中国标题：中国345城市PM2.5暴露与死亡率关联的社会经济差异研究：揭示U型风险分布格局

《BMC Public Health》：Study of socioeconomic differences of long-term PM2.5 exposure and population mortality risk - based on 345 cities from 2000 to 2019 in China

本研究针对PM2.5长期暴露与死亡率关联中社会经济地位（SES）修饰效应的争议，通过2000-2019年中国345个城市的面板数据，采用泊松广义估计方程（Poisson GEE）模型进行分析。结果显示PM2.5每增加10μg/m3，全因死亡率风险增加8.20%（RR=1.082），且在东北（RR=1.150）和西南（RR=1.140）地区风险更高。分层分析首次揭示SES与PM2.5死亡率风险呈U型关联，低SES与高SES城市居民风险显著升高。该研究为差异化环境健康政策制定提供了科学依据。

　　

随着中国经济的快速发展和城市化进程，空气污染已成为重大的公共卫生挑战。在众多空气污染物中，细颗粒物PM_2.5（空气动力学直径小于等于2.5微米的颗粒物）尤为引人关注，它与全球每年数百万的过早死亡相关。尽管已有大量研究评估了长期暴露于PM_2.5与死亡率之间的关联，但社会经济地位对这一关联的修饰效应仍存在争议。中国作为世界上最大的发展中国家，其快速的经济发展伴随着收入不平等和社会经济差异的加剧，这些差异可能显著影响PM_2.5暴露和死亡率之间的关系。

为了解决这一科学问题，赵素荣等人开展了一项涵盖中国345个城市、时间跨度为2000年至2019年的大规模研究，研究成果发表在《BMC Public Health》期刊上。该研究不仅评估了PM_2.5长期暴露对死亡率的总体影响，还深入探讨了不同社会经济和人口特征城市中这一关联的差异，为识别脆弱人群和制定有针对性的空气质量控制策略提供了重要科学依据。

研究团队采用了多项关键技术方法：基于两阶段机器学习模型估算高分辨率PM_2.5浓度，结合化学传输模型（CMAQ）模拟、卫星数据和地面监测数据；从中国人口普查数据和统计年鉴获取社会经济和人口特征指标；使用泊松广义估计方程（Poisson GEE）模型分析PM_2.5与死亡率的关联，该模型能有效处理过度离散和重复测量数据；通过分层分析和元回归探讨不同亚组间的差异。

研究结果

PM2.5与死亡率的整体关联

研究发现长期暴露于PM_2.5显著增加死亡风险。PM_2.5浓度每升高10μg/m3，全因死亡率风险增加8.20%（RR=1.082，95% CI：1.058-1.106）。从时间趋势看，中国PM_2.5浓度在2000-2007年间呈上升趋势，2007年达到峰值57.6μg/m3，随后下降至2019年的35.0μg/m3。

区域差异分析

PM_2.5对健康的影响存在明显地域差异。东北地区（RR=1.150）和西南地区（RR=1.140）居民面临更高的死亡风险。北方地区PM_2.5年均浓度最高（71.0μg/m3），但风险关联最强的是PM_2.5浓度相对较低的东北和西南地区，表明除浓度外，颗粒物成分和人口特征也是重要影响因素。

人口特征分层分析

性别比例较高（男性居多）和迁移率较高的城市亚组显示出更高的死亡率风险（RR分别为1.110和1.108）。年龄结构分析显示，老年人口比例较高和年轻人口比例较高的城市居民对PM_2.5相关的健康风险更为敏感。抚养比分析发现，最低和最高四分位数组的居民对PM_2.5相关的死亡率更为敏感。

社会经济地位分层分析

研究发现社会经济地位（SES）与PM_2.5死亡率风险之间存在U型关系。低SES城市居民因医疗资源有限、防护意识不足和职业暴露较高而面临更大风险；而高SES城市虽然资源丰富，但经济增长带来的能源消耗增加和人口迁入加剧了污染暴露，部分抵消了社会经济优势带来的保护效应。

敏感性分析

调整温度、相对湿度和人均GDP（PGDP）等协变量后，PM_2.5与死亡率的关联保持稳定，考虑滞后效应（0-1年和0-2年移动平均值）后结果依然稳健，证实了主要发现的可靠性。

结论与意义

本研究首次在中国范围内系统揭示了PM_2.5暴露与死亡率风险在社会经济维度上的U型分布规律，挑战了传统的线性社会梯度假设。东北和西南地区的特殊脆弱性、男性、老年人和迁移人口的高敏感性，为精准化环境健康干预提供了新标靶。研究成果强调了中国空气质量政策需兼顾区域异质性和社会经济公平，建议采取差异化策略：低SES地区应加强基础设施建设和健康防护教育，高SES地区需控制能源消耗型增长带来的污染压力，同时对脆弱人群实施重点保护。该研究为全球发展中国家协调经济增长与环境健康提供了重要范式参考。