中华预防医学杂志    2018年04期 气候变化背景下寒潮对广州市居民超额死亡急性健康风险预估    PDF     文章点击量:78    
中华预防医学杂志2018年04期
中华医学会主办。
0

文章信息

孙庆华 王文韬 王彦文 李湉湉
SunQinghua,WangWentao,WangYanwen,LiTiantian
气候变化背景下寒潮对广州市居民超额死亡急性健康风险预估
Estimating and projecting the acute effect of cold spells on excess mortality under climate change in Guangzhou
中华预防医学杂志, 2018,52(4)
http://dx.doi.org/10.3760/cma.j.issn.0253-9624.2018.04.018

文章历史

投稿日期: 2017-07-25
上一篇:中国四城市社区居民应对高温热浪的干预措施效果评估
下一篇:某三甲医院2013—2016年Ⅰ类切口手术围术期抗菌药物预防使用情况的调查分析
气候变化背景下寒潮对广州市居民超额死亡急性健康风险预估
孙庆华 王文韬 王彦文 李湉湉     
孙庆华 100021 北京,中国疾病预防控制中心环境与健康相关产品安全所
王文韬 100021 北京,中国疾病预防控制中心环境与健康相关产品安全所;广西医科大学公共卫生学院
王彦文 100021 北京,中国疾病预防控制中心环境与健康相关产品安全所
李湉湉 100021 北京,中国疾病预防控制中心环境与健康相关产品安全所
摘要: 目的  定量估算气候变化背景下寒潮对广州市居民超额死亡急性健康风险。方法  利用2009—2013年的死因和气象数据,使用广义线性模型(GLM)计算广州市寒潮与非意外死亡的暴露反应关系。使用联合国政府间气候变化专门委员会第五次报告中的2个未来排放情景(RCP4.5、RCP8.5)和5个全球气候模式(GCMs),以1980—1999年(1980s)为基线,预估2020—2039年(2020s)、2050—2069年(2050s)、2080—2099年(2080s)的日均温度,并根据寒潮定义识别各个时间段的寒潮。最后根据非寒潮日死亡数的日均值(2009—2013年)、暴露反应关系和未来年均寒潮天数计算1980s、2020s、2050s、2080s广州市由于寒潮导致的年均超额死亡数。结果  2009—2013年广州市每日非意外死亡数均值为96例,日均温均值为22.0 ℃。寒潮日超额死亡风险为3.3%(95%CI:0.4%~6.2%)。1980s寒潮导致的年均超额非意外死亡数为34(95%CI:4~64)例。在RCP4.5情景下:2020s年均寒潮超额死亡将比1980s增加0~10例;2050s比1980s增加1~9例;2080s比1980s增加1~9例。在RCP8.5情景下:2020s年均寒潮超额死亡将比1980s增加0~9例;2050s比1980s增加1~6例;2080s比1980s增加0~11例。结论  气候变化背景下,未来广州市寒潮所致年均超额死亡急性健康风险增加。
关键词 :气候变化;死亡;预估;寒潮;非意外死亡
Estimating and projecting the acute effect of cold spells on excess mortality under climate change in Guangzhou
SunQinghua,WangWentao,WangYanwen,LiTiantian     
National Institute of Environmental Health, Chinese Center for Disease Control and Prevention, Beijing 100021, China
Corresponding author: Li Tiantian, Email: tiantianli213@163.com
Abstract:Objective  To estimate future excess mortality attributable to cold spells in Guangzhou, China.Methods  We collected the mortality data and metrological data from 2009-2013 of Guangzhou to calculated the association between cold spell days and non-accidental mortality with GLM model. Then we projected future daily average temperatures (2020-2039 (2020s) , 2050-2069 (2050s) , 2080-2099 (2080s) ) with 5 GCMs models and 2 RCPs (RCP4.5 and RCP8.5) to identify cold spell days. The baseline period was the 1980s (1980-1999). Finally, calculated the yearly cold spells related excess death of 1980s, 2020s, 2050s, and 2080s with average daily death count of non-cold spell days, exposure-response relationship, and yearly number of cold spell days.Results  The average of daily non-accidental mortality in Guangzhou from 2009 to 2013 was 96, and the average of daily average was 22.0 ℃. Cold spell days were associated with 3.3% (95%CI: 0.4%-6.2%) increase in non-accidental mortality. In 1980s, yearly cold spells related deaths were 34 (95%CI: 4-64). In 2020s, the number will increase by 0-10; in 2050s, the number will increase by 1-9; and in 2080s, will increase by 1-9 under the RCP4.5 scenario. In 2020s, the number will increase by 0-9; in 2050s, the number will increase by 1-6; and in 2080s, will increase by 0-11 under the RCP8.5 scenario.Conclusion  The cold spells related non-accidental deaths in Guangzhou will increase in future under climate change.
Key words :Climate change;Death;Projection;Cold spell;Non-accidental mortality
全文

