最高氣溫對呼吸系統(tǒng)疾病急診人次的影響研究

周建丁,馬玉霞*,楊絲絮,虞志昂,馬秉吉,張志薇

?

最高氣溫對呼吸系統(tǒng)疾病急診人次的影響研究

周建丁1,馬玉霞1*,楊絲絮1,虞志昂1,馬秉吉1,張志薇2

(1.蘭州大學大氣科學學院,甘肅 蘭州 730000；2.江蘇省氣象服務中心,江蘇 南京 210009)

采用基于時間序列的半?yún)?shù)的廣義相加模型,在控制星期幾效應、長期趨勢、氣象要素等混雜因素后,分析2009~2012年北京市日最高氣溫與四類呼吸系統(tǒng)疾病急診人次的暴露-反應關系,探討日最高氣溫對人群健康的影響,并考慮了不同年齡和性別人群分層以及0~6d的滯后效應.結果表明:日最高氣溫對呼吸系統(tǒng)疾病急診存在0~1d滯后效應,男性急診人次均要高于女性;日最高氣溫每上升1°C,男性上呼吸道感染和支氣管炎急診人次分別增加2.10%和2.14%,女性肺炎、哮喘和支氣管炎急診人次分別增加2.00%、4.21%和2.95%.對性別而言,日最高氣溫每上升1°C,小于15歲人群支氣管炎急診人次增加3.60%;15~59歲人群支氣管炎急診人次增加2.16%;對60~74歲年齡段急診人次無顯著統(tǒng)計學意義;≥75歲人群肺炎和哮喘急診人次分別增加2.69%和8.05%.

日最高氣溫；呼吸系統(tǒng)疾??；時間序列；廣義相加模型

人體適宜的氣溫為20~28℃,當外界氣溫變化幅度過大超出了正常人體的調節(jié)能力時,熱平衡調節(jié)機制被打亂,神經(jīng)系統(tǒng)和內分泌系統(tǒng)等失去調節(jié)作用,繼而引起生命活動出現(xiàn)異常,甚至導致死亡[1].高溫熱浪對死亡的貢獻逐年上升[2],導致的死亡人數(shù)也越來越多,尤其是歐洲[3-4].隨著氣候變暖和城市化進程中人口的迅速聚集以及熱島效應,高溫對人群死亡,特別是高危人群的急性死亡效應受到廣泛關注[5-6].眾多國內外研究表明,夏季高溫導致的非正常死亡將會出現(xiàn)增大的可能性[2,7],尤其是兒童、老年人這些體弱人群難以適應極端溫度.如果氣溫高于 34℃,將誘發(fā)一系列疾病的加重,特別是心腦血管疾病和呼吸系統(tǒng)疾病[8].Michelozzi[9]對歐洲呼吸系統(tǒng)疾病入院研究表明,日最高氣溫相對于臨界溫度每上升1℃,地中海和北歐地區(qū)大于75歲人群入院率分別增加4.5%和3.1%.上海熱浪天氣造成呼吸系統(tǒng)疾病死亡率增加RR=1.23[10].陶輝等[11]對北京市某區(qū)研究表明,日均氣溫大于25℃時,每升高1℃對呼吸系統(tǒng)疾病死亡人數(shù)的貢獻達到25.7%.除了死亡率和死亡人數(shù)的增加,高溫會增加醫(yī)院就診量,造成人群疾病負擔加重[12-14].本文擬采用廣義相加模型對北京市2009~2012年日最高氣溫與呼吸系統(tǒng)疾病急診人次進行時間序列分析,并定量評估日最高氣溫上升1℃對各類呼吸系統(tǒng)疾病帶來的健康風險,為氣象服務提供正確依據(jù).

1 材料與方法

1.1 研究資料

本文使用氣象數(shù)據(jù)包括2009年1月1日~2012年12月31日北京市氣象臺日均氣溫(℃)、日最高氣溫(℃)、日最低氣溫(℃)、相對濕度(%)、日平均風速(m/s)、日照時數(shù)(h)、平均水汽壓(hPa)、日平均降水量(mm)逐日資料;同期大氣污染物濃度資料來自于北京市多個污染物監(jiān)測站點的平均,包括PM10、SO2、NO2濃度;同期疾病數(shù)據(jù)來自北京市三家綜合性醫(yī)院:中國人民解放軍301醫(yī)院、中國人民解放軍309醫(yī)院、海軍總醫(yī)院,均為部隊醫(yī)院,資料來源位置如圖1所示.根據(jù)ICD-10關于呼吸系統(tǒng)詳細分類標準將呼吸系統(tǒng)疾病資料進行小種類篩選,再根據(jù)定義篩選出肺炎、上呼吸道感染、哮喘、支氣管炎四類疾病進行研究.

