《Environments》:Spatial Analysis of Cerebrovascular Hospitalization Risk and Particulate Matter Effects: Evidence from Northern Spain
编辑推荐:
脑血管疾病(Cerebrovascular Diseases)是全球死亡和残疾的主要原因之一。本研究旨在识别阿斯图里亚斯(Asturias)小区域内脑血管疾病非计划住院的地理模式和性别差异,并评估其与大气污染的关联。阿斯图里亚斯是西班牙北部的一个地区,其脑血管
脑血管疾病(Cerebrovascular Diseases)是全球死亡和残疾的主要原因之一。本研究旨在识别阿斯图里亚斯(Asturias)小区域内脑血管疾病非计划住院的地理模式和性别差异,并评估其与大气污染的关联。阿斯图里亚斯是西班牙北部的一个地区,其脑血管疾病发病率和死亡率均较高。研究纳入了2016年至2023年间记录的20,305例非计划住院。研究人员使用重新参数化的贝萨格-约克-莫利模型(reparameterized Besag–York–Mollié models, BYM2)在人口普查区(census tract)水平估计了标准化入院比(Standardized Admission Ratios, SARs)、平滑相对风险(Smoothed Relative Risks, SRRs)和后验风险概率(Posterior Risk Probabilities, PP)。计算了全局和局部莫兰指数(Global and Local Moran’s I)以评估入院的空间相关性。随后,将PM10和PM2.5浓度估计值纳入模型,并调整人均平均净收入,以评估其与入院风险的关联及其对观察到的地理模式的贡献。空间分析揭示了脑血管入院在性别间和小区域间存在显著的不平等。对于男女,高风险聚集区一致位于中北部沿海地区。对于男性,较高水平的PM10和PM2.5与住院显著相关(每增加5 μg/m3,PM10的RR=1.08,95% CI: 1.02–1.14;PM2.5的RR=1.22,95% CI: 1.07–1.40),并解释了部分观察到的空间变异。对于女性,两种污染物均未显示出统计学显著关联,也未与地理模式相关。整合地理和性别相关因素对于识别高风险区域和脑血管疾病负担中的潜在风险因素至关重要。在男性中,暴露于PM10和PM2.5与脑血管住院相关,并解释了部分观察到的空间变异,而在女性中未发现这种关联。
**研究背景、问题与目的**
脑血管疾病(Cerebrovascular Diseases)是导致全球死亡和残疾的主要原因之一。西班牙北部阿斯图里亚斯地区(Principality of Asturias)的脑血管疾病发病率和死亡率均居全国前列,且该地区有重工业和火力发电站的历史,大气颗粒物(Particulate Matter, PM)污染水平较高。尽管已有研究关注该地区卒中代码激活和急诊护理不平等,但针对小区域水平脑血管疾病空间分布及其与空气污染关联的研究仍有限。本研究旨在分析阿斯图里亚斯小区域内脑血管疾病非计划住院的空间分布,识别地理模式、高风险聚集区及性别差异,并评估PM
10和PM
2.5暴露与入院风险的关联,同时调整收入作为社会经济指标。论文发表在《Environments》。
**主要关键技术方法**
研究人员使用基于随机森林(Random Forest)算法的时空土地利用模型,在1 km×1 km网格上估算每日PM
10和PM
2.5浓度,并针对小于1 km
2的人口普查区进行降尺度处理,结合人口、土地利用、道路、工业活动、高程、坡度、夜间灯光强度、地表亮度和不透水性等变量,获得2016–2023年各普查区长期平均浓度。模型通过10折交叉验证评估,PM
10的R
2为0.72,RMSE为6.29 μg/m
3;PM
2.5的R
2为0.79,RMSE为2.89 μg/m
