中国区域性室内温度暴露对死亡负担的影响：基于机器学习的全国性流行病学研究

本研究针对室内温度暴露评估缺失的难题，开发了基于随机森林算法的区域室内温度预测模型（R2=0.938），首次在全国364个区县开展室内外温度暴露与死亡的关联分析。研究发现室内温度暴露呈现更强的死亡风险（AF=18.09%），热相关死亡负担显著高于室外暴露（8.38% vs 3.66%），为气候适应性政策制定提供了关键科学依据。

　　

随着气候变化加剧，温度相关健康风险已成为全球重大公共卫生问题。传统研究多基于室外温度评估疾病负担，但人类80%以上时间在室内活动，老年人和脆弱人群室内停留时间甚至超过90%。这种暴露评估的不匹配可能导致风险低估，特别是考虑到室内外温度存在的显著差异——夏季室内温度可能高于室外，冬季则因采暖措施形成热保护。然而，大规模室内温度监测存在成本高、实施难的问题，导致区域性室内温度暴露与死亡风险的关联研究始终空白。

发表于《Environment International》的这项研究首次构建了中国区域性室内温度预测模型，并系统评估了室内外温度暴露对死亡负担的差异化影响。研究人员通过多源数据整合和机器学习算法，成功解决了室内暴露评估难题。

研究团队采用多层次技术路线：首先在全国33个城市99栋建筑部署高精度温湿度记录仪（HOBO UX100-003）采集室内环境数据；继而基于随机森林算法整合ERA5再分析气象数据、区域社会经济指标和建筑特征变量构建预测模型；最后利用分布式滞后非线性模型(DLNM)分析364个区县650万非意外死亡数据，定量比较室内外温度暴露的死亡负担差异。所有分析均通过敏感性测试验证模型稳健性。

3.1. 开发基于随机森林算法的区域室内温度预测模型

通过变量重要性分析发现，室外气象参数（温度、相对湿度、风速和降水）和区域决定因素（绿地面积、经纬度、教育程度、空调普及率和季节变化）是室内温度主要预测因子，建筑特征影响有限。最终模型显示优异预测性能：测试集均方根误差(RMSE)为1.473°C，平均绝对误差(MAE)为1.034°C，决定系数R²达0.938。空间敏感性分析证实模型在不同地理区域和采样尺度下均保持稳定。

3.2. 比较室内外温度与死亡的关联特征

暴露反应关系显示两者均呈反J型曲线，但室内温度呈现更高死亡风险。最小死亡温度(MMT)存在显著差异：室内为27.5°C（83.2百分位），室外为24.0°C（76.4百分位）。极端冷暴露（温度分布2.5百分位）的死亡风险在暴露后2天达到峰值，而极端热暴露（97.5百分位）的效应则在当天最显著。值得注意的是，每升高1°C的热效应差异显著：室内温度导致死亡风险增加5.5%（95%CI：5.0-6.0%），远高于室外的3.0%（2.9-3.2%）。

3.3. 室内外温度归因死亡负担的比较

全人群分析显示室内温度暴露的归因分数(AF)达18.09%（17.87-18.31%），显著高于室外暴露的14.46%（14.41-14.52%）。这种差异主要来自热相关死亡负担：室内热AF为8.38%，而室外仅3.66%。分层分析发现男性（19.3%）、≥85岁老年人（19.2%）和心血管疾病患者（18.8%）的室内温度相关死亡负担最高。冷相关负担则呈现相反模式：室外冷AF（10.8%）高于室内（9.7%）。

研究结论强调，室外气象参数和区域决定因素是室内温度的主要预测因子，而室内温度暴露比室外温度呈现更高的死亡风险和疾病负担，特别是在热暴露条件下。这一发现对气候适应策略具有重要启示：当前基于室外温度的风险评估体系可能显著低估实际健康影响，特别是热相关死亡率。

讨论部分深入分析了可能机制：室内环境可能通过延长暴露持续时间（特别是夜间）、降低相对湿度（室内47.39% vs 室外63.71%）、以及有限的热适应能力（空调普及率不足和电力供应限制）等途径加剧健康风险。与Saeki等人发现室内温度与血压关联更强的研究一致，本研究为室内热暴露的健康效应提供了人口水平证据。

研究的创新性在于首次建立了可推广的区域室内温度预测框架，解决了长期存在的暴露测量误差问题。局限性包括建筑样本代表性不足（每站点仅3栋建筑）、个体水平暴露评估缺失、以及高原气候带样本有限等问题。未来研究需要扩大建筑类型多样性，整合个体活动模式数据，并验证模型在不同气候带的适用性。

这项研究从根本上改变了我们评估温度健康风险的方式，证明基于室内温度暴露的评估能够更准确反映真实疾病负担。随着气候变化持续加剧，该研究成果为制定精准的公共卫生干预措施提供了科学依据，特别是在改善建筑热环境、增强气候适应能力方面具有重要政策意义。