武汉市大气污染物水平与儿童呼吸道疾病门诊量的滞后效应分析

[目的]评估武汉市大气污染物PM_(2.5)、PM_(10)、NO_2、O_3、CO和SO_2日均质量浓度(以下简称"浓度")对儿童呼吸道疾病就诊量的影响。[方法]收集2015—2016武汉市大气污染物资料、气象资料和湖北省妇幼保健院儿童呼吸系统疾病病例资料。用Spearman相关分析6种大气污染物与平均温度和相对湿度的相关性。采用广义相加模型(GAM)控制星期几效应、气象因素、假期效应等因素,分析大气污染物与儿童上、下呼吸道疾病门诊量和呼吸系统疾病总门诊量的关系及滞后效应(lag1~lag5)和累积效应(lag0:1~lag0:5),选取最大效应值作为大气污染物对就诊量影响的暴露风险估计值。[结果]在累积滞后效应中,大气污染物浓度每上升一个四分位数间距,呼吸系统疾病总门诊量上升的超额危险度(ER)及其95%可信区间(95%CI)分别为:PM_(2.5)(lag0:4)1.78%(0.12%~3.46%)、PM_(10)(lag0:5)3.48%(0.49%~6.56%)、NO_2(lag0:5)6.59%(3.75%~9.52%)、CO(lag0:5)3.27%(0.02%~6.63%)、SO_2(lag0:5)3.66%(0.62%~6.80%)、O_3(lag0:4)2.65%(0.03%~5.29%),都是在累积滞后4~5 d时总门诊量ER达到最高。在滞后效应中,下呼吸道疾病门诊量在PM_(2.5)、PM_(10)、NO_2、CO和SO_2滞后5 d时ER达到最高;上呼吸道疾病门诊量在PM_(2.5)、PM_(10)和SO_2当日,NO_2和CO滞后4 d时ER达到最高;下呼吸道疾病就诊量与O_3无明显关联(P0.05)。[结论]武汉市6种大气污染物浓度升高对儿童呼吸系统疾病门诊量的增加有明显影响,且对下呼吸道疾病存在较为明显的滞后效应。     

合肥市大气颗粒物污染对成人内科门诊量影响的时间序列分析

目的探讨合肥市大气颗粒物(PM_(2.5)、PM_(10))暴露对成人内科门诊量的影响。方法收集合肥市2016—2018年逐日大气污染物监测资料、气象资料及成人内科日门诊量资料。采用广义相加模型(GAM)的时间序列分析方法,控制时间趋势、气象因素、星期几效应等混杂因素,评估颗粒物浓度对成人内科门诊量的影响,包括滞后效应(lag0~lag7 d)和累积滞后效应(lag01~lag07 d),同时分析引入其他污染物后,对大气颗粒物浓度与成人内科门诊量效应的影响。计算大气颗粒物浓度每升高10μg/m^(3),成人内科门诊量增加的超额风险(ER)及95%可信区间(95%CI)。结果合肥市大气颗粒物浓度升高与成人内科日门诊量增加存在关联。PM_(2.5)每升高10μg/m^(3),成人内科日门诊总量、呼吸系统疾病日门诊量和循环系统疾病日门诊量效应值分别在lag04、lag07和lag04 d达到最大,ER(95%CI)分别为1.04%(0.39%~1.70%)、0.74%(0.06%~1.43%)和2.61%(1.27%~3.96%);PM_(10)每升高10μg/m^(3),成人内科日门诊总量和呼吸系统疾病日门诊量效应值分别在lag0和lag07达到最大,ER(95%CI)分别为0.41%(0.06%~0.76%)和0.77%(0.29%~1.26%)。结论合肥市PM_(2.5)、PM_(10)浓度升高可能会增加成人内科门诊量,且具有一定的滞后性。     

