干旱气象
  • CN 62-1175/P
  • ISSN 1006-7639
  • 双月刊
  • 中国科技核心期刊
  • 中国学术期刊综合评价数据库统计源期刊
  • 中文科技期刊数据库收录期刊
作者投稿 专家审稿 编辑办公

干旱气象, 2021, 39(06): 995-1005 DOI: 10.11755/j.issn.1006-7639(2021)-06-0995

论文

气象条件对深圳市罗湖区上呼吸道感染就诊人数的影响

黄开龙,1,4, 林锦春2, 马盼1, 黄文静2, 陆俊翔2, 唐小新3, 王式功,1

1.成都信息工程大学大气科学学院,高原大气与环境四川省重点实验室,四川 成都 610225

2.深圳大学第三附属医院,广东 深圳 518000

3.广东省深圳市气象服务中心,广东 深圳 518000

4.广东省汕头市气象局,广东 汕头 515041

Influence of meteorological factors on number of upper respiratory tract infection visits in Luohu of Shenzhen

HUANG Kailong,1,4, LIN Jinchun2, MA Pan1, HUANG Wenjing2, LU Junxiang2, TANG Xiaoxin3, WANG Shigong,1

1. College of Atmospheric Sciences, Chengdu University of Information Technology, Chengdu 610225, China

2. The Third Affiliated Hospital of Shenzhen University, Shenzhen 518000, Guangdong, China

3. Shenzhen Meteorological Service Center of Guangdong Province, Shenzhen 518000, Guangdong, China

4. Shantou Meteorological Bureau of Guangdong Province, Shantou 515041, Guangdong, China

通讯作者: 王式功(1955— ),男,山东安丘人,教授,研究方向为气象环境与健康. E-mail:wangsg@cuit.edu.cn。

收稿日期: 2020-04-25   修回日期: 2021-01-5  

基金资助: “医学气象学服务于全民大健康的应用研究”.  2019ZDIANXM09
国家自然科学基金共同资助.  41775147

Received: 2020-04-25   Revised: 2021-01-5  

作者简介 About authors

黄开龙(1995—),男,广东汕头人,硕士研究生,研究方向为气象环境与健康.E-mail:huangkl123@126.com。

摘要

基于2014—2018年深圳市罗湖区49家社区健康服务中心上呼吸道感染(简称“上感”)的逐日就诊人数和同期气象要素资料,利用不同时间尺度分析上感就诊人数的变化特征,并采用分布滞后非线性模型(DLNM)、广义线性模型(GLM)等研究不同气象要素与深圳地区上感就诊人数的关系。结果表明:深圳市罗湖区上感就诊人数存在明显的季节性变化,春季3—4月、夏季7月和冬季12月至次年1月为发病高峰时段,分别对应24节气中的清明、小暑、小寒节气。DLNM反映气温为主控因素,它对上感就诊人数的影响以冷效应为主,相对风险(RR)在滞后4 d达到峰值(RR为1.041,95%置信区间为1.022~1.060),且女性较男性、中老年人较少儿更易受冷效应的影响;其次是暑期的热效应和春季温度多变的影响。湿度影响主要表现为低湿效应,其相对风险在当天达到峰值(RR为1.058,95%置信区间为1.049~1.068)。气压和风速影响则表现为高压效应和大风效应,RR在滞后1 d达最高。总之,深圳市冬、春季冷空气活动及其所反映的低温、低湿、大风等产生的冷效应是诱发上呼吸道感染的关键因素,其次是夏季持续高温的影响,两者都应予以重点及时防范。

关键词： 上呼吸道感染 ; 气象要素 ; 季节性变化 ; 冷效应 ; 滞后效应 ; 24节气

Abstract

The daily number of patients with upper respiratory tract infection (URI) in 49 community health service centers in Luohu of Shenzhen from 2014 to 2018 and meteorological data in the same period were collected to analyze the changing characteristics of the number of patients with URI at different time scales. The distributed lag non-linear model (DLNM) and generalized linear model (GLM) were used to study the relationship between different meteorological factors and the number of patients with URI in Shenzhen. The results show that there was a significant seasonal change for the number of patients with URI in Luohu of Shenzhen. The peak periods of cases were March to April in spring, July in summer and December to next January in winter, corresponding to Pure Brightness, Lesser Heat and Lesser Cold of the 24 solar terms, respectively. The DLNM model showed that air temperature was the main impact factor, and its effect on the number of patients with URI presented mainly cold effect, the relative risk (RR) reached the peak after 4 days lag (RR was equal to 1.041, the 95% confidence interval was between 1.022 and 1.060). Women were more affected by cold effect than men, and middle-aged and elderly people were more affected by cold effect than children. Another important factors were thermal effect in summer and the variable temperature in spring. The influence of humidity presented mainly low humidity effect, and the relative risk reached the peak (RR was equal to 1.058, the 95% confidence interval was between 1.049 and 1.068) on the same day. Pressure and wind speed showed high pressure effect and strong wind effect, and RR reached the highest after 1 day lag. In conclusion, cold air activities in winter and spring and their cold effects such as low temperature, low humidity and strong wind were the key factors to induce URI, followed by the impact of continuous high temperature in summer, both of them should be focused on timely prevention.

