氣溫與濕度的交互作用對呼吸系統(tǒng)疾病的影響

王敏珍,鄭 山,王式功,尹 嶺,黎檀實,何史林(.蘭州大學公共衛(wèi)生學院,甘肅 蘭州 730000；2.蘭州大學大氣科學學院,甘肅 蘭州 730000；3.成都信息工程大學大氣科學學院,四川 成都 60225；.中國人民解放軍總醫(yī)院,北京 00853)

?

氣溫與濕度的交互作用對呼吸系統(tǒng)疾病的影響

王敏珍1*,鄭 山1,王式功2,3,尹 嶺4,黎檀實4,何史林4(1.蘭州大學公共衛(wèi)生學院,甘肅 蘭州 730000；2.蘭州大學大氣科學學院,甘肅 蘭州 730000；3.成都信息工程大學大氣科學學院,四川 成都 610225；4.中國人民解放軍總醫(yī)院,北京 100853)

摘要：為評價平均氣溫、相對濕度及其交互作用對呼吸系統(tǒng)疾病急診就診人數的影響,采用廣義相加模型(GAM),在控制了時間長期趨勢、“星期幾效應”、節(jié)假日效應、空氣污染等因素的影響后,分析2009～2011年北京市平均氣溫、相對濕度及其交互作用對呼吸系統(tǒng)疾病急診就診人數影響的暴露反應關系.結果顯示,平均氣溫與呼吸系統(tǒng)疾病急診就診人數呈現(xiàn)近似U型的非線性關系,其作用臨界點為12℃,當平均氣溫低于12℃時,氣溫每升高1℃,呼吸系統(tǒng)疾病急診就診人數減少2.26％(95％CI -2.43, -2.09);當氣溫高于12℃時,氣溫每升高1℃,呼吸系統(tǒng)疾病急診就診人數增加0.92％(95％CI 0.72, 1.11).相對濕度與呼吸系統(tǒng)疾病的效應也呈現(xiàn)U型的分布特征,作用閾值為51％,當相對濕度≤51％時,相對濕度每增加10％,呼吸系統(tǒng)疾病急診就診人數減少3.43％(95％CI -3.47％, -3.38％);當相對濕度>51％時,其每增加10％呼吸系統(tǒng)疾病急診就診人數增加1.80％(95％CI 1.76％,1.85％).平均氣溫對呼吸系統(tǒng)疾病的影響受相對濕度水平的調節(jié).在低溫環(huán)境下,相對濕度越小,氣溫對呼吸系統(tǒng)疾病的影響越顯著,氣溫每升高1℃,呼吸系統(tǒng)疾病急診就診人數減少2.71％(95％CI -2.88, -2.53);;而高溫環(huán)境下,當相對濕度較大時氣溫健康效應較強,即氣溫每升高1℃,呼吸系統(tǒng)疾病急診就診人數增加1.37％(95％CI 1.13, 1.61).