3。研究使用间接年龄标准化方法计算标准化入院比(Standardized Admission Ratios, SARs),并采用贝萨格-约克-莫利模型(Besag–York–Mollié, BYM2)进行空间平滑,估计平滑相对风险(Smoothed Relative Risks, SRRs)和后验风险概率(Posterior Risk Probabilities, PP)。全局和局部莫兰指数(Global and Local Moran’s I)用于评估空间相关性。随后将PM浓度纳入BYM2模型,调整人均平均净收入,计算相对风险(Relative Risk, RR)和95%可信区间(Credible Intervals, CI)。此外,还拟合了空间变系数模型(Spatially Varying Coefficient, SVC)以检验PM效应是否随空间变化。数据来源:2016–2023年阿斯图里亚斯地区脑血管疾病非计划住院记录来自最小基本数据集(Minimum Basic Data Set, MBDS),人口数据来自2016年市政居民登记册,由阿斯图里亚斯经济与工业研究协会(SADEI)提供。
**研究结果**
- **3. Results**
研究期间共有20,305例非计划住院,男性占51%,女性占49%。男性中>50%住院发生在65–85岁年龄组,女性中45%在65–85岁,43%在85岁以上。BYM2模型(同时包含空间结构效应和非空间随机效应)优于iCAR模型(仅含空间结构效应),DIC和WAIC值均更低。SARs和SRRs地图显示,男女入院分布存在差异,但中部地区均显示高风险。后验风险概率(PP)地图显示,中部地区高概率区较多,18.78%的男性普查区和19.35%的女性普查区PP>0.8。全局莫兰指数(Global Moran’s I)显示男女入院分布均存在显著正空间相关。局部莫兰指数(Local Moran’s I)识别出高风险聚集区(红色)主要位于中北部沿海城市(Avilés、Castrillón、Gozón、Corvera de Asturias、Gijón),男女相似。低风险聚集区在男性位于中部和东部,女性仅在西部的Allande。此外,男性在Oviedo出现高风险被低风险包围的区域(橙色)。PM
10和PM
2.5的长期平均浓度分别为19.56 μg/m
3和9.92 μg/m
3,所有普查区均超过WHO建议的年均水平(5 μg/m
3),77.19%的普查区PM
10超过15 μg/m
3。高浓度区域位于中部,低浓度在周边。将PM纳入BYM2模型后,男性中空间变异比例降低,表明PM暴露解释了部分空间变异;女性中总体变异不变,空间变异略有增加。男性每增加5 μg/m
3 PM
10,RR=1.08(95% CI: 1.02–1.14);每增加5 μg/m
3 PM
2.5,RR=1.22(95% CI: 1.07–1.40),均显著。女性中关联为正但不显著。SVC模型显示PM效应变异系数极小(3.18×10
?5至4.74×10
?5),且BYM2拟合更优,说明PM效应在空间上相对均匀。
**讨论与结论总结**
讨论部分指出,这是首次在阿斯图里亚斯全境使用小区域方法描述脑血管疾病空间分布及其与PM关联的研究。高住院风险区域与高PM浓度区域空间重合,且与既往研究中的哮喘、慢性阻塞性肺病和缺血性心脏病高风险区域一致。男性中PM解释了部分地理变异,但女性中未发现,可能与激素、代谢、职业暴露、吸烟等性别差异因素有关。此外,未测量的因素如传统血管风险因素、遗传、生活方式、医疗服务可及性等也可能导致残余空间变异。研究局限性包括:依赖健康卡住址可能导致暴露错分;基于聚合数据无法评估时间趋势;PM估计在缺少监测站区域存在不确定性;单污染物模型可能反映共污染物效应;缺乏个体层面风险因素数据,仅调整收入,存在残余混杂;生态设计无法推断个体水平。优势包括覆盖全人口、完全空间覆盖、使用人口普查区增强可比性、考虑社会经济背景。结论:阿斯图里亚斯脑血管疾病空间分布在性别和普查区之间存在差异,男女共同的高风险聚集区位于中北部沿海,该区域污染水平也较高。PM暴露可能部分解释男性中的地理模式,并与住院风险增加相关,但在女性中关联不明显。这些发现强调了将地理和性别视角整合到公共卫生策略中的重要性,以减少脑血管疾病负担。