2015年-2017年杭州市大气PM2.5对儿童医院呼吸系统疾病门诊量的影响

目的分析环境大气PM2.5污染对儿童医院呼吸系统疾病门诊量的影响。方法获取2015年-2017年杭州市某儿童医院门诊量信息,收集全市气象和环境大气污染监测资料,采用广义线性模型(GLM),分析环境大气PM2.5污染对儿童医院呼吸系统疾病门诊量的影响。结果儿童医院呼吸系统疾病日门诊量与日均气温、PM10、NO_2、SO_2、O_3、CO、PM2.5有相关性(P0.01)。在滞后第0 d、3 d、4 d、8 d～19 d,大气PM2.5污染可增加儿童医院呼吸系统疾病门诊量。超额危险度(ER)在当日及累积滞后第25 d达到最大值,环境大气PM2.5污染每升高10μg/m~3儿童医院呼吸系统疾病门诊量提高0.85%(95%CI:0.42%～1.28%)和7.40%(95%CI:5.50%～9.33%)。结论 2015年-2017年杭州市大气污染物PM2.5浓度升高可导致儿童医院呼吸系统疾病门诊量增加,这些影响存在滞后效应及累积效应。     

苏州市大气颗粒物与居民呼吸系统疾病死亡的时间序列分析

目的探讨苏州市大气颗粒物的急性暴露与居民每日呼吸系统疾病死亡的关系。方法采用时间序列的广义相加模型,在控制时间趋势和气象因素等混杂因素的基础上,建立单污染物和双污染物模型,分析2010—2013年苏州市大气PM10、PM2.5浓度对居民每日呼吸系统疾病死亡人数的影响。结果单污染物模型中,苏州市大气PM10(lag0~1)、PM2.5(lag4)浓度每升高10μg/m3,居民呼吸系统疾病日死亡数分别增加0.408%(95%CI:0.083%~0.732%)和0.509%(95%CI:0.098%~0.921%)。双污染物模型中,调整大气PM2.5的影响后,PM10(lag0~1)对呼吸系统疾病死亡的超额危险度略有增加(ER=0.466%,95%CI:0.062%~0.871%);分别调整PM10和NO2的影响后,PM2.5(lag4)对呼吸系统疾病死亡的超额危险度分别为0.525%(95%CI:0.020%~1.029%)和0.782%(95%CI:0.320%~1.243%),差异均有统计学意义(P0.05)。结论苏州市大气PM10和PM2.5浓度升高可能导致居民每日呼吸系统疾病死亡人数增加。     

郑州市空气污染与儿童医院呼吸系统日门诊量的相关性

目的探讨空气污染与儿童医院呼吸系统门诊量间的关系。方法应用时间序列分析广义线性模型,对2013—2014年郑州市儿童医院呼吸系统门诊量、郑州市大气监测点的空气污染监测资料及郑州市气象资料进行大气污染与儿童医院呼吸系统门诊量的相关性分析。结果 Spearman秩相关分析得PM_(10)、PM_(2.5)、NO_2和SO_2与呼吸系统门诊量呈正相关(P0.01);PM_(10)浓度每增10μg/m~3,当日呼吸系统门诊量增加0.72%;PM_(2.5)浓度每增加10μg/m~3,当日呼吸系统门诊量增加0.90%;NO_2浓度每增10μg/m~3,当日呼吸系统门诊量增加7.73%,在累积滞后(0～5) d时效应最强,超额危险度(ER)为9.88%;SO_2浓度每增10μg/m~3,当日呼吸系统门诊量增加2.92%,且在累积滞后(0～3) d时效应最强,ER为3.22%。结论郑州市的空气污染物能增加儿童医院呼吸系统门诊量。     

