美国不同气候区与人口学分层下城市热相关疾病的预测

《GeoHealth》：Predicting Urban Heat-Related Illness Across U.S. Climate Regions and Demographics

　　

关于气候、人口学特征、建成环境以及行为如何相互作用并在极端高温事件（EHEs）期间驱动住院发生，目前认识仍然相对有限。为弥补这一认知不足，研究人员基于既有文献，开发了一种跨学科的离散事件系统动力学（SD）建模方法，以回答关于极端高温事件（EHEs）与热相关疾病（HRIs）关系的两个研究问题：（a）未来几十年，美国本土相连地区（CONUS）各气候区主要大都市统计区（MSAs）中，极端高温事件（EHEs）频率、强度和持续时间的变化将如何推动不同人口学、健康状态及家庭群体中的热相关疾病（HRIs）发病负担？（b）未来几十年这些大都市统计区（MSAs）的热相关疾病（HRIs）预期成本是多少？在可信的低排放与高排放情景下，这些成本的分布将如何演变？通过在美国本土相连地区（CONUS）53个最大人口规模大都市统计区（MSAs）样本上采用系统动力学模拟模型，研究人员生成了截至2040年的分层热相关疾病（HRIs）及成本预测结果。结果表明，不同区域和情景之间的差异取决于不断变化的极端高温事件（EHE）特征，以及风险在人口学和社会经济差异地理分布上的基础性变化。通过结合连续建模与离散事件建模，这种方法使得沿因果链条在离散节点上构建可进行经验检验的模型成为可能，包括结构层面和参数层面的检验。此类模型可有助于将针对社区极端高温脆弱性的特定干预措施与区域响应的校准、协同及时机优化相匹配。

该研究发表于《GeoHealth》，聚焦于美国城市极端高温事件（EHEs）背景下热相关疾病（HRIs）的长期预测问题。研究背景在于，尽管高温健康风险已受到广泛关注，但现有研究对于气候变化、人口结构、健康状况、家庭降温条件与建成环境之间如何共同作用并驱动热相关发病的认识仍不充分。既往研究虽已揭示热指数（HI）与热相关疾病之间的暴露－反应关系，也指出种族隔离遗留的空间格局会加剧社区热暴露不平等，但多数模型仍偏重统计相关性，较少将高温事件发生过程与人口脆弱性动态耦合，因而难以形成可操作、可检验的因果模型。在这一背景下，开展本研究的必要性在于建立一种能够跨区域、跨人群并随时间动态演化地刻画热相关疾病负担及医疗支出的模型框架，从而为区域高温风险治理和资源配置提供基础。

研究人员据此构建了一个跨学科系统动力学（SD，系统中“存量－流量”随时间演变的模拟框架）模型，覆盖美国本土相连地区（CONUS）9个气候区的53个主要大都市统计区（MSAs），模拟时间范围为2005—2040年。研究将极端高温事件（EHEs）的频率、强度和持续时间，与区域人口规模变化、年龄结构、健康状况以及家庭降温行为结合起来，估计不同人群每日发生热相关疾病（HRIs）的概率及其累计医疗成本。研究结论显示，到2040年，无论低排放情景还是高排放情景，热相关疾病与相关医疗支出均呈上升趋势，但区域间差异显著；西部地区预计出现最高的热相关疾病总量，而东北部、东南部和俄亥俄河谷地区则表现出每次极端高温事件更高的平均疾病负担和成本。研究还发现，种族、年龄、一般健康状况和家庭降温条件导致的风险差异将持续存在，并且在不同地区呈现不同演化轨迹。其重要意义在于，研究不仅提供了截至2040年的全国与区域基线预测，也证明了系统动力学模型在整合气候、人口和行为数据、支撑高温公共卫生干预设计方面的潜力。

