高溫?zé)崂藢?duì)居民死亡影響的半?yún)?shù)廣義相關(guān)系數(shù)模型

高溫?zé)崂藢?duì)居民死亡影響的半?yún)?shù)廣義相關(guān)系數(shù)模型

隨著世界氣候惡化，中國(guó)夏季炎熱日的發(fā)生頻率將提高。聯(lián)合國(guó)政府間氣候變化專業(yè)委員會(huì)（picc）宣布，在過(guò)去幾十年中，地球最高溫度和一天的溫度顯著增加，這是世界上最常見(jiàn)的熱浪事件之一。國(guó)外研究認(rèn)為,高溫?zé)崂说陌l(fā)生與城市居民的每日死亡數(shù)聯(lián)系緊密。在2003年的歐洲熱浪期間,超額死亡人數(shù)較往年大幅提高,法國(guó)8月1—20日的超額死亡人數(shù)達(dá)到15000人。在描述熱浪與每日居民死亡數(shù)的關(guān)系時(shí),存在一個(gè)“適宜溫度”。當(dāng)溫度處在“適宜溫度”時(shí),每日居民死亡數(shù)處于最低值。當(dāng)溫度超過(guò)(或低于)“適宜溫度”的時(shí)候,每日居民死亡數(shù)將緩慢增長(zhǎng)。筆者通過(guò)對(duì)2005—2007年一沿海城市某中心城區(qū)全死因死亡資料、氣象資料以及空氣污染指數(shù)資料的分析,探討高溫?zé)崂藢?duì)每日居民死亡數(shù)的影響。1內(nèi)容和方法1.1氣象數(shù)據(jù)的變量2005—2007年的某沿海城市中心城區(qū)氣象數(shù)據(jù)來(lái)自國(guó)家氣象局科學(xué)數(shù)據(jù)共享中心。氣象數(shù)據(jù)的變量包括日最高溫度、日平均溫度、日最低溫度、相對(duì)濕度、日照時(shí)數(shù)、日平均氣壓、降雨量等。。該中心區(qū)2005—2007年逐日全死因死亡數(shù)據(jù)來(lái)自該市公安局,意外死亡以及在該市區(qū)以外地區(qū)死亡的數(shù)據(jù)被排除在本研究之外。1.2模型建立與分析我國(guó)氣象局規(guī)定,日最高溫度≥35℃為熱日(高溫日),日最高溫度<35℃稱為非熱日(非高溫日)。熱浪的定義目前沒(méi)有統(tǒng)一的標(biāo)準(zhǔn),世界氣象組織(WMO)建議將日最高溫度高于32℃持續(xù)3d以上的天氣過(guò)程稱為熱浪。在本研究中將熱浪定義為日最高溫度高于35℃持續(xù)3d以上的天氣過(guò)程。居民逐日死亡數(shù)據(jù)是時(shí)間序列數(shù)據(jù),數(shù)據(jù)之間存在自相關(guān),并且存在混雜。在本研究中主要考慮的混雜因素有中長(zhǎng)期效應(yīng)、季節(jié)影響、短期趨勢(shì)(工作日效應(yīng))、空氣污染因素以及相對(duì)濕度等氣象因素的影響。根據(jù)數(shù)據(jù)資料的特點(diǎn),本研究采用時(shí)間序列的半?yún)?shù)廣義相加模型(semi-parametricgeneralizedadditivemodels),使用非參數(shù)平滑(nonparametricsmoothing)對(duì)混雜因素進(jìn)行控制,最大限度地控制了時(shí)間序列數(shù)據(jù)之間的自相關(guān)和減少混雜因素的影響。廣義相加模型(generalizedadditivemodels,GAM)是廣義線性模型(GLM)和相加模型的結(jié)合形式,可研究非線性應(yīng)變量與多個(gè)解釋變量之間的關(guān)系,故多采用GAM對(duì)時(shí)間序列資料進(jìn)行環(huán)境因素的健康效應(yīng)研究。而每日死亡人數(shù)近似服從Poisson分布,故本研究采用log-link的GAM模型進(jìn)行分析。本研究充分利用GAM的特點(diǎn),非參數(shù)平滑采用的是光滑樣條(smoothingspline),平滑函數(shù)自由度(degreeoffreedom,df)采用廣義交叉確認(rèn)(GCV)準(zhǔn)則為標(biāo)準(zhǔn)進(jìn)行選擇,并且使用半?yún)?shù)的形式有效地避免了計(jì)算量過(guò)大和過(guò)度擬合等問(wèn)題。