银川市大气气态污染物对人群死亡影响的时间序列分析

目的了解银川市大气气态污染物水平及其对人群死亡的影响。方法收集银川市2013—2015年人群死亡监测数据、大气污染物浓度及气象监测数据,采用时间序列的广义相加模型分析银川市大气气态污染物对人群死亡影响的暴露-反应关系。结果银川市大气SO_2、NO_2的年均浓度均超过GB 3095—2012《环境空气质量标准》二级标准的年平均浓度限值。SO_2日均浓度每升高10μg/m~3,人群循环系统疾病死亡的超额危险度为0.69%(95%CI:0.07%~1.31%);NO_2日均浓度对人群循环系统疾病死亡的影响无统计学意义;银川市大气CO日均浓度每升高1 mg/m~3,人群循环系统疾病死亡的超额危险度为5.83%(95%CI:0.52%~11.42%)。银川市大气SO_2、NO_2日均浓度每升高10μg/m~3及CO日均浓度每升高1 mg/m~3,人群呼吸系统疾病死亡的超额危险度分别为1.39%(95%CI:0.06%~2.74%)、5.92%(95%CI:2.47%~9.49%)及13.73%(95%CI:3.09%~25.46%)。结论银川市大气污染水平相对较高,大气气态污染物浓度对人群循环系统疾病及呼吸系统疾病死亡存在一定影响。     

成都市PM_(2.5)水平与人群呼吸系统疾病死亡的时间序列研究

目的探讨成都市空气PM_(2.5)对人群呼吸系统疾病死亡的影响。方法收集成都市2013—2015年空气污染物日平均浓度、呼吸系统疾病每日死亡人数及气象因素,采用时间序列的广义相加模型(generalized additive models,GAM),在控制时间的长期趋势、气象因素等混杂因素的基础上,分析PM_(2.5)浓度对人群呼吸系统疾病死亡的影响。结果单污染物模型中,PM_(2.5)浓度对呼吸系统疾病死亡的效应在滞后1d(lag1)时最大,PM_(2.5)浓度每升高10μg/m~3呼吸系统疾病死亡超额危险度增加0.31%(95%CI:0.10%~0.52%)。多污染物模型中,纳入SO_2、NO_2后,PM_(2.5)浓度对呼吸系统疾病死亡影响消失;纳入O_3后,PM_(2.5)浓度升高对呼吸系统疾病死亡影响有所降低,超额危险度为0.27%(95%CI:0.02%~0.47%)。结论成都市PM_(2.5)浓度升高可能与人群呼吸系统疾病死亡增加有关。     

合肥市大气污染与肺炎门诊量的时间序列研究

目的探讨大气污染物SO_2、NO_2和PM_(2.5)浓度与合肥市滨湖医院肺炎日门诊量之间的关系。方法采用时间序列分析的广义相加Poisson回归模型,在控制长期趋势、星期几效应和气象因素等混杂因素的影响后,定量分析2014年安徽省合肥市大气污染物SO_2、NO_2、PM_(2.5)日均浓度与滨湖医院肺炎日门诊量的关系及滞后效应。结果单污染物模型中,在控制了长期趋势、星期几效应和气象因素的影响后,SO_2在滞后3、4、5 d(lag3、lag4、lag5)时对肺炎日门诊量的影响有统计学意义(P0.05),NO_2滞后2、3、4、5 d(lag2、lag3、lag4、lag5)时的影响有统计学意义(P0.01),PM_(2.5)滞后3、4 d(lag3、lag4)时的影响有统计学意义(P0.05);SO_2、NO_2、PM_(2.5)的滞后效应分别在lag3、lag2、lag4时最明显,当SO_2、NO_2、PM_(2.5)浓度每升高10μg/m~3时,肺炎日门诊量分别增加1.54%(95%CI:0.28%~2.81%),1.98%(95%CI:0.89%~3.08%)和0.28%(95%CI:0.06%~0.50%)。多污染物模型中,当模型中引入两种或两种以上的污染物后,各污染物对肺炎日门诊量的效应估计值均较单污染物模型降低,但并不改变各污染物与肺炎日门诊量之间的正向关联。结论合肥市大气污染物SO_2、NO_2、PM_(2.5)浓度升高可能引起医院肺炎日门诊量增加,且有一定的滞后效应。     

