为:1.060(95%CI 1.046～1.074)和1.048(95%CI 1.031～1.065);女性和老年人为易感人群;2种污染物在秋冬季的作用比春夏季更明显。结论兰州市大气NO2和SO2浓度对呼吸系统疾病的日入院人数有影响。     

石家庄市正定县空气污染物对湿疹日门诊量影响的时间序列分析

目的  探讨石家庄市正定县空气污染物对湿疹日门诊量的影响。 方法  收集正定县2017年1月1日至2019年12月31日的湿疹门诊数据以及同期空气污染物数据(PM₁₀、PM_2.5、SO₂和NO₂)和气象因素数据(日均气温、日均相对湿度)。利用广义相加模型分别建立单污染物模型和双污染物模型,分析空气污染物与湿疹日门诊量之间的关系,并按照性别、年龄进行分层分析。 结果  单污染物模型显示,空气污染物PM₁₀、PM_2.5、SO₂和NO₂浓度每增加10 μg/m³,湿疹日门诊量分别升高0.60%(95% CI：0.16%~1.05%)、0.71%(95% CI：0.04%~1.39%)、4.45%(95% CI：1.51%~7.47%)和2.75%(95% CI：0.24%~5.32%)。拟合双污染物模型后,PM₁₀、PM_2.5和NO₂对湿疹日门诊量的效应消失,SO₂对湿疹日门诊量的效应略微下降。分层分析结果显示,男性、15岁以下和65岁及以上人群可能对污染物更为敏感。 结论  正定县空气污染物PM₁₀、PM_2.5、SO₂和NO₂浓度升高导致湿疹日门诊量增加。     

广州市越秀区大气NO2污染与儿童呼吸系统疾病门诊量的时间序列分析

目的探讨广州市越秀区大气NO_(2)对儿童呼吸系统疾病门诊量的影响。方法收集2014—2016年大气污染物NO_(2)数据、气象资料和越秀区某儿童医院呼吸系统疾病门诊量资料。采用Spearman秩相关分析和广义相加模型时间序列分析研究大气NO_(2)浓度与同期儿童呼吸系统疾病门诊量的关系和滞后效应。结果2014—2016年越秀区大气NO_(2)浓度年均值分别为61.30、60.46和60.81μg/m^(3),超标天数分别为70、64和62 d。时间序列分析结果表明,大气NO_(2)浓度对呼吸系统疾病门诊量第(0~7)d有明显影响,当天(lag0 d)的影响最大,超额危险度ER(95%CI)为1.45%(0.93%~1.98%);累积滞后(0~6)d(lag06 d)时累积效应最强,超额危险度ER(95%CI)为3.07%(2.04%~4.10%)。结论2014—2016年广州市越秀区NO_(2)浓度增加会导致呼吸系统疾病门诊量增加。     

淮安市城区大气污染与呼吸系统疾病门诊量的时间序列分析

目的 探讨淮安市城区大气污染物对日呼吸系统疾病发生的急性影响,为呼吸系统疾病的早期预防提供科学依据。方法 收集淮安地区2015全年气象,环保及城区部分医疗机构呼吸系统疾病门诊量数据,采用Poisson分布广义相加模型(GAM)分析主要大气污染物(PM2.5、PM10、SO2、NO2)与呼吸系统疾病门诊量的关系。结果 (1)Spearman等级相关分析发现PM2.5、PM10、SO2和NO2与日呼吸系统疾病门诊量发生成正相关(P<0.01);(2)单污染物模型分析显示:PM2.5、NO2对日呼吸系统疾病门诊量的影响效应均在当日达到最大值,PM10、SO2对日呼吸系统疾病门诊量的影响效应分别在滞后第4天、滞后第3天达到最大值,且日浓度每升高10 μg/m3,对呼吸系统门诊量风险增加分别为0.26%(0.076%~0.44%),2.90%(2.20%~3.60%),0.26%(0.15%~0.38%)和2.40%(1.80%~3.00%);(3)多污染物模型分析显示:SO2与NO2在引入其他污染物时对日呼吸系统疾病门诊量影响均有所下降,且均具有统计学意义。结论 淮安市城区大气污染物(PM2.5、PM10、SO2、NO2)与呼吸系统疾病门诊量密切相关,并且SO2、NO2浓度增加更易增加呼吸系统疾病的发病风险。     