Keywords： upper respiratory tract infection ; meteorological element ; seasonal variation ; cold effect ; hysteresis effect ; 24 solar terms

PDF (3097KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

黄开龙, 林锦春, 马盼, 黄文静, 陆俊翔, 唐小新, 王式功. 气象条件对深圳市罗湖区上呼吸道感染就诊人数的影响. 干旱气象[J], 2021, 39(06): 995-1005 DOI:10.11755/j.issn.1006-7639(2021)-06-0995

HUANG Kailong, LIN Jinchun, MA Pan, HUANG Wenjing, LU Junxiang, TANG Xiaoxin, WANG Shigong. Influence of meteorological factors on number of upper respiratory tract infection visits in Luohu of Shenzhen. Journal of Arid Meteorology[J], 2021, 39(06): 995-1005 DOI:10.11755/j.issn.1006-7639(2021)-06-0995

引言

近年来全球气候变化和灾害性天气的频发对人体健康造成了不可忽视的影响,因此关于天气气候变化对人群健康影响的研究日益增多[1,2,3],随着“健康中国2030”规划纲要的提出,如何应对全球气候变化背景下的人群健康风险已成为当下研究的重心之一[4]。呼吸系统作为人体的第一道防线,常受多种细菌病毒的侵蚀,较其他身体器官更易受到来自外界的刺激[5,6]。上呼吸道感染(简称“上感”)属于呼吸系统疾病中最易感、最常见的一类疾病,由于其发病状况与天气气候条件密切相关,近年来备受流行病学、气象学领域相关学者的关注[7,8,9]。研究表明,秋冬季为我国北方地区上感的主要高发期,气温变化是诱发上感的主要因素之一[10,11,12,13];南方地区上感多于冬春季爆发,且相对湿度、气压等要素与上感的发病存在明显的联系[14,15];伴随冷空气的活动,上感发病人数增加明显,老人、儿童在此期间的健康风险也有所上升[16,17,18]。深圳地处我国华南沿海地区,具有亚热带海洋性气候特征,夏半年常受热带气旋和季风低压的影响,冬半年受冷空气活动影响[19]。以往对深圳地区乃至华南地区上感疾病的研究较少[20,21],而国内外大多数相关研究侧重于分析气象条件对疾病死亡率或传染病的影响[22,23,24],资料多来源于疾病预防控制中心或综合医院,对社区人群患病情况的相关研究较少,而社区医院多为上感等易感疾病的第一就诊。本文基于深圳市独特天气气候条件,选取基层医院(社区健康服务中心)作为切入点,探究气象要素与深圳地区上感发病的关系,分析疾病发病规律与我国其他地区的异同,更好地了解人群应对天气气候变化的真实反馈情况,以期为当地职能部门和医疗机构提供理论依据,从而有助于促进深圳健康城市建设。

1 资料与方法

1.1 资料

利用深圳市罗湖区49家社区健康服务中心2014—2018年逐日上感就诊人数资料,根据国际疾病分类标准第10版(ICD-10)[25],从中筛选出上感(ICD-10编码:J00.0-J06.9)就诊病例资料。由于可获取资料的局限性,利用国家气象科学数据中心(http://data.cma.cn/)提供的深圳市国家基准站2014—2018年逐日气温、气压、相对湿度、风速等气象要素,并使用五点平滑方法补齐缺测值,该测站位于深圳市福田区,与罗湖区相邻,中心距离约10 km。利用观测数据计算日较差、水汽压,具体公式[26]如下:

DTR=Tmax-TminT=273.15+te0(T)=610.78exp17.269(T-273.16)(T-35.86)ea=e0(T)×RH100

式中:DTR(℃)为气温日较差;Tmax、Tmin(℃)分别为日最高、最低气温;T、t(℃)分别为绝对温度、摄氏温度;e0(T)(hPa)为饱和水汽压;ea(hPa)为水汽压,采用改进马格纳斯公式[27]计算,RH(%)为相对湿度。

1.2 方法

为保证数据的可信性,对采集的就诊数据去除录入错误、数据不完整条目,在此基础上,合并同一季度出现的重复就诊序列以规避基层医院由于复诊增加的病患数,统计得到上感就诊人数的逐日序列资料。

分布滞后非线性模型(the distributed lag non-linear model,DLNM)着重关注不同气象、环境要素与疾病的暴露-反应关系,并考虑其中的滞后关系和累积效应,对健康效应的评估符合实际变化规律[28],引入广义线性模型(generalized linear models,GLM)建立变量的期望值函数(连接函数)与预测变量之间的线性关系。选取与上感就诊人数相关的气象因子(通过α=0.05的显著性检验),考虑到每日上感就诊人数为小概率事件,为避免可能存在的过度离散化,采用广义泊松回归(generalized Poisson regression)进行模型拟合,建立基于气象要素基变量嵌套GLM的DLNM模型。在控制节假日效应和周末效应的同时,确定以中位数为基准分析气象要素与上感就诊人数的暴露-反应关系[29],并计算相对风险(relative risk,RR)作为主要的表征量。相对风险代表一个群体暴露在一定风险下与未暴露在该风险下某事件发生概率的比值,比值等于1,表明暴露与否与该事件发生无关;大于1表明暴露使该事件发生风险增加;小于1表明暴露使该事件发生风险降低。基本模型[28]可表示为:

