北京市颗粒物污染对慢性阻塞性肺疾病急性加重住院的影响
曹宇1, 刘徽2, 张俊3, 黄克武4, 赵厚宇1, 杨羽1, 詹思延1
1. 北京大学公共卫生学院流行病与卫生统计学系, 北京 100191
2. 北京大学医学信息学中心, 北京 100191
3. 北京大学人民医院神经内科, 北京 100044
4. 北京朝阳医院呼吸与危重症医学科, 北京 100020
摘要

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。

关键词: 空气污染; 肺疾病,慢性阻塞性; 颗粒物; 广义相加模型
中图分类号:R122 文献标志码:A 文章编号:1671-167X(2017)03-0403-06
Effect of particulate air pollution on hospital admissions for acute exacerbation of chronic obstructive pulmonary disease in Beijing
CAO Yu1, LIU Hui2, ZHANG Jun3, HUANG Ke-wu4, ZHAO Hou-yu1, YANG Yu1, ZHAN Si-yan1
1. Department of Epidemiology and Biostatistics, Peking University School of Public Health, Beijing 100191, China
2. Medical Informatics Center, Peking University, Beijing 100191, China
3. Department of Nephrology, Peking University People’s Hospital, Beijing 100044, China
4. Department of Respiratory and Critical Care Medicine, Beijing Chao-Yang Hospital, Beijing 100020, China
△ Corresponding author’s e-mail, siyan-zhan@bjmu.edu.cn
Abstract

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.

Key words: Air pollution; Particulate maller; Pulmonary disease, chronic obstructive; Generalized additive model

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 资料与方法
1.1 资料来源

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。

1.2 统计方法

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 1Xlag0i2DOW3Holiday+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 13: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× eβ1-1)× 100%]作为效应测量指标。

2 结果
2.1 描述性分析

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。

表1 大气污染物、气象因素的基本特征 Table 1 Basic characteristics of ambient pollutants and meteorological variables

图1 AECOPD住院人次及污染物浓度的时间分布趋势Figure 1 Time series plot of hospital admissions for AECOPD and pollutant concentrations

2.2 GAM拟合的结果

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)。

图2 不同滞后天数对应的PM2.5、PM10效应值Figure 2 Effect value of PM2.5 and PM10 at different lag days

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。

表2 双污染物模型的结果 Table 2 Results of two-pollutant model

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。

表3 亚组分析结果 Table 3 Results of subgroup analysis
3 讨论

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.

