沿海城市極端氣溫對腦卒中死亡的滯后定量影響*

鹿文涵 谷少華 孫仕強 張程明 朱憲春

1.寧波市海曙區(qū)氣象局，寧波，315153

2.寧波市疾病預(yù)防控制中心，寧波，315010

3.寧波市氣象臺，寧波，315012

1 引言

聯(lián)合國政府間氣候變化專門委員會（IPCC）2021 年8 月發(fā)布的第六次評估報告顯示，全球氣候變化前所未有，未來極端天氣、氣候事件會更頻繁，其中以高溫?zé)崂撕偷蜏睾睘榇恚↖PCC，2021）。大量流行病學(xué)的研究（Breitner，et al，2014；Chen，et al，2013；Revich，et al，2008；陳麗菁等，2015）表明，極端氣溫會顯著增加腦卒中死亡風(fēng)險，也有研究（何曉定等，2020；陳麗菁等，2015）顯示極端低溫與腦卒中死亡率的關(guān)系尚不清楚。不同人群對極端氣溫的反應(yīng)不一樣，老年人比年輕人更容易受到極端氣溫的影響（李諾等，2017；Basu，2009；Bhaskaran，2009），患有心血管疾病的人群比健康人群容易受到極端氣溫的影響（Guo，et al，2012a，2012b；Lawlor，et al，2004；McMichael，et al，2008；Dilaveris，et al，2006）。人們通過生理、行為習(xí)慣和文化傳統(tǒng)等來適應(yīng)當?shù)氐沫h(huán)境條件，極端氣溫的不利影響可能因氣候類型和人文習(xí)慣而有所不同（Lowe，et al，2011；Guo，et al，2011）。因此，有必要評估不同地區(qū)極端氣溫的人體健康效應(yīng)。

寧波地處中國東部沿海，是世界上最重要、最繁忙的港口城市之一。2021 年的寧波統(tǒng)計年鑒顯示，2020 年寧波常住人口942 萬。寧波地處亞熱帶季風(fēng)氣候區(qū)，夏季長且炎熱潮濕，冬季寒冷且較為干燥。因其緊鄰沿海，海洋效應(yīng)對極端氣候有舒緩作用（徐哲永等，2021），使得寧波的極端氣溫健康事件研究并不多，定量評估工作更少。但已有的研究（Zhou，et al，2017；Guo，et al，2013）表明極端氣溫對腦卒中死亡的影響沿海城市并不比內(nèi)陸城市弱。因此，本研究以寧波為例，基于2013—2019 年氣溫觀測數(shù)據(jù)和同期的腦卒中死亡數(shù)據(jù)，利用分布滯后非線性模型（DLNM）研究極端高溫和極端低溫與腦卒中死亡人數(shù)的暴露-反應(yīng)關(guān)系，并檢驗其影響是否因個體特征（性別和年齡）而異。

2 資料與方法

2.1 數(shù)據(jù)來源

氣象資料來自寧波市氣象局，經(jīng)過均一性檢驗的2013—2019 年國家基本氣象站逐日觀測資料（包括極端高溫、極端低溫、平均相對濕度等）。文中逐日極端氣溫指國家基本氣象站觀測中記錄的每日最高氣溫、最低氣溫。同期空氣質(zhì)量觀測資料（包括PM2.5、PM10等）來自寧波市環(huán)保局；同期腦卒中死亡數(shù)據(jù)來自寧波市疾病預(yù)防控制中心，數(shù)據(jù)涵蓋所有行政區(qū)域，病例數(shù)據(jù)統(tǒng)計指標包括報告卡編碼、出生日期、就診日期、死亡日期、根本死因及國際疾病分類（IDC）的相應(yīng)編碼（已脫敏）。病例以性別和年齡進行分組：低于65 歲（＜65 歲）設(shè)定為低齡組，65 歲及以上（≥65 歲）設(shè)定為高齡組。

2.2 研究方法

分布滯后非線性模型（DLNM）已被廣泛用于環(huán)境因素與健康效應(yīng)關(guān)系研究，可以表達非線性暴露-反應(yīng)關(guān)系和滯后效應(yīng)（Gasparrini，et al，2010）。文中采用DLNM 進行寧波腦卒中死亡數(shù)據(jù)的準泊松回歸分析，研究其與極端氣溫的關(guān)系。

