目的 研究北京市颗粒物污染对慢性阻塞性肺疾病急性加重(acute exacerbation of chronic obstructive pulmonary disease,AECOPD)的影响,并分析颗粒物污染对不同特征人群的影响差异。方法 从国家卫生与计划生育委员会医疗管理服务指导中心获取北京市2014年至2015年三甲医院AECOPD患者的住院资料,从中国空气质量监测平台获取同期大气污染资料,从中国气象局获取同期气象资料。采用广义相加Poisson回归模型,在控制长期趋势、周效应、节假日效应、气象条件等混杂因素后,评估PM2.5、PM10对AECOPD住院人次的影响。根据患者不同特征(性别、年龄)进行亚组分析,确定颗粒物污染的高危人群。结果 纳入15家医院,共7 884例住院患者,男女比例2.3 :1,65~79岁患者最多(45.5%)、≥80岁(37.1%)次之、<65岁(17.4%)最少。PM2.5、PM10日均浓度分别为(77.1±66.6) μg/m3、(111.9±75.8) μg/m3,两者均在移动平均滞后4 d时对AECOPD的影响最大,即PM2.5日均浓度每增加10 μg/m3,AECOPD住院人次增加0.53%(95% CI:0.01%~1.06%, P=0.0478), PM10日均浓度每增加10 μg/m3,AECOPD住院人次增加0.53%(95% CI:0.07%~1.00%, P=0.025 0)。亚组分析结果显示,PM2.5、PM10日均浓度每增加10 μg/m3,女性患者住院人次分别增加1.13%(95% CI:0.19%~2.07%, P=0.018 3)、1.06%(95% CI:0.22%~1.91%, P=0.013 6);≥80岁患者住院人次分别增加1.25%(95% CI:0.40%~2.11%, P=0.004 0)、1.18%(95% CI:0.42%~1.95%, P=0.002 4);而男性、<65岁、65~79岁患者中,PM2.5、PM10与AECOPD的关联无统计学意义。由此可见,女性、≥80岁患者对颗粒物污染更敏感。结论 颗粒物污染会增加AECOPD住院风险,且女性、年老者风险更高。
Objective: To assess the association between particulate air pollution and hospital admissions for acute exacerbation of chronic obstructive pulmonary disease (AECOPD) in Beijing, and to eva-luate the differences of association among different subgroups.Methods: Hospital admissions to intertiary hospitals for AECOPD from January 1,2014, through December 31, 2015 were obtained from the electronic hospitalization summary reports (HSRs).We obtained the data on air pollution during the study period from the national air pollution monitoring system. The data on meteorological variables were obtained from the Chinese meteorological bureau. A poison generalized additive model was used to assess the effects of particulate pollution on AECOPD with adjustment for the long term trend, day of week, holiday effect and meteorological variables. Subgroup analyses were also conducted by age and gender, which would help identify higher-risk groups.Results: A total of 7 884 hospitalizations from 15 tertiary hospitals were recorded during the study period, and 69.3% were male patients, 37.1% were ≥80 years of age, 45.5% were 65-79 years of age, and 17.4% were younger than 65. The mean (SD) daily concentrations of PM2.5, PM10 were 77.1 (66.6) μg/m3, 111.9 (75.8) μg/m3. Every 10 μg/m3 increase in particulate pollution concentration for a lag of 4 d was associated with an increase in hospital admissions for AECOPD as follows: 0.53% (95% CI: 0.01%-1.06%, P=0.0478) of PM2.5, 0.53% (95% CI: 0.07%-1.00%, P=0.0250) of PM10, respectively. We found differences in risk for AECOPD admissions among the different subgroups. For every 10 μg/m3 increase in PM2.5, PM10 exposure in the female group there was a 1.13% (95% CI: 0.19%-2.07%, P=0.018 3) increase, 1.06% (95% CI: 0.22%-1.91%, P=0.013 6) increase in admissions, respectively, while in the male group, the association was non-significant. The patients of 80 years of age and older demonstrated a hi-gher risk of AECOPD, 1.25% (95% CI: 0.40%-2.11%, P=0.004 0) increase of PM2.5, 1.18% (95% CI: 0.42%-1.95%, P=0.002 4) increase of PM10, respectively, while other subgroups didn’t find significant association.Conclusion: Our findings showed that particulate air pollution was significantly associated with hospital admissions for AECOPD in Beijing. The susceptibility to particulate pollution varied by gender and age.
