中华预防医学杂志    2019年01期 2014—2017年安徽省铜陵市大气PM2.5和温度交互作用对精神分裂症患者入院影响的时间序列分析    PDF     文章点击量:357    
中华预防医学杂志2019年01期
中华医学会主办。
0

文章信息

段俊 罗雪莲 储文革 高娇娇 徐紫菡 张言武 程强 白丽君 魏倩楠 苏虹
DuanJun,LuoXuelian,ChuWenge,GaoJiaojiao,XuZihan,ZhangYanwu,ChengQiang,BaiLijun,WeiQiannan,SuHong
2014—2017年安徽省铜陵市大气PM2.5和温度交互作用对精神分裂症患者入院影响的时间序列分析
Time series analysis on the effect of ambient fine particulate matters and temperature interactions on schizophrenia admission in Tongling City of Anhui Province, 2014-2017
中华预防医学杂志, 2019,53(1)
http://dx.doi.org/10.3760/cma.j.issn.0253-9624.2019.01.006

文章历史

投稿日期: 2018-07-30
上一篇:大气PM2.5长期暴露与儿童血压升高的关联研究
下一篇:北京住宅中室内外来源PM2.5对慢性阻塞性肺疾病患者心率及心率变异性的短期影响
2014—2017年安徽省铜陵市大气PM2.5和温度交互作用对精神分裂症患者入院影响的时间序列分析
段俊 罗雪莲 储文革 高娇娇 徐紫菡 张言武 程强 白丽君 魏倩楠 苏虹     
段俊 安徽医科大学公共卫生学院流行病与卫生统计学系/重大自身免疫性疾病安徽省重点实验室,合肥 230032
罗雪莲 铜陵市职业技术学院医学系 244000
储文革 铜陵市第三人民医院心理科 244000
高娇娇 安徽医科大学公共卫生学院流行病与卫生统计学系/重大自身免疫性疾病安徽省重点实验室,合肥 230032
徐紫菡 安徽医科大学公共卫生学院流行病与卫生统计学系/重大自身免疫性疾病安徽省重点实验室,合肥 230032
张言武 安徽医科大学公共卫生学院流行病与卫生统计学系/重大自身免疫性疾病安徽省重点实验室,合肥 230032
程强 安徽医科大学公共卫生学院流行病与卫生统计学系/重大自身免疫性疾病安徽省重点实验室,合肥 230032
白丽君 安徽医科大学公共卫生学院流行病与卫生统计学系/重大自身免疫性疾病安徽省重点实验室,合肥 230032
魏倩楠 安徽医科大学公共卫生学院流行病与卫生统计学系/重大自身免疫性疾病安徽省重点实验室,合肥 230032
苏虹 安徽医科大学公共卫生学院流行病与卫生统计学系/重大自身免疫性疾病安徽省重点实验室,合肥 230032
摘要: 目的  探讨大气PM2.5和温度交互作用对精神分裂症患者入院的影响。方法  收集2014年1月1日至2017年12月31日安徽省铜陵市第三人民医院和市立医院精神分裂症患者的入院资料、铜陵市环境保护局和气象局的环境污染物资料和气象资料。采用分布滞后非线性模型联合广义相加模型,探讨PM2.5、多种污染物以及PM2.5和温度的交互作用对精神分裂症患者入院的影响,温度的分层按照3种标准进行划分,分别为<P5、<P10、<P20分别为低温,P5~P95P10~P90P20~P80分别为中温,>P95、>P90、>P80分别为高温。结果  2014—2017年,铜陵市精神分裂症患者入院共计6 642人次,PM2.5和温度的中位数分别为47.0 μg/m3和17.5 ℃。以PM2.5暴露浓度P50为参照,当PM2.5暴露浓度为P90时,在滞后第1天精神分裂症患者入院RR值为1.03(95%CI:1.00~1.07),第5天达到最大,RR值为1.16(95%CI:1.13~1.19);多污染物模型中,同时纳入PM2.5和NO2时,PM2.5致精神分裂症患者入院风险较大,RR值为1.18(95%CI:1.15~1.22)(P<0.001);3种温度分层标准下均为高温时PM2.5暴露致精神分裂症患者入院风险最大,超额风险度分别为12.1%(8.5%~15.7%)、9.7%(6.9%~12.6%)和17.1%(11.6%~22.8%),P值均<0.001。结论  随着PM2.5浓度的升高,精神分裂症的入院风险增加;并且在高温时PM2.5的危险效应更大。
关键词 :精神分裂症;温度;颗粒物;时间序列分析;生态学研究
Time series analysis on the effect of ambient fine particulate matters and temperature interactions on schizophrenia admission in Tongling City of Anhui Province, 2014-2017
DuanJun,LuoXuelian,ChuWenge,GaoJiaojiao,XuZihan,ZhangYanwu,ChengQiang,BaiLijun,WeiQiannan,SuHong     