唐山市空气污染物对某医院呼吸系统疾病门诊量的影响

目的探讨唐山市空气污染对人群呼吸系统疾病门诊量的影响。方法采用广义相加泊松模型的时间序列研究方法,在控制门诊量的长期趋势、星期几效应、气象因素等混杂因素的影响的基础上,分析唐山市2014年1月1日—2016年12月31日大气污染物质量浓度与呼吸系统疾病日门诊量的关系。结果大气PM_(2.5)、PM_(10)及SO_2与呼吸系统疾病门诊量呈正相关,且与一定的滞后效应,并且质量浓度每升高10μg/m~3,呼吸系统疾病日门诊量分别上升0.37%(RR=1.003 7,95%CI:1.001 6～1.005 8)、0.26%(RR=1.002 6,95%CI:1.001 1～1.004 1)、0.70%(RR=1.007 0,95%CI:1.003 5～1.010 5),多污染物模型中,PM_(2.5)、PM_(10)及SO_2每升高10μg/m~3,呼吸系统疾病日门诊量分别上升0.07%(RR=1.000 7,95%CI:0.994 0～1.007 5)、0.08%(RR=1.000 8,95%CI:0.996 0～1.005 6)、0.49%(RR=1.004 9,95%CI:1.000 3～1.009 6)。结论唐山市的大气污染物与居民呼吸系统疾病日门诊量之间存在正相关。     

深圳市大气PM_(10)浓度对呼吸系统疾病日门诊量的影响

目的探讨大气PM10对医院呼吸系统疾病日门诊量的影响。方法采用广义相加Poisson回归模型的时间序列分析,在控制长期趋势、星期几效应、气象和环境因素等的影响后,对深圳市2008年大气PM10日均浓度与同期某医院呼吸系统疾病日门诊量的关系进行定量回归分析,同时考虑滞后效应。结果当日大气PM10浓度与当日门诊量的关系无统计学意义(P>0.05)。PM10滞后效应以滞后5日的健康效应最强,每上升10μg/m3,超额危险度为1.113%(95%CI 0.613%～1.616%)。考虑CO、NO2、SO2等的影响后,除单独引入CO降低PM10效应估计值外,其余均使PM10的健康效应估计值有所升高。结论深圳市大气PM10污染与医院呼吸系统疾病日门诊量存在正相关。     

唐山市空气污染物对某医院呼吸系统疾病门诊量的影响

目的探讨唐山市空气污染对人群呼吸系统疾病门诊量的影响。方法采用广义相加泊松模型的时间序列研究方法,在控制门诊量的长期趋势、星期几效应、气象因素等混杂因素的影响的基础上,分析唐山市2014年1月1日—2016年12月31日大气污染物质量浓度与呼吸系统疾病日门诊量的关系。结果大气PM_(2.5)、PM_(10)及SO_2与呼吸系统疾病门诊量呈正相关,且与一定的滞后效应,并且质量浓度每升高10μg/m~3,呼吸系统疾病日门诊量分别上升0.37%(RR=1.003 7,95%CI:1.001 6～1.005 8)、0.26%(RR=1.002 6,95%CI:1.001 1～1.004 1)、0.70%(RR=1.007 0,95%CI:1.003 5～1.010 5),多污染物模型中,PM_(2.5)、PM_(10)及SO_2每升高10μg/m~3,呼吸系统疾病日门诊量分别上升0.07%(RR=1.000 7,95%CI:0.994 0～1.007 5)、0.08%(RR=1.000 8,95%CI:0.996 0～1.005 6)、0.49%(RR=1.004 9,95%CI:1.000 3～1.009 6)。结论唐山市的大气污染物与居民呼吸系统疾病日门诊量之间存在正相关。     