關鍵詞：氣溫；相對濕度；交互作用；呼吸系統(tǒng)；時間序列

* 責任作者, 講師, wangmzh@lzu.edu.cn

近年來在全球氣候異常變化、極端天氣氣候事件明顯增多的大背景下,天氣氣候因素的異常變化對人類健康的影響已經受到越來越多的關注.大量研究表明,氣溫是影響呼吸系統(tǒng)疾病最重要的因素之一,且氣溫和人群死亡或者發(fā)病的關系呈現(xiàn)J型或U型分布特征,在溫度相對適宜的情況下死亡或者發(fā)病最少,但是隨著溫度的升高或者降低死亡人數呈上升趨勢[1-2].除氣溫健康效應外,環(huán)境中的濕度對呼吸系統(tǒng)疾病的發(fā)生和發(fā)展也發(fā)揮著重要的作用,當人體暴露于極端濕度環(huán)境下同樣也會增加呼吸系統(tǒng)疾病的死亡風險[3-4].目前針對相對濕度與呼吸系統(tǒng)疾病的研究相對較少,且有限的研究結果缺乏一致性[2,5].濕度與氣溫存在一種特有的關系,即當氣溫較高或者偏低時,濕度變化可以對人體的溫熱感產生一定的調節(jié)作用[6].另有研究顯示,在分析氣候變化對人群死亡率影響的研究中,如果忽略濕度的作用,會明顯低估氣候變化的健康效應[3].由此提示濕度和氣溫對人群健康的影響應該存在一定的協(xié)同作用,但是兩者協(xié)同作用的研究相對有限.本團隊前期對氣溫與相對濕度的交互作用與呼吸系統(tǒng)中常見疾病的關系進行了初步分析,但是對于相對濕度的健康效應以及其與氣溫交互作用對不同人群的影響差異并未進行深入分析[7].本研究擬采用近年國際上通用的危險度評價方法——基于時間序列的廣義相加模型(GAM),以急診數據為暴露效應指標,定量評價平均氣溫、相對濕度及其交互作用對呼吸系統(tǒng)疾病日急診就診人數之間的關系,同時針對不同的人群屬性給予分層分析,為今后開展醫(yī)療氣象預報及呼吸系統(tǒng)疾病的防治提供科學依據.

1 資料與方法

1.1 數據來源

1.1.1 疾病資料采用整群抽樣方法 抽取2009 年1月1日-2011年12月31日北京市三家三級甲等綜合醫(yī)院逐日急診科病例資料.根據國際疾病分類標準第10版(ICD-10),對病例資料進行分類整理,本文以呼吸系統(tǒng)疾病(ICD-10編碼: J00-J99)為研究對象,病例資料共計246,872例.收集急診病例信息主要包括患者性別、年齡、家庭住址、疾病診斷、就診科室、就診日期、就診ID號等信息.

1.1.2 氣象觀測資料來源于中國氣象科學數據共享服務網中的中國地面氣象資料北京市2009 年1月1日～2011年12月31日的日均氣象資料,包括日均氣溫(℃)、相對濕度(％)、平均氣壓(hPa)、平均風速(m/s)等.

1.1.3 大氣環(huán)境監(jiān)測資料2009年1月1日～2011 年12月31日北京市大氣環(huán)境監(jiān)測資料來源于北京市環(huán)保公眾網(http://www.bjee.org.cn/cn/index.php),環(huán)境監(jiān)測資料收集信息包括城區(qū)各監(jiān)測站點逐日的PM10、SO2、NO2平均濃度.采用線性內插法對缺失數據進行填補從而得到完整的日污染物濃度.

1.2 統(tǒng)計分析

采用SPSS19.0、EXCEL2013和R3.1.3進行數據統(tǒng)計描述,以“mgcv”軟件包進行模型構建和定量分析.采用廣義相加模型(GAM)探討平均氣溫、相對濕度對人群呼吸系統(tǒng)疾病的影響.相對于總人口而言,作為時間序列數據的逐日急診就診小概率事件,其實際分布一般可認為接近Poisson分布,因此,本文選擇擬合Poisson回歸的GAM模型.首先建立核心模型,即以呼吸系統(tǒng)疾病日急診就診人數為響應變量,控制時間的長期趨勢、短期波動、星期幾效應、節(jié)假日效應、流感效應、PM10、SO2、NO2的影響,基本模型為:

式中:Yt為第t日的急診就診人數;E(Yt)為第t日急診就診人數的期望值;s為自然立方樣條函數;time為時間序列變量;DOW為星期啞變量;holiday為節(jié)假日效應啞變量;influence為流感效應啞變量;PM10為顆粒污染物;SO2為二氧化硫;NO2為二氧化氮;pressure為平均氣壓;wind為平均風速;α為殘差.根據相關文獻和AIC值確定參數自由度,time自由度為7/a,PM10、SO2、NO2、pressure、wind自由度為3.在核心模型的基礎上,為定量分析氣溫的影響,進一步采用一般線性閾值模型,即假定在超過最適宜氣溫后死亡風險以線性方式增加,分別計算在低溫和高溫環(huán)境下氣溫每增加1℃呼吸系統(tǒng)疾病就診人數的超額增加率(ER％)及其95％可信區(qū)間(95％CI)[8-10].