济南市重污染区域大气污染物对循环系统疾病门诊量的急性效应

目的评价济南市空气污染严重区域大气污染物PM_(2. 5)、PM_(10)、NO_2、SO_2及O_3对当地居民循环系统疾病门诊就诊的暴露反应关系。方法收集2014—2016年济南市重污染区域某综合医院循环系统疾病逐日门诊信息、空气污染物浓度及气象信息,并进行描述性分析。采用广义线性模型,定量评估逐日大气污染物PM_(2. 5)、PM_(10)、NO_2、SO_2及O_3浓度与当地居民循环系统门诊就诊量之间的相关关系。结果 2014—2016年期间该综合医院循环系统疾病门诊量合计55 858人次,日均就诊量51人次/天,PM_(2. 5)、PM_(10)、NO_2、SO_2及O_3日均浓度分别为100、205、53、58及90μg/m3。PM_(2. 5)、PM_(10)、NO_2浓度每升高10μg/m3,当日循环系统疾病门诊量分别增加0.40%(95%CI:0.01%~0.80%)、0.25%(95%CI:0.03%~0.47%)、1.66%(95%CI:0.64%~2.68%)。仅发现NO_2与循环系统疾病门诊量存在累积滞后效应,NO_2浓度每升高10μg/m3,在Lag02时,循环系统疾病门诊量可增加2.13%(95%CI:0.81%~3.46%)。未发现SO_2及O_3与循环系统疾病门诊量之间存在显著效应。结论空气污染严重区域大气污染物PM_(2. 5)、PM_(10)及NO_2与循环系统疾病门诊量之间存在相关关系,未发现SO_2及O_3与循环系统疾病门诊量之间存在显著效应。     

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。     

牡丹江市大气污染对居民呼吸疾病就诊人数影响

目的探究黑龙江省牡丹江市大气污染对不同年龄、性别居民呼吸疾病就诊人数影响以及季节性变化,为牡丹江市因大气污染致呼吸疾病的防治提供理论依据。方法选择牡丹江市各医院2015年1月—2016年12月期间于呼吸科就诊的8 943 515例门诊、急诊就诊人员,采用半参广义相加模型(GAM)分析空气中二氧化硫(SO_2)、可吸入颗粒物(PM_(2.5))、二氧化氮(NO_2)等主要大气污染物对不同年龄、性别居民呼吸疾病就诊人数影响。结果 PM_(2.5)、NO_2、SO_2作为危险因子,对全人群呼吸系统疾病的最佳滞后天数分别为lag1、lag2、lag0,且污染物每增加增加10μg/m3对应的ER(95%CI)分别为3.981%(2.746~5.216%)、6.938%(5.017%~8.859%)、9.873%(7.454%~12.292%);大气污染对女性呼吸系统的影响明显高于男性,儿童和老人更易受大气污染物的影响,其中PM2.5每升高10μg/m3,男性儿童(≤18岁)、成人(19~64岁)和老人(≥65岁)的呼吸系统就诊例数分别升高3.308%(95%CI=2.331%~4.285%)、1.667%(95%CI=0.821%~2.521%)、2.912%(95%CI=2.149%~3.675%),女性分别升高3.517%(95%CI=2.362%~4.672%)、1.839%(95%CI=0.985%~2.639%)、3.233%(95%CI=2.459%~4.007%),SO2、NO_2仅对儿童与老年人群的呼吸系统疾病有影响,对成年人无明显影响。结论牡丹江市大气污染对女性呼吸系统的影响显著高于男性,同时对≥65岁老人以及≤18岁儿童呼吸系统的影响明显高于成年人。     