LnE(Yt|X)=NS(Time,df)+　　NS(M,df,lag,df)+holiday+DOW+β

式中:Yt是第t日上感就诊人数;X是引入模型的不同气象因子;NS是自然立方样条基函数;Time是时间变量(Time=1,2,…,1826);df是自由度参数,利用赤池信息准则(akaike’s information criterion,AIC)调整气象要素的非线性自由度和滞后自由度;M是相应气象因子的交叉基矩阵;lag(d)是滞后天数;β为常数。考虑每年节假日特别是春节期间深圳地区人口大量外流,在模型中添加哑变量holiday和DOW,包括研究期内的所有法定节假日和周末,在建模分析中,避免了因人为主观因素影响而造成暴露风险的误差。在气温分析中,引入累积效应作为叠加表征量,以温度为例:气温累积效应表征持续暴露在低温(高温)环境后冷(热)效应的叠加效应,其中低温(高温)环境是指低于(高于)研究期10%(90%)的气温范畴[30],其余气象要素也进行相同划分。

利用SPSS19.0对气象要素与上感就诊人数进行描述性统计及相关性分析,采用R软件3.4.4版“dlnm”程序包进行分布滞后非线性模型(DLNM)分析,检验水平为α=0.05。

2 结果分析

2.1 基本特征

表1列出2014—2018年深圳市不同气象要素统计特征。可以看出,2014—2018年深圳市日平均气温、相对湿度、气压、风速分别为23.5 ℃、75.4%、1005.6 hPa、1.9 m·s-1;主要表征量日均气温在3.5~33 ℃之间,日均相对湿度在19%~100%之间。研究期内上感就诊人数共计1 395 553例,日均764.3人(表2);按年龄段分组,未成年组(0~18岁)病案共423 433例,占比30.3%,成年组(19~59岁)病案共858 430例,占比61.5%,老年组(60岁及以上)病案共113 690例,占比8.2%。

表1   2014—2018年深圳市不同气象要素统计特征

Tab.1  The statistical characteristics of meteorological elements in Shenzhen from 2014 to 2018

日平均
气温/
℃		日最高
气温/
℃		日最低
气温/
℃		日平均
相对
湿度/%		日平均
气压/
hPa		日平均
风速/
(m·s-1)		日降水量/
mm		气温
日较差/
℃		日均
水汽压/
hPa
X±s23.5±5.527.1±5.621.1±5.675.4±12.61005.6±6.61.9±0.85.3±17.06.0±2.023.2±8.3
Pmin3.56.51.719983.10.400.92.7
P2519.423.216.8701000.81.404.616.4
P5024.828.422.5771005.61.805.924
P7528.231.725.9841010.42.31.27.331
Pmax333729.91001027.36.1187.81438

注:X为平均值,s为标准差,Pmin、Pmax分别为最小值和最大值,P25、P50、P75分别为第25、50、75个百分位数,下同。

新窗口打开| 下载CSV


表2   2014—2018年深圳市罗湖区上感就诊人数统计 单位:人

Tab.2  Summary statistics of the number of upper respiratory tract infections (URI) visits in Luohu district of Shenzhen from 2014 to 2018

人群X±sPminP25P50P75Pmax
总人群764.3±258.566297418752792
男性391.2±131.923213794501384
女性373.0±128.813053614301408
0~18岁231.9±106.211722192801047
19~59岁470.1±153.743924555391546
大于60岁62.3±23.00486075199

新窗口打开| 下载CSV


图1是2014—2018年深圳市罗湖区上感就诊人数的日变化。可以看出,就诊人数极大值出现在2018年1月2日(2792人),极小值出现在2015年2月19日(6人);逐日上感就诊人数变化呈明显的季节特征,春(3—5月)、夏(6—8月)、秋(9—11月)、冬(12月至次年1月)日均就诊人数分别为827.6、770.5、665.3、786.3人,分别占总上感就诊人数的27.24%、25.40%、21.71%、25.65%。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   2014—2018年深圳市罗湖区上感就诊人数日变化

Fig.1   The daily variation of the number of URI visits in Luohu district of Shenzhen from 2014 to 2018


2.2 不同时间尺度上感就诊人数变化

图2为2014—2018年深圳市罗湖区逐日上感就诊人数的月平均变化。可以看出,深圳市罗湖区逐日上感就诊人数月平均值存在3个高峰,分别是1月、4月、7月,逐日就诊人数平均值分别为1007.9、935.1、968.9人;逐日上感就诊人数月平均的最低值出现在9月(547.3人);总体上男性患者较女性患者多4.44%。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   2014—2018年深圳市罗湖区逐日上感就诊人数月平均变化

Fig.2   The monthly mean variation of the number of daily URI visits in Luohu district of Shenzhen from 2014 to 2018


研究发现节气变化会直接或间接影响人体,从而产生相应的病理反应[31],因此引入24节气分析2014—2018年不同节气上感就诊人数变化(图3)。可以看出,上感发病的第一高峰出现在冬至、小寒期间(小寒1103.6人、冬至981.0人),对应深圳地区初冬季节;次高峰(993.3人)出现在小暑期间,对应深圳持续高温时节;第三高峰(953.9人)出现在清明期间,对应深圳地区冷热交替的春季;最低值(501.0人)出现在处暑期间。男女就诊人数与总就诊人数的节气变化趋势相似,在清明、小暑、小寒期间出现就诊高峰,各节气男性患者均比女性患者多,最大差值出现在夏至期间,男性就诊人数较女性高8.16%。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   2014—2018年深圳市罗湖区不同节气的日平均气温及日上感就诊人数分布

