《IBRO Neuroscience Reports》:Developing Air Quality Health Index: A Systematic Review of Concepts and Approaches
编辑推荐:
目的:环境污染对公共健康的威胁日益加剧,凸显了对评估空气污染相关风险的可及性工具的迫切需求,尤其对于脆弱人群。空气质量健康指数(Air Quality Health Index, AQHI)将环境空气污染物水平与健康结局相关联,为实时风险沟通和减轻健康影响提供
目的:环境污染对公共健康的威胁日益加剧,凸显了对评估空气污染相关风险的可及性工具的迫切需求,尤其对于脆弱人群。空气质量健康指数(Air Quality Health Index, AQHI)将环境空气污染物水平与健康结局相关联,为实时风险沟通和减轻健康影响提供了一个可扩展的策略。为了合理优化AQHI的构建方法,研究人员进行了此项系统评价。
方法:本系统评价审视了从包括PubMed、Embase和CNKI(中国国家知识基础设施)在内的8个数据库中检索到的53篇文章的AQHI构建方法,覆盖了2008年3月1日至2025年3月17日期间的出版物。
结果:大多数文章(66.0%)发表于2021年之后,其中88.7%的研究在中国进行。死亡率(56.6%)、门诊量(22.6%)和住院率(13.2%)——主要由呼吸系统和心血管疾病导致——是最常评估的健康结局。六种主要污染物(PM2.5、PM10、SO2、NO2、CO、O3)常被用作自变量。在方法学上,64.2%的文章采用单污染物模型,而39.6%使用了多污染物方法。验证主要涉及(73.6%)比较AQHI与传统空气质量指数(Air Quality Index, AQI)之间的超额风险估计值,39.6%的文章按人口学因素(如性别、年龄)进行了分层分析。平均QATSDD(Quality Assessment Tool for Reviews with Diverse Designs,评价多样化设计文章的质量评估工具)评分为26分,表明方法学质量中等。
结论:这些发现为AQHI的开发提供了实用见解,并支持将其整合到空气质量预警系统中,以更好地保护高危人群。
1. 引言
空气污染已成为对公众健康最紧迫的环境威胁之一。2021年,空气污染造成了2.315亿伤残调整生命年(Disability-Adjusted Life Years, DALYs),占总DALYs的8.0%,这主要归因于颗粒物(Particulate Matter, PM)暴露。在低收入和中等收入国家,暴露负担尤为沉重,这些国家的快速工业扩张常常超越了有效环境法规的实施。这些环境暴露加剧了现有的健康不平等,并导致持续的环境不公和健康不均。尽管全球和国家层面通过政策干预、排放控制和公众意识宣传活动持续努力遏制空气污染,但重大挑战依然存在。一个关键的差距在于缺乏能够向公众提供实时、个性化空气质量信息的可及、具有成本效益的工具。此类工具不仅对提高意识至关重要,而且能够促进行为的及时防护,并为旨在降低空气污染健康风险的社区层面决策提供信息。
美国环境保护局(United States Environmental Protection Agency, US EPA)于1976年推出的空气质量指数(AQI)被广泛用于沟通短期暴露于空气污染物的健康风险。然而,其因未能捕捉污染物与健康结局之间无阈值浓度-反应函数而受到批评。为解决这些限制,加拿大研究人员在2008年作为健康影响评估(Health Impact Assessment, HIA)的一部分开发了空气质量健康指数(AQHI)。AQHI基于单污染物模型提供实时健康风险估计,其中个体污染物效应通过广义线性方法建模并求和以计算总超额风险。虽然这种方法考虑了污染物特异性风险,但未考虑污染物之间的相互作用或现实世界暴露的复杂性。随后,各种研究人员通过应用不同的统计方法和建模方法进一步改进了AQHI。这些改进包括将健康结局扩展到最初使用的死亡率数据之外,以涵盖门诊量和疾病特异性指标,以及纳入针对不同易感人群的分层分析。尽管不断进步,但在不同空间尺度(例如地区、国家或单个城市)的AQHI构建方法上仍存在显著差异。目前,缺乏系统的综合和标准化框架来指导该领域未来的研究和应用。
本系统评价旨在回答以下问题,以期为AQHI未来的研究和应用提供基于证据的路线图:不同健康结局(例如死亡率与门诊量)在反映短期风险的敏感性和实用性方面如何比较?不同统计建模策略(例如加性单污染物模型与多污染物混合模型)在表征复合暴露风险方面的相对表现如何?AQHI代表的健康风险在不同人口亚组(例如按性别或年龄)之间是否存在显著差异?AQHI在预测健康结局方面是否显示出优于传统空气质量指数的优势?