研究人员主要采用了以下几类关键技术方法：第一，基于常微分方程（ODEs）的系统动力学（SD）离散事件模拟，以“日”为时间单位、每₁/₄日积分一次；第二，使用NEMAC Climate Explorer提供的53个MSAs高温阈值超标日数投影，在低排放RCP 4.5与高排放RCP 8.5情景下模拟极端高温事件（EHEs）的频率，并通过泊松分布、对数正态分布和Beta分布分别刻画事件发生、热指数（HI）强度和持续时间；第三，结合Weldon Cooper Center人口预测、National Health Interview Survey 2019—2022健康统计以及2020 Residential Energy Consumption Survey（RECS）家庭降温数据，对年龄、健康状态和家庭降温状态进行18层联合分层；第四，利用逻辑回归型暴露－反应函数估计每日热相关疾病（HRIs）概率，并参考2006年California heat wave历史事件进行校准；第五，采用每例5,359美元的平均医疗成本估计总支出，并进行30次拉丁超立方抽样（Latin Hypercube sampling）实验评估不确定性。样本来源主要包括美国53个大型MSAs、美国人口普查数据、区域人口预测、国家健康访谈调查以及RECS家庭能源调查。

在研究结果部分，论文首先以“4.1 Projections of National and Regional of Heat-Related Illnesses Through 2040”为题，给出了截至2040年的全国与区域热相关疾病预测。研究显示，模型生成的各气候区年度EHE日数与NEMAC平均投影总体一致。就总体暴露而言，仅53个MSAs中的年度EHE暴露人口已可覆盖2012年约26.1%的美国本土相连地区（CONUS）人口，到2040年增至33.5%；高排放情景下这一比例到2040年约为35%。模型预测全国平均EHE持续时间将由2012年的约2.5天上升至2040年的3.7天，平均强度则由97.6°F升至99.4°F。对应地，低排放情景下全国HRIs由2012年的10.9万例增至2040年的21.7万例；高排放情景下由10.7万例增至23.7万例。研究人员据此认为，未来热相关疾病将持续增加，且增幅受高温事件特征变化与地区人口脆弱性空间重组共同驱动。

在“4.1.1 Changing HRI Morbidities per Extreme Heat Event”部分，研究重点比较了单位极端高温事件造成的平均疾病负担及成本。结果显示，低排放与高排放情景在2040年前每次EHE对应的平均HRI数差异并不大，但区域差异明显。东北部、东南部及俄亥俄河谷地区平均每次EHE造成的HRIs最多，因此相应单次事件医疗成本也最高。该结论说明，仅考察高温事件总次数并不足以反映区域卫生负担，单位事件的脆弱性特征同样关键。

在“4.1.2 Disparities in Projected Heat-Related Illnesses”部分，研究人员基于2020年RECS数据和未来人口普查种族构成预测，估计了不同种族群体每万人热相关疾病发生率。结果显示，不同主要种族群体不仅在HRI发生率上存在显著差异，其变化趋势也不相同。除Native Hawaiians/Other Pacific Islanders因抽样误差较大外，White人群的估计HRI发生率最低，且随时间增加幅度最小。模型与2006年California heat wave研究结果的比较提示，模型可能系统性低估65岁及以上人群的风险。进一步的区域内比较表明，同一种族类别在不同地区的HRI发生率差异显著；东北部、俄亥俄河谷、南部、西南部以及一定程度上的西部地区表现出最大的种族差异幅度，最高风险组的发生率约为最低风险组的12倍至57倍以上。由此可见，热相关疾病不平等不仅存在于全国尺度，也深刻嵌入区域性地理与社会结构之中。

在“4.1.3 National Heat-Related Illness Cost Projections”部分，研究估计了热相关疾病医疗支出的未来变化。针对纳入分析的MSAs，低排放情景下2012年总HRI医疗支出约为5.82亿美元，到2040年增至11.6亿美元；高排放情景下则由5.76亿美元增至13亿美元。研究还进一步展示了高排放情景下支出在地区、种族、年龄组、总体健康状况和家庭降温状态之间的分布演变，说明未来高温健康经济负担不仅上升，而且其承担主体也会发生结构性变化。