平均氣溫與相對濕度的交互作用分析包括3部分.首先,建立不分層模型(nonstratification model),探討平均氣溫和相對濕度的交互作用對呼吸系統(tǒng)疾病影響,根據模型計算的Z值和P值檢驗交互作用的有效性,檢驗效力為P<0.05.如果交互作用存在,建立非參數二元響應模型(nonparametric bivariate response model),擬合平均氣溫與相對濕度交互作用對呼吸系統(tǒng)疾病影響的三維立體圖,描述平均氣溫和相對濕度對呼吸系統(tǒng)疾病作用的空間分布特征.第三,建立相對濕度分層模型從而探討在不同相對濕度分層條件下,平均氣溫對呼吸系統(tǒng)疾病的影響是否有所不同.根據上述結果中計算出的相對濕度閾值構建相對濕度的二分類變量,即小于等于閾值humidityk為0,當大于閾值humidityk為1.最后,將平均氣溫和相對濕度的乘積項引入模型,其中平均氣溫為連續(xù)變量,相對濕度為二分類變量,從而評價平均氣溫與相對濕度的交互作用[11-13].

1.3 質量控制

急診病例資料均按照全國三級甲等醫(yī)院標準進行規(guī)范化管理和檢查,專人負責病歷信息錄入及管理,并剔除病例信息不全,診斷不清的病例.空氣污染數據和氣象資料均來自國家認證的大氣自動監(jiān)測系統(tǒng)和氣象觀測系統(tǒng),并有專人負責檢查、判別及管理.本研究所用數據均通過數據管理軟件進行匯總計算,對數據的分析、統(tǒng)計、管理進行嚴格質控.

2 結果

2.1 一般情況

表1　2009～2011年北京市主要氣象要素、空氣污染及呼吸系統(tǒng)疾病急診就診人數的一般情況Table 1 Summary statistics of weather conditions, air pollution concentrations, and ER visits for respiratory diseases in Beijing, China, 2009～2011.

2009～2011年北京市呼吸系統(tǒng)日均急診就診人數為225.5人次,其中男性125.7人次,女性99.7人次,<65歲為210.1人次,≥65歲15.3人次.該期間北京市平均氣溫為13.1℃,平均相對濕度為50.4％,具體各變量的頻數分布特征見表1.

2.2 平均氣溫、相對濕度與呼吸系統(tǒng)疾病的暴露反應關系

在控制了時間趨勢、星期幾效應、節(jié)假日效應、流感效應和空氣污染效應的影響,圖1所示為平均氣溫、相對濕度與呼吸系統(tǒng)疾病日急診就診人數的暴露反應關系.由圖1可見,平均氣溫和相對濕度與呼吸系統(tǒng)疾病的關系均呈現(xiàn)近似“U”型分布的特征(最適溫度為12℃,最適相對濕度為51％),即低于相應閾值,呼吸系統(tǒng)疾病日急診就診人數隨著平均氣溫的降低,或者相對濕度降低,呈現(xiàn)上升趨勢;而高于相應閾值,呼吸系統(tǒng)疾病日急診就診人數與平均氣溫和相對濕度均呈現(xiàn)正相關關系.

圖1　2009～2011年北京市平均氣溫、相對濕度與呼吸　系統(tǒng)疾病急診就診人數的暴露反應關系Fig.1 The associations between mean temperature, relative humidity, and respiratory disease in Beijing, China, 2009～2011

2.3 平均氣溫、相對濕度與呼吸系統(tǒng)疾病急診就診人數的定量關系

以最適溫度和最適相對濕度為界,將氣溫和相對濕度分別劃分為2類:熱期(>12℃)和冷期(≤12℃),低濕(≤51％)和高濕(>51％),應用一般線性模型分別擬合不同氣溫、相對濕度與呼吸系統(tǒng)疾病急診就診人數的定量關系,如表2所示當平均氣溫≤12℃時,當天(lag0)平均氣溫每增加1℃對呼吸系統(tǒng)疾病日急診就診人數的影響最為顯著,ER％為-2.26％(95％CI -2.43％, -2.09％);當平均氣溫>12℃時,滯后01d(lag01)的平均氣溫每增加1℃造成呼吸系統(tǒng)疾病急診就診人數影響顯著,ER％為0.95％(95％CI 0.75％, 1.16％).女性對低溫和高溫的敏感性大于男性;≥65歲人群對冷效應較為敏感.