Department of Epidemiology and Health Statistics, School of Public Health, Anhui Medical University/Anhui Province Key Laboratory of Major Autoimm Diseases, Hefei 230032, China
Corresponding author: Su Hong, Email: suhong5151@sina.com, Tel: 0086-551-65161175
Abstract:Objective  To explore the effect of ambient fine particulate matters (PM2.5) and temperature interaction on schizophrenia admission.Methods  All admission data were retrieved from the Psychiatric Hospital and Municipal Hospital of TongLing from January 1, 2014 to December 31, 2017. Daily air pollution and meteorological data were collected from the Tongling Environmental Protection Agency and Meteorological Bureau, respectively. A distributed lag non-linear model combined with the generalized additive model were applied to explore the effects of PM2.5, multi-pollutants, and the interaction between temperature and PM2.5 on schizophrenia admission. The stratification of temperature was divided by three criteria. The low temperature layer was defined as <P5 or <P10 or <P20; P5-P95 or P10-P90 or P20-P80 was defined as the middle temperature layer; >P95 or >P90 or >P80 was defined as the high temperature layer.Results  From 2014 to 2017, 6 642 patients were admitted for schizophrenia in Tongling, and the median of PM2.5 and temperature were 47.0 μg/m3 and 17.5 ℃, respectively. The median concentration of PM2.5 (P50) was taken as a reference. When the exposure concentration of PM2.5 was P90, the lagged effect appeared in the first day with RR=1.03 (95%CI: 1.00-1.07) and reached the maximum in the fifth day with RR=1.16 (95%CI: 1.13-1.19). In the multi-pollutant models, it was found that the simultaneous inclusion of PM2.5 and NO2 had higher risk of schizophrenia admission, with the RR=1.18 (95%CI: 1.15-1.22), P<0.001. The risk of schizophrenia admission caused by PM2.5 exposure at high temperature was greatest under the three temperature stratification standards, which were 12.1% (8.5%-15.7%), 9.7% (6.9%-12.6%) and 17.1% (11.6%-22.8%), all P values <0.001.Conclusion  With the increase of PM2.5 concentration, the risk of schizophrenia admission is increased, and the risk effect of PM2.5 is stronger at high temperature.
Key words :Schizophrenia;Temperature;Particulate Matter;Time series analysis;Ecological study
全文