深圳市龙岗区大气污染物与医院呼吸系统疾病门诊量的广义相加模型分析

目的 探讨深圳市龙岗区主要大气污染物(SO₂、NO₂、PM₁₀与PM_2.5)与医院呼吸系统疾病门诊量的关系。 方法 收集2013年1月1日－2015年12月31日深圳市龙岗区2家公立医院呼吸系统疾病逐日门诊量资料,深圳市龙岗区逐日大气污染物浓度及逐日气象资料分别来自深圳市环境监测站及气象局,运用时间序列分析广义相加模型对大气污染物日均浓度与呼吸系统疾病门诊量的关系及滞后效应进行分析。 结果 深圳市龙岗区2013－2015年SO₂ 、NO₂ 、PM₁₀ 与PM_2.5浓度中位数分别为8.08、38.08、46.05 μg/m³及31.04 μg/m³。2家医院三年呼吸系统门诊总量为549 169人次,日门诊量中位数为499人次/d。广义相加模型分析结果表明,除NO₂对呼吸系统疾病门诊量影响差异无统计学意义外,其余三种污染物对呼吸系统疾病门诊量影响均存在滞后效应,污染物每升高10 μg/m³,滞后2 d时SO₂对门诊量影响最强(相对危险度RR为1.030 7,95%CI:1.015 7~1.045 9),滞后3 d时PM₁₀与PM_2.5浓度对呼吸系统疾病门诊量影响最强(PM₁₀:RR=1.005 4,95%CI:1.002 8~1.008 0,PM_2.5:RR=1.006 0, 95%CI:1.002 7~1.009 4)。 结论 深圳市龙岗区大气SO₂、PM₁₀与PM_2.5浓度对医院呼吸系统疾病门诊量影响存在滞后效应。     

2019—2021年浙江省嘉兴市大气颗粒物与呼吸系统疾病门诊量关系的时间序列分析

【目的】探讨浙江省嘉兴市大气颗粒物(PM)与呼吸系统疾病门诊量的关系。【方法】收集嘉兴市2019—2021年逐日大气污染物、气象和呼吸系统疾病门诊量资料。采用广义相加模型(GAM),控制长期趋势、星期几效应、节假日效应和气象因素等混杂因素,分析PM含量与呼吸系统疾病门诊量的关系及滞后效应。【结果】PM_2.5、PM₁₀、臭氧(O₃)和二氧化氮(NO₂)存在日均浓度超标情况,超标天数占比分别为3.4%、1.3%、11.0%和0.8%。PM_2.5每增加10μg·m^-3,呼吸系统疾病门诊总量、成人和儿童呼吸系统疾病门诊量效应值均在lag07时达到最大,超额风险ER(95%CI)分别为2.29%(1.35%～3.24%)、2.31%(1.39%～3.23%)和2.65%(1.36%～3.96%);PM₁₀每升高10μg·m^-3,呼吸系统疾病门诊总量、成人和儿童门诊量效应值分别在lag07、lag06、lag07时达到最大,...     

武威市沙尘天气对儿童呼吸系统疾病日门诊量的影响

目的探讨武威市沙尘天气对儿童呼吸系统健康的影响。方法收集2015—2016年沙尘天气高发期(3—5月)武威市0～14岁儿童呼吸系统疾病门诊逐日资料和同期气象环境资料,采用分布滞后非线性模型(DLNM)进行沙尘天气PM10和PM2.5浓度与儿童呼吸系统疾病日门诊量的关联性研究。结果与非沙尘天气比较,沙尘天气日均风速(3.31 m/s)、PM10日均浓度(287.32μg/m3)、PM2.5日均浓度(92.57μg/m3)均较高(P0.05)。沙尘天气PM10浓度上升与儿童呼吸系统疾病门诊量的增加相关,呈滞后效应;PM10累积效应对0～14岁儿童、6～14岁儿童分别在滞后3～5 d、3～8 d有统计学意义,分别于第5、8天达最大,RR(95%CI)值分别为1.993 6(1.039 7～3.822 7)、3.795 8(1.064 5～13.534 4);对0～5岁儿童累计效应在整个滞后期均无统计学意义。PM2.5的累积效应对不同年龄儿童在整个滞后期均无统计学意义。结论武威市沙尘天气高浓度PM10污染可增加儿童呼吸系统疾病日门诊量,呈滞后效应,6～14岁儿童是敏感人群。     