表2　2009～2011年北京市日平均氣溫每增加1℃或者相對濕度每增加10％呼吸系統(tǒng)疾病日急診就診人數增加百分比(ER％)及95％可信區(qū)間(95％CI)Table 2 Percent change (％) in daily ER visits for respiratory morbidity per 1℃ increase in temperatureor per 10％ increase in relative humidity in Beijing, China, 2009～2011.

當相對濕度≤51％時,滯后01d(lag01)相對濕度每增加10％,呼吸系統(tǒng)疾病急診就診人數超額增加率ER％為-3.43％(95％CI -3.47％, -3.38％);當相對濕度>51％時,滯后02d(lag02)相對濕度效應較強,其每增加10％呼吸系統(tǒng)疾病急診就診人數超額增加1.80％(95％CI 1.76％, 1.85％).女性對相對濕度的敏感性大于男性.低濕對≥65歲人群的影響較大,而高濕對<65歲人群效應較顯著.

2.4 平均氣溫與相對濕度的交互作用對呼吸系統(tǒng)疾病的影響

首先,采用不分層模型,檢驗平均氣溫和相對濕度對呼吸系統(tǒng)疾病的作用是否存在交互作用結果顯示兩者存在交互作用,P<0.05.隨后,采用非參數二元響應模型構建平均氣溫與相對濕度對呼吸系統(tǒng)疾病作用的空間分布,如圖2所示.以全人群為例,平均氣溫越低,相對濕度越小,呼吸系統(tǒng)疾病的日急診就診人數越多,即低濕干燥環(huán)境對呼吸系統(tǒng)疾病的影響最為顯著.其次,高溫高濕環(huán)境下,呼吸系統(tǒng)疾病的日急診就診人數也存在一個小高峰.

圖2　2009～2011年北京市日平均氣溫、相對濕度與呼吸系統(tǒng)疾病日急診人數關系的平滑曲面Fig.2 Bivariate response surface of mean temperature and humidity on daily ER visits for respiratory disease in Beijing, China, 2009～2011

2.5 不同相對濕度水平下平均氣溫對呼吸系統(tǒng)疾病急診就診人數的影響

按照相對濕度的作用閾值(51％)將其劃分為二層,分析不同相對濕度水平下,平均氣溫的冷效應和熱效應對呼吸系統(tǒng)疾病的定量關系,見表3.在低溫時,不同相對濕度水平下,平均氣溫的效應有所差異,其中當相對濕度≤51％,平均氣溫的效應較強,當平均氣溫每增加1℃,呼吸系統(tǒng)疾病日急診就診人數全人群減少2.71％、男性2.24％、女性3.27％、<65歲2.74％、≥65歲2.16％.在高溫時,當相對濕度>51％,平均氣溫的效應較強.當平均氣溫每增加1℃,呼吸系統(tǒng)疾病日急診就診人數全人群增加1.37％、男性1.00％、女1.85％、<65歲1.39％、≥65歲1.10％.

表3　2009～2011年北京市不同相對濕度水平下日平均氣溫每增加1℃呼吸系統(tǒng)疾病日急診就診人數增加百分比(ER％)及95％可信區(qū)間(95％CI)Table 3 Percent change (％) in daily ER visits for respiratory morbidity per 1°C increase in temperature by humidity level in Beijing, China, 2009～2011