Fig.3   The distribution of daily average temperature and the number of daily URI visits in Luohu district of Shenzhen during different solar terms from 2014 to 2018


结合不同时间尺度的上感分布图发现,深圳地区初春、初夏和初秋时节上感发病人数较少,而冬春季大部分时间和盛夏时节的上感就诊人数较多,与我国北方城市上感多为秋冬季爆发[32]不同,这与深圳地区海洋性气候特点关系密切,温暖湿润的环境有利于病菌滋生,且时断时续的冷空气活动和夏季持续高温天气也是上感发病的重要诱因。

2.3 气象要素对上感就诊人数的影响

表3列出2014—2018年深圳市罗湖区不同人群上感就诊人数与气象要素的Spearman相关系数。可以看出,上感就诊人数与气温、相对湿度、水汽压、日累计降水呈显著负相关,与日均气压、日较差成显著正相关。深圳地区女性上感就诊人数与气象要素的相关系数较男性更高;成年组(18~60岁)和老年组(≥60岁)上感就诊人数与气象要素变化的关系显著,与气温、相对湿度、水汽压、日累计降水呈显著负相关,与日均气压、日较差成显著正相关。

表3   2014—2018年深圳市罗湖区上感就诊人数与气象要素的Spearman相关系数

Tab.3  Spearman correlation coefficients between the number of URI visits and major meteorological elements in Luohu district of Shenzhen from 2014 to 2018

气象要素人 群
全人群男性女性0~18岁19~59岁≥60岁
日均气温-0.120**-0.101**-0.135**0.025-0.179**-0.187**
日最高气温-0.117**-0.098**-0.132**0.024-0.175**-0.182**
日最低气温-0.137**-0.119**-0.151**0.013-0.197**-0.203**
日均相对湿度-0.131**-0.129**-0.131**-0.032-0.158**-0.159**
气压0.126**0.107**0.142**0.0100.167**0.182**
日均风速-0.020-0.021-0.018-0.067**0.0100.013
日累计降水-0.155**-0.150**-0.156**-0.124**-0.136**-0.111**
日较差0.098**0.100**0.093**0.055*0.101**0.094**
水汽压-0.147**-0.128**-0.161**0.009-0.205**-0.212**

注:**、*分别表示通过α=0.01、α=0.05的显著性检验,下同。

新窗口打开| 下载CSV


2.3.1 气温与上感就诊人数的暴露-反应关系

选取日均气温的中位数(24.8 ℃)作为参考值,并以此为分界点分别讨论温度小于和大于该温度时的冷效应和热效应,研究深圳市罗湖区气温与上感就诊人数的暴露-反应关系(图4),同时计算持续暴露在低温(高温)环境中的累积效应。由图4可以看出,气温效应对上感发病的影响以冷效应为主,在滞后4~5 d达到最高,热效应以即时反馈为主。选取冷热效应关键表征值(日均气温的第1、5、10、90、95、99个百分位数)的相对风险剖面(图5)进一步分析冷热效应对上感发病的影响。当日均气温小于24.8 ℃时,上感的发病风险随气温下降逐渐升高,RR在滞后4 d达到最高(RR为1.041,95%置信区间为1.022~1.060),冷空气活动对深圳地区影响周期较长;高温的影响以即时效应为主,滞后效应不显著(RR<1)。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   2014—2018年深圳市罗湖区气温与上感就诊人数的暴露-反应关系三维图

Fig.4   Three-dimensional map of exposure-response relationship between temperature and number of URI visits in Luohu district of Shenzhen from 2014 to 2018


图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   2014—2018年深圳市罗湖区气温关键表征值的相对风险剖面

Fig.5   Relative risk (RR) profile of temperature key characteristic value in Luohu district of Shenzhen from 2014 to 2018


由图5可见,冷热效应曲线均在滞后2~4 d达到拐点,故分别选取9、31 ℃(日均气温的第1个、99个百分位数)进行累积效应分析(表4)。总体上,低温的累积效应随时间递增,累积期为10 d时相对风险达到最高(全人群RR为1.239,95%置信区间为1.088~1.411);而高温的累积效应总体不显著,累积期为4 d时全人群RR为0.947,95%置信区间为0.833~1.076,未通过显著性检验。性别分组可见,男性较女性更易受冷效应的累积影响,累积期为10 d时相对风险为1.241,95%置信区间为1.088~1.415;年龄分组可见,成年组(19~59岁)与老年组(≥60岁)上感发病风险受冷效应的累积影响较大,累积期为10 d时成年组、老年组的相对风险分别为1.409、1.597,且95%置信区间分别为1.243~1.598、1.376~1.854,未成年人对冷效应的累积响应不显著。

表4   2014—2018年深圳市罗湖区温度效应对不同人群上感就诊人数的影响

Tab.4  The effects of temperature on the number of URI visits in Luohu district of Shenzhen from 2014 to 2018