参考文献
[1] Zhong N, Wang C, Yao W, et al. Prevalence of chronic obstructive pulmonary disease in China[J]. Am J Respir Crit Care Med, 2007, 176(8): 753-760. [本文引用:1]
[2] Zhou M, Wang H, Zhu J, et al. Cause-specific mortality for 240 causes in China during 1990-2013: a systematic subnational analysis for the global burden of disease study 2013[J]. Lancet, 2016, 387(10015): 251-272. [本文引用:1]
[3] 刘世炜, 周脉耕, 王黎君, . 1990年与2010年中国归因于室外空气污染的疾病负担分析[J]. 中华预防医学杂志, 2015, 49(4): 327-333. [本文引用:1]
[4] Li MH, Fan LC, Mao B, et al. Short-term exposure to ambient fine particulate matter increases hospitalizations and mortality in COPD: a systematic review and meta-analysis[J]. Chest, 2016, 149(2): 447-458. [本文引用:1]
[5] Zhu R, Chen Y, Wu S, et al. The relationship between particulate matter (PM10and hospitalizations and mortality of chronic obstructive pulmonary disease: a meta-analysis[J]. COPD, 2013, 10(3): 307-315. [本文引用:1]
[6] Global Initiative for Chronic Obstructive Lung Disease (GOLD) Science Committee. Global Strategy for the Diagnosis, Management and Prevention of COPD[EB/OL]. (2016-01-01)[2017-02-01]. http://www.goldcopd.org/. [本文引用:1]
[7] 慢阻肺诊治专家组. 慢性阻塞性肺疾病急性加重(AECOPD)诊治中国专家共识(2014年修订版)[J]. 国际呼吸杂志, 2014, 34(1): 1-11. [本文引用:1]
[8] Pasquale MK, Sun SX, Song F, et al. Impact of exacerbations on health care cost and resource utilization in chronic obstructive pulmonary disease patients with chronic bronchitis from a predominantly medicare population[J]. Int J Chron Obstruct Pulmon Dis, 2012, 7: 757-764. [本文引用:1]
[9] Kan H, Chen B, Hong C. Health impact of outdoor air pollution in China: current knowledge and future research needs[J]. Environ Health Perspect, 2009, 117(5): A187. [本文引用:1]
[10] Xie W, Li G, Zhao D, et al. Relationship between fine particulate air pollution and ischaemic heart disease morbidity and mortality[J]. Heart, 2015, 101(4): 257-263. [本文引用:1]
[11] Hwang SL, Lin YC, Guo SE, et al. Fine particulate matter on hospital admissions for acute exacerbation of chronic obstructive pulmonary disease in southwestern Taiwan during 2006-2012[J]. Int J Environ Health Res, 2017, 27(2): 1-11. [本文引用:1]
[12] Xu Q, Li X, Wang S, et al. Fine particulate air pollution and hospital emergency room visits for respiratory disease in urban areas in Beijing, China, in 2013[J]. PLoS One, 2016, 11(4): e0153099. [本文引用:2]
[13] 崔国权, 康真, 吕嵩, . 哈尔滨市PM2. 5污染水平对人群呼吸系统疾病影响[J]. 中国公共卫生, 2013, 29(7): 1046-1048. [本文引用:1]
[14] Medina-Ramon M, Zanobetti A, Schwartz J. The effect of ozone and PM10 on hospital admissions for pneumonia and chronic obstructive pulmonary disease: a national multicity study[J]. Am J Epidemiol, 2006, 163(6): 579-588. [本文引用:1]
[15] 廖玉学, 彭朝琼, 余淑苑, . 深圳市大气PM10与呼吸系统疾病日门诊量的时间序列分析[J]. 华南预防医学, 2014, 40(4): 301-305. [本文引用:1]
[16] 孙兆彬, 李栋梁, 陶燕, . 兰州市大气PM10与呼吸系统疾病入院人数的时间序列研究[J]. 环境与健康杂志, 2010, 27(12): 1049-1052. [本文引用:2]
[17] Happo MS, Salonen RO, Halinen AI, et al. Inflammation and tissue damage in mouse lung by single and repeated dosing of urban air coarse and fine particles collected from six European cities[J]. Inhal Toxicol, 2010, 22(5): 402-416. [本文引用:2]
[18] Ling SH, van Eeden SF. Particulate matter air pollution exposure: role in the development and exacerbation of chronic obstructive pulmonary disease[J]. Int J Chron Obstruct Pulmon Dis, 2009, 4(1): 233-243. [本文引用:2]
[19] Atkinson RW, Anderson HR, Sunyer J, et al. Acute effects of particulate air pollution on respiratory admissions: results from APHEA 2 project. Air Pollution and Health: a European Approach[J]. Am J RespirCrit Care Med, 2001, 164(10 Pt 1): 1860-1866. [本文引用:2]
[20] 潘璐, 倪洋, 许珺辉, . 室内外PM2. 5污染水平对慢性阻塞性肺疾病患者呼出气炎症指标的影响[J]. 环境与健康杂志, 2016, 33(1): 1-4. [本文引用:2]
[21] 张莹, 宁贵财, 康延臻, . 北京市大气污染物与呼吸系统疾病入院人数的时间序列[J]. 兰州大学学报(自然科学版), 2015, 52(1): 87-92. [本文引用:2]
[22] 张莹. 我国典型城市空气污染特征及其健康影响和预报研究[D]. 兰州: 兰州大学, 2016. [本文引用:2]
[23] 殷永文, 程金平, 段玉森, . 上海市霾期间PM2. 5、PM10污染与呼吸科、儿呼吸科门诊人数的相关分析[J]. 环境科学, 2011, 32(7): 1894-1898. [本文引用:2]
[24] 彭朝琼, 余淑苑, 张振, . 深圳市大气PM10浓度对呼吸系统疾病日门诊量的影响[J]. 卫生研究, 2011, 40(4): 485-488. [本文引用:2]
[25] Lv J, Chen W, Sun D, et al. Gender-specific association between tobacco smoking and central obesity among 0. 5 million Chinese people: the China kadoorie biobank study[J]. PLoS One, 2015, 10(4): e0124586. [本文引用:2]
[26] Bell ML, Son JY, Peng RD, et al. Ambient PM2. 5 and risk of hospital admissions: do risks differ for men and women[J]. Epidemiology, 2015, 26(4): 575-579. [本文引用:2]
[27] 陶燕, 羊德容, 兰岚, . 兰州市空气污染对呼吸系统疾病入院人数的影响[J]. 中国环境科学, 2013, 33(1): 175-180. [本文引用:1]
[28] Janes H, Sheppard L, Lumley T. Case-crossover analyses of air pollution exposure data: referent selection strategies and their implications for bias[J]. Epidemiology, 2005, 16(6): 717-726. [本文引用:1]
[29] Lin M, Chen Y, Burnett RT, et al. Effect of short-term exposure to gaseous pollution on asthma hospitalisation in children: a bi-directional case-crossover analysis[J]. J Epidemiol Community Health, 2003, 57(1): 50-55. [本文引用:1]
[30] 阚海东, 陈秉衡, 贾健. 上海市大气污染与居民每日死亡关系的病例交叉研究[J]. 中华流行病学杂志, 2003, 24(10): 11-15. [本文引用:1]
[31] Ren M, Li N, Wang Z, et al. The short-term effects of air pollutants on respiratory disease mortality in Wuhan, China: comparison of time-series and case-crossover analyses[J]. Sci Rep, 2017, 7: 40482. [本文引用:1]
[32] Figueiras A, Carracedo-Martinez E, Saez M, et al. Analysis of case-crossover designs using longitudinal approaches: a simulation study[J]. Epidemiology, 2005, 16(2): 239-246. [本文引用:1]
[33] Lokken RP, Wellenius GA, Coull BA, et al. Air pollution and risk of stroke: underestimation of effect due to misclassification of time of event onset[J]. Epidemiology, 2009, 20(1): 137-142. [本文引用:1]