慢性阻塞性肺疾病(chronic obstructive pulmonary disease, COPD)因高患病率、高死亡率、高经济负担, 已成为我国重要的公共卫生问题[1, 2]。近年来, 关注大气污染对COPD健康危害的研究越来越多。我国的疾病负担研究显示[3], 1990年至2010年室外空气污染对COPD的人群归因危险度高达21%, 2010年因室外空气污染导致的死亡病例中COPD占15.9%。亦有Meta分析表明大气污染会增加COPD急诊就诊人次、住院风险和死亡风险[4, 5]。
慢性阻塞性肺疾病急性加重(acute exacerbation of chronic obstructive pulmonary disease, AECOPD)是COPD疾病进程中重要的临床事件, 是指患者因呼吸道感染、暴露于严重污染的空气或其他因素而出现呼吸系统症状的急性加重, 并超出日常变异范围、需要改变药物治疗[6]。AECOPD会引起一系列的不良预后, 如加速肺功能衰退、降低患者生活质量、增加医疗费用支出等[7, 8]。
随着环境污染问题的凸显, 如何减少污染对AECOPD患者的影响, 如何有针对性地开展高危人群的预防工作等显得至关重要。目前, 我国关注大气污染对AECOPD影响的研究较少, 以住院为结局事件的研究更少见。考虑到AECOPD对患者预后影响重大, 而且是急性事件, 更能反映大气污染导致的短期、急性效应, 因此本研究特定将其作为结局, 利用北京多家医院住院患者的资料, 定量分析颗粒物污染对AECOPD的影响, 旨在为医院提供住院量相关的预警信息, 为高效配置医疗资源提供参考。
1.1.1 患者资料 北京市三甲医院2014年至2015年AECOPD住院患者的资料, 来源于国家卫生与计划生育委员会医疗管理服务指导中心的病案首页数据库。利用ICD-10编码从病案首页数据库中提取出院主要诊断为AECOPD的合格记录, 具体编码为J44.1、J44.100、J44.101、J44.103。为保证提取结果的可靠性, 这一过程由两位数据管理员独立平行完成。
1.1.2 大气污染资料 同期北京市大气污染资料, 来源于中国空气质量在线监测平台公布的历史数据, 包括PM2.5、PM10、SO2、CO、NO2、O3的日均浓度。
1.1.3 气象资料 同期北京市气象资料, 来源于中国气象局气象数据网接收的地面站气象观测资料, 包括日平均气温、日平均相对湿度等。
利用广义相加模型(generalized additive model, GAM), 以Poisson回归为链接函数, 控制长期趋势、周效应、节假日效应、气象条件等混杂因素后, 分析PM2.5、PM10与住院人次的关联。有研究表明[9, 10], 大气污染的健康效应存在滞后性、累积性, 因此采用移动平均滞后(moving average lag)来估计关联, 并考察不同滞后期(lag01~lag07)的效应, 以效应最大值为准, 报告最终的结果。GAM具体模型如下:
Log(E(Yt))=α +β 1Xlag0i+β 2DOW+β 3Holiday+s(Calendar time, df1)+s(Tt, df2)+ s(RHt, df3), 模型参数说明:E(Yt):第t日期望住院人次; β 1~β 3:回归系数; Xlag0i:移动平均滞后第i天的污染物浓度, 即第(t-i)天至第t天共(i+1)天的污染物日均浓度的算术均数; DOW:星期哑变量; Holiday:节假日哑变量; Calendar time:日历时间, 取值为1~730; Tt:第t天平均气温; RHt:第t天平均相对湿度; s:样条平滑函数, df1~df3表示自由度, 采用广义交叉验证确定时间、气温、气湿的自由度。
为考察结果的稳定性, 在上述单污染物模型基础上分别引入SO2、CO、NO2、O3, 建立双污染物模型。为寻找污染的敏感性人群, 根据性别、年龄(< 65、65~79、≥ 80)进行亚组分析。