不同人群RR及其95%置信区间
冷效应(9 ℃)热效应(31 ℃)
累积期4 d累积期10 d累积期0 d累积期4 d
全人群1.06
(0.967~1.162)		1.239*
(1.088~1.411)		1.014
(0.939~1.095)		0.947
(0.833~1.076)
男性1.057
(0.963~1.16)		1.241*
(1.088~1.415)		1.007
(0.931~1.088)		0.946
(0.831~1.077)
女性1.063
(0.968~1.167)		1.238*
(1.084~1.413)		1.022
(0.945~1.104)		0.948
(0.832~1.079)
0~18岁0.883
(0.786~0.993)		0.801
(0.676~0.949)		1.076
(0.984~1.176)		1.014
(0.873~1.177)
19~59岁1.130*
(1.033~1.235)		1.409*
(1.243~1.598)		0.986
(0.913~1.065)		0.915
(0.806~1.04)
≥60岁1.115*
(1.001~1.242)		1.597*
(1.376~1.854)		1.000
(0.91~1.098)		0.938
(0.802~1.097)

新窗口打开| 下载CSV


2.3.2 相对湿度与上感就诊人数的暴露-反应关系

选取日均相对湿度(RH)的中位数(77%)作为参考值并以此为分界点分别讨论小于和大于该相对湿度时的低湿效应和高湿效应,建立模型研究相对湿度与上感就诊人数的暴露-反应关系(图6)。可以看出,湿度影响以低湿效应为主,当相对湿度小于77%时,随湿度下降上感发病逐渐增加,且RR在当天达到峰值(RR为1.058,95%置信区间为1.049~1.068),且在低湿条件下,在滞后0~4 d都存在上感发病的风险;在湿润环境下(77%≤RH≤90%)上感发病相对较少。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   2014—2018年深圳市罗湖区湿度与上感就诊人数的暴露-反应关系三维图

Fig.6   Three-dimensional map of exposure-response relationship between humidity and number of URI visits in Luohu district of Shenzhen from 2014 to 2018


选取相对湿度关键表征值(日均相对湿度的第1、5、10、90、95、99个百分位数)的相对风险剖面(图7)分析湿度效应对上感发病的影响。低湿效应曲线在当天达到峰值,而后逐渐下降并在滞后3 d后趋于水平,高湿效应曲线在滞后1~2 d变化明显。当RH<77%时,RH每下降1%,上感发病的相对风险上升12.00%(95%置信区间上升9.86%~14.19%);高湿条件(RH>90%)对上感发病的贡献以滞后效应为主,RR在滞后2 d达到高峰,RR为1.010,95%置信区间为1.006~1.015;当RH>90%时,RH每上升1%,上感发病的相对风险上升14.36%(95%置信区间上升11.82%~16.97%)。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7   2014—2018年深圳市罗湖区湿度关键表征值的相对风险剖面图

Fig.7   Relative risk profile of humidity key characteristic value in Luohu district of Shenzhen from 2014 to 2018


由相对湿度的关键表征值中分别选取36%、96%(相对湿度的第1个、99个百分位数)进行湿度分层效应研究,得到湿度效应分层表(表5)。从性别分组可以看出,女性较男性更易受低湿效应的影响,女性、男性即时(滞后0 d)的相对风险(RR)分别为1.082、1.064,95%置信区间分别为1.065~1.100、1.047~1.081;在高湿环境下,男性对高湿条件的耐受程度较女性高,男性、女性滞后14 d的RR分别为1.027、1.031,95%置信区间分别为1.020~1.033、1.024~1.037,随着时间累积发病风险都有不同程度的上升。从年龄分组可以看出,在低湿环境中,成年组(16~60岁)上感即时发病的RR较其他年龄组高(RR为1.077,95%置信区间为1.061~1.092);未成年组(0~18岁)相对较低,滞后3 d时RR为0.998,95%置信区间为0.991~1.005,说明未成年组对持续低湿天气的耐受程度较好;老年组(>60岁)对高湿天气的响应明显,RR在滞后2 d左右达到峰值(RR为1.035,95%置信区间为1.018~1.051),未成年组则是随着湿度累积,发病风险愈高,当RH>90%时,RH每上升1%,上感发病的相对风险上升36.13%(95%置信区间上升30.74%~41.77%),青少年儿童有必要提防持续高湿天气带来的不利影响。

表5   2014—2018年深圳市罗湖区湿度效应对上感就诊人数的影响

Tab.5  The effect of humidity on the number of URI visits in Luohu district of Shenzhen from 2014 to 2018

人群RR及其95%置信区间
低湿效应(RH=36%)高湿效应(RH=96%)
滞后0 d滞后3 d滞后2 d滞后14 d
全人群1.072*
(1.061~1.085)		1.014*
(1.010~1.018)		1.010*
(1.005~1.014)		1.029*
(1.024~1.033)
男性1.064*
(1.047~1.081)		1.013*
(1.008~1.019)		1.008*
(1.002~1.016)		1.027*
(1.020~1.033)
女性1.082*
(1.065~1.100)		1.015*
(1.010~1.020)		1.012*
(1.005~1.018)		1.031*
(1.024~1.037)
0~18岁1.063*
(1.041~1.086)		0.998
(0.991~1.005)		1.019*
(1.011~1.027)		1.044*
(1.036~1.052)
19~60岁1.077*
(1.061~1.092)		1.020*
(1.015~1.025)		1.003
(0.997~1.009)		1.024*
(1.018~1.030)
>60岁1.070*
(1.029~1.113)		1.028*
(1.014~1.042)		1.035*
(1.018~1.051)		1.013
(0.997~1.029)