2. 方法
2.1. 检索策略与选择标准
该研究遵循PRISMA(Preferred Reporting Items for Systematic Reviews and Meta-Analyses,系统评价和荟萃分析首选报告项目)指南报告系统评价。该方案已在PROSPERO注册(编号:CRD420251010409)。研究人员检索了8个电子数据库,时间跨度为2008年3月1日(加拿大科学家首次提出AQHI作为HIA新工具)至2025年3月17日。检索策略旨在捕捉与AQHI构建和应用相关的文献。纳入标准包括:(1)文章考察相关空气污染物和健康结局;(2)构建了AQHI;(3)分析了空气污染物与健康结局之间的关系。排除标准包括:(1)经全文审查后认为无关的文章;(2)缺乏AQHI或类似指数;(3)仅关注AQHI应用或评价的文章;(4)仅讨论方法、理论或仅提及术语“AQHI”而无实质性分析的文章;(5)会议报告、综述、信件、书籍或简短调查等非研究性文章;(6)使用先前研究中计算过的参数的文章。
2.2. 数据提取
由两名审阅者系统地从纳入文章的主要文本和/或补充材料中提取数据。提取过程由一组预定义的参数指导,包括:作者、数据来源、研究周期、研究人群、观察的健康结局、测量的具体空气污染物、混杂因素集、资金来源、暴露-效应建模方法、验证技术、敏感性分析、分层分析以及采用的AQHI分级标准。两位审阅者独立应用“多样化设计文章质量评估工具”(Quality Assessment Tool for Reviewing Articles with Diverse Designs, QATSDD)进行质量评估,该工具包含定量和定性方法各14项,共16项标准。分歧由第三方裁决。
2.3. 数据合成
研究人员系统地提取了以下描述性特征:第一作者、数据来源、发表年份、研究人群、样本量、研究周期、观察的健康结局和空气污染物类型。总结了用于AQHI构建的方法学,详细内容包括暴露-效应模型类型、敏感性分析、分层分析和AQHI分级标准。纳入研究的定量数据已在补充材料的Excel文件中提供,研究顺序与文中的表格一致。
3. 结果
3.1. 研究筛选与基本特征
通过数据库检索共识别出566条记录,其中340条为重复记录。经过标题和摘要筛选,剩余133篇文章。根据纳入标准进行全文审查后,最终纳入53篇文章。研究筛选过程如图所示。这53篇文章发表于2008年至2025年之间,其中35篇文章(66.0%)发表于2021年至2024年。大多数研究在中国进行(47篇,88.7%),其次为欧洲(2篇,3.8%)、泰国(2篇,3.8%)、加拿大(1篇,1.9%)和南非(1篇,1.9%)。10篇文章(18.9%)涉及≥200,000名参与者,5篇(9.4%)包含100,000-200,000名,5篇(9.4%)少于100,000名;33篇文章(62.3%)未报告样本量。在研究时长方面,34篇文章(64.2%)持续1-5年,18篇(34.0%)持续6-10年,1篇(1.9%)超过10年。评估的健康结局包括死亡率(56.6%)、门诊量(22.6%)、住院率(13.2%)、急诊量(3.8%)和寿命损失年数(Years of Life Lost, YLL)(13.2%),重点关注呼吸系统和心血管疾病。六种主要空气污染物——颗粒物(PM2.5和 PM10)、二氧化硫(SO2)、二氧化氮(NO2)、臭氧(O3)和一氧化碳(CO)——常被用作纳入文章中构建暴露-效应模型的自变量,其选择依据当地空气质量特征和目标健康结局。在53项纳入研究中,39项(52.8%)明确报告了资金来源。在报告资金的研究中,主要资金来源是国家级研究基金会,支持了28项研究。其次是省市级政府研究资助,支持了11项研究。没有研究报道直接获得行业资助。其余14项研究(26.4%)未明确声明资金来源或表示未获得特定资助。
3.2. AQHI构建方法学分析
关于暴露-效应模型构建,34篇文章(64.2%)采用单污染物模型,21篇(39.6%)使用多污染物模型,4篇(7.5%)应用来自荟萃分析的空气污染物风险系数。在AQHI分级标准方面,加拿大标准最常见(40篇文章,75.5%),其次是香港标准(10篇,18.9%)。3篇文章(5.7%)使用了其他分级方法,包括一种基于总超额风险和等效污染物浓度在0-500尺度上(与AQI对齐)的方法,以及两种使用求和超额风险作为AQHI的方法。验证方法多样。最常见的方法是比较AQHI与AQI之间的超额风险估计值(39篇文章,73.6%),其次是比较高风险日频率(8篇,15.1%)、数据集分割(5篇,9.4%)、相关性分析(7篇,13.2%)和模型拟合度评估(5篇,9.4%)。6篇文章(11.3%)进行了敏感性分析,涉及调整自由度(5篇)、排除极值(2篇)、排除特定城市(1篇)以及纳入流感指标(1篇)。21篇文章(39.6%)进行了分层分析,以探究AQHI在亚组间的变异性:按性别(15篇,28.3%)、年龄(13篇,23.5%)、季节(6篇,11.3%)、疾病类型(5篇,9.4%)和教育水平(2篇,3.8%)。
3.3. AQHI计算公式与模型
在单污染物建模中,常用如分布滞后非线性模型(Distributed Lag Non-linear Models, DLNM)和广义可加模型(Generalized Additive Model, GAM)等方法来量化单个空气污染物与健康结局之间的关联。相比之下,多污染物模型,如加权分位数和(Weighted Quantile Sum, WQS)回归、贝叶斯多污染物加权(Bayesian Multi-pollutant Weighted, BMW)模型和主成分分析(Principal Component Analysis, PCA),整合了多种污染物的联合效应,以反映现实世界暴露的复杂性。为了使用暴露-反应系数计算AQHI,首先计算第t天第k种污染物的超额风险(Excess Risk, ER):%ERkt= (exp(βk·Pkt) - 1) × 100%,其中Pkt是日均污染物浓度。总超额风险由个体ER求和得出。然后将AQHI缩放至0-10指数。例如,加拿大分级标准使用AQHI = 10 × (总%ER / 参考%ER),其中参考值通常是日超额风险的最大值或第99百分位数。这个过程将统计系数转化为用户友好的健康风险指标,实现实时风险沟通和有针对性的公共卫生干预。香港分级标准将分类扩展为五个级别——低(1-3)、中(4-6)、高(7)、甚高(8-10)和严重(10+)——并使用世界卫生组织(World Health Organization, WHO)短期空气质量指导值进行校准。具体计算公式在文中以表格形式列出,展示了不同研究采用的不同聚合函数、相关参数、AQHI分级标准和模型类型,主要可分为基于加性单污染物风险求和模型的加拿大标准、香港标准以及考虑多城市综合效应或季节/滞后效应的变体。