3 討論

本研究顯示,平均氣溫與呼吸系統(tǒng)疾病急診就診人數呈現(xiàn)近似U型分布的非線性關系,作用閾值為12℃.當平均氣溫≤12℃,平均氣溫(lag0)每增加1℃,呼吸系統(tǒng)疾病急診就診人數超額增加率(ER％)為-2.26％(95％CI -2.43％, -2.09％).當平均氣溫>12℃時, lag01平均氣溫每增加1℃造成呼吸系統(tǒng)疾病急診就診人數的ER％為0.95％(95％CI 0.75％, 1.16％).本文研究結果與前期相關報道一致[14-16],但作用閾值可能因地區(qū)差異所不同[17-19].西班牙一項病例交叉研究報道,低溫對人群死亡的影響明顯大于高溫效應,OR值為3.40(95％CI:2.95,3.93)[20]. M?kinen等[21]報道,低溫對呼吸系統(tǒng)的影響較明顯,當氣溫每降低1℃時,上呼吸道感染、感冒、咽炎、下呼吸道感染的相對危險分別增加4.3％、2.1％、2.8％、2.1％.盡管低溫對呼吸系統(tǒng)疾病的影響較顯著,但是高溫的效應同樣不容忽視.一項在歐洲12個城市開展的關于高溫對呼吸系統(tǒng)疾病影響的研究顯示,當溫度超過閾值1℃,呼吸系統(tǒng)疾病的入院率增加4.5％,而在75歲以上人群中增加3.1％[22].總體而言,低溫和高溫均增加呼吸系統(tǒng)疾病急診就診風險,但低溫效應更加顯著.氣溫對呼吸系統(tǒng)疾病影響的潛在機制可能是,一方面低溫環(huán)境下增加了炎癥細胞的數量,誘發(fā)支氣管痙攣[23].另一方面低溫或者高溫環(huán)境為呼吸系統(tǒng)疾病相關的細菌和病毒提供了適宜的傳播和存活環(huán)境[24-25].

與相對濕度而言,本研究發(fā)現(xiàn)相對濕度對呼吸系統(tǒng)疾病的作用也呈現(xiàn)近似U型的非線性關系,作用閾值為51％,當相對濕度≤51％,lag01天相對濕度每增加10％,呼吸系統(tǒng)疾病急診就診人數ER％為-3.43％(95％CI -3.47％, -3.38％).當相對濕度>51％時,lag02相對濕度每增加10％,呼吸系統(tǒng)疾病急診就診人數超額增加1.80％(95％CI 1.76％,1.85％).相關研究發(fā)現(xiàn),濕度與人群死亡或者上呼吸道感染等呼吸系統(tǒng)疾病呈現(xiàn)U型的非線性關系,其中以低濕的效應更加顯著[3,21].病毒感染是呼吸系統(tǒng)疾病發(fā)生的重要原因,目前研究認為濕度與流感病毒的生存和傳播能力具有一定的相關性,且以低濕效應為主[26-27].同時,研究顯示當人體吸入低濕的空氣會引起呼吸道粘膜變得干燥、上皮細胞損傷以及呼吸道纖毛的運動受到抑制,從而增加人體的易感性[28-29].除此之外,也有研究表明濕度與呼吸系統(tǒng)疾病的發(fā)生并沒有相關性[2,30],這可能與研究的區(qū)域或者選擇的資料類型不同有關,需要進一步開展相關研究.