气候变化已经成为人类面临的重大挑战,1880—2012年全球平均温度升高了0.85 ℃[1]。随着气候变化进程的加速以及极端天气事件发生频率和强度的增加,温度与死亡的关系研究,尤其是在气候变化背景下的相关研究成为研究者和政策制定者关注的重要科学问题[2,3,4]。根据WHO估算,在2030—2050年间,每年由气候变化所造成的超额死亡约为250 000例[5]。目前我国学者对于气候变化背景下温度与死亡的预估研究较少,且大多关注未来温度的热效应[6,7,8,9]
        大量研究表明寒潮与死亡风险增加有关[10,11,12]。随着全球平均温度的提升,未来的冬季平均温度会普遍提高,冬季寒潮的频率会减少[13],大部分研究认为气候变化会增加冬季的健康收益[14,15,16]。然而,同时有研究提出气候变化也将增加冬季极端天气事件的强度[17]。我国对于寒潮的研究目前主要是对寒潮与健康的暴露反应关系的探讨[18,19,20,21]或对未来寒潮变化特征的分析[22,23,24],并未开展寒潮健康风险的预估研究。因此开展未来寒潮健康危害的预估研究对认识我国未来寒潮健康风险,制定和提前布局适应性政策有着重要的参考意义。
        广州地处亚热带沿海,为海洋性亚热带季风气候,人口密度较大。根据以往的研究,温暖地区对寒潮的脆弱性更高[25],因此本研究选择在广州市开展寒潮健康风险预估。本研究首先利用历史监测数据计算广州市寒潮与非意外死亡的暴露反应关系,然后根据预估得到的2020—2039年(2020s)、2050—2069年(2050s)、2080—2099年(2080s)的日均温,计算未来3个时间段广州市由于寒潮即时效应所导致的年均超额死亡数。旨在为制定气候变化人群适应性政策提供理论依据,并为我国其他城市和地区的预估研究提供方法借鉴。

资料与方法  

一、资料  

1.暴露反应关系计算使用数据:  暴露反应关系的计算使用2009—2013年广州市逐日死亡和气象数据。其中,广州市居民死亡数逐日统计值来源于中国疾病预防控制中心;气象数据包括日均温和相对湿度,来自国际气象数据中心(National Climatic Data Center, NCDC),气象站点编号59287。

2.温度预估使用数据:  1980—1999年(1980s)日均温数据来自NCDC,气象站点编号59287。该数据为温度预估中的基线数据。

3.超额死亡数计算使用数据:  2009—2013年非寒潮日的非意外死亡数日均值在计算寒潮所致超额死亡时作为基线死亡数,该数据来源于中国疾病预防控制中心。

二、统计学分析  

1.寒潮定义及基本资料描述:  寒潮的概念尚无统一定义。在以往的健康风险研究中,对于寒潮的定义多借助阈值温度和持续时间[21,26,27]。同时,相比日最高温和最低温,日均温更能反映全天的温度暴露[25]。基于此,本研究将寒潮定义为在研究时间段内,日均温低于研究时间段日均温的P5,并且持续3 d及以上[26]。根据此定义进行时间段内寒潮的确定。另外,非意外死亡例数、日均温、相对湿度,2020s、2050s、2080s的温度为正态分布,为与同类型研究比较,本研究给出了其最小值、P50、最大值。