利用SAS 9.4软件进行上述分析, 以污染物浓度每增加10 μ g/m3住院人次增加的百分比, 即相对超额危险度[ER, ER=(10×
2.1.1 患者基本特征 纳入7 884例住院患者, 来源于15家三甲医院。男性5 463例(69.3%)、女性2 421例(30.7%), 65~79岁患者最多(45.5%)、≥ 80岁(37.1%)次之、< 65岁(17.4%)最少。住院人次呈现明显季节趋势(图1):冬季(31.3%)> 春季(25.7%)> 秋季(22.0%)> 夏季(21.0%), 其中1月住院人次最多, 日均住院28.4例, 9月最少, 日均住院17.2例。
2.1.2 大气污染物、气象因素的基本特征 6种大气污染物及气温、气湿的基本特征见表1, 根据我国颁布的《环境空气质量标准GB3095-2012》, 2014年至2015年北京市共358 d(49%)空气质量达到二级标准, 其中PM2.5达标率最低为58%, SO2达标率最高为100%。PM2.5、PM10污染浓度的时间分布趋势见图1, 颗粒物污染呈现一定的季节趋势, 冬、秋季严重, 春、夏季次之, 与住院人次的季节趋势相近。
2.2.1 单污物模型 分别考察不同移动平均滞后期(lag01~lag07)污染物的健康效应(图2), 二者均在lag04处达到效应最大值, 即PM2.5日均浓度每增加10 μ g/m3, AECOPD住院人次增加0.53%(95%CI:0.01%~1.06%, P=0.047 8); PM10日均浓度每增加10 μ g/m3, AECOPD住院人次增加0.53%(95%CI:0.07%~1.00%, P=0.0250)。
2.2.2 双污物模型 在lag04时, 双污染物模型分析结果见表2, 与单污染物模型相比, 调整CO或NO2后, PM2.5效应有所增加, 仍有统计学意义; 调整SO2或O3后, PM2.5效应失去统计学意义。调整SO2、CO、NO2后, PM10效应均有不同程度的增加, 调整O3后, PM10效应减弱, 仍具有统计学意义。由此可见, PM10效应更稳健。
2.2.3 亚组分析(表3) 在女性中, PM2.5、PM10日均浓度每增加10 μ g/m3, 住院人次分别增加1.13%、1.06%; 在≥ 80岁患者中, PM2.5、PM10日均浓度每增加10 μ g/m3, 住院人次分别增加1.25%、1.18%; 但在男性、< 65岁、65~79岁群体中, 未发现PM2.5、PM10与AECOPD的关联有统计学意义。
本研究发现, PM2.5、PM10会增加AECOPD的住院风险, 二者均在移动平均滞后4 d时达到效应最大值, 且未发现二者效应的差异(0.53% vs. 0.53%)。
本研究与既往研究类似, 均发现了阳性结果, Hwang等[11]2006年至2012年在中国台北的研究发现, PM2.5增加AECOPD住院风险(ER=2.0%, 95%CI:0.70%~4.0%); Xu等[12]2013年在北京的研究发现, PM2.5增加AECOPD急诊就诊人次(ER=3.15%, 95%CI:1.39%~4.91%); 2009年至2011年在哈尔滨的研究发现[13], PM2.5使呼吸系统疾病的门诊就诊人次增加2.6%~6.0%。Medina-Ramon等[14]在美国的研究发现, PM10每增加10 μ g/m3, AECOPD住院人次增加1.47%(95%CI:0.93%~2.01%); 在深圳的研究发现[15], PM10会使呼吸系统疾病门诊量增加0.47%(95%CI:0.36%~0.58%); 在兰州地区的研究发现[16], PM10日均浓度每升高一个四分位间距(139 μ g/m3), 呼吸系统疾病入院人数增加2.4%。