相對濕度與平均氣溫均對呼吸系統(tǒng)疾病的發(fā)生均具有一定影響,但是本文通過進一步分析發(fā)現(xiàn),相對濕度對氣溫與呼吸系統(tǒng)疾病的作用存在一定的調節(jié)作用.在平均氣溫≤12℃時,低溫干燥和低溫高濕環(huán)境均增加呼吸系統(tǒng)疾病的風險,但前者更加顯著;而當平均氣溫>12℃,高溫高濕環(huán)境對呼吸系統(tǒng)疾病影響大于高溫干燥環(huán)境.相關研究提示低溫干燥的環(huán)境可以增加流感和肺炎的死亡率[31].Xiao等[32]報道低溫、干燥、靜風以及高氣壓是引起H1N1流感爆發(fā)的重要環(huán)境條件.另有研究顯示當環(huán)境溫度為5℃,濕度為20％時,流感病毒的傳播能力最強[33],說明低溫干燥環(huán)境對呼吸系統(tǒng)疾病的重要影響.此外,除低溫干燥環(huán)境外,本研究還提示低溫高濕、高溫干燥以及高溫高濕環(huán)境均可增加呼吸系統(tǒng)疾病風險,只是健康效應相對較小.主要考慮,呼吸系統(tǒng)疾病的致病微生物是多樣的,不同病毒對環(huán)境的適應力也有所差異,例如呼吸道合胞病毒(RSV)適宜于寒冷的氣候,而副流感病毒3(PIV-3)與高溫環(huán)境有關,流感病毒A(IV-A)則與低溫和干燥環(huán)境均相關[34].其次,呼吸系統(tǒng)疾病的主要傳播方式包括飛沫傳播和直接接觸傳播,而研究發(fā)現(xiàn)低溫干燥環(huán)境為呼吸道飛沫傳播的疾病提供了適宜條件,而高溫高濕環(huán)境則抑制了飛沫傳播的方式,主要為病毒在呼吸道的沉降提供了便利條件,從而此環(huán)境下的傳播方式主要是近距離直接接觸[35].傳播方式的不同也造成呼吸系統(tǒng)疾病在不同環(huán)境中發(fā)生的差異性.總之,氣溫和濕度是共同存在的環(huán)境因素,其對人體健康的影響不僅僅是一種簡單的單獨效應[36].

4 結語

平均氣溫與相對濕度對呼吸系統(tǒng)疾病急診就診人數的影響均呈現(xiàn)U型的非線性分布特征,其中低溫、低濕是呼吸系統(tǒng)疾病發(fā)生的重要環(huán)境因素.同時,相對濕度與平均氣溫存在一定交互作用,效應強度依次為低溫干燥、低溫高濕、高溫高濕、高溫干燥.

參考文獻：

[1] Chung J Y, Honda Y, Hong Y C, et al. Ambient temperature and mortality: an international study in four capital cities of East Asia [J]. Sci Total Environ, 2009,408(2):390-6.

[2] Liu Y, Kan H, Xu J, et al. Temporal relationship between hospital admissions for pneumonia and weather conditions in Shanghai, China: a time-series analysis [J]. BMJ Open, 2014,4(7): e004961.

[3] Barreca A I. Climate change, humidity, and mortality in the United States [J]. J Environ Econ Manage, 2012,63(1):19-34.

[4] 陶 燕,宋 捷,強 力,等.蘭州市城關區(qū)氣象因素與麻疹發(fā)病人數的時間序列研究 [J]. 中國環(huán)境科學, 2014,34(11):2964-2969.

[5] Jaakkola K, Saukkoriipi A, Jokelainen J, et al. Decline in temperature and humidity increases the occurrence of influenza in cold climate [J]. Environ Health, 2014,13(1):22.

[6] 王 汶,魯 旭.基于GIS的人居環(huán)境氣候舒適度評價——以河南省為例 [J]. 遙感信息, 2009,2:104-109.

[7] Su Q, Liu H, Yuan X, et al. The Interaction Effects of Temperature and Humidity on Emergency Room Visits for Respiratory Diseases in Beijing, China [J]. Cell Biochemistry and Biophysics, 2014,70(2):1377-1384.

[8] Chung J Y, Honda Y, Hong Y C, et al. Ambient temperature and mortality: An international study in four capital cities of East Asia [J]. Science of The Total Environment, 2009,408(2):390-396.

[9] Kim H, Ha J S, Park J. High Temperature, Heat Index, and Mortality in 6Major Cities in South Korea [J]. Archives of Environmental & Occupational Health, 2006,61(6):265-270.

[10] Yu W, Vaneckova P, Mengersen K, et al. Is the association between temperature and mortality modified by age, gender and socio-economic status? [J]. Science of The Total Environment, 2010,408(17):3513-3518.

[11] Ren C, Tong S. Temperature modifies the health effects of particulate matter in Brisbane, Australia [J]. International Journal of Biometeorology, 2006,51(2):87-96.

