空气污染对中国气象因素与流感样疾病关联的介导作用：机制探索与防控启示

为探究气象因素、空气污染与流感样疾病（ILI）之间的复杂关系，研究人员通过相关性分析和构建中介模型展开研究。结果表明，部分气象因素可直接或间接通过空气污染物影响 ILI 感染。这为防控 ILI 传播提供了科学依据。

　　在现代社会，工业化和城市化进程不断加速，随之而来的空气污染成为了全球性的重大公共卫生问题。世界卫生组织报告显示，每年约有 700 万人因暴露在污染空气中的细颗粒物而死亡，这些细颗粒物能够深入人体心血管系统和肺部。中国作为世界上最大的发展中国家，在过去几年中也面临着尤为严峻的空气污染问题。空气污染不仅影响能见度和全球气候，还会诱发多种疾病，其中流感样疾病（ILI）就与空气污染密切相关。然而，气象因素和空气污染物究竟是如何直接或间接影响 ILI 的传播，这一问题尚不明确。为了深入探究这一复杂关系，长安大学和山西大学的研究人员开展了相关研究，该研究成果发表在《BMC Public Health》上。

研究人员为了探究气象因素、空气污染物与 ILI 之间的关系，收集了 2014 年 1 月 1 日至 2016 年 11 月 15 日西安市的 ILI 病例数据、空气污染物数据以及气象因素数据。其中，ILI 病例数据来自陕西省疾病预防控制中心，涵盖多家医院；空气污染物数据（如 AQI、PM2.5、PM10、SO₂、NO₂、CO、O₃）来源于天气后报网站；气象因素数据（包括平均温度、最高温度、最低温度等）则获取自 Weather Underground 网站。

研究人员运用了多种技术方法。首先，采用 Pearson 相关性分析，量化 ILI 病例、空气污染物和气象因素之间的关联。其次，构建了简单中介模型和有一个中介变量的调节中介模型，探索气象因素对 ILI 流行的直接影响以及空气污染的中介作用。最后，通过普通最小二乘法（OLS）、PROCESS 和 MEDIATE 宏程序以及 Bootstrap 方法进行统计推断和模型选择。

研究结果

1. ILI 病例、空气污染物和气象因素的分布特征：在研究期间，西安市每日报告的 ILI 病例数呈现出周期性变化，冬季达到高峰。平均每日 ILI 病例数为 73.93 例，其中 0 - 4 岁儿童病例数占比超过 50%。空气污染物（如 AQI、PM2.5 等）和部分气象因素（如平均温度、最高温度等）也呈现出周期性变化，且在冬季有明显的峰值或谷值。
2. Pearson 相关性分析结果：AQI、PM2.5、PM10、SO₂、NO₂、CO 和压力与每日报告的 ILI 病例总数以及 0 - 4 岁儿童 ILI 病例数呈显著正相关；而平均温度、最高温度、最低温度等部分气象因素与 ILI 病例数呈显著负相关。
3. 中介分析的主要结果
   • 模型选择：通过比较不同模型的决定系数（R²），发现当变量 X 为最低温度（X₃）时，模型（6）（X = X₃，W = X₅，Z = X₇）能更好地揭示 AQI 对最低温度、最大湿度、压力与每日报告的 ILI 病例总数之间关联的中介效应；当变量 X 为最大湿度（X₅）时，模型（6）（X = X₅，W = X₃，Z = X₇）能更好地揭示 AQI 对最大湿度、最低温度、压力与每日报告的 ILI 病例总数之间关联的中介效应。
   • 中介分析结果：AQI 部分介导了最低温度、压力与 ILI 病例总数的关联，但这种中介效应不显著。最低温度对 ILI 感染的条件直接效应显著，1°C 的最低温度升高与每日 ILI 病例数减少 1.5822 例相关；最大湿度对 ILI 感染的条件直接效应也显著，1% 的最大湿度升高与每日 ILI 病例数减少 0.3267 例相关。此外，研究还分析了其他空气污染物的中介效应，发现部分空气污染物对气象因素与 ILI 病例总数的关联存在中介效应，且不同空气污染物的中介效应存在差异。
   
   

研究结论表明，气象因素（最低温度 / 最高湿度受最高湿度 / 最低温度和压力调节）直接影响 ILI 感染，部分气象因素还可通过空气污染物间接影响 ILI 感染。增加最大湿度和最低温度，既可以直接减少 ILI 病例数，也可以通过降低空气污染物浓度间接减少病例数。这一研究为防控 ILI 的流行提供了重要依据。当气象部门预报出现低温、低湿度的雾霾天气时，环保部门应采取有效措施降低空气污染物浓度，如减少工业和车辆废气排放、降低北方冬季燃煤取暖产生的废气等；公共卫生部门则应倡导人们改变行为，如避免外出或外出时佩戴口罩，积极响应防控措施。然而，该研究也存在一定的局限性，如仅使用了六个模型，未考虑更多混杂因素，研究数据仅来自西安市，不具有全球代表性等。未来的研究需要克服这些局限性，进一步深入探究气象因素、空气污染与 ILI 之间的关系，为全球公共卫生事业提供更有力的支持。