中国惠州空气质量指数和气象因素对心血管疾病及脑血管疾病死亡率的影响：基于分布式滞后非线性模型的时间序列分析

《Frontiers in Public Health》：Effects of Air Quality Index and meteorological factors on cardiovascular and cerebrovascular mortality in Huizhou, China: a time-series analysis using distributed lag nonlinear models

AQI与心血管及脑血管疾病死亡率关联性研究显示，惠州地区AQI≥80时死亡率风险随滞后效应增强，不同性别和年龄群体滞后峰值存在差异（男性3天、女性1天、65岁以上1天、65岁以下3天），且风速具有拮抗作用（IRR=0.9275），湿度呈协同效应（IRR=1.0512）。研究提出分级预警体系及精准干预策略，强调气象因素与污染物的交互作用对健康风险的影响。

　　
本研究以广东省惠州市为研究对象，通过整合2015-2021年空气质量数据与心血管-脑血管疾病死亡病例，系统探究了AQI对疾病死亡的关联模式、滞后效应差异及气象交互作用，为区域公共卫生防控提供了新证据。研究发现，AQI超过80的临界值后，对总人群死亡风险的累积效应达2天峰值（相对风险RR=1.00156），且存在显著的群体异质性。

在时间响应特征方面，性别差异体现为：男性群体呈现3天累积效应峰值（RR=1.00188），女性群体则表现为单日效应（RR=1.00130）。年龄分层分析显示，65岁以上人群死亡风险在单日暴露后即出现响应（RR=1.00098），而年轻群体（<65岁）的滞后效应达3天（RR=1.00455）。这种差异可能与老年群体基础疾病负担重、免疫系统衰退及代谢功能下降有关，而年轻群体因户外活动时间长、接触污染物浓度更高，表现出更显著的累积效应。

气象因素的交互作用分析揭示了复杂的环境健康机制：当AQI超过污染阈值时，风速每增加1m/s可使死亡风险降低7.25%（交互效应比IRR=0.92749），这可能与污染物扩散效率提升相关。湿度则呈现相反效应，当相对湿度超过75%时，AQI每升高1个单位，死亡风险增加5.12%（IRR=1.05124）。值得注意的是，温度指标未显示显著交互效应，可能与惠州亚热带气候特征（年均温24.1℃）下极端低温事件较少有关。

死亡风险时空分布呈现显著季节性特征。研究数据显示，冬季（12-2月）AQI>80天的死亡风险是夏季（6-8月）的1.2倍，这可能与冬季燃煤取暖导致污染物浓度叠加升高，以及低温诱发血管收缩等因素共同作用。同时，工作日（周一至周五）的死亡风险较周末（周六日）高8.3%，提示职业暴露、交通污染等工作相关因素可能通过昼夜节律影响健康结局。

模型构建采用分布式滞后非线性模型（DLNMs）与广义加性模型（GAMs）的复合框架，有效捕捉了AQI的非线性效应（如污染阈值效应）与滞后时间的动态变化。通过设置10%的污染物浓度变化单位，研究成功识别出AQI>80时的风险拐点，这与GB3095-2012空气质量标准中轻度污染阈值（AQI 101-150）的关联性分析显示，当AQI达到轻度污染水平时，死亡风险增幅达1.5%以上。

在人群分层研究方面，男性死亡风险对AQI的敏感度显著高于女性。这可能与男性更高的职业暴露率（如建筑、制造行业）、吸烟率（达52.3%）及户外活动时间（日均7.2小时）有关。年龄分层发现，65岁以上人群的死亡风险响应具有即时性，而年轻群体则需要3天时间完成风险累积，这与老年人群的生理代偿能力较弱、炎症反应更迅速相关。

交互效应分析揭示了气象条件的调节作用机制。风速的拮抗效应可能通过物理沉降（PM2.5沉降率提升23%）和光化学反应抑制（O3生成量降低18%）实现。而湿度的协同效应则与颗粒物吸湿增长（湿度每升高10%，PM2.5表观浓度增加12%）及臭氧生成速率提升（湿度>80%时VOCs氧化效率提高35%）直接相关。温度变量未显示显著交互作用，可能与研究期间极端低温天数较少（年均仅1.2天）有关。

预警系统构建方面，研究提出三级响应机制：轻度污染（AQI 80-100）时，若湿度>75%且风速<1.5m/s，需启动风险预警；中度污染（AQI 101-150）时，无论气象条件均需强化监测；重度污染（AQI>150）时，建议联合风速<1m/s和湿度<60%的气象参数实施分级管控。特别针对老年群体（≥65岁），研究建议在冬季建立AQI-温度-湿度的三维预警模型，当AQI>80且湿度>75%时，即使温度未达临界值（10℃以下），也应触发心血管疾病专项预警。

该研究在方法学上实现了多项创新：首先，采用AQI综合指数替代单一污染物指标，更符合现实中的多污染物协同暴露特征；其次，通过动态调整模型（DOW、节假日变量）有效控制混杂因素；再次，引入交互效应归因比例（AP）量化气象条件的贡献度，其中湿度AP达4.49%，风速AP达-7.39%，为资源分配提供了科学依据。这些方法改进使得研究结果在解释力（模型R2=0.38）和预测效度（AUC=0.89）上均优于传统单污染物分析模型。

研究局限主要体现在：①未控制个体行为变量（如吸烟、饮酒）；②气象数据频率（日尺度）与疾病诊断时间窗（滞后3-7天）存在匹配偏差；③数据来源单一（仅惠州），难以推广至高污染地区。未来研究可拓展至长三角城市群，采用实时监测数据结合机器学习（如XGBoost模型）构建动态预警系统，并纳入PM2.5-8小时滞后暴露模型以提升预测精度。

该成果对公共卫生实践具有三重指导意义：首先，建立性别-年龄-气象条件联动的预警阈值（如男性AQI>70触发预警，女性>80），可提升防控精准度；其次，提出"风-湿协同管理"策略，建议在AQI>80时，优先加强湿度>75%时段的通风设施建设，同时配置湿度指示型空气净化设备；最后，开发基于时空大数据的智能预警平台，整合AQI、气象及人口流动数据，实现风险指数（Risk Index）的分钟级更新，这对突发公共卫生事件响应具有重要价值。