[12] Ren C, Williams G M, Morawska L, et al. Ozone modifies associations between temperature and cardiovascular mortality: analysis of the NMMAPS data [J]. Occupational and Environmental Medicine, 2008,65(4):255-260.

[13] Lipsett M, Hurley S, Ostro B. Air pollution and emergency room visits for asthma in Santa Clara County, California [J]. Environ Health Perspect, 1997,105(2):216-22.

[14] Lin S, Luo M, Walker R J, et al. Extreme High Temperatures and Hospital Admissions for Respiratory and Cardiovascular Diseases[J]. Epidemiology, 2009,20(5):738-746.

[15] Curriero F C, Heiner K S, Samet J M, et al. Temperature and Mortality in 11Cities of the Eastern United States [J]. American Journal of Epidemiology, 2002,155(1):80-87.

[16] Kan H D, Jia J, Chen B H. Temperature and daily mortality in Shanghai: a time-series study [J]. Biomed Environ Sci, 2003, 16(2):133-9.

[17] Gosling S N, McGregor G R, Paldy A. Climate change and heat-related mortality in six cities part 1: model construction and validation [J]. Int J Biometeorol, 2007,51(6):525-40.

[18] Freitas M, Pacheco A, Verburg T, et al. Effect of particulate matter, atmospheric gases, temperature, and humidity on respiratory and circulatory diseases’ trends in Lisbon, Portugal [J]. Environmental Monitoring and Assessment, 2010,162(1):113-121.

[19] Ye X, Wolff R, Yu W, et al. Ambient temperature and morbidity: a review of epidemiological evidence [J]. Environ Health Perspect, 2012,120(1):19-28.

[20] Gómez-Acebo I, Dierssen-Sotos T, Llorca J. Effect of cold temperatures on mortality in Cantabria (Northern Spain): A case–crossover study [J]. Public health, 2010,124(7):398-403.

[21] M?kinen T M, Juvonen R, Jokelainen J, et al. Cold temperature and low humidity are associated with increased occurrence of respiratory tract infections [J]. Respiratory Medicine, 2009,103(3): 456-462.

[22] Michelozzi P, Accetta G, De Sario M. High Temperature and Hospitalizations for Cardiovascular and Respiratory Causes in 12European Cities [J]. Am J Respir Crit Care Med, 2009,179(5): 383-9.

[23] Larsson K, Tornling G, Gavhed D, et al. Inhalation of cold air increases the number of inflammatory cells in the lungs in healthy subjects [J]. European Respiratory Journal, 1998,12(4):825-830.

[24] Lowen A C, Mubareka S, Steel J, et al. Influenza Virus Transmission Is Dependent on Relative Humidity and Temperature [J]. PLoS Pathog, 2007,3(10):e151.

[25] Keatinge W R, Donaldson G C, Cordioli E, et al. Heat related mortality in warm and cold regions of Europe: observational study [J]. BMJ, 2000,321(7262):670-673.

[26] Sheffield P E, Landrigan P J. Global Climate Change and Children’s Health: Threats and Strategies for Prevention [J]. Environmental Health Perspectives, 2011,119(3):291-298.

[27] Shaman J, Goldstein E, Lipsitch M. Absolute humidity and pandemic versus epidemic influenza [J]. Am J Epidemiol, 2011, 173(2):127-35.

[28] Liener K, Leiacker R, Lindemann J, et al. Nasal mucosal temperature after exposure to cold, dry air and hot, humid air [J]. Acta oto-laryngologica, 2003,123(7):851-856.

[29] Cruz A A, Naclerio R M, Proud D, et al. Epithelial shedding is associated with nasal reactions to cold, dry air [J]. Journal of Allergy and Clinical Immunology, 2006,117(6):1351-1358.

[30] 楊 軍.廣州市氣象因素對居民死亡影響的研究 [D]. 廣州:南方醫(yī)科大學, 2013.

[31] Davis R E, Rossier C E, Enfield K B. The Impact of Weather on Influenza and Pneumonia Mortality in New York City, 1975–2002: A Retrospective Study [J]. PLoS ONE, 2012,7(3): e34091.