圖1 氣象站、污染物監(jiān)測站和醫(yī)院分布

1.2 研究方法

本文涉及的時間序列分析法就是按照時間的先后順序,將某一個指標在不同時間上的不同數(shù)值排列而成的數(shù)列,是一種動態(tài)數(shù)據(jù)處理的統(tǒng)計方法.研究發(fā)現(xiàn),采用時間序列方法評估人群暴露條件改變后的健康效應時,與時間變化相關的變量(如年齡改變等)將不再是混雜因素以調整健康效應的長期和季節(jié)趨勢等潛在混雜因素的影響[15].本文也將運用基于時間序列的廣義相加模型(GAM)進行危險度評價.GAM模型公式為:

式中:E(Y)為第天的急診人次的預期值;X為與急診人次呈線性關系的變量;為回歸系數(shù);DOW和holiday分別代表星期幾效應和節(jié)假日效應;s:非參數(shù)平滑樣條函數(shù);time:日期;df:自由度;:與急診人次呈非線性關系的變量,分別為污染物濃度和氣象要素.

2 結果與分析

2.1 呼吸系統(tǒng)疾病時間序列與描述性統(tǒng)計

本次研究共收集急診資料1219874例,篩選出221757例呼吸系統(tǒng)疾病,占比18.2%,其中男性121744例,女性100012例,<15歲人群68774例,15~ 59歲人群139803例,60~74歲人群8216例,75歲以上人群4959例.共納入四類呼吸系統(tǒng)疾病,包括肺炎、上呼吸道感染(上感)、哮喘以及支氣管炎, 2009~2012年急診人次逐日資料的時間序列分布如圖2所示,隨著時間推移,肺炎急診人次呈顯著增加趨勢;上呼吸道感染急診人次在夏季急診人次最多,總體呈緩慢減少趨勢;哮喘急診人次呈緩慢增加趨勢;支氣管炎急診人次總體上無明顯變化趨勢.肺炎急診人次和支氣管炎急診人次隨季節(jié)變化明顯,冬季急診人次多,夏季少,呈顯著的周期性.

圖2 呼吸系統(tǒng)疾病急診人次時間序列分布

表1 呼吸系統(tǒng)疾病急診人次描述性統(tǒng)計

續(xù)表1

圖3 氣象要素與污染物濃度的時間序列分布

按照年齡與性別對四類疾病進行分類.通過描述性統(tǒng)計(表1)發(fā)現(xiàn),四類呼吸系統(tǒng)疾病中,男性急診人次均要大于女性.肺炎患者為日均12.52人,其中男性7.21人,女性5.31人,男性明顯大于女性.15~59歲人群和375歲人群急診人次較多,分別達5.62人和3.54人,上感患者為8.41人,其中男性4.69人,女性3.72人,多發(fā)于15~59歲人群和<15歲人群,分別為6.25人和1.78人.哮喘患者為3.28人,其中男性1.66人,女性1.62人,15~59歲人群最多,為2.20人,60~74歲人群次之,為0.47人.支氣管炎患者為11.80人,其中男性6.36人,女性5.44人,多發(fā)于15~59歲人群和<15歲人群,分別為7.50人和1.98人.

2.2 氣象要素及污染物濃度時間序列和相關分析

對2009年1月1日~2012年12月31日北京市平均氣溫(℃)、最高氣溫(℃)、日照(h)、平均相對濕度(%)、2分鐘平均風速(m/s)、SO2濃度、NO2濃度、PM10濃度逐日資料進行時間分布排序(圖3).平均氣溫、最高氣溫、日照時數(shù)呈現(xiàn)顯著的年周期變化.平均相對濕度圍繞50%上下波動,周期變化不明顯.2min平均風速有一定的周期性,冬春季節(jié)的風速要明顯大于夏秋季節(jié).二氧化硫濃度無明顯變化,二氧化氮和PM10濃度在2012年有顯著升高.

