2019-2022年中国淮安市气象因素与环境空气污染物对流感发病率之间的交互影响

《Infectious Disease Modelling》：Interactive Effects of Meteorological Factors and Ambient Air Pollutants on Influenza Incidences 2019-2022 in Huaian, China

流感发病率与气象及污染物关系研究：淮安市2019-2022年数据显示低温（AF 30.91%）和PM2.5高浓度（AF 15.90%）显著增加风险，高温与PM2.5存在拮抗效应（RR=0.31）。研究采用分布式滞后非线性模型（DLNM）及交互作用分析，揭示温度、PM2.5、臭氧的剂量-效应曲线及时空协同效应，为精准防控提供依据。

　　在人类健康领域，流感作为一种急性呼吸道疾病，其传播和流行不仅受到病毒自身特性的影响，还与社会环境和气象条件密切相关。由于流感具有显著的季节性特征，其在不同地理区域的流行模式差异较大，但目前对于这些差异背后的驱动因素仍缺乏深入理解。本研究以江苏省淮安市为例，分析了2019年至2022年间流感病例与空气污染物及气象因素之间的关系，旨在为优化流感防控措施提供科学依据。

### 流感的全球影响与研究意义

流感在全球范围内造成了严重的公共卫生和经济负担。世界卫生组织（WHO）报告指出，流感每年导致全球约300万至500万例严重病例，并造成约29万至65万例死亡。在中国，流感被列为丙类法定传染病，每年约有8.8万人因流感相关疾病死亡。流感病毒具有高度传染性，能够迅速传播，并在特定条件下引发大规模流行。因此，了解流感的环境驱动因素，对于制定有效的公共卫生政策至关重要。

近年来，气候变化、空气污染以及健康风险已成为全球关注的焦点。空气污染，特别是细颗粒物（PM2.5）和臭氧（O3）等污染物，被认为与流感的传播和流行密切相关。例如，研究表明，大多数空气污染物与流感样疾病（ILI）之间存在显著的正向关联。此外，气温变化、湿度、风速、气压等气象因素也被认为在流感的季节性变化中扮演重要角色。然而，由于不同地区和气候条件下的影响因素存在差异，尚无法得出统一的结论。

### 研究方法与数据来源

本研究采用描述性统计和分布式滞后非线性模型（DLNM）分析方法，结合淮安市2019年至2022年的流感病例数据和环境监测数据。数据来源包括淮安市疾病预防控制中心（CDC）的法定传染病报告数据库，以及中国气象数据共享服务系统提供的气象数据和空气质量数据。研究覆盖了多种污染物，如PM2.5、PM10、二氧化硫（SO2）、二氧化氮（NO2）、臭氧（O3）和一氧化碳（CO），以及气象参数如温度、湿度、风速、气压和降雨量。

在统计分析方面，研究首先对连续变量进行了描述性统计，计算了均值、标准差（SD）和分位数，以展示数据分布情况。由于数据不满足正态分布假设，研究采用了Spearman相关系数来衡量空气污染物和气象因素之间的关联性。DLNM模型被用于探索空气污染和气象因素对流感的非线性和滞后效应，该模型能够同时捕捉不同环境因素对健康结果的复杂影响。通过调整自由度（df）和滞后天数（0-10天），研究确保了模型的稳健性。

### 关键研究发现

研究结果表明，淮安市在2019年至2022年间共报告了9,205例流感病例，其中男性占53.64%（4,938例），女性占46.36%（4,267例）。儿童群体（0-15岁）占总病例数的75.63%（6,962例），显示流感在儿童中更为普遍。

在环境因素与流感之间的关系方面，研究发现：

- **PM2.5** 与流感之间存在倒U型关系。在低浓度时，PM2.5的增加会显著提高流感风险，但随着浓度升高，这种风险会逐渐降低。具体而言，PM2.5浓度在68 μg/m3时达到最大相对风险（RR）值，为1.93（95% CI: 1.47-2.54），而在高浓度（126 μg/m3）时，相对风险降至0.35（95% CI: 0.25-0.49）。
- **臭氧（O3）** 与流感之间呈现J型关系。当O3浓度超过113 μg/m3时，流感风险迅速上升，达到最大值2.58（95% CI: 1.63-4.09）。
- **温度** 对流感的影响呈现倒U型趋势。当温度低于4°C时，流感风险显著增加，但随着温度升高，风险逐渐降低。