新窗口打开| 下载CSV


2.3.3 气压、风速与上感就诊人数的暴露-反应关系

气压、风速对上感发病的影响虽没有温湿变化带来的影响直接,但在天气过程影响时,这两个要素的变化较为剧烈,其反馈也十分重要。分别选取日均气压、日均风速的中位数(1005.6 hPa、1.8 m·s-1)为模型参考值并分析气压、风速与上感就诊人数的暴露-反应关系(图8)。可以看出,气压影响主要表现为高压效应,冷空气活动常常伴随高气压过境,与上感的发病高峰有着强对应关系;风速影响以大风效应为主,滞后1 d的相对风险随风速增大呈准线性增加。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8   2014—2018年深圳市罗湖区气压(a)、风速(b)与上感就诊人数的暴露-反应关系三维图

Fig.8   Three-dimensional map of exposure-response relationship between air pressure (a), wind speed (b) and the number of URI visits in Luohu district of Shenzhen from 2014 to 2018


选取高压和大风关键表征值(日均气压和风速的第90、95、99个百分位数)的相对风险剖面做进一步分析(图9)。可以看出,1019 hPa(日均气压的第99个百分位数)在滞后1 d时上感发病的相对风险(RR)为1.075,95%置信区间为1.065~1.085,这与冷效应有强对应关系;低压效应整体对上感发病的影响相对不大,但在极端低压天气时(日均气压小于991.83 hPa,日均气压的第1个百分位数),上感的相对风险也有所提高(图略)。日均风速为4.4 m·s-1(日均风速的第99个百分位数)滞后1 d时RR为1.030,95%置信区间为1.022~1.038,这与冷空气大风天气有强对应关系;另外,在静稳天气下,即当日均风速小于1.1 m·s-1(日均风速的第10个百分位数)时,上感发病的风险随时间升高,在滞后14 d达到最高,日均风速为0.8 m·s-1(日均风速的第1个百分位数)滞后14 d时RR为1.017,95%置信区间为1.012~1.023(图略)。

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9   2014—2018年深圳市罗湖区高压(a)、大风(b)效应对上感就诊人数的相对风险剖面图

Fig.9   Relative risk profile of high-pressure (a) and strong wind (b) conditions to the number of URI visits in Luohu district of Shenzhen from 2014 to 2018


3 讨论与结论

3.1 讨论

对比不同时间尺度分析结果,深圳市冬季上感的高发期与国内相关研究趋于一致[14,15],伴随冷空气南下,气温骤降,人群对低温天气有明显响应。与北方地区有所不同的是,春季特别是清明期间出现的上感高发期,可能与在此期间天气异常变化过程有关,人群对冷热交替变化的不适应导致上感爆发[17]。夏季发病高峰也同其他地区有所差异,这可能与该地区夏季流动人口激增有关[33],人群接触时间的增加、密闭的室内空气流通等因素[8],都会在一定程度上加剧呼吸道疾病传染的发生。考虑深圳地处华南沿海地区,纬度的差异造成了该地区夏季持续的高温天气;沿海地区汛期期间,特别是热带气旋与季风低压影响时[19,34],风速激增,气压、气温骤降,从病理学角度来讲,暴露在恶劣天气和潮湿环境中,会使人体呼吸道局部温度降低,毛细血管急剧收缩,黏膜上皮的纤毛活动逐渐减慢,气管排出细菌的功能越来越弱,极易诱发呼吸系统疾病[35,36]。

在各气象要素建模分析中,上感发病有明显的气温效应,但暴露风险在不同地区存在差异[37,38,39]。在北京地区,低温效应的RR峰值为1.811,95%置信区间为1.229~2.667[10],而在本研究区低温效应的RR峰值为1.041,95%置信区间为1.022~1.060,说明冷空气在南下过程中强度逐渐减弱,气温降幅减小,人群呼吸道疾病发病风险也有所降低。深圳地区湿度的发病风险与已有研究结论[40,41]相似,其曲线均呈“U”型分布,并在低湿干燥的环境下表现为较高的发病风险;不同的是,南方地区上感的湿度阈值较北方高[42],北方地区上感发病的相对湿度低值区为45%~55%,而研究区发病的相对湿度低值区为70%~80%,说明南北方人群呼吸道黏膜对空气湿度的耐受程度不同。

在实际情况中各气象要素的影响机制比较复杂,后续也将综合考虑不同大气环流背景下各气象要素的叠加效应,特别是在极端天气过程期间,气温变幅、气压变幅及它们之间的相互作用也会对上感的发病产生影响[40,41]。上感的发病与空气质量状况存在一定关联[43,44],本研究曾尝试在模型中加入污染物(例如SO2、NO2)作为混杂因素,再量化气象要素的影响,发现其暴露风险变化甚微,加之为避免模型过拟合,故在最终模型去除了污染变量,仅探讨气象要素诱发的相关风险。

3.2 结论

(1)深圳市罗湖区上感发病的分布特征存在时间尺度的差异,春季上感就诊人数最多,冬夏次之;24节气分组发现,处暑期间上感就诊人数最低,同时年内有3个发病高峰期,分别是冬至小寒、清明与小暑期间。

(2)模型研究显示,气温对于上感发病的影响以滞后效应为主,在滞后4 d时相对风险达到最高(RR为1.041,95%置信区间为1.022~1.060);冬春季的冷空气活动造成的大风降温天气易引发上呼吸道疾病,同时,女性较男性、老年人较中青年人有更显著的冷效应反馈;湿度对上感发病的影响以低湿效应为主,相对风险在当天达到峰值(RR为1.058,95%置信区间为1.049~1.068);气压对上感发病的影响以高压效应为主且RR在滞后1 d达到峰值;风速变化对上感发病的影响以大风效应为主。

参考文献

THOMAS F.

