中国石家庄2020–2024年AECOPD住院的季节性模式与短期环境关联

《COPD: Journal of Chronic Obstructive Pulmonary Disease》：Seasonal Patterns and Short-Term Environmental Associations with AECOPD Hospitalizations in Shijiazhuang, China, 2020–2024

　　

目的：探讨中国石家庄2020–2024年AECOPD住院的季节性分布，以及空气污染物（PM2.5、PM10、NO2、O3、SO2、CO）和气象因素（平均温度、昼夜温差）的滞后关联，并将高发病日季节特异性模型作为探索性环境监测分析而非可部署临床预警系统。方法：这项全市回顾性时间序列研究分析石家庄2020年1月1日至2024年12月31日22,468例AECOPD住院，数据来自市医保库并覆盖三级、二级和社区医院住院首页记录；按节气划分春（3/7–6/7）、夏（6/8–9/7）、秋（9/8–12/7）、冬（12/8–3/6）。单变量与多变量泊松广义线性模型（Poisson GLM）评估单日滞后（lag 0–7）关联；多变量与预测使用lag 0–6的7天均值。研究人员用各因素7天累积窗口构建逻辑回归、随机森林和梯度提升模型，并通过五折时间序列交叉验证评估高发病日预测；修订补充了VIF/相关矩阵、拟泊松模型、分布式滞后非线性温度模型（DLNM）、COVID时期分析、湿度/供暖检验、替代滞后窗口和近期暴露重跑。结果：冬季住院最高、夏季最低（冬6,009；春5,854；秋5,554；夏5,051）；男:女约3.7:1，均值年龄71.7±9.1岁。多变量调整后，冬季PM10每升10 μg/m3住院率升6.9%（IRR 1.069），NO2升8.9%（1.089）；均温降1 °C升4.4%（IRR 0.958），昼夜温差宽1 °C升5.5%（1.055）；O3夏秋正相关。多污染物中表观保护性IRR（如冬季PM2.5）因共线性谨慎解释。预测判别有限：冬季随机森林五折CV AUC 0.653±0.112，其余0.50–0.62；相对日历基线环境块增量小（ΔAUC≈+0.02至+0.045），说明暴露主要具解释性而非业务预测性。结论：AECOPD冬季高发，冬季PM10、NO2、CO、低温和宽昼夜温差为主要关联因素，夏秋O3需关注；7天累积暴露模型冬季判别仅中等（AUC≈0.65），宜作探索性假设生成监测分析，而非初步业务预警工具。

研究背景方面，慢性阻塞性肺疾病（COPD，一种以持续气流受限为特征的慢性呼吸道疾病）全球疾病负担重，中国患者超1亿。急性加重（AECOPD，指14天内呼吸困难、咳嗽、咳痰等症状超出日常波动并常需变更治疗或住院）是COPD不良事件。现有文献多把全年或冷暖两季合并分析，少按气候节律/节气分季，对多污染物与气象因素随季节变化的滞后效应、7天累积暴露协同效应研究不足；既有预测模型也少按季节构建，忽视冬夏主导风险因素差异，预警能力有限。因此研究人员在石家庄2020–2024年22,468例AECOPD住院队列中，检验冬季峰值、季节特异短期暴露关联、近7天环境窗口对高发病日判别是否仅具中等且季节依赖这三项假设。

本研究发表于《COPD: Journal of Chronic Obstructive Pulmonary Disease》。研究人员开展全市回顾性生态时间序列研究，匹配六类污染物与温度指标，用泊松广义线性模型估计滞后与累积关联，并构建季节分类器作探索性监测。

关键技术方法上，研究人员使用石家庄市医保中心提供的2020–2024年所有三级、二级及社区医院AECOPD住院首页记录22,468例；按节气定义四季；暴露取PM_2.5、PM₁₀、NO₂、O₃、SO₂、CO与平均温度、昼夜温差（DTR，一日最高与最低温度之差）；单日滞后用lag 0–7各自建模，预测用lag 0–6的7天均值；关联分析用Poisson GLM并补拟泊松、VIF/相关矩阵、单污染物模型与温度DLNM（分布式滞后非线性模型）；高发病日定义为同季同年中位数以上，用逻辑回归、随机森林、梯度提升配合五折时间序列交叉验证，并与仅含星期/月份/时间趋势的日历基线比较。

人口学特征与季节分布：研究人员统计22,468例发现男性17,729例（78.9%）、女性4,739例（21.1%），均值年龄71.7±9.1岁，75岁以上占37.3%；冬季6,009例最高，夏季5,051例最低，每年12月至次年3月为高峰，5–9月较稳。结论为石家庄AECOPD呈冬高夏低清晰季节模式。

暴露因素滞后效应：单变量IRRs热图与曲线显示，冬季颗粒物与NO₂、SO₂、CO多呈正风险且短滞后（约lag 0–2）最强；冬季NO₂在lag 0的IRR 1.092，O₃与均温反向；夏季O₃在lag 3–5转正，秋季DTR全滞后正向。结论为暴露-反应随季节变化，暖季O₃与冷季颗粒物/氮氧化物机制不同。

多变量调整后累积暴露效应：7天累积窗口多变量Poisson模型显示，冬季PM₁₀、NO₂、CO、DTR正关联，均温负关联；春季PM₁₀、SO₂、CO正、均温负；夏季O₃正、均温负；秋季O₃、SO₂、DTR正，CO与均温负；全年NO₂、O₃、CO正、均温负。多污染物中PM_2.5 IRR<1不解读为保护效应，而归因为PM_2.5–PM₁₀强相关（ρ=0.86）等共线性与残差混杂。结论为调整混合后仍见明确季节主导因子。

模型设定诊断：研究人员做过离散（Pearson χ2/df=1.55，用拟泊松放大标准误约1.24倍）、残差自相关（Durbin–Watson 1.40，Ljung–Box p<0.001）、共线性（VIF均<5，最高均温4.04、PM_2.5 4.02）、DLNM（相对中位温16.0 °C，极端冷?5 °C累积RR 1.23，热29.5 °C RR 0.87）、COVID期（2022年2,867例约2020年54%）等诊断。结论为模型方向稳健但存在生态时间序列固有局限。

高发病日预测：五折时间序列CV中冬季随机森林AUC 0.653±0.112、逻辑回归0.619±0.107，夏/春/秋约0.50–0.62；特征重要性里冬季为O₃、NO₂、均温，夏秋含星期（反映就诊安排而非环境信号）；相对日历基线加环境块整体ΔAUC≈+0.02至+0.045，冬季仅+0.02至+0.03，夏季甚至下降约?0.13。结论为环境变量主要解释性而非操作性预测。

讨论部分总结：研究人员指出冬峰可用供暖相关PM₁₀/NO₂与低温、DTR损害黏液纤毛清除及气道反应性解释；夏秋O₃与光化学生成和lag 3–5效应一致；PM_2.5多污染物负向系数不具生物学保护含义，而因2017年后石家庄PM_2.5降约46%及颗粒共线致独立效应难辨；季节模型创新在按节气分层，但AUC≈0.65只适探索性监测，不能作临床预警；污染管控后颗粒下降仍见短期暴露风险，需持续控颗粒并关注O₃与冬季短期峰值；局限含固定站点暴露、无个体吸烟/疫苗/肺功能/感染指标、COVID扰动、滞后仅到7天、校准不佳等。

结论部分翻译：2020–2024年AECOPD住院呈冬季高峰、夏季低谷的季节模式。冬季PM₁₀、NO₂、低温和宽昼夜温差与较高住院率独立相关，夏秋O₃暴露与住院正相关；分布式滞后非线性模型显示显著冷诱导超额。这些发现描述生态关联而非已证因果。7天随机森林模型冬季判别仅中等（AUC≈0.65），相对仅日历基线增益很小，应解释为探索性环境监测与假设生成分析，而非临床可部署预警工具。敏感性分析（拟泊松处理过离散、VIF与单污染物处理共线性、温度DLNM、日历基线比较）支持这种共线性意识下的探索性解释。