2016—2020年江西省南昌市大气污染物与儿童呼吸疾病门诊病例数的时间序列关联研究

目的 探讨江西省南昌市6种常规监测大气污染物对儿童呼吸疾病的影响。方法 选取2016－2020年江西省南昌市大气污染物、气象数据和江西省儿童医院呼吸系统日门诊量,采用时间序列Poisson分布的广义相加模型（GAM）,定量分析大气污染物与儿童呼吸系统疾病门诊病例数的相关性。 结果 研究期间大气污染物SO2、NO2、O3-8h、CO、PM2.5、PM10的日均浓度分别为11.35 μg/m3、32.80 μg/m3、 91.80 μg/m3、0.89 mg/m3、37.42 μg/m3、68.22 μg/m3。PM2.5、PM10、SO2、CO、NO2的浓度升高对儿童呼吸系统疾病日门诊量的增加存在统计学意义,均在当日（lag0）和累积滞后第7 d（lag07）效应最强,其中SO2在累积滞后（lag07）的浓度值对儿童呼吸系统疾病门诊病例数的超额危险度（ER = 9.47%,95%CI:6.78%～12.22%）最大。双污染物模型中,调整其他5种污染物后,O3-8h对儿童呼吸系统疾病门诊量的增加无统计学意义;将O3-8h引入双污染物模型后,均一定程度的增加了其他污染物的效应,SO2在O3-8h的影响下,对儿童呼吸系统疾病门诊数影响效应值最大;PM2.5、PM10、O3-8h引入双污染模型后,SO2和NO2的效应值均扩大。 结论 2016－2020年大气污染物对南昌市儿童呼吸系统疾病有统计学影响,污染物浓度的升高导致儿童呼吸系统门诊量就诊人数增加,其中SO2对门诊量影响最大。     

唐山市PM2.5污染对城市居民呼吸系统疾病日门诊量的影响

目的 评价PM_2.5污染程度对唐山市城市居民呼吸系统疾病日门诊量的影响。方法 收集唐山市2013年11月－2014年3月、2014年11月－2015年3月、2015年11月－2016年3月的气象监测数据、大气污染物浓度资料及各三级甲等综合性医院呼吸系统疾病日门诊人数,采用Pearson相关分析大气污染物、气象因素以及呼吸系统疾病门诊量之间的相关性；采用时间序列的广义相加模型分析大气污染浓度与呼吸系统疾病日门诊量之间的关联性。结果 2013年11月－2014年3月、2014年11月－2015年3月、2015年11月－2016年3月三个时间段内,各大气污染物之间每日浓度的相关性分析结果显示PM₁₀、PM_2.5、SO₂、NO₂、CO之间存在明显的正相关,各大气污染物与气湿之间呈正相关,除PM_2.5外,其他污染物与呼吸系统疾病日门诊量之间无明显的相关性。其中PM_2.5分别滞后1、2、4 d对呼吸系统疾病日门诊量影响最大。且PM_2.5浓度每增加10 μg/m3时,呼吸系统疾病日门诊量分别增加0.25%(95%CI：0.18%~0.32%)、0.65% (95%CI：0.31%~0.99%)、0.42% (95%CI：0.11%~0.73%)。结论 唐山市PM_2.5污染程度增高会导致呼吸系统疾病日门诊量的增加。     

2018—2020年西宁市城区PM2.5对儿童呼吸系统门诊量影响的时间序列分析

目的 探讨西宁市城区PM_2.5对儿童呼吸系统疾病、上呼吸道感染和慢性下呼吸道疾病门诊量的影响。方法 收集2018—2020年西宁市城区逐日气象资料、大气污染物数据、儿童呼吸系统疾病、上呼吸道感染和慢性下呼吸道疾病门诊量并进行分析。采用基于Quasi-Poisson回归的广义线性模型(GLM),控制时间的季节和长期趋势、气象因素、星期几效应后,分别开展PM_2.5与逐日儿童呼吸系统疾病、上呼吸道感染和慢性下呼吸道疾病门诊量的单滞后效应(lag0～lag7)和累积滞后效应(lag01～lag07)分析,计算PM_2.5每升高10μg/m³时儿童呼吸系统疾病、上呼吸道感染和慢性下呼吸道疾病增加的超额危险度(ER)。结果 2018—2020年西宁市城区PM_2.5浓度变化趋势与儿童呼吸系统疾病、上呼吸道感染和慢性下呼吸道疾病门诊量呈现一致的月度特征,PM_2.5年平均浓度为32μg/m³,儿童呼吸系统疾病、上呼吸道感染和慢性下呼吸道疾病日均门诊量依次...     