Climate change and health

[J]. Encyclopedia of the Anthropocene, 2018, 2:429-434.

[本文引用: 1]

MCMICHAEL A J, LINDGREN E.

Climate change: present and future risks to health, and necessary responses

[J]. Journal of Internal Medicine, 2011, 270(5):410-413.

[本文引用: 1]

CHRISTOPHER B F, VICENTE R B, MICHAEL D M, el al. Climate change 2014: impacts, adaptation, and vulnerability[M]. Cambridge: Cambridge University Press, 2014.

[本文引用: 1]

SUMMERSKILL W, WANG H H, HORTON R.

Healthy cities: key to a healthy future in China

[J]. The Lancet, 2018, 391(10135):2086-2087.

DOI      URL     [本文引用: 1]

冯录召.

急性呼吸道感染住院病例病毒性病原谱及流感季节性研究

[D]. 北京: 中国疾病预防控制中心, 2014.

[本文引用: 1]

KUCHAR E, MIŚSKIEWICZ K, SZENBORN L, el al.

Respiratory tract infections in children in primary healthcare in Poland

[J]. Advances in Experimental Medicine and Biology, 2015, 835:53-59.

[本文引用: 1]

王伟, 李晓光, 胥婕.

发热门诊疾病谱及流行性感冒样病例监测意义研究

[J]. 中国实用内科杂志, 2015, 35(1):60-62.

[本文引用: 1]

高燕.

中国大陆季节性流感活动的时空分布特征

[J]. 中华流行病学杂志, 2009, 30(11):1097-1101.

[本文引用: 2]

刘文宽.

广州儿童呼吸道病原体流行与气候相关性及呼吸道合胞病毒诊断技术研究

[D]. 广州: 广州医科大学, 2017.

[本文引用: 1]

SONG X, WANG S, LI T, et al.

The impact of heat waves and cold spells on respiratory emergency department visits in Beijing, China

[J]. Science of the Total Environment, 2018, 615:1499-1505.

DOI      URL     [本文引用: 2]

马盼, 黎檀实, 宁贵财, 等.

北京市上呼吸道感染与气象环境关系及其冬季天气分型初探

[J]. 兰州大学学报(自然科学版), 2015, 51(1):79-86.

[本文引用: 1]

张楠, 刘继锋, 徐军昶, 等.

西安气象因素和舒适度对呼吸系统疾病死亡的影响分析

[J]. 科技与创新, 2019(10):8-11.

[本文引用: 1]

王洪新.

兰州市气象因素对居民健康影响的研究

[D]. 兰州:兰州大学, 2013.

[本文引用: 1]

乐满, 王式功, 谢佳君, 等.

环境条件对遵义市呼吸系统疾病的影响及预测研究

[J]. 中国环境科学, 2018, 38(11):4334-4347.

[本文引用: 2]

张志薇, 王宏斌, 李艳, 等.

诱发南京地区呼吸系统疾病的气象条件与天气类型分析

[J]. 兰州大学学报(自然科学版), 2016, 52(6):813-820.

[本文引用: 2]

赵琳, 王长科, 李旭东, 等.

海南省不同人群对高温热浪及其影响与适应的感知分析

[J]. 干旱气象, 2015, 33(2):310-316.

[本文引用: 1]

LIN Y, CHANG C, CHANG S C, et al.

Temperature, nitrogen dioxide, circulating respiratory viruses and acute upper respiratory infections among children in Taipei, Taiwan: a population-based study

[J]. Environmental Research, 2013, 120:109-118.

DOI      URL     [本文引用: 2]

李瑞盈, 张一博, 杨佳, 等.

秦皇岛气象因素对儿童下呼吸道疾病就诊人数影响及预测研究

[J]. 干旱气象, 2019, 37(3):460-466.

[本文引用: 1]

张立杰, 李磊.

近20年深圳城市气候环境研究的进展

[J]. 广东气象, 2017, 39(1):48-52.

[本文引用: 2]

黄智峰, 刘晓剑, 杨连朋, 等.

深圳市流行性感冒与气象因素的关联性分析

[J]. 中华疾病控制杂志, 2017, 21(10):1035-1043.

[本文引用: 1]

BAO J, GUO Y, WANG Q, et al.

Effects of heat on first-ever strokes and the effect modification of atmospheric pressure: a time-series study in Shenzhen, China

[J]. Science of the Total Environment, 2019, 654:1372-1378.

DOI      URL     [本文引用: 1]

ZHANG Y, YU C, PENG M, et al.

The burden of ambient temperature on years of life lost: a multi-community analysis in Hubei, China

[J]. Science of the Total Environment, 2018, 621:1491-1498.

DOI      URL     [本文引用: 1]

KIM J, LEE J Y.