2.暴露反应关系计算:  使用广义线性模型(generalized linear model,GLM)计算寒潮日和非寒潮日非意外死亡相对风险。构建模型如下:
        log E(Yi) = βCWi + ns(time,df) + dow
        其中,E(Yi)是i日广州市居民死亡数的期望值;CWii日是否为寒潮日的分类变量;ns(time,df)为时间的自然平滑样条函数,df为其自由度,用来控制长期趋势和季节趋势,本研究中时间自由度为6/年;dow为星期几的指示变量。根据暴露反应关系得到的β系数,计算ER值,计算公式为:ER=[exp(β)-1]×100。

3.未来温度预估方法:  温度预估的基线时间段为1980—1999年。预估使用5个全球气候模式(global climate models,GCMs):由美国地球物理流体动力学实验室的gfdl-esm2g、挪威气候中心noresm1-m、法国Pierre-Simon物理研究所的ipsl-cm5a-mr、英国气象局哈德利气候研究中心的hadgem2-es、日本海洋地球科学与技术局、大气海洋研究所和国家环境研究所miroc-esm-chem,和联合国政府间气候变化专门委员会(Intergovernmental Panel on Climate Change,IPCC)第五次报告中的两个未来排放情景(Representative Concentration Pathway,RCPs):RCP4.5、RCP8.5,预估2020s、2050s、2080s的温度。全球气候研究项目(World Climate Research Programme,WCRP)的第五阶段耦合模式比较计划(Coupled Model Intercomparison Project Phase,CMIP5)多模型数据库输出的数据,经过误差订正与空间分解(Bias-Borrection and Spatial Disaggregation,BCSD)进一步降尺度,得到空间分辨率为0.5度的格点数据,然后将落在广州市经纬度范围内(北纬:22°26'~23°56',东经:112°57'~114°03')的格点数据进行空间平均。

4.未来寒潮相关死亡数计算方法:  根据公式E=BM×B×ER计算寒潮所造成的年均超额死亡数,其中,E为各研究时间段年均超额死亡数;BM为中国疾病预防控制中心的2009—2013年所有非寒潮日的日均死亡数为94.8例;B为各个研究时间段的年均寒潮日。

结果  

一、暴露反应关系  广州市寒潮与人群死亡的暴露反应关系:广州市每日非意外死亡数均值为96例,日均温均值为22.0 ℃,相对湿度均值为76%。根据寒潮定义,2009—2013年寒潮的温度阈值为11 ℃。当连续3 d及以上日均温低于11 ℃时,则认定为一次寒潮。根据模型计算结果,寒潮日与非寒潮日相比,超额非意外死亡风险为3.3%(95%CI:0.4%~6.2%)。在敏感性分析中,在模型内控制相对湿度后,结果变化较小,ER值为3.6%(95%CI:0.8%~6.6%)。本研究在计算超额死亡风险时采用的ER值为3.3%(95%CI:0.4%~6.2%),见表1

表12009—2013年广州市非意外死亡例数与气象数据基本情况

二、未来寒潮日的预估  

1.未来时间段温度基本情况:  在不同GCMs和RCPs情景下,使用1980s作为基线,预估未来2020s、2050s、2080s的日均温,统计指标见表2。广州基线时间段1980s的日均温为22.4 ℃,在2个RCPs和5个GCMs下,未来的温度都呈现出逐渐升高的趋势。2020s的日均温均值范围为22.7~23.6 ℃,日均温最小值范围为2~4 ℃;2050s的日均温均值范围为23.1~25.8 ℃,日均温最小值范围为3~7 ℃;2080s的日均温均值范围为23.5~27.6 ℃,日均值最小值范围为4~9 ℃。

表2不同RCPs和GCMs下1980s至2080s广州的日均温(℃)

2.历史和未来时间段寒潮阈值及天数:  根据1980—1999年的实测温度和寒潮定义,计算1980s的寒潮阈值和寒潮天数;根据预估所得的日均温和寒潮定义,分别计算未来不同时间段的寒潮阈值和寒潮天数,结果见表3。1980s的寒潮阈值为11 ℃;2020s寒潮阈值为11~12 ℃;2050s寒潮阈值为12~15 ℃;2080s寒潮阈值为12~17 ℃。1980s寒潮天数为11 d;2020s寒潮天数为11~14 d;2050s寒潮天数为11~14 d;2080s寒潮天数为11~15 d。根据表3,随着未来温度的升高,寒潮的阈值温度也在逐步升高,而寒潮天数并未减少。

表3不同RCPs和GCMs下1980s至2080s广州的寒潮阈值及年均寒潮天数

三、未来寒潮所致超额非意外死亡预估  1980s、2020s、2050s、2080s寒潮所致年均超额非意外死亡数具体结果见图1。1980s寒潮导致的年均超额非意外死亡数为34(95%CI:4~64)例。在RCP4.5情景下:2020s年均寒潮超额死亡将比1980s增加0~10例;2050s比1980s增加1~9例;2080s比1980s增加1~9例。在RCP8.5情景下:2020s年均寒潮超额死亡将比1980s增加0~9例;2050s比1980s增加1~6例;2080s比1980s增加0~11例。

图1不同RCPs和GCMs下1980s至2080s广州市寒潮所致年均超额非意外死亡数

讨论  本研究定量计算了寒潮日的超额非意外死亡风险,同时基于2个RCPs和5个GCMs预估未来寒潮所导致的超额死亡数。研究结果表明,未来寒潮的阈值将有所升高,然而寒潮日并未减少。根据计算结果:2020s年均寒潮超额死亡将比1980s增加0~10例;2050s比1980s增加1~9例;2080s比1980s增加0~11例。
        在本研究中,与非寒潮日相比,寒潮日超额非意外死亡风险为3.3%(95%CI:0.4%~6.2%),这一结果与以往的研究结果相比偏小。例如,广州市2004年寒潮所致超额死亡的风险为8%(95%CI:1%~17%)[18];广州市2008年寒潮的累积超额健康风险为60%(95%CI:19%~114%)[27];上海市2008年寒潮导致的超额死亡风险为13%(95%CI:7%~19%)[12];2008年武汉市寒潮的超额死亡风险为56%(95%CI:36%~79%)[21];荷兰1979—1997年寒潮的日超额死亡风险为12.8%[10]。这些结果的差异是不同研究在研究设计、寒潮定义等方面的不同造成的。同时,本研究中只针对寒潮的即时效应进行分析,并未纳入延迟效应。根据文献报道,寒潮的延迟效应影响可能要远高于即时效应[26]。因此在今后的研究中,可以进一步分析寒潮的延迟效应。
        本研究结果发现,广州市未来三个时间段的寒潮天数并未减少。而一项对美国209城市开展的研究发现:未来寒潮天数将减少[2]。这一差别可能与广州特殊的地理气候环境有关。目前我国也有研究分析寒潮在气候变化背景下的变化趋势,认为气候变化将减少寒潮频数。例如:根据我国160个气象站点1955/1956年至2004/2005年的数据,发现全国性寒潮频次明显减少[23];大连1961—2005年的数据分析表明,寒潮频数减少[22]。这一方面与寒潮定义选择有关,本研究考虑地域和适应性的差异(例如不同纬度地区年均温度存在差异,人群对温度的适应性不同),使用相对温度作为研究寒潮健康效应的寒潮阈值,而在气象科学领域,大多采用绝对温度作为阈值[26]。另一方面,气象科学领域研究寒潮变化的多关注发生频次,而本研究中关注的为寒潮总天数,这一区别也会带来结果上的差异。
        预估研究通过对未来情景的假设进行计算,因此结果都不可避免的存在一定的不确定性,本研究通过模型和方法的选择尽量减少了这种不确定性。首先,本研究选择的5个全球气候模型可以基本覆盖目前所有模型的预估范围;其次,选择的2个未来排放情景,RCP4.5、RCP8.5可分别代表低排放情景和高排放情景。再次,由于本研究中用死亡数参与计算,因此不需要考虑未来人口数和死亡率的变化。但是本研究的敏感性分析没有纳入空气污染物,因为我国开展空气污染物监测的时间较短,缺少长时间序列数据,本研究未获取到相应时间段的空气污染物数据。以往研究证据提示,是否纳入空气污染物并不影响模型结果[21,26]
        本研究还存在一定的局限和不足。第一,计算暴露反应关系所用时间序列时间较短,可能导致模型结果不稳定,未来可用更长时间的数据进行计算;第二,并未考虑寒潮的延迟效应,这会低估寒潮的健康影响;第三,并未考虑未来城市建设、房屋结构等适应性因素的变化对健康的影响;第四,由于缺乏空气污染数据,在建立暴露反应关系时,并没有考虑空气污染的混杂效应,但是根据以往的研究,空气污染对温度的健康效应影响较小[27,28,29],因此没有考虑空气污染的混杂效应对结果影响;第五,未来人口年龄比例的变化将影响预测结果,但是本研究中假设人口比例不变,仅探讨气候变化的独立影响。因为在未来人口年龄比例发生变化的情况下,考虑人口年龄比例变化的预测结果发生何种变化取决于脆弱人群的比例如何变化。然而,目前广州市并没有准确的人口预估数据,非高质量的人口预估数据引入可能会引起更大的预估不确定性。
        本研究在我国开展了寒潮所致超额死亡的预估研究,定量计算未来3个时间段寒潮所导致的超额死亡人数。研究结果显示,在气候变化背景下,由于寒潮导致的非意外超额死亡数并不会减少。这一结果其对适应性政策和减缓政策制定具有一定的借鉴意义。今后,应该对这一研究领域进行更深入和全面的探讨。