在“4.2 Future Regional EHEs and HRIs by Demographics”部分，研究从人口学角度进一步讨论未来区域性EHE与HRIs。结果指出，西部地区预计将出现最多的HRIs，而东北部、东南部和俄亥俄河谷地区则将面对单次事件最昂贵的健康负担。2020年RECS数据显示，不使用空调（AC）或风扇的人群比例在西北部和西部最高，因此这些地区的EHE频率、强度和持续时间在近期内尤其可能推动全国HRI成本上升。全国层面比较发现，幼年群体以及American Indian and Alaska Native群体更易受热相关疾病影响；同时，按健康状况和家庭降温条件划分，也存在明显差异。研究还观察到一些非直观结果，例如随着高温事件在空调使用更普遍地区增多，空调家庭承担的HRI比例相对其人群占比出现上升。这说明风险并非只由单一脆弱性指标决定，而是受地理分布、人口迁移和行为模式共同影响。

在“4.2.1 Limitations and Opportunities for Improving Models of EHEs and HRIs”部分，研究人员系统总结了模型局限性与改进方向。首先，模型假设EHE频率、持续时间和强度彼此独立，而已有研究提示这些特征可能随着全球变暖而关联增强。其次，模型假设18个分层日HRI风险函数在各地区相同，但文献表明即使在控制基础疾病后，不同区域对同等EHE暴露的反应仍可能不同，适应（adaptation，生理与行为上的热适应）可能是重要原因。再次，模型将家庭降温行为视为与健康状况及年龄相互独立，这是一种简化。另一个重要限制是校准主要依赖2006年California heat wave这一单一历史事件，缺乏更多地区和时期的分层医院数据来验证18类暴露－反应函数。种族归因也建立在2020年RECS条件概率及全国人口预测基础上，因此时间和空间上的精度仍有限。此外，模型仅纳入53个最大MSAs，因而对美国城市、城郊与近郊总体HRI负担的估计可能偏保守。研究人员据此提出，未来应结合更细粒度地方数据、历史EHE与医院资料，构建可按地点和时期校准的多变量逻辑回归系数与干预响应函数，用于支持更具地方针对性的防热规划。

讨论部分强调，热相关疾病及其成本在未来不会均匀分布，而是由高温事件特征与人口学、健康和家庭降温条件的空间差异共同塑造。不同区域内种族差异的大小及其变化轨迹并不一致，提示高温干预必须具有地方基础（place-based），即同时考虑热事件历史、地方地理、人口敏感性以及缓解和沟通资源分布。研究也指出，系统动力学（SD）模型的优势在于能够随着新研究和新数据的出现持续修正参数与结构，并在此基础上附加干预模块，评估如增荫、提升反照率（albedo，表面反射太阳辐射能力）等风险缓解措施的潜在效果。因此，该研究不仅提供了风险预测，也为未来构建可检验、可扩展的高温公共卫生决策模型奠定了方法学基础。

研究结论部分可译为：关于未来热相关疾病（HRIs）的预测能否准确，主要取决于相关数据集的稳健性、准确性及整合程度。此类模型需要同时考虑自然地理、人口学特征和行为因素，才能预测热相关疾病。通过整合既有研究与构成暴露－反应模型的数据组件，研究人员开发了一个系统动力学（SD）模型，用以操作化气候、地理、人口学和家庭降温行为之间的相互作用。此类模型未来的发展方向将包括系统检验高温风险缓解策略的有效性。许多研究已开始显示，例如提高反照率或增加遮荫冠层等措施的重要性；然而，对于地理和行为等风险因素如何相互作用、从而为特定社区制定更有针对性的干预措施提供依据，目前认识仍然有限。系统动力学模型的一项独特优势在于，既能够随着新研究和新数据的发表不断完善风险评估模型，也能够附加风险缓解模块以评估防热干预。当前模型为这类发展提供了一个基线，尤其适用于能够依据历史数据校准暴露－反应函数和行动阈值的地方尺度研究。鉴于热相关发病和死亡持续增加，必须运用一切可用工具，以避免这一本可在很大程度上预防的公共卫生紧急事件。