根據(jù)呼吸系統(tǒng)疾病急診人次與氣象要素和污染物濃度的Spearman相關分析(表2)可知,呼吸系統(tǒng)疾病與日均氣溫、日最高氣溫、相對濕度、風速、PM10呈顯著的負相關(<0.01),與SO2、NO2呈顯著的正相關(<0.01),與日照時數(shù)的相關性不顯著.

表2 呼吸系統(tǒng)疾病急診人次與氣象要素、污染物的Spearman相關分析

注:*<0.05;**<0.01.

2.3 日最高氣溫與呼吸系統(tǒng)疾病的暴露-反應關系

日最高氣溫與四類呼吸系統(tǒng)疾病總急診人次在滯后當天的暴露反應關系曲線如圖4所示,在肺炎和上呼吸道感染疾病,日最高氣溫與急診人次呈現(xiàn)線性上升的關系,LogRR值為0的日最高氣溫位于15~20°C區(qū)間內;日最高氣溫與支氣管炎急診人次呈現(xiàn)曲線緩慢爬升的趨勢;與哮喘急診人次呈現(xiàn)曲線下降的趨勢.

圖4 日最高氣溫與四類呼吸系統(tǒng)疾病的暴露反應關系

2.4 日最高氣溫對呼吸系統(tǒng)疾病影響的危險度評價

圖5描述了4種呼吸系統(tǒng)疾病對各人群不同滯后時間下的相對危險度.全人群在滯后0d的相對危險度達到最大,在1~2d內減小到RR=1附近,肺炎、上呼吸道感染和支氣管炎的RR值在當天分別為1.0132(95%CI: 1.0009, 1.0257)、1.0159(95%CI: 1.0003, 1.0317)、1.0255(95%CI: 1.0129, 1.0382),即ER值分別為1.32%、1.59%、2.55%,均具有統(tǒng)計學意義,哮喘對應的RR值為1.0228(95%CI: 0.9987, 1.0475),不具有統(tǒng)計學意義.

圖5 不同人群不同疾病滯后效應的相對危險度RR值

男性和女性都在當天達到最大,隨著滯后時間增加,男性相對危險度在滯后1d急劇減小,而后趨于平穩(wěn),而女性相對危險度在滯后第2d減小到趨于平穩(wěn).在滯后0d時,日最高氣溫升高1℃對男性上呼吸道感染和支氣管炎患者的RR值分別為1.0210 (95%CI: 1.0001, 1.042)和1.0214(95%CI: 1.0004, 1.0386),ER值即為2.10%和2.14%,具有統(tǒng)計學意義,肺炎和哮喘在當天的RR值分別為1.0082(95%CI: 0.9919, 1.0249)和1.0057(95%CI: 0.9723, 1.0400),但不具有統(tǒng)計學意義.相比于男性而言,女性在滯后0d時,肺炎、哮喘和支氣管炎都有更大的相對危險度且通過顯著性檢驗,RR值分別達到1.0200、1.0421、1.0295,即ER值分別為2.00%、4.21%、2.95%,并且哮喘和支氣管炎在滯后0~1d均具有統(tǒng)計學意義.

對于不同年齡層次急診人群,其中,<15歲人群不易受到肺炎和上呼吸道感染的影響,在滯后0天哮喘對應的RR值最大為1.0886(95%CI: 0.9975, 1.1881),不具有統(tǒng)計學意義,支氣管炎對應的RR值也在當天達到最大,1.0360(95%CI: 1.0047, 1.0683),即ER值為3.60%,具有統(tǒng)計學意義.15~59歲人群肺炎患者對應的RR在滯后1d時最大,為1.0067 (95%CI: 0.9981, 1.0153),但無統(tǒng)計學意義,其他疾病均在當天有最大的RR值,上呼吸道感染、哮喘、支氣管炎分別為1.0166(95%CI: 0.9986, 1.0349)、1.0089(95%CI: 0.9797, 1.0390)、1.0216(95%CI: 1.0058, 1.0376),即ER值分別為1.66%、0.89%、2.16%,僅支氣管炎對應RR/ER具有統(tǒng)計學意義. 60~74歲人群四類疾病的相對危險度在滯后0d或1d內達到最大,但均不存在統(tǒng)計學意義.375歲人群中,RR值都在當天最大,肺炎、上呼吸道感染和支氣管炎對應的RR值分別為1.0269(95%CI: 1.0036, 1.0506)、1.0937(95%CI: 0.9554, 1.2520)、1.0361 (95%CI: 0.9961, 1.0777),其ER值分別為2.69%、9.37%、3.61%,均要比其他年齡人群的RR/ER值要大得多,但僅肺炎具有統(tǒng)計學意義,而哮喘對應的RR值為1.0805(95%CI: 1.009, 1.1568),即ER值為8.05%,僅比<15歲哮喘人群對應RR/ER值小,具有統(tǒng)計學意義.