参考文献
[1]PachauriRK, AllenMR, BarrosVR, et al. Climate Change 2014: Synthesis Report. Contribution of Working Groups I, II and III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change[M]. Geneva: Intergovernmental Panel on Climate Change, 2014:151.
[2]FrumkinH, HessJ, LuberG, et al. Climate change: the public health response[J]. Am J Public Health, 2008,98(3):435-445. DOI: 10.2105/AJPH.2007.119362.
[3]CostelloA, AbbasM, AllenA, et al. Managing the health effects of climate change: Lancet and University College London Institute for Global Health Commission[J]. Lancet, 2009,373(9676):1693-1733. DOI: 10.1016/S0140-6736(09)60935-1.
[4]O'NeillMS, EbiKL. Temperature extremes and health: impacts of climate variability and change in the United States[J]. J Occup Environ Med, 2009,51(1):13-25. DOI: 10.1097/JOM.0b013e318173e122.
[5]World Health Organization. Quantitative risk assessment of the effects of climate change on selected causes of death, 2030s and 2050s [R]. Geneva: World Health Organization,2015.
[6]郭亚菲,李湉湉,程艳丽,等.气候变化背景下上海市温度热效应死亡风险预估[J].中华预防医学杂志,2012,46(11):1025-1029. DOI: 10.3760/cma.j.issn.0253-9624.2012.11.014.
[7]LiT, HortonRM, KinneyP. Future projections of seasonal patterns in temperature-related deaths for Manhattan[J]. Nat Clim Chang, 2013,3:717-721. DOI: 10.1038/nclimate1902.
[8]LiT, BanJ, HortonRM, et al. Heat-related mortality projections for cardiovascular and respiratory disease under the changing climate in Beijing, China[J]. Sci Rep, 2015,5:11441. DOI: 10.1038/srep11441.
[9]ChenK, HortonRM, BaderDA, et al. Impact of climate change on heat-related mortality in Jiangsu Province, China[J]. Environ Pollut, 2017,224:317-325. DOI: 10.1016/j.envpol.2017.02.011.
[10]HuynenMM, MartensP, SchramD, et al. The impact of heat waves and cold spells on mortality rates in the Dutch population[J]. Environ Health Perspect, 2001,109(5):463-470.
[11]KyselyJ, PokornaL, KynclJ, et al. Excess cardiovascular mortality associated with cold spells in the Czech Republic[J]. BMC Public Health, 2009,9:19. DOI: 10.1186/1471-2458-9-19.
[12]MaW, YangC, ChuC, et al. The impact of the 2008 cold spell on mortality in Shanghai, China[J]. Int J Biometeorol, 2013,57(1):179-184. DOI: 10.1007/s00484-012-0545-7.
[13]IslamSU, RehmanN, SheikhMM. Future change in the frequency of warm and cold spells over Pakistan simulated by the PRECIS regional climate model [J]. Climatic Change, 2009, 94(1): 35-45. DOI: 10.1007/s10584-009-9557-7.