淄博市主城区大气PM2.5与呼吸系统疾病门诊人次的相关性研究

目的探讨淄博市主城区PM_(2.5)污染对医院每日呼吸系统疾病门诊人次的影响。方法收集淄博市主城区3家综合性医院2016年1月1日—2017年12月31日的呼吸系统疾病逐日门诊人次资料,结合同期的逐日大气污染数据和气象数据,在用广义相加模型(GAM)控制长期趋势、季节趋势、星期几效应及气象因素的影响后,分析PM_(2.5)日均浓度与呼吸系统疾病日门诊人次的关系。结果淄博市主城区2016—2017年PM_(2.5)日均浓度为68.4μg/m~3,医院呼吸系统疾病日门诊人次平均为386.6人次/d。Spearman相关分析表明,呼吸系统疾病日门诊人次与PM_(2.5)、SO_2、NO_2、CO均呈正相关(P0.05)。时间序列分析的单污染物模型显示,PM_(2.5)浓度对医院呼吸系统疾病日门诊人次的影响存在滞后效应,以滞后3 d时效应最强,PM_(2.5)浓度每升高10μg/m~3,呼吸系统日门诊人次的超额危险度(ER)为0.321%(95%CI:0.077%～0.566%);多污染物模型显示,分别引入SO_2、NO_2后,PM_(2.5)浓度每升高10μg/m~3,呼吸系统日门诊人次的ER分别为0.389%(95%CI:0.143%～0.636%)和0.334%(95%CI:0.091%～0.578%),而同时引入SO_2和NO_2后,ER无统计学意义(P0.05)。结论淄博市主城区呼吸系统疾病日门诊人次与短期PM_(2.5)浓度升高存在正向关联,可能会增加呼吸系统疾病的发病风险。     

大气颗粒物PM10、PM2.5对镇江市某综合医院成人呼吸系统、循环系统门诊量影响的时间序列分析

目的 分析大气颗粒物PM₁₀、PM_2.5与成人呼吸系统、循环系统门诊量的相关性。方法 收集镇江市2018年全年每日PM₁₀、PM_2.5日均浓度、气象数据及某综合医院每日呼吸系统门诊量、循环系统门诊量。采用基于广义相加模型的时间序列分析方法,定量分析大气颗粒物对呼吸系统和循环系统日门诊量的影响。结果 PM₁₀、PM_2.5质量浓度每升高10μg/m³,当日呼吸系统门诊量分别增加0.47%(95%CI:0.11%～0.83%)和0.61%(95%CI:0.18%～1.04%),当日循环系统门诊量分别增加0.64%(95%CI:0.14%～1.13%)和0.69%(95%CI:0.09%～1.31%)。PM₁₀在累积滞后2 d(lag02)时,对呼吸系统门诊量和循环系统门诊量的效应最大,其ER值分别为0.71%(95%CI:0.25%～1.17%)和0.69%(95%CI:0.05%～1.34%);PM_2.5<...     