圖6 不同疾病滯后效應的最優(yōu)RR值

圖6為各種疾病對應的最優(yōu)相對危險度,各人群基本在滯后當天達到最大的RR值,僅<15歲人群的上呼吸道感染、15~59歲人群的肺炎以及60~74歲人群的哮喘對應的RR值在滯后1d的時候達到最大,但均無統(tǒng)計學意義,可見高溫對呼吸系統(tǒng)疾病基本不存在明顯的滯后效應.肺炎和上呼吸道感染對60~74歲和375歲人群影響較大,哮喘和支氣管炎對<15歲人群和375歲人群影響較大.

3 討論

對北京市2009~2012年肺炎、上呼吸道感染、哮喘、支氣管炎四類呼吸系統(tǒng)疾病急診人次進行統(tǒng)計發(fā)現(xiàn),肺炎和支氣管炎急診人次最多,日均急診人次大于11人以上,兩者均呈現(xiàn)顯著的周期性,冬季急診多,夏季急診少;上呼吸道感染急診人次日均8.41人,夏季急診人次多,冬季少;哮喘急診人次日均3.28人,未發(fā)現(xiàn)明顯的趨勢和周期性.各類疾病的急診人次較多,適合進行分病種的研究[16].其中上呼吸道感染、支氣管炎多發(fā)于小于15歲、15~59歲年齡段人群,哮喘多發(fā)于15~59歲、60~74歲年齡段中老年人群,肺炎多發(fā)于15~59歲以及≥75歲的老年人群,有研究顯示高溫對肺炎死亡率的增加貢獻較大[17],老年人急診也較多.研究表明高溫日最高氣溫對呼吸系統(tǒng)疾病急診基本不存在滯后效應,僅有極少在滯后1d時相對危險度達到最大,其余均在滯后當天達到最大,這與荷蘭[18]和瑞典[19]的研究一致,也與國內馮雷[18]的研究結果一致.

日最高氣溫對全人群肺炎、上呼吸道感染、支氣管炎急診有顯著相關性,日最高氣溫每上升1℃,急診人次分別增加1.32%、1.59%、2.55%.Ballester等[21]研究顯示西班牙瓦倫薩城暖季(5~10月)日均氣溫相對于24℃每上升1℃,死亡率增加1%~4.2%. Vaneckova等[22]對悉尼的研究中發(fā)現(xiàn),日均氣溫每升高10℃對呼吸系統(tǒng)疾病死亡率的影響達到12.1%.李萌萌等[23]對濟南市研究表明,高溫對呼吸系統(tǒng)疾病影響當天的RR 值為1.06(95%CI: 1.02, 1.31),這與本文研究結果差異不大.

日最高氣溫與男性上呼吸道感染、支氣管炎急診有顯著相關性,日最高氣溫每上升1℃,急診人次分別增加2.10%和2.14%;日最高氣溫與女性上呼吸道感染、肺炎、支氣管炎、哮喘急診有顯著相關性,日最高氣溫每上升1℃,急診人次分別增加2.00%、4.21%、2.95%.日最高氣溫對呼吸系統(tǒng)疾病不同性別影響差異明顯[24-25].女性雖然在急診人次上少于男性,但是其受高溫影響的風險要大于男性,這與廣東省的研究一致[26],欒桂杰等[27]對北京高溫熱浪研究也發(fā)現(xiàn)女性的影響要大于男性.而Bell等[28]對于圣地亞哥和圣保羅的研究指出男性比女性更易受到高溫的影響,所以對于性別間的差異,可能與各種社會經(jīng)濟因素有關,也與地域、文化有關.