2015年哈尔滨市某地区空气污染物与呼吸系统疾病门诊量关系的时间序列研究

目的初步探讨哈尔滨市道里区空气主要污染物(PM_(2.5)、PM_(10)、SO_2、NO_2)对人群呼吸系统疾病门诊量水平的影响。方法采用广义线性模型,在控制长期趋势、气象因素和其他与时间长期变异有关的混杂因素条件下,分析空气主要污染物与人群呼吸系统疾病门诊量的关系。结果 2015年哈尔滨市道里区大气污染物PM_(2.5)、PM_(10)、SO_2、NO_2的全年日均质量浓度分别为62.51、95.61、36.97和55.01μg/m~3;哈尔滨市第一医院日均呼吸系统门诊量霾日高于非霾日,且具有统计学意义(P<0.05);大气污染物PM_(2.5)、SO_2水平与呼吸系统门诊量存在暴露—反应关系,滞后效应分析发现PM_(2.5)污染当天,PM_(2.5)浓度每升高10μg/m~3,人群呼吸系统疾病门诊量RR值为1.0052(95%CI:1.002 7~1.007 6),SO_2在污染滞后1 d最为显著,SO_2浓度每升高10μg/m~3,人群呼吸系统疾病门诊量RR值为1.005 1(95%CI:1.002 5~1.007 6)。结论哈尔滨市道里区空气污染物(PM_(2.5)、SO_2)对人群呼吸系统疾病门诊量水平有影响。     

杭州市大气污染物对儿童呼吸系统疾病影响研究

目的研究杭州市大气污染物浓度与儿童呼吸系统疾病门诊人次的关系。方法收集杭州市儿童呼吸系统疾病监测点医院2014年逐日呼吸系统疾病门诊人次数、大气主要污染物及相关气象因素。采用基于时间序列的Poisson广义相加模型(generalized additive model,GAM),在控制了长期趋势、"星期几效应"及气象因子等混杂因素的影响后,分析2014年杭州市大气污染物与儿童呼吸系统疾病门诊量的暴露-反应关系及滞后效应,并分别建立单污染物和多污染物模型。结果2014年,杭州市年平均NO_2、PM_(10)、PM2.5的浓度均高于二级标准浓度限值;Spearman秩相关分析显示,儿童呼吸系统疾病门诊人次与多种污染物(SO_2、NO_2、CO_、O_3、PM10、PM2.5)浓度呈正相关(P0.05)。基于GAM模型分析,调整气象因素、"星期几效应"、"假期效应"等因素后,杭州市多种大气主要污染物对儿童呼吸系统疾病健康损害效应从大到小顺序:NO_2[RR(95%CI):1.063 9(1.059 1~1.068 7)]、PM_(10)[RR(95%CI):1.047 9(1.046 0~1.049 9)]、CO_[RR(95%CI):1.039 8(1.016 1~1.064 1)]、O_3[RR(95%CI):1.025 1(1.023 1~1.027 1)]、PM_(2.5)[RR(95%CI):1.024 1(1.022 1~1.026 1)]、SO_2[RR(95%CI):1.020 6(1.012 1~1.029 2)]。结论杭州市大气主要污染物浓度增高可能会导致儿童呼吸系统疾病门诊量增加,应加强监测,降低儿童呼吸系统疾病发病率。     

济南市空气污染对呼吸系统疾病门诊量的影响

目的探讨空气污染对济南市某医院呼吸系统疾病的短期影响及在人群中的差异。方法收集济南市某医院2010年1月1日至2012年12月31日呼吸系统疾病门诊资料、同期气象及空气污染数据,采用分布滞后非线性模型和温度分层等方法研究空气污染的滞后效应及其与气温的交互作用。结果空气污染当日即可引起呼吸系统门诊量升高,且效应可持续18 d;空气污染指数每升高10时,14 d累积效应可使呼吸系统门诊量增加4.26%(95%CI:1.89%~6.69%);将日最高气温按照P10和P90分为低、中、高3个水平后,空气污染指数每升高10可使呼吸系统疾病门诊量分别增加0.24%(95%CI:-4.65%~5.39%),2.54%(95%CI:0.55%~4.57%)和11.24%(95%CI:4.69%~18.20%),其中高温与空气污染的交互作用有统计学意义(P0.05),且在0~14岁人群中效应更明显。结论空气污染加重会导致呼吸系统疾病门诊人数升高且持续时间较长,并与高温有交互作用。提示高温天气时更应加强对空气污染的防护,尤其应关注儿童等脆弱人群。