精神分裂症是神经发育障碍性精神类疾病。由于其不可治愈性,给患者、家属和社会带来沉重的疾病负担[1]。精神分裂症的病因主要解释为遗传和环境的相互作用;然而,全基因组关联研究结果显示,现有的遗传因素仅能解释其发病风险的7%[2];因此,环境因素在精神分裂症发作和防控中扮演着越来越重要的角色。近年来,气候变化对人群健康的影响已成为公共卫生领域研究的热点问题。有研究表明,温度升高会增加精神分裂症的入院风险[3]。也有学者发现,高浓度的PM2.5暴露会增加精神类疾病的风险(如抑郁症、自闭症和老年痴呆症等)[4,5,6]。然而,目前尚缺乏PM2.5对精神分裂症患者入院风险影响的证据;同时,气象因素与空气污染物的交互作用对精神分裂症入院风险的影响也未见相关报道。为此,本研究采用时间序列研究方法,联合分布滞后非线性模型(distributed lag linear and non-linear models,DLNM)和广义相加模型(generalized additive models,GAM),探讨PM2.5、多污染物,以及PM2.5和温度的交互作用对精神分裂症患者入院风险的影响。

资料与方法  

一、资料来源  

1.病例收集:  收集2014年1月1日至2017年12月31日铜陵市第三人民医院和市立医院的精神分裂症患者入院资料,纳入《国际疾病分类》第十版(International Classification of Diseases 10th edition,ICD-10)编码为F20~F29的病例,包括发病日期、性别、年龄和婚姻等信息。将所收集到的资料整理成时间序列的模式,并将人群按照0~44、45~59、≥60岁不同年龄段进行分组,并且按照婚姻状况分为有伴侣和无伴侣。在收集精神分裂症病例入院信息时,获得研究对象或监护人的知情同意,并得到了安徽医科大学伦理委员会批准(批号:20170295)。

2.气象资料:  从铜陵市环境保护局和气象局获得2014年1月1日至2017年12月31日的空气污染物(PM2.5、SO2和NO2)和气象资料(温度、湿度等)。缺失数据采用缺失前3 d和后3 d的平均值进行插补。

3.质量控制:  在本研究中,所有纳入的研究对象均为2014—2017年铜陵市本地的精神分裂症患者,剔除非铜陵市本地病例,对缺失数据采用缺失前3 d和后3 d的平均值进行插补。

二、统计学分析  采用的统计学软件为R 3.1.1中的MGCV和DLNM软件包进行数据的统计分析。以双侧检验P<0.05为有统计学意义。

1.数据描述:  大气污染物(包括PM2.5、NO2和SO2)和气象因素(温度和湿度)不符合正态分布,采用P10P25P50P75P90进行描述。

2.PM2.5浓度影响精神分裂症入院风险的模型建立:  PM2.5对健康的影响是非线性的[7],并且存在一定的滞后性[8],因此,本研究根据Gasparrini等[9]的方法,采用DLNM拟合PM2.5暴露与精神分裂症入院风险之间的关系,并根据Spearman相关性分析和参照以往研究来确定纳入模型的因素,基本结构如下:Yt~Poisson(μt);Log(μt)=α+βPM2.5t,l+ns(Weatherconfounders,3)+ns(pollutants,3)+ns(Timet,8)DOWt+νHolidayt。式中,t指观察日期,Ytt时间内的精神分裂症的入院人次,l代表滞后天数(如lag 0 d、lag 1 d和lag 2 d,lag 0 d代表当天的污染物浓度,lag 1 d和lag 2 d代表之前第1天和第2天的污染物浓度)。α指模型的截距,PM2.5t,l是应用DLNM中的交叉基函数获得的关于PM2.5的二维矩阵,β是该矩阵的系数;ns(Weather confounders,3)和ns(pollutants,3)指通过自由度为3的自然立方样条曲线控制气象因素(温度和湿度)和污染物,ns (Timet,8)指使用自由度为8的自然立方样条曲线控制长期趋势;DOWtHolidayt为星期几效应和节假日效应,η和ν是它们的系数,在模型中使用二分类进行控制。在PM2.5单污染物模型中,根据以往文献采用PM2.5浓度中位数作为参照[6],构建剂量反应效应趋势图,分析不同浓度PM2.5对总人群的滞后效应。亚组分析中,以高浓度(P90相比P50),定量分析在不同性别、年龄及有无伴侣组,PM2.5对精神分裂症入院的影响。此外,在PM2.5单污染物模型基础上,根据PM2.5单污染物危险效应最大的滞后天数[10],逐步纳入NO2、SO2和NO2+SO2以构建多污染物模型,探讨多污染物对总人群的危险效应。

3.PM2.5与温度交互作用模型的建立:  为评估PM2.5与温度对精神分裂症影响的交互作用,采用GAM,参照已有研究,采用3种标准对温度进行分层:(1)标准1:<P5为低温,P5~P95为中温,>P95为高温;(2)标准2:<P10为低温,P10~P90为中温,>P90为高温;标准3:<P20为低温,P20~P80为中温,>P80为高温[11,12,13]。评估在不同温度水平下,PM2.5对精神分裂症入院的影响。建立模型如下:Logμt)=α+PM2.5t,lTmeantemt+ns(humidity,3)+ns(NO23)+ns(SO23)+ns(Timet,8)+ηDOWt+νHolidayt。式中,PM2.5t,l代表第tPM2.5,l代表滞后天数,Tmeantemt代表第t日的日平均温度,ns(humidity3)、ns(NO23)和ns(SO22)分别指通过自由度为3,逐日相对湿度、NO2浓度和SO2的自然立方样条曲线控制其混杂效应,检验水准为0.05。