Synoptic approach to evaluate the effect of temperature on pediatric respiratory disease-related hospitalization in Seoul, Korea

[J]. Environmental Research, 2019, 178, DOI: 10.1016/j.envres.2019.108650.

URL     [本文引用: 1]

耿迪, 孙宏, 蒋薇, 等.

南京市呼吸系统疾病死亡人数与气象因子的关系

[J]. 兰州大学学报(自然科学版), 2015, 51(1):93-97.

[本文引用: 1]

卫生部卫生统计信息中心. 国际疾病分类(ICD-10)应用指导手册[M]. 北京: 中国协和医科大学出版社, 2001.

[本文引用: 1]

朱乾根, 林锦瑞, 寿绍文. 天气学原理和方法[M]. 北京: 气象出版社, 2007.

[本文引用: 1]

HUANG J.

A simple accurate formula for calculating saturation vapor pressure of water and ice

[J]. Journal of Applied Meteorology and Climatology, 2018, 57(6):1265-1272.

DOI      URL     [本文引用: 1]

GASPARRINI A.

Modeling exposure-lag-response associations with distributed lag non-linear models

[J]. Statistics in Medicine, 2014, 33(5):881-899.

DOI      URL     [本文引用: 2]

GUO Y, GASPARRINI A, ARMSTRONG B, et al.

Global variation in the effects of ambient temperature on mortality: a systematic evaluation

[J]. Epidemiology, 2014, 25(6):781-789.

DOI      URL     [本文引用: 1]

GASPARRINI A, GUO Y, HASHIZUME M, et al.

Mortality risk attributable to high and low ambient temperature: a multicountry observational study

[J]. Lancet, 2015, 386:369-375.

DOI      URL     [本文引用: 1]

乐满, 李海飞, 王式功, 等.

北京市主要天气敏感性疾病发病与流行的24节气特征分析和预报模型构建

[J]. 兰州大学学报(自然科学版), 2017, 53(3):394-400.

[本文引用: 1]

王敏珍.

中国三个代表城市呼吸系统疾病对主要气象要素的响应及预测研究

[D]. 兰州:兰州大学, 2013.

[本文引用: 1]

杨高, 周春山, 王少剑.

快速移民城市深圳人口增长的时空特征及模式

[J]. 中山大学学报(自然科学版), 2019, 58(2):77-87.

[本文引用: 1]

罗小莉, 姚才, 谭金凯.

登陆华南台风的频数及强度变化特征分析

[J]. 海洋预报, 2018, 35(4):58-67.

[本文引用: 1]

李佳蔚, 魏然, 张安然, 等.

热带气旋与医院门诊呼吸系统疾病日就诊量的病例交叉研究

[J]. 山东大学学报(医学版), 2018, 56(8):43-49.

[本文引用: 1]

YANG Y, GENG X, LIU X, et al.

Association between the incidence of varicella and meteorological conditions in Jinan, Eastern China, 2012-2014

[J]. BMC Infectious Diseases, 2016, 16(1):1-8.

DOI      URL     [本文引用: 1]

RIZMIE D, MIRALDO M, ATUN R, et al.

The effect of extreme temperature on emergency admissions across vulnerable populations in England: an observational study

[J]. The Lancet, 2019, 394(supplement2), DOI: 10.1016/S0140-6736(19)32804-1.

URL     [本文引用: 1]

GUO Y, MA Y, JI J, et al.

The relationship between extreme temperature and emergency incidences: a time series analysis in Shenzhen, China

[J]. Environmental Science and Pollution Research, 2018, 25(36):36 239-36 255.

DOI      URL     [本文引用: 1]

杨军, 欧春泉, 丁研, 等.

广州市逐日死亡人数与气温关系的时间序列研究

[J]. 环境与健康杂志, 2012, 29(2):136-138.

[本文引用: 1]

马盼, 王式功, 尚可政, 等.

气象舒适条件对呼吸系统疾病的影响

[J]. 中国环境科学, 2018, 38(1):374-382.

[本文引用: 2]

王敏珍, 郑山, 王式功, 等.

气温与湿度的交互作用对呼吸系统疾病的影响

[J]. 中国环境科学, 2016, 36(2):581-588.

[本文引用: 2]

曾洁, 张学海, 林爱华, 等.

2010—2013年浙江省相对湿度对呼吸系统疾病死亡的影响

[J]. 中华疾病控制杂志, 2018, 22(5):455-458.

[本文引用: 1]

LI Y, XIAO C, LI J, et al.

Association between air pollution and upper respiratory tract infection in hospital outpatients aged 0-14 years in Hefei, China: a time series study

[J]. Public Health, 2018, 156:92-100.

DOI      URL     [本文引用: 1]

谷少华, 贾红英, 李萌萌, 等.

济南市空气污染对呼吸系统疾病门诊量的影响

[J]. 环境与健康杂志, 2015, 32(2):95-98.

[本文引用: 1]

/

〈 〉



陇ICP备09004376

Copyright © 2019 《干旱气象》 编辑部

地址： 甘肃省兰州市东岗东路2070号，中国气象局兰州干旱气象研究所 730020

电话： 0931-2402270、0931-2402775   Email：ghqx@iamcma.cn、ghs_ghqx@sina.com

技术支持: 北京玛格泰克科技发展有限公司

访问总数: 当日访问总数: 当前在线人数: