2013至2023年中国细颗粒物健康风险与污染物特异性指数

《Environmental Science & Technology》：Health Risk of Fine Particulate Matter Across China with a Pollutant-Specific Index from 2013 to 2023

　　

细颗粒物（PM_2.5）尽管在过去十年空气质量显著改善，但仍是中国面临的重大公共卫生挑战。评估PM_2.5的分布及其相关健康风险对于污染控制和健康保护至关重要。为此，研究人员利用机器学习方法开发了一个2013至2023年覆盖中国全境的1公里分辨率每日PM_2.5估算模型。进一步进行了Meta分析，以评估PM_2.5暴露对死亡率和住院结局的短期健康效应。研究人员将PM_2.5浓度及其健康效应整合到PM_2.5特异性空气质量健康指数（AQHI_PM2.5）中，以量化区域特异性健康风险。该模型实现了较高的预测精度（每日水平上空间交叉验证R²=0.88，时间交叉验证R²=0.82）。全国PM_2.5浓度从2013年的55.06 μg/m³大幅下降至2022年的26.50 μg/m³，随后在2023年小幅反弹至27.46 μg/m³。3天内短期PM_2.5暴露每增加10 μg/m³，与全因死亡率（0.42%）、心血管死亡率（0.61%）和呼吸系统死亡率（0.84%）的风险增加相关。AQHI_PM2.5显示中国北部和西南部持续存在中高风险天数，部分区域每年中高风险天数超过80天。消除AQHI_PM2.5识别的高风险天数，可在2023年避免估计6,985例（95% CI：6,419至7,588）死亡，占PM_2.5归因全因死亡负担的7.42%。这些发现表明，尽管空气质量改善，PM_2.5带来的实质性健康风险依然存在，并证明将高分辨率暴露评估与健康风险评估相结合，可以支持更有针对性的污染控制和公共卫生干预。

空气污染是全球最严峻的环境挑战之一，对生态系统和人类健康产生深远影响。在各类污染物中，细颗粒物（PM_2.5）是导致空气污染相关死亡的主要贡献者，据全球疾病负担研究估计，其占空气污染相关死亡的90%以上。短期暴露于PM_2.5与心血管疾病、呼吸系统疾病和过早死亡风险增加相关。中国是受空气污染影响最严重的国家之一，自2013年起实施了严格的污染控制政策，这些干预措施成功降低了年均PM_2.5浓度。然而，总体污染虽有所下降，但2021年仅有27.6%的城市达到世界卫生组织建议的每日控制水平（第四阶段 interim target：25 μg/m³）。新疆等北部地区和冬季采暖期仍存在高暴露，PM_2.5污染继续对中国公众健康构成严重威胁。

为了量化空气污染对公众和政策制定者的健康风险，出现了空气质量健康指数（AQHI），最初起源于加拿大，后被多个国家和地区采用。现有AQHI整合多种空气污染物的暴露-反应关联，提供复合健康风险度量。然而，不同污染物具有不同的生物学通路和流行病学证据，当多种污染物被聚合为单一复合指数时，PM_2.5的独立风险可能被掩盖，尤其是在PM_2.5浓度相对较低但可测量健康风险持续存在的地区。此外，大多数现有AQHI应用依赖区域固定系数，未能充分考虑暴露-反应关联的空间异质性或结局特异性差异。鉴于PM_2.5暴露的巨大负担，目前仍缺乏一种明确捕捉其独立且区域变异效应的健康风险指标。因此，研究人员开展了这项研究，旨在开发高分辨率暴露模型，量化区域特异性健康效应，并构建PM_2.5特异性空气质量健康指数（AQHI_PM2.5），以支持更精准的污染控制和公共卫生干预。该论文发表在《Environmental Science 》。

研究人员基于1公里分辨率PM_2.5估算，构建了2013至2023年中国每日时空暴露数据，以更好地刻画个体暴露及其时间动态。随后，通过Meta分析推导了短期PM_2.5暴露与死亡率和发病率结局的区域特异性关联。这些组成部分被整合以开发AQHI_PM2.5，将暴露转化为可操作的健康风险工具。利用该框架，研究人员进一步表征了政策干预下PM_2.5污染的时空动态，并量化了相关健康负担。

在主要关键技术方法方面，研究人员采用机器学习方法开发每日PM_2.5估算模型，预测变量包括气溶胶光学厚度（AOD）、地面监测观测、气象因素、土地覆盖类型、云量、人口密度和地形数据。为解决卫星AOD时空缺失（超过40%），应用了结合线性回归和多种插值技术的填补策略。利用K-means聚类结合地理加权回归将中国划分为七个亚区，在每个亚区训练随机森林和极端梯度提升两种算法并平均集成。模型性能通过预测与观测浓度的决定系数（R²）评估。同时，研究人员系统检索中英文数据库，纳入255项研究进行Meta分析，估计每10 μg/m³ PM_2.5增加导致的超额风险（ER）。基于区域特异性效应系数和每日PM_2.5浓度，按照公式计算AQHI_PM2.5，并采用三年滚动窗口确定动态参考阈值。疾病负担估算采用反事实情景方法，结合人口分布和死亡率数据。

研究结果部分：

**PM_2.5时空分布与趋势**：所构建的每日PM_2.5估算模型在日水平上10倍空间和时间交叉验证的R²分别为0.88和0.82。2013年严重污染（年均浓度超过100 μg/m³）主要集中在华北、西北和西南，全国平均为55.06 μg/m³。2013至2020年全国浓度下降，京津冀地区改善最显著（从76.6 μg/m³降至36.3 μg/m³）。但2022年后出现温和反弹，全国平均从26.50 μg/m³升至27.46 μg/m³，京津冀反弹8.38%。2023年西北地区仍严重污染，63.98%的区域超过WHO第四阶段 interim target（25 μg/m³）。

**短期健康效应**：Meta分析纳入255项研究，无显著发表偏倚。每10 μg/m³短期PM_2.5暴露增加，全因、心血管和呼吸系统死亡率的超额风险（ER）分别为0.42%（95% CI: 0.34-0.50%）、0.61%（0.51-0.71%）和0.84%（0.67-1.02%）；心血管和呼吸系统住院的ER分别为0.82%（0.63-1.02%）和1.32%（0.95-1.70%）。区域差异显著，南方全因和心血管死亡ER最高，东北呼吸系统死亡ER最高。

**AQHI_PM2.5风险天数分布**：基于估算的PM_2.5浓度和区域特异性效应系数，计算了2016至2023年每日AQHI_PM2.5。北部和西南地区（包括京津冀城市群、中原和成渝地区）尽管浓度显著下降，仍经历大量高风险天数，每年峰值达80天。西北持续污染，中风险天数超过60天。珠江三角洲风险天数急剧下降，2023年接近零。全国中高风险天数比例相对稳定，但2020年以来反弹明显，成渝中风险天数从34天增至69天。心血管和呼吸系统结局的时空模式相似。

**可避免疾病负担**：PM_2.5归因全因死亡从2016年的132,270例降至2023年的94,166例。在2023年，若AQHI_PM2.5降低1个单位，可避免13,086例（13.90%）全因死亡；消除高风险天数可避免6,985例（7.42%）；消除中高风险天数可避免21,947例（23.31%）。空间分布