日最高氣溫與小于15歲年齡段和15~59歲年齡段支氣管炎急診有顯著相關性,日最高氣溫上升1℃,疾病急診人次分別增加3.60%和2.16%;日最高氣溫與60~74歲年齡段急診無顯著相關性;日最高氣溫與375歲年齡段肺炎和哮喘有顯著相關性,日最高氣溫上升1℃,疾病急診人次分別增加2.69%和8.05%.可見日最高氣溫對375歲年齡段人群的影響最大,這與Michelozzi等[9]對地中海和北歐地區(qū)的研究一致,也與Kunst等[18]對荷蘭的研究一致,Zeng等[25]對廣東四個城市的研究也顯示了大于75歲老年人受高溫影響的脆弱性.但不同研究的相對危險度有所差異.Gouveia等[29]對巴西圣保羅的研究發(fā)現(xiàn),在老年人中,溫度高于20℃時,每度增加的死亡率增加2.6%.Kovats等[30]對倫敦死亡的研究結果顯示,日均氣溫每上升1℃,75歲以上老年人呼吸系統(tǒng)疾病死亡率上升10.9%.這可能與本研究使用的急診資料有關,大多數(shù)研究都是使用死亡率資料,死亡率資料更加直觀[11].并且本文對疾病的分類更加細致,各類呼吸系統(tǒng)疾病的RR值也有所差異,導致與其他研究結果不同.老年人由于對溫度變化敏感性降低,維持正常體溫的能力降低,并且他們可能使用許多干擾正常出汗過程的藥物,從而使他們的易感性增加,從而加劇了呼吸系統(tǒng)疾病的風險因素和觸發(fā)機制[26].

4 結論

呼吸系統(tǒng)疾病急診人次呈現(xiàn)逐年上升趨勢,具有顯著季節(jié)變化特征,且在不同性別、年齡段人群中存在差異,男性急診人次普遍大于女性.最高氣溫對呼吸系統(tǒng)疾病的影響在不同性別和年齡人群存在差異,375歲人群和女性為易感人群.日最高氣溫的影響有0~1d滯后效應.

[1] 劉 方,張金良.氣象因素對人類健康的影響 [J]. 中國公共衛(wèi)生, 2005,21(3):115-117. Liu F, Zhang J L. Impact of meteorological factors on human health [J]. Chinese Journal of Public Health, 2005,21(3):115-117.

[2] Koppe C, Kovats S, Jendritzky G, et al. Health and global environmental change: heat-waves: risks and responses [R]. Denmark: WMO, 2004.

[3] Hemon D, Jougla E.Estimation de la sur mortalité et principales caracteristiques epidemiologique [R]. Paris: INSERM, 2003.

[4] Bouchama A. The 2003 European heatwave [J]. Tensive Care Med, 2004,30:1-3.

[5] 鄭思軼,劉樹華.北京城市化發(fā)展對溫度、相對濕度和降水的影響 [J]. 氣候與環(huán)境研究, 2008,13(2):123-133. Zheng S Y, Liu S H. Urbanization effect on climate in Beijing [J]. Climatic and Environmental Research, 2008,13(2):123-133.

[6] 周曉農.氣候變化與人體健康 [J]. 氣候變化研究進展, 2010,6(4): 235-240. Zhou X L. Potential impacts of climate change on human health [J]. Advances in Climate Change Research, 2010,6(4): 235-240

[7] 何 權,何祖安,鄭有清.炎熱地區(qū)熱浪對人群健康影響的調查 [J]. 環(huán)境與健康雜志, 1990,7(5):206-211. He Q, He Z A, Zheng Y Q. Investigation on the health effects of heat waves in hot areas [J].Journal of Environment and Health, 1990,7(5):206-211.

[8] 蘭 莉,高菡璐,梁 巍,等.2007~2011年高溫對哈爾濱市區(qū)人口死亡的影響 [J]. 中國衛(wèi)生工程學, 2014,13(1):3-10. Lan L, Gao H L, Liang W, et al. Impact of high temperature on population death in urban Harbin 2007~2011 [J]. Chinese Journal of Public Health Engineering, 2014,13(1):3-10.