2015-2018年张家港市大气PM2.5对儿科门诊量影响的时间序列分析

目的探讨张家港市大气PM_(2.5)污染对儿科日门诊量的影响。方法收集张家港市2015—2018年逐日气象资料、环保大气监测资料和某三级医院儿科门诊数据。采用基于Poisson回归的广义线性模型(GLM)控制时间趋势、温度和相对湿度、星期几效应、法定节假等因素后,进行PM_(2.5)与儿科门诊量的单污染物模型、滞后效应(lag1～lag6)和累积滞后效应(lag0-1～lag0-6)分析,采用滞后天数最大效应值作为PM_(2.5)对儿科门诊影响的暴露风险评估值。结果 2015—2018年,张家港市某三级医院的儿科门诊量共438 137人次,日均300人次,PM_(2.5)年均值是48.0μg/m~3(范围:38～59μg/m~3);PM_(2.5)污染对当天和滞后1～6 d的儿科总门诊量、当天和滞后1～5 d的呼吸系统疾病门诊量影响均有统计学意义,且分别在滞后第3天和第2天最强,PM_(2.5)浓度每升高10μg/m~3,门诊量分别增加0.51%(95%CI:0.20%～0.83%)和0.83%(95%CI:0.42%～1.23%);PM_(2.5)对累积滞后1～6 d的儿科总门诊量和呼吸系统疾病门诊量影响均有统计学意义(P 0.05)。结论张家港市大气PM_(2.5)浓度升高会导致儿科总门诊量和呼吸系统疾病门诊总量增加,应采取积极措施对儿童等重点人群开展有效防护。     

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,...     

2014-2018年南昌市大气PM2.5对儿童呼吸系统疾病门诊量的影响

目的分析大气PM_(2.5)对南昌市儿童呼吸系统疾病日门诊量的影响。方法收集2014—2018年南昌市大气污染物、气象、儿童呼吸系统门诊量资料。采用基于Poisson回归的广义线性模型,控制长期和季节变化趋势、气象因素、星期几效应等因素,分析大气PM_(2.5)对儿童呼吸系统门诊量的影响。结果 2014—2018年南昌市PM_(2.5)逐年平均浓度为51、42、43、42、30μg/m~3。空气质量为良、轻度污染、中度污染、重度污染天气的儿童呼吸系统疾病日门诊量均高于空气质量为优的天气,且差异均具有统计学意义(P0.05),门诊量增幅分别为8.94%、14.95%、18.30%、11.78%。单污染物模型显示,PM_(2.5)在当日效应最强,浓度每升高10μg/m~3,儿童呼吸系统疾病门诊量增加0.19%(95%CI:0.12%～0.26%);累积滞后0～7 d的儿童呼吸系统疾病门诊量增加0.25%(95%CI:0.14%～0.36%)。多污染物模型显示,在引入O_(3-8h)后,PM_(2.5)浓度每增加10μg/m~3,当日儿童呼吸系统疾病门诊量增加0.15%(95%CI:0.09%～0.22%)。结论 2014—2018年南昌市大气PM_(2.5)浓度升高会引起使儿童呼吸系统疾病门诊量增加。     

2017-2019年江苏省淮安市大气PM2.5与儿科呼吸系统疾病门诊量相关性

目的 分析淮安市大气PM_2.5对儿童呼吸系统疾病门诊量的影响，为开展空气污染的健康风险管理，制定儿童健康干预措施提供科学依据。方法收集2017-2019年淮安市大气污染物浓度及气象数据，妇幼保健院呼吸系统疾病门诊量数据、采用基于Poisson分布的广义相加模型(GAM)，分析大气PM_2.5日均浓度与儿科呼吸系统疾病门诊量的关系及其滞后效应。结果2017-2019年淮安市大气PM_2.5日平均浓度为47.49μg/m³，超标率为16.53%。单污染物模型分析显示PM_2.5与儿童呼吸系统疾病门诊量呈正相关。单日滞后效应分析结果表明PM_2.5污染在lag0d～lag4d出现危害效应，且对门诊量的影响差异具有统计学意义(P<0.05)，且在当天达到最大值，健康风险增加0.94%(95%CI:0.86%～1.03%)。累积滞后效应分析结果发现，PM_2.5污染在1～5 d(lag01～lag05)的差异具有统计学意义(P<0.05)，且...