上述结果得到了基础医学证据的支持, 有研究表明[17, 18, 19, 20], 大气颗粒污染物可通过氧化应激形成氧化产物, 加重呼吸道慢性炎症, 从而增加气道高反应性、增加气流受限程度, 也可通过破坏免疫系统, 增加细菌、病毒等感染风险, 造成呼吸系统的急性损伤, 从而导致COPD患者发生急性加重事件。
本研究发现累积滞后4 d时颗粒物效应最大, 滞后期较既往研究偏长, 但仍处在合理范围内。多数研究发现, 累积滞后2~4 d时, 大气污染对呼吸系统疾病就诊率的影响最大[12, 21, 22], 也有研究发现累积滞后5~6 d, 污染物的效应最强[23, 24]。在调整气体污染物后, PM2.5、PM10的效应值均发生改变, 这一结果提示PM2.5、PM10对AECOPD的影响可能不具有独立作用。由于污染物之间存在不同程度的相关性(PM2.5与4种气体污染物之间的Spearman相关系数为0.059~0.859, PM10与4种气体污染物之间的Spearman相关系数为0.025~0.716), 因此双污染物模型得到的效应值并不能真实反映单一污染物的独立作用。性别亚组分析结果提示, 女性是高危人群, 究其原因, 可能是因为非吸烟人群对颗粒物暴露更敏感, 我国女性吸烟率低于男性[25], 也有研究提示, 男性、女性中颗粒物的沉积模式不同也可能导致效应的差异[26]。年龄亚组分析结果显示, 年龄越大对污染越敏感, 可能与老年人免疫系统更脆弱有关[16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27]。
为验证结果的可靠性, 本研究同时采用病例交叉设计进行分析, 以住院当天作为“ 病例期” , 采用time-stratified方法[28, 29]选取对照, 为每个“ 病例期” 匹配3~4个处于相同月份、相同星期的“ 对照期” 。采用条件Logistic回归进行统计分析, 发现PM2.5、PM10日均浓度每增加10 μ g/m3, AECOPD住院的OR值为1.007(95%CI:1.001~1.014, P=0.0268)、1.006(95%CI:1.001~1.012, P=0.0479), 这一结果与GAM拟合的结果一致, 但置信区间较宽, 说明其统计效率不及GAM高, 此结论得到了类似实证研究及数据模拟结果的支持[30, 31, 32]。本课题采用不同的研究设计, 均证实了这样的结论, 即颗粒物污染与AECOPD的住院存在关联, 且这种关联不大可能是由于方法学上的偏倚或其他混杂因素造成。
本研究存在一定的局限性:(1)未测量患者的个体暴露, 用室外大气污染水平代替个体暴露, 出于对患者隐私的保护, 研究未获取患者的住址, 仅以北京地区多个监测站的日均值作为个体暴露水平; (2)从疾病发生到住院之间存在一定的时间差, 以住院发生的时间代替发病时间会造成一定的偏倚, 有研究表明会低估大气污染的效应[33]; (3)存在其他未调整的混杂因素, 如吸烟等; (4)本研究纳入医院数量有限, 可能无法完全反映北京市颗粒物污染对AECOPD住院影响的真实水平。
综上所述, 颗粒物污染会增加AECOPD患者的住院风险, 女性、年老者对污染更敏感。
The authors have declared that no competing interests exist.
[1] |
|
[2] |
|
[3] |
|
[4] |
|
[5] |
|
[6] |
|
[7] |
|
[8] |
|
[9] |
|
[10] |
|
[11] |
|
[12] |
|
[13] |
|
[14] |
|
[15] |
|
[16] |
|
[17] |
|
[18] |
|
[19] |
|
[20] |
|
[21] |
|
[22] |
|
[23] |
|
[24] |
|
[25] |
|
[26] |
|
[27] |
|
[28] |
|
[29] |
|
[30] |
|
[31] |
|
[32] |
|
[33] |
|