[32] Xiao H, Tian H, Lin X, et al. Influence of extreme weather and meteorological anomalies on outbreaks of influenza A (H1N1) [J]. Chinese Science Bulletin, 2012,58(7):741-749.

[33] Lowen A C, Steel J. Roles of Humidity and Temperature in Shaping Influenza Seasonality [J]. Journal of Virology, 2014, 88(14):7692-7695.

[34] Chen Z, Zhu Y, Wang Y, et al. Association of meteorological factors with childhood viral acute respiratory infections in subtropical China: an analysis over 11 years [J]. Archives of Virology, 2013,159(4):631-639.

[35] Paynter S. Humidity and respiratory virus transmission in tropical and temperate settings [J]. Epidemiol Infect, 2015,143(6):1110-8.

[36] Tang J W. The effect of environmental parameters on the survival of airborne infectious agents [J]. J R Soc Interface, 2009,6: S737-46.

Interaction of temperature and relative humidity on emergency room visits for respiratory diseases.

WANG Min-zhen1*, ZHENG Shan1, WANG Shi-gong2,3, YIN Ling4, LI Tan-shi4, HE Shi-ling4(1.School of Public Health, Lanzhou University, Lanzhou 730000, China；2.College of Atmospheric Science, Lanzhou University, Lanzhou 730000, China；3.College of Atmospheric Science,Chengdu University of Information Technology, Chengdu 610225, China；4. General Hospital of PLA, Beijing 100853, China). China Environmental Scince, 2016,36(2)：581～588

Abstract：To quantitatively evaluate the effect of ambient temperature (AT), relative humidity (RH), and their interaction on emergency room visits (ERVs) for respiratory diseases in Beijing, a generalized additive model (GAM) was used to analyze the exposure-effect relationship between AT, RH and daily respiratory disease (ERVs) from 2009 to 2011 in Beijing, as well as their interaction effect on such visits. The model was considered with some potential confounding factors, such as long time trend, “day of week” effect, holiday effect, and air pollution. An obvious U-shaped pattern was found between temperature and daily respiratory disease (ERVs) with the optimum temperature threshold at 12℃. Below that optimum temperature threshold, a 1℃ increase was associated with a decrease of 2.26％ (95％CI: -2.43, -2.09) for (ERVs). Above that temperature threshold, a 1℃ increase was associated with an increase of 0.92％ (95％CI: 0.72, 1.11). A U-shaped pattern was also observed between RH and daily respiratory disease (ERVs) with the optimum RH threshold at 51％. Below that RH threshold, the (ERVs) increased by 3.43％ (95％CI: -3.47％, -3.38％) for a 10％ decrease . Above that RH threshold, the (ERVs) increased by 1.80％ (95％CI: 1.76％, 1.85％) for a 10％ increase. There was a synergistic effect of temperature and RH on respiratory diseases, which meant that the temperature effect differed by RH level. Below the temperature threshold, the temperature effect was stronger in lower RH levels, and the effect estimate per 1℃decrease in temperature was an 2.71％ (95％CI: -2.88, -2.53) increase for respiratory disease (ERVs). However, above thebook=582,ebook=265temperature threshold, the temperature effect was greater in higher humidity levels, and the effect estimate per 1℃increase in temperature was a 1.37％ (95％CI: 1.13, 1.61) increase for respiratory disease (ERVs).

Key words：temperature；relative humidity (RH)；interaction；respiratory system；time-series

作者簡介：王敏珍(1984-),女,河北懷安人,講師,博士,主要從事環(huán)境與健康研究.發(fā)表論文10余篇.

基金項目：國家自然科學青年基金項目(41505095);中央高?；究蒲袠I(yè)務費專項資金資助(lzujbky-2014-154;lzujbky-2014-155,lzujbky-2015-259);國家人口健康科學數據共享平臺(2005PKA32400)

收稿日期：2015-08-25

中圖分類號：X503.1

文獻標識碼：A

文章編號：1000-6923(2016)02-0581-08