[9] Michelozzi P, Accetta G, Sario M, et al. High temperature and hospitalizations for cardiovascular and respiratory causes in 12European cities [J]. American Journal of Respiratory and Critical Care Medicine, 2009,179(5):383-389.

[10] Huang W, Kan H, Kovats S. The impact of the 2003 heat wave on mortality in Shanghai, China [J]. Science of Total Environment, 2010,408:2418-2420.

[11] 陶 輝,童建勇,沈艷輝,等.北京市H區(qū)日平均氣溫與呼吸系統(tǒng)疾病死亡的病例交叉研究[J]. 環(huán)境與健康雜志, 2011,28(7):569-572. Tao H, Tong J Y, Shen Y H, et al. Association between Daily Mean Air Temperature and Mortality of Respiratory Diseases in Beijing, China: a Case-Crossover Study [J].Journal of Environment and Health, 2011,28(7):569-572.

[12] 李永紅,楊念念,劉迎春,等.高溫對武漢市居民死亡的影響 [J]. 環(huán)境與健康雜志, 2012,29(4):303-305.Li Y H, Yang N N, Liu Y C, et al. Impacts of high temperature on death in Wuhan [J]. Journal of Environment and Health, 2012,29(4):303-305.

[13] 王敏珍,鄭 山,王式功,等.氣溫與濕度的交互作用對呼吸系統(tǒng)疾病的影響 [J]. 中國環(huán)境科學, 2016,36(2):581-588. Wang M Z, Zheng S, Wang S G, et al. Interaction of temperature and relative humidity on emergency room visits for respiratory diseases [J]. China Environmental Science, 2016,36(2):581-588.

[14] 張 瑩,王式功,賈旭偉,等.氣溫與PM2.5協(xié)同作用對疾病急診就診人數(shù)的影響 [J]. 中國環(huán)境科學, 2017,37(8):3175-3182. Zhang Y, Wang S G, Jia X W, et al. Synergetic effect of mean temperature and PM2.5 on emergency room visits for different diseases [J]. China Environmental Science, 2017,37(8):3175-3182.

[15] 鄧 丹,王潤華,周燕榮.時間序列分析及其在衛(wèi)生事業(yè)中的應用 [J]. 數(shù)理醫(yī)藥學雜志, 2002,15(5):455-457. Deng D, Wang R H, Zhou Y R. Time series analysis and its application in health [J]. Journal of Mathematical Medicine, 2002,15(5):455-457.

[16] 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.

[17] 王 玨,于連政,穆慧娟,等.沈陽市日均氣溫與呼吸疾病死亡率關系 [J]. 中國公共衛(wèi)生, 2009,25(4):481-482.Wang J, Yu L Z, Mu H J, et al. Association between daily ambient average temperature and daily respiratory system disease mortality in Shenyang city [J]. Chinese Journal of Public Health, 2009,25(4):481-482.

[18] Kunst A E, Looman G W N, Mackenbach J P. Outdoor air and temperature and mortality in The Netherlands: a time series analysis [J]. American Journal of Epidemiology, 1993,137:331-41.

[19] Rocklov J, Forsberg B. The effect of temperature on mortality in Stockholm 1998~2003: A study of lag structures and heatwave effects [J].Scandinavian Journal of Public Health, 2008,36:516-523.

[20] 馮 雷,李旭東.高溫熱浪對人類健康影響的研究進展 [J]. 環(huán)境與健康, 2016,33(2):182-188.Feng L, Li X D. Effects of heat waves on human health: a review of recent study [J]. Journal of Environment and Health, 2016,33(2):182-188.

[21] Ballester F, Corella D, Perez-Hoyo S, et al. Mortality as a function of temperature: A study in Valencia, Spain, 1991~1993 [J]. International Journal of Epidemiology, 1997,26(3):551-561.

[22] Vaneckova P, Beggs P J, de Dear R J, et al. Effect of temperature on mortality during the six warmer months in Sydney, Australia, between 1993 and 2004 [J]. Environmental Research, 2008,108(3):361-369.

[23] 李萌萌,周脈耕,張 霞,等.濟南市4個區(qū)氣溫對非意外死亡及死因別死亡的影響 [J]. 中華流行病學雜志, 2014,35(6):684-688. Li M M, Zhou M G, Zhang X, et al. Impact of temperature on non-accidental deaths and cause-specific mortality in four districts of Jinan [J]. Chinese Journal of Epidemiology, 2014,35(6):684-688.

[24] Huang W, Kan H, Kovats S. The impact of the 2003heat wave on mortality in Shanghai, China [J]. Science of the Total Environment, 2010,408(11): 2418-2420.

[25] Tam W W, Wong T W, Chair S Y, et al. Diurnal temperature range and daily cardiovascular mortalities among the elderly in Hong Kong [J]. Archives of Environmental & Occupational Health, 2009,64(3):202-206.

[26] Zeng W L, Lao X Q, Rutherford S, et al. The effect of heat waves on mortality and effect modifiers in four communities of Guangdong Province, China [J]. Science of the Total Environment,2014,482-483:214-21.

[27] 欒桂杰,李湉湉,殷 鵬,等.2010年北京市高溫熱浪對居民死亡的影響 [J]. 環(huán)境衛(wèi)生學雜志, 2015,5(6):525-529.Luan G J, Li T T, Yin P, et al. Heat wave impact on mortality in Beijing in 2010 [J]. Journey of Environmental Hygiene, 2015,5(6):525-529.

[28] Bell M, O'Neill M, Ranjit N, et al. Vulnerability to heat-related mortality in Latin America: a case-crossover study in Sao Paulo, Brazil, Santiago, Chile and Mexico City, Mexico [J].International Journal of Epidemiology, 2008,37:796-804.

[29] Gouveia N, Hajat S, Armstrong B. Socioeconomic differentials in the temperature -mortality relationship in Sao Paulo, Brazil. [J]. International Journal of Epidemiology, 2003,32:391-397.

[30] Kovats R S, Hajat S, Wilkinson S P. Contrasting patterns of mortality and hospital admissions during hot weather and heat waves in Greater London, UK [J].Occupational & Environmental Medicine, 2004, 61(11):893-898.

A study on the impact of daily maximum temperature on the hospital emergency room visits due to respiratory diseases.

ZHOU Jian-ding1, MA Yu-xia1*, Yang Si-xu1, YU Zhi-ang1, MA Bing-ji1, ZHANG Zhi-wei2

(1.College of Atmospheric Sciences, Lanzhou University, Lanzhou 730000, China；2.Jiangsu Meteorological Service Centre, Nanjing 210009, China)., 2019,39(1)：372~378

Based on the daily maximum temperature data and hospital Emergency Room (ER) visit records from 2009 to 2012, we analyzed the climatic impact on the onset of the four types of common respiratory diseases (i.e., upper respiratory tract infection, bronchitis, pneumonia, and asthma) in Beijing, China. We used a time-series-based semi-parametric generalized additive model. We controlled the confounding factors, such as weekday effect, long-term trend, and other meteorological elements, and we also factored in age-gender differences and the lagging effect within a week. The results showed that the lagging effect of daily maximum temperature on the number of ER visits due to respiratory diseases was within one day. The number of male patients was generally higher than that of female patients. For each 1°C increase in daily maximum temperature, the number of ER visits due to upper respiratory tract infection and bronchitis would increase by 2.10% and 2.14%, respectively, for the male subgroup; and the number of ER visits due to pneumonia, asthma, and bronchitis would increase by 2.00%, 4.21%, and 2.95%, respectively, for the female subgroup. Within the four different age subgroups, the increase in the number of ER visits due to respiratory diseases per 1°C increase in daily maximum temperature was statistically significant with the exception of the 60-74age group. In particular, when daily maximum temperature increased by 1°C, the number of ER visits due to bronchitis would increase by 3.60% and 2.16% for the below-15 and the 15~59age group, respectively; the number of ER visits due to pneumonia and asthma would increase by 2.69% and 8.05%, respectively, for the over-75age group.

daily maximum temperature；respiratory diseases；time series；generalized additive model

X18,X503.1

A

1000-6923(2019)01-0372-07

周建丁(1993-),男,福建三明人,碩士研究生,研究方向為氣候變化及其影響.發(fā)表論文7篇.

2018-05-14

中央高校基本業(yè)務費專項資金(Lzujbky-2017-69)

* 責任作者, 副教授, mayuxia07@lzu.edu.cn