由于死亡人數(shù)相對(duì)于暴露人群而言是小概率時(shí)間,資料近似服從泊松分布,因此筆者構(gòu)建泊松分布的半?yún)?shù)廣義相加模型進(jìn)行分析。對(duì)于日平均氣溫的滯后效應(yīng),本研究選取日平均氣溫的3個(gè)滯后日(lag1、lag2、lag3,分別表示滯后1~3d)作為觀察對(duì)象,代入模型中用于觀察氣溫對(duì)健康的短期效應(yīng)?？紤]到日死亡人群的年齡對(duì)每日居民死亡有一定的影響,將平均年齡作為一個(gè)觀察項(xiàng)代入模型中,觀察年齡因素對(duì)每日居民死亡產(chǎn)生的影響。建立模型前先采用逐步回歸法對(duì)自變量進(jìn)行選擇,以赤池信息量(AIC)作為變量取舍標(biāo)準(zhǔn),選取最有意義的自變量引入模型。分別建立2005—2007年的研究模型和2005—2007年夏季(6月—9月,3年共366d)的研究模型,研究全年和夏季日平均氣溫對(duì)每日居民死亡數(shù)產(chǎn)生的影響。建立的GAM基本模型見(jiàn)公式(1):式中:Yt—第t日死亡數(shù);tem—日平均氣溫;time—時(shí)間趨勢(shì)項(xiàng);humid—相對(duì)濕度;DOW—星期亞元變量;f(API)—光滑樣條函數(shù),API—空氣污染指數(shù)。為了避免過(guò)擬合的現(xiàn)象,將sasgam程序的最大迭代次數(shù)修改為100次。由于廣義相加模型共曲線性的存在,對(duì)于建立的模型,筆者通過(guò)對(duì)研究變量和通過(guò)其他變量擬合所得該變量的期望值進(jìn)行相關(guān)性分析,依據(jù)相關(guān)系數(shù)(r)和決定系數(shù)(R2)進(jìn)行自變量共曲線性診斷。當(dāng)r絕對(duì)值大于0.5或決定系數(shù)(R2)大于0.25時(shí),表明預(yù)測(cè)變量間存在共曲線性。通過(guò)檢驗(yàn),筆者建立的模型中共曲線性不顯著,所以沒(méi)有采取進(jìn)一步措施進(jìn)行處理。為了對(duì)夏日的日平均氣溫的滯后效應(yīng)進(jìn)行進(jìn)一步研究,筆者采用2005—2007年6—9月的數(shù)據(jù)建立分布滯后模型,以便詳細(xì)分析每一個(gè)滯后日對(duì)每日居民死亡產(chǎn)生的影響。在建立的模型中,阿爾蒙(Almon)多項(xiàng)式次數(shù)限制為3,滯后長(zhǎng)度設(shè)為10。本研究中的滯后變量采用lag0~lag10,lag0表示當(dāng)日,lag1~lag10分別為滯后1~10d。死亡資料按年份(2005—2007年)搜集整理(剔除意外死亡數(shù)據(jù)),研究中半?yún)?shù)廣義相加模型和分布滯后模型均在SAS9.1中完成。本研究所有假設(shè)檢驗(yàn)的檢驗(yàn)水準(zhǔn)為α=0.05。2結(jié)果2.1熱浪發(fā)生情況從表1可見(jiàn),2005年1月1日至2007年12月31日,觀察日數(shù)為1095d,該沿海城市中心城區(qū)平均日全死因死亡人數(shù)達(dá)到12人,空氣污染指數(shù)、日最高氣溫、平均相對(duì)濕度、平均氣壓以及日死亡人群年齡的均值(范圍值)分別為53.6(15~114),26.3℃(9.8~38.3℃),73.5%(27%~97%),101.2kPa(98.9~103kPa),71歲(47~86歲)。2005年的7月17—20日和2007年7月19—23日該市某中心城區(qū)發(fā)生了2次熱浪,在2005年熱浪發(fā)生月(7月)日平均死亡人數(shù)與夏季其他非熱浪發(fā)生月未見(jiàn)明顯差別,原因可能與2005年夏季熱日較為分散,沒(méi)有集中在熱浪發(fā)生月有關(guān),然而在2007年的熱浪發(fā)生月(7月)日平均死亡數(shù)與夏季其他月份死亡數(shù)差別較大,原因可能與2007年夏季的10個(gè)熱日有9個(gè)集中在熱浪發(fā)生月有關(guān)(表2)。2005年7月的日最高死亡人數(shù)在熱浪的最后一天(7月20日)出現(xiàn)(圖1),沒(méi)有觀察到熱浪的滯后效應(yīng)。