[14]MartinSL, CakmakS, HebbernCA, et al. Climate change and future temperature-related mortality in 15 Canadian cities[J]. Int J Biometeorol, 2012,56(4):605-619. DOI: 10.1007/s00484-011-0449-y.
[15]HayashiA, AkimotoK, FuminoriSano SM, et al. Evaluation of global warming impacts for different levels of stabilization as a step toward determination of the long-term stabilization target [J]. Climatic Change, 2010, 98(1): 87-112. DOI: 10.1007/s10584-009-9663-6.
[16]LangfordI H,BenthamG. The potential effects of climate change on winter mortality in England and Wales [J]. Int J Biometeorol, 1995, 38(3): 141-147. DOI: 10.1007/BF01208491.
[17]U.S. Climate Change Science Program and the Subcommittee on Global Change Research, KarlTR, MeehlGA, et al. Weather and Climate Extremes in a Changing Climate. Regions of Focus: North America, Hawaii, Caribbean, and U.S. Pacific Islands[M]. Washington:Climate Change Science Program and the Subcommittee on Global Change Research, 2008.
[18]丁研,杨军,欧春泉,等.寒潮对广州市居民逐日死亡率的影响[J].环境与健康杂志,2013,30(11):981-983.
[19]张云.寒潮对三城市居民死亡的影响[D].北京:中国疾病预防控制中心, 2014.
[20]钟堃,刘玲,张金良.北京市寒潮天气对居民心脑血管疾病死亡影响的病例交叉研究[J].环境与健康杂志,2010,27(2):100-105.
[21]张云权,钟佩瑢,吴然,等. 2001—2011年武汉市寒潮天气对江岸区居民死亡的急性影响[J].中华预防医学杂志,2016,50(7):634-639. DOI: 10.3760/cma.j.issn.0253-9624.2016.07.014.
[22]刘婕,徐晓波.全球变暖背景下大连地区寒潮活动的气候变化[J].大连海事大学学报,2007,33(1):154-156,160. DOI: 10.3969/j.issn.1006-7736.2007.01.041.
[23]魏凤英.气候变暖背景下我国寒潮灾害的变化特征[J].自然科学进展,2008,18(3):289-295. DOI: 10.3321/j.issn:1002-008X.2008.03.007.
[24]伍红雨,杜尧东. 1961—2008年华南区域寒潮变化的气候特征[J].气候变化研究进展,2010,6(3):192-197. DOI: 10.3969/j.issn.1673-1719.2010.03.007.
[25]ZhouMG, WangLJ, LiuT, et al. Health impact of the 2008 cold spell on mortality in subtropical China: the climate and health impact national assessment study (CHINAs)[J]. Environ Health, 2014,13:60. DOI: 10.1186/1476-069X-13-60.
[26]WangY, ShiL, ZanobettiA, et al. Estimating and projecting the effect of cold waves on mortality in 209 US cities[J]. Environ Int, 2016,94:141-149. DOI: 10.1016/j.envint.2016.05.008.
[27]XieH, YaoZ, ZhangY, et al. Short-term effects of the 2008 cold spell on mortality in three subtropical cities in Guangdong Province, China[J]. Environ Health Perspect, 2013,121(2):210-216. DOI: 10.1289/ehp.1104541.
[28]RenC, O'NeillMS, ParkSK, et al. Ambient temperature, air pollution, and heart rate variability in an aging population[J]. Am J Epidemiol, 2011,173(9):1013-1021. DOI: 10.1093/aje/kwq477.
[29]SpickettJT, BrownHL, RumchevK. Climate change and air quality: the potential impact on health[J]. Asia Pac J Public Health, 2011,23(2Suppl):37S-45. DOI: 10.1177/1010539511398114.