此外，研究还分析了环境因素之间的交互作用。结果表明，高温可以部分抵消PM2.5对流感的促进作用，表现出对抗效应。例如，当PM2.5浓度高且温度也高时，流感的相对风险（RR）显著下降，为0.31（95% CI: 0.15-0.65）。这种交互作用的分析进一步揭示了环境因素如何共同影响流感的传播风险。

### 流感病例的归因分析

研究还进行了归因风险分析，以评估特定环境因素对流感病例的贡献程度。结果表明：

- 高浓度PM2.5暴露可能归因于15.90%的流感病例，相当于1,456例。
- 高浓度O3暴露可能归因于8.12%的流感病例，相当于743例。
- 低温效应可能归因于30.91%的流感病例，相当于2,830例。

这些归因分析表明，低温对流感的促进作用最为显著，而高浓度PM2.5和O3对流感的促进作用次之。值得注意的是，尽管高温在某些情况下会降低PM2.5对流感的影响，但这种影响的程度因群体而异，如男性和儿童群体显示出更强的对抗效应。

### 波动模型与小波相干性分析

为了进一步探索流感与环境因素之间的季节性和时间相关性，研究还采用了波动模型和小波相干性分析。波动模型能够捕捉非平稳时间序列中的不同频率成分，而小波相干性分析则用于评估不同时间序列之间的相关性。研究发现，湿度和降雨量与流感之间存在显著的正向关联，特别是在冬季，低湿度环境有助于病毒的存活和传播，而降雨则可能通过增加室内聚集，促进流感的传播。

此外，研究还分析了流感与不同污染物之间的波动相关性。例如，在2022年，湿度和降雨量与流感之间的相关性达到高峰，表明这些因素在特定季节可能成为流感的诱因。这些分析结果为公共卫生部门提供了预警信息，有助于提前预测流感的高发期，并采取相应的防控措施。

### 研究的局限性与未来方向

尽管本研究提供了有价值的见解，但仍存在一些局限性。首先，所使用的气象数据和污染物数据可能无法完全反映个体的实际暴露水平，这可能导致研究结果与实际情况存在偏差。其次，研究采用的是每日病例数，样本量相对较小，可能限制了某些统计分析的效力。此外，研究未考虑疫苗接种率、社会经济状况、人口密度等因素对流感传播的影响，这可能导致结果的偏差。

由于研究时间跨度与新冠疫情重叠，公共卫生干预措施（如佩戴口罩、减少外出）可能对流感的传播产生了抑制作用，从而影响了研究结果的准确性。因此，未来的研究应考虑疫情背景下的环境变化，或采用疫情前后的对比分析，以更准确地评估环境因素对流感的影响。

### 研究的科学意义与政策建议

本研究的结果对于制定流感防控策略具有重要的科学意义。首先，研究明确指出低温是流感的重要驱动因素，因此在寒冷季节，应特别关注室内空气质量和人群聚集情况，以减少流感的传播风险。其次，高浓度PM2.5和O3对流感的促进作用表明，在空气质量较差的天气条件下，应采取措施减少空气污染，例如加强环境监测和实施污染控制政策。

此外，研究发现高温可以部分缓解PM2.5对流感的影响，这为制定针对性的健康建议提供了依据。例如，在低温和高PM2.5浓度的天气条件下，应减少户外活动时间，以降低流感的传播风险。这些发现有助于公共卫生部门制定更有效的干预措施，如在流感高发季节加强健康教育、优化空气质量监测系统、调整人群活动安排等。

### 结论

综上所述，本研究揭示了淮安市流感与空气污染物及气象因素之间的复杂关系。低温、高浓度PM2.5和O3均是流感的重要风险因素，而高温则可能在一定程度上减轻PM2.5对流感的影响。这些发现不仅为理解流感的环境驱动因素提供了新的视角，也为制定针对性的防控策略提供了科学依据。未来的研究应进一步扩大样本量，考虑更多社会和环境变量，并结合疫情背景，以更全面地评估流感的传播机制。