在2007年的7月發(fā)生的熱浪持續(xù)時(shí)間(5d)超過(guò)了2005年,可以從圖2看到,2007年7月的日最高死亡人數(shù)出現(xiàn)在熱浪結(jié)束后的第3天(7月26日),在該中心城區(qū)熱浪的短期健康效應(yīng)上可以觀察到滯后效應(yīng)。2.2日平均溫度與日死亡人群的關(guān)系通過(guò)觀察消除混雜后的日全死因死亡數(shù)與日平均溫度的LOESS函數(shù)平滑曲線(圖3),可以看到該市中心城區(qū)全死因死亡數(shù)與日平均氣溫的關(guān)系呈“V”型改變,存在一個(gè)最適宜的溫度點(diǎn),當(dāng)溫度高過(guò)(或低于)這個(gè)溫度點(diǎn)時(shí)每日居民死亡數(shù)將會(huì)升高。低于最適宜溫度點(diǎn)的每日居民死亡數(shù)變化較為平緩,這可能與該市全年日平均溫度都處于零度以上有關(guān)。筆者采用逐步回歸對(duì)日平均氣溫的lag1、lag2、lag3進(jìn)行篩選,代入模型中,得出lag3與日死亡數(shù)線性關(guān)系最為密切(P<0.0001)。在建立的2005—2007年半?yún)?shù)廣義相加模型中,為了觀察日死亡人數(shù)與日死亡人群的平均年齡之間的關(guān)系,筆者將日死亡人群的平均年齡作為一個(gè)變量引入模型,首先以線性變量的形式引入,發(fā)現(xiàn)平均年齡與日死亡人數(shù)之間線性關(guān)系無(wú)統(tǒng)計(jì)學(xué)意義(P>0.5),接著以光滑樣條函數(shù)的形式引入,發(fā)現(xiàn)它們之間的非線性關(guān)系有統(tǒng)計(jì)學(xué)意義(P<0.0001)。采用2005—2007年夏季資料建立起的半?yún)?shù)廣義相加模型分析夏季日平均溫度每增加1℃對(duì)每日居民死亡危險(xiǎn)性的影響,可以得到相對(duì)危險(xiǎn)度(RR)為1.036(95%CI:1.012~1.061),也就是隨著該市區(qū)夏季日平均溫度每提高1℃,相對(duì)危險(xiǎn)度增加0.036。2.3熱浪對(duì)每日居民死亡數(shù)的影響某沿海城市中心區(qū)熱浪對(duì)居民健康影響的滯后效應(yīng)見(jiàn)圖4。由2005—2007夏季日最高溫度和每日居民死亡數(shù)建立的分布滯后模型考察每一個(gè)滯后日對(duì)每日居民死亡數(shù)的影響,可以觀察到本研究中熱浪對(duì)每日居民死亡數(shù)的短期影響主要是即時(shí)效應(yīng)(immediateshorteffect),存在于lag0和lag1(圖4),也就是隨著夏季日最高溫度每提高1℃,lag0和lag1對(duì)每日居民死亡數(shù)影響最為明顯(P<0.0001)。從圖4可以看到lag3~lag6效應(yīng)處于0以下,可以解釋為輕度的收獲效應(yīng)(harvestingeffects)。3城市濱水景觀中的環(huán)境和氣候問(wèn)題該沿海城市屬于亞熱帶海洋性氣候,全年日最低氣溫一般都高于0℃,受高溫影響較為明顯,在近20年間年平均氣溫增長(zhǎng)較為明顯,而且由于該市區(qū)屬于中心區(qū),常住人口數(shù)達(dá)到75萬(wàn)人,城市建設(shè)房屋較為密集,以樓房為主,居民樓周邊綠化帶較少。夏日熱浪期間,由于城市熱島效應(yīng),室內(nèi)溫度將顯著提高,對(duì)居民健康將產(chǎn)生一定的影響。為了避免局部的熱島效應(yīng)對(duì)居民的健康產(chǎn)生不利的影響,城市規(guī)劃部門(mén)在考慮城市建設(shè)中應(yīng)該增加樓房間距,擴(kuò)大綠化帶的的范圍,增加綠色樹(shù)木的種植。在本研究中,該沿海城市中心城區(qū)的全死因死亡人數(shù)與日平均溫度之間呈“V”型改變,和國(guó)外的研究結(jié)果類似。廣義相加模型(GAM)是廣義線性模型(GLM)的延伸,可研究非線性應(yīng)變量與多個(gè)解釋變量之間的關(guān)系,故多采用GAM對(duì)時(shí)間序列資料進(jìn)行環(huán)境因素的