結(jié)合已有研究（Yang，et al，2016；Zhou，et al，2017）和廣義赤池信息準則（QAIC），研究極端高溫對腦卒中死亡的定量影響時，使用最多滯后14 d（Gasparrini，et al，2011；Zhou，et al，2017）的設(shè)定，最終滯后有效時間以模型計算為準。為了評估極端高溫對腦卒中死亡的影響，還需確定最小發(fā)病的最適宜氣溫，即滯后0—14 d 累積暴露-反應(yīng)曲線最低點的溫度，并作為參考值參與建模（Gasparrini，et al，2015；Wang，et al，2017）。極端低溫與腦卒中死亡的定量方法和極端高溫一致，但使用最多滯后30 d（Vardoulakis，et al，2014；Bai，et al，2014）的設(shè)定，同時最小發(fā)病的最適宜氣溫也有改變。

為測試結(jié)果的穩(wěn)健性，進行了靈敏度分析，結(jié)果符合白噪聲。本研究所有的統(tǒng)計分析均使用R軟件中的dlnm 程序包。

3 結(jié)果分析

表1 是2013—2019 年寧波市的氣象要素、空氣污染要素和腦卒中死亡病例統(tǒng)計情況。研究期間共有46349 例腦卒中死亡，男性24234 例，女性22115 例，高齡組（≥65 歲）42454 例，低齡組（＜65 歲）3895 例。死亡病例平均年齡為80.22 歲、平均每天18 例，極端高溫、極端低溫、空氣相對濕度和空氣污染物PM2.5質(zhì)量濃度的日均值分別為22.42℃、14.67℃、75.45%和48.78 μg/m3。

表1 2013—2019 年寧波市氣象要素、空氣污染要素和腦卒中病例統(tǒng)計Table 1 Descriptive statistics of meteorological factors，air pollution factors and stroke cases in Ningbo from 2013 to 2019

3.1 極端高溫對腦卒中死亡的滯后影響

圖1 為極端高溫對不同群組腦卒中死亡的單日風(fēng)險。除低齡組（＜65 歲）外，極端高溫在不同的滯后時間造成腦卒中死亡的單日相對危險度（Relative Risk，RR）趨勢基本一致，均為短時間的顯著影響（Yang，et al，2016；Chen，et al，2013）。隨著極端高溫升高，死亡風(fēng)險顯著增加，與多數(shù)研究（Zhou，et al，2017；陳月珍等，2016；吳凱等，2016；Sun，et al，2013）結(jié)論一致；隨著滯后時間的延長，影響逐漸減小。以往研究（Zhang，et al，2014）報道腦卒中死亡與極端氣溫相關(guān)，但促進效果不顯著，可能與“收獲效應(yīng)”有關(guān)（Hajat，et al，2005）。

對于全部人群（圖1a），極端高溫對腦卒中死亡的影響當天最大，影響持續(xù)到第3 天。極端高溫對腦卒中死亡的促進影響男性（圖1c1）大于女性（圖1c2）；高齡組（圖1b1）的單日相對危險度趨勢和全部人群一致，低齡組（圖1b2）不具有統(tǒng)計學(xué)意義（P＞0.05），與已有研究（陳麗菁等，2015；王隴德，2015；Wang，et al，2017；宇傳華等，2016；王擁軍等，2020；Roger，et al，2012；Huang，et al，2015；Chen，et al，2018；王通等，2019；陳亦晨等，2019，2022）結(jié)果一致。但也有研究（Lavados，et al，2018）顯示極端氣溫下女性群體更脆弱，可能是區(qū)域差異、行為習(xí)慣和生理反應(yīng)不同所導(dǎo)致（Chen，et al，2013；Anderson，et al，2009）；低齡組樣本少且離散度高，且未發(fā)現(xiàn)年輕人的發(fā)病率在逐年增長（Roger，et al，2012），未來研究需要加強對該問題的關(guān)注。

圖1 不同滯后時間極端高溫對不同群組（a.全體，b1.≥65 歲，b2.＜65 歲，c1.男，c2.女）腦卒中死亡的單日相對危險度Fig.1 Three dimensional diagram of single-day relative risk value of extreme high temperature on stroke death in different lag time for different groups（a.all，b1.≥65，b2.＜65，c1.male，c2.famale）

累積相對風(fēng)險是連續(xù)風(fēng)險的總和，可知風(fēng)險是否跟某種效應(yīng)累積有關(guān)（與單日相對風(fēng)險不同，且并非單日相對風(fēng)險的簡單累加求和）。圖2 顯示了極端高溫對不同群組腦卒中死亡的累積相對風(fēng)險。從圖中可看出，除了低齡組（圖2b2），其他群組都呈近似“V”形的暴露-反應(yīng)曲線，表明極端高溫越高，腦卒中死亡的累積相對危險度越大，對腦卒中死亡的影響越大。

圖2 滯后0—14 d 極端高溫對不同群組（a.全體，b1.≥65 歲，b2.＜65 歲，c1.男，c2.女）腦卒中死亡的累積相對危險度（陰影為95%置信區(qū)間）Fig.2 Cumulative relative risk value of extreme high temperature on stroke death in lag time 0—14 d for different groups（a.all，b1.≥65，b2.＜65，c1.male，c2.famale；shaded：95%CI）

為更好應(yīng)對極端高溫風(fēng)險，結(jié)合本地高溫預(yù)警標準，模型計算了35—40℃滯后14 d 內(nèi)腦卒中死亡的累積相對危險度及95%置信區(qū)間（95%CI）（表2）。由表2可見，RR（95%CI）隨時間延長和溫度升高越來越大，全部人群40℃滯后0—1 d、0—2 d和0—3 d 累積相對危險度（95%CI）分別為1.29（1.17—1.43）、1.38（1.22—1.55）和1.41（1.25—1.60）。高齡組同期累積相對危險度大體與全部人群結(jié)果持平或略高；極端高溫對低齡組腦卒中死亡影響無統(tǒng)計學(xué)意義。女性群組同期累積相對危險度比男性明顯低，其他氣溫結(jié)果也一致，說明男性群組因極端高溫而死亡的腦卒中患者風(fēng)險更高。

表2 35—40℃不同群組在有效滯后天數(shù)內(nèi)對腦卒中死亡的累積相對危險度及95%置信區(qū)間Table 2 Cumulative relative risk and 95%CI of stroke death for different groups at 35—40℃ within effective lag days

3.2 極端低溫對腦卒中死亡的滯后影響

圖3 是極端低溫對不同群組腦卒中死亡的單日風(fēng)險。極端低溫在不同滯后時間造成腦卒中死亡的單日相對危險度不完全相同。除低齡組外（不具有統(tǒng)計學(xué)意義，P＞0.05），極端低溫都有緩慢的滯后效應(yīng)（李娟等，2017；徐穎等，2017），且隨著極端低溫降低，腦卒中死亡風(fēng)險明顯增大（Zhou，et al，2017；陳月珍等，2016；吳凱等，2016；Sun，et al，2013），并且比極端高溫具有更大的死亡風(fēng)險（Chen，et al，2018；陳亦晨等，2019）。

對于全部人群（圖3a），極端低溫發(fā)生初期沒有顯著的增加腦卒中死亡風(fēng)險，隨著滯后時間的延長，影響先增大后減小。高齡組（圖3b1）的單日相對危險度趨勢和全部人群保持較好一致，且比全部人群的滯后時間更長。男性（圖3c1）極端低溫發(fā)生當天對腦卒中死亡風(fēng)險有顯著增大，但結(jié)束的相對較快（效應(yīng)僅持續(xù)到第7 天）。

圖3 不同滯后時間極端低溫對不同群組（a.全體，b1.≥65 歲，b2.＜65 歲，c1.男，c2.女）腦卒中死亡的單日相對危險度Fig.3 Three dimensional diagram of single-day relative risk of extreme low temperature on stroke death in different lag time for different groups（a.all，b1.≥65，b2.＜65，c1.male，c2.famale）

圖4 是不同群組極端低溫對腦卒中死亡的累積風(fēng)險，發(fā)現(xiàn)死亡風(fēng)險跟冷效應(yīng)累積有關(guān)。低齡組雖呈“V”型暴露-反應(yīng)曲線，但不具有統(tǒng)計學(xué)意義。其他群組呈近似“J”型暴露-反應(yīng)曲線，表明溫度越低，對于腦卒中死亡的累積相對危險度越大。

圖4 滯后0—21 d 極端低溫對不同群組（a.全體，b1.≥65 歲，b2.＜65 歲，c1.男，c2.女）腦卒中死亡的累積相對危險度（陰影為95%置信區(qū)間）Fig.4 Cumulative relative risk of extreme low temperature on stroke death in lag time 0—21 d for different groups（a.all，b1.≥65，b2.＜65，c1.male，c2.famale；shaded：95%CI）

為更好應(yīng)對極端低溫風(fēng)險，結(jié)合本地低溫預(yù)警標準，模型計算了-4—0℃（浙江地區(qū)在低于-4℃時發(fā)布低溫預(yù)警，而寧波低于-4℃天數(shù)較少，且寧波山區(qū)面積較大，根據(jù)當?shù)囟嗄隁鉁財?shù)據(jù)統(tǒng)計，在氣溫較低時，山區(qū)比平原約低4℃，因此模型重點計算-4—0℃）滯后30 d 內(nèi)對腦卒中死亡的累積相對危險度及95%置信區(qū)間，結(jié)果見表3。累積相對危險度（95%CI）隨著滯后時間延長越來越大，說明極端低溫對腦卒中死亡風(fēng)險的累積影響越來越大。

表3 -4—0℃不同群組在有效滯后天數(shù)內(nèi)對腦卒中死亡的累積相對危險度及95%置信區(qū)間Table 3 Cumulative relative risk values and 95%CI of stroke death for different groups at-4—0℃ within effective lag days

對于全部人群，最低氣溫0℃時，滯后4—14 d腦卒中死亡風(fēng)險明顯增大；最低氣溫-1℃時，滯后4—15 d 腦卒中死亡風(fēng)險明顯增大；最低氣溫低于-2℃時，滯后3—15 d 腦卒中死亡風(fēng)險明顯增大。-4℃滯后0—5 d、0—10 d 和0—15 d 累積相對危險度（95%CI）分別為1.23（1.00—1.50）、1.61（1.22—2.12）和1.95（1.39—2.75）。高齡組同期累積相對危險度基本與全部人群結(jié)果保持一致；極端低溫對低齡組腦卒中死亡不具有統(tǒng)計學(xué)意義。極端低溫的累積效應(yīng)因性別有所不同，男性死亡風(fēng)險影響短且急促，-4℃在滯后0—7 d 累積相對危險度（95%CI）為1.64（1.29—2.10）；女性在低溫發(fā)生的當天死亡風(fēng)險并未明顯增大，-2—0℃滯后5—13 d死亡風(fēng)險明顯增大，-3—-4℃滯后4—13 d 死亡風(fēng)險增大明顯，-4℃滯后0—13 d 累積相對危險度（95%CI）為1.82（1.18—2.81）。女性過程累積相對危險度比男性明顯高，說明女性因極端低溫而死亡的腦卒中患者風(fēng)險更高。

4 結(jié)論與討論

基于寧波市國家基本氣象觀測站極端氣溫和寧波市疾病控制中心的腦卒中死亡病例逐日資料，使用分布滯后非線性模型（DLNM）研究了寧波市2013—2019 年極端氣溫對腦卒中死亡的影響，評估易感人群。主要結(jié)論如下：

（1）對于全部人群，極端高溫對腦卒中死亡有1 周內(nèi)的急性效應(yīng)。隨著極端高溫升高，死亡風(fēng)險明顯加大。影響在當天最大，隨著滯后時間延長，影響逐漸減小，可持續(xù)到第3 天。累積影響呈近似“V”型的暴露-反應(yīng)曲線，表明極端高溫升高累積促進效果增大。

（2）對于全部人群，極端低溫發(fā)生后的最初幾天沒有明顯增加腦卒中死亡風(fēng)險，隨著滯后時間延長，影響先增大后減小，滯后影響超過1 周。隨著極端低溫降低，死亡風(fēng)險顯著增大，滯后時間也相應(yīng)延長。累積影響呈近似“J”型的暴露-反應(yīng)曲線，表明極端溫度降低累積促進效果增大。

（3）對于不同人群組別，極端氣溫對低齡組腦卒中死亡不具有統(tǒng)計學(xué)意義，老年人是易受到極端氣溫影響的脆弱人群，男性是極端高溫影響的脆弱人群，同時也是最先受到極端低溫影響的人群。女性在極端低溫時影響滯后時間比男性更長，累積促進效應(yīng)更強。除了低齡組外，其他群組的累積影響都顯示隨著極端高溫升高（極端低溫降低），腦卒中死亡的累積促進效果增強。

在極端天氣常態(tài)化的趨勢下，如何降低極端氣溫對腦卒中死亡的風(fēng)險影響將是公共衛(wèi)生和疾病防控體系的重要內(nèi)容，上述研究結(jié)論可以為沿海城市防御極端氣溫帶來的腦卒中死亡風(fēng)險提供一些參考。本研究尚有一定的局限：（1）受限于數(shù)據(jù)資源（僅2013—2019 年寧波的數(shù)據(jù)），沒辦法進行更長時間序列研究。（2）醫(yī)療數(shù)據(jù)僅劃分到大類腦卒中死亡，無法進行深入研究，且出血性腦卒中和缺血性腦卒中的發(fā)病機制不同，更加精細化的分類有助于提出更加有針對性的指導(dǎo)意見。（3）文中的分析沒有控制個體風(fēng)險因素諸如吸煙、高血壓等，結(jié)論的代表性有待更多研究來檢驗。