中国城乡老年人死亡率风险差异的温度敏感性研究：气候变化的健康不平等挑战

本研究针对中国城乡老年人群在温度变化下的死亡率风险差异展开深入分析。研究人员基于中国老年健康影响因素跟踪调查(CLHLS)2005-2018年27,193名老年人面板数据，采用贝叶斯时空模型(Bayesian spatio-temporal model)量化了极端温度对死亡率的影响。结果显示：农村地区老年人高温(>25°C)死亡率风险增幅(3.57%)显著高于城市(2.15%)，低温(<-15°C)风险差异更显著(农村8.94% vs 城市6.37%)。预测显示到2050年，在最极端气候情景(SSP5-8.5)下中国老年人将新增473,351例温度相关死亡。该研究为制定针对性的气候适应政策提供了关键科学依据。

　　

随着全球气候变化加剧，异常温度事件正成为人类健康的重大威胁。中国作为全球老龄化速度最快的发展中国家，其地表温度增速(0.24°C/十年)远超全球平均水平，热浪与寒潮事件频发。特别值得注意的是，中国城乡间存在显著的资源分配差异——农村老年人往往面临更差的医疗条件、更低的经济收入和更有限的气候适应能力。然而，关于温度变化如何差异化影响城乡老年人群死亡率的关键问题，此前缺乏系统性研究。

为解答这一科学问题，Kun Hou等研究团队在《BMC Public Health》发表了开创性研究。该研究整合了中国老年健康影响因素跟踪调查(CLHLS)2005-2018年覆盖23个省份的27,193名老年人数据，结合ERA5再分析温度数据集(30km分辨率)和CHAP空气污染数据，构建了包含时空交互效应的贝叶斯层次模型。研究创新性地采用分布式滞后模型(distributed lag model)捕捉温度效应的时空异质性，并通过国际耦合模式比较计划第六阶段(CMIP6)的共享社会经济路径(SSP)情景预测未来温度变化的健康影响。

主要技术方法

研究采用中国老年健康影响因素跟踪调查(CLHLS)纵向队列数据，通过改进的贝叶斯时空模型分析温度-死亡率关联，控制PM_2.5和O₃等混杂因素。利用INLA算法求解模型参数，通过DIC准则选择最优拟合函数。基于CMIP6多模式集合(MME)预测未来温度变化，结合人口格网数据量化SSP情景下的额外死亡负担。

温度变化与死亡率风险关联

研究发现温度-死亡率风险呈U型曲线关系，7°C时风险最低。

温度位移效应分析显示：当月温度对死亡率影响最大(β_L=0)，前月温度存在显著滞后效应(β_L=1)，而后月温度无显著影响。这种时空异质性在城乡间存在明显差异。

城乡差异量化分析

农村老年人对温度变化更为敏感：高温(>25°C)每升高1°C，农村死亡率风险增加3.57%(95%CI:0.56-6.79%)，显著高于城市的2.15%；极端低温(<-15°C)每降低1°C，农村风险激增8.94%，远超城市的6.37%。这种差异可能源于农村较差的住房隔热条件和医疗资源可及性。

气候带特异性影响

热带季风区极端高温效应最显著(风险增加3.51%)，而温带季风区极端低温影响最大(8.93%)。值得注意的是，同一气候带内农村地区的温度敏感性始终高于城市。

人群异质性分析

低收入、低教育水平、患慢性病(高血压、心脏病等)及有酗酒史的农村老年女性构成最脆弱群体。相反，高收入、高学历城市老年人表现出更强的温度适应能力。

未来气候情景预测

在最严峻的SSP5-8.5情景下，2020-205年间中国老年人将新增473,351例(95%CI:282,989-878,693)温度相关死亡。而采取SSP1-1.9减排路径可显著降低这一负担。

结论与意义

该研究首次系统揭示了中国城乡老年人在温度敏感性方面的健康不平等现象，为精准化气候适应政策提供了关键依据。结果表明：农村老年人是气候变化的脆弱前沿群体，需要优先纳入公共卫生保护体系。研究建立的贝叶斯时空建模框架为评估环境健康风险提供了方法论创新，而基于CMIP6的多情景预测则为气候政策制定提供了量化支撑。这些发现不仅对中国应对人口老龄化挑战具有现实意义，也为全球发展中国家应对气候健康风险提供了重要参考。