4.敏感性分析:  由于大气污染的滞后效应和各变量的选择具有主观性,根据以往PM2.5对疾病的短期效应,精神分裂症入院风险多集中出现于污染物暴露后第0~10天,而且温度和污染物对精神分裂症入院风险可能存在交互作用,因此在确认PM2.5暴露与精神分裂症关联较强的滞后天数后,进一步利用广义可加模型分析不同温度分层标准时PM2.5对精神分裂症入院的影响。对于混杂因素,根据赤池信息量准则(Akaike information Criterion,AIC)调整气象因素和污染物的自由度(3~5),时间的长期趋势的自由度(6~8),分析结果的变化,以判断模型拟合的稳定性。

结果  

1.基本情况:  2014—2017年,铜陵市精神病医院和市立医院精神分裂症患者入院共计6 642人次;男性、0~44岁组、无伴侣人群占比较大,分别占64.4%、48.0%和56.4%,详见表1。PM2.5、NO2、SO2、温度和湿度的P50分别为47.0 μg/m3、38 μg/m3、38 μg/m3、17.5 ℃和78%,详见表2

表12014—2017年安徽省铜陵市不同特征精神分裂症患者入院情况(例/d)
表22014—2017年安徽省铜陵市空气污染物及气象条件情况

2.PM2.5浓度对精神分裂症入院风险的影响:  随着PM2.5浓度的升高,精神分裂症的入院风险不断增加,总人群的暴露-反应曲线见图1。PM2.5暴露浓度为P90时,在滞后第1天精神分裂症入院风险开始增加,并持续至滞后第7天,其中在滞后第5天时效应最大,RR值为1.160(95%CI:1.129~1.192),见表3

表3安徽省铜陵市高PM2.5暴露致不同特征精神分裂症患者入院的风险[RR(95%CI)]
图1安徽省铜陵市2014—2017年PM2.5暴露致精神分裂症患者入院风险的剂量-反应关系

3.PM2.5浓度影响精神分裂症患者入院风险的多污染物模型:  构建多污染物模型时,逐步纳入NO2和SO2后,精神分裂症患者入院风险的关联强度有所变化。在纳入NO2、SO2、NO2+SO2后,发现相比其他污染物模型,同时纳入PM2.5和NO2致精神分裂症入院风险影响较大(P<0.001)。见表4

表4安徽省铜陵市不同污染物致精神分裂症患者入院风险的多种污染物模型分析结果

4.不同温度时PM2.5暴露致精神分裂症患者入院的超额风险:  按照不同的温度分层后评估,结果见表5。所有的分层均提示,以低温相比,高温情况下,PM2.5暴露致精神分裂症患者入院的超额风险最大(P<0.01),超额风险度分别为12.1%(8.5%~15.7%)、9.7%(6.9%~12.6%)和17.1%(11.6%~22.8%)。此外,敏感性分析结果显示,当调整了相对湿度、NO2、SO2和长期趋势的自由度,AIC值的变动范围5 191.98~5 267.34,均得到类似的结果,证明了模型的稳定性。

表5不同气温分层标准时PM2.5暴露在滞后第5天时致安徽省铜陵市精神分裂症患者入院的超额危险度

讨论  本研究发现随着PM2.5浓度的升高,精神分裂症患者的入院风险明显增加,尤其在高温时PM2.5的危害效应更强;而多污染物模型分析结果表明,同时纳入PM2.5和NO2时对精神分裂症入院风险影响更大;进一步的亚组分析中,发现男性和45~59岁组(中年)可能是易感人群。
        现有的国内外研究中,鲜有报道PM2.5暴露对精神分裂症的危害。结合以往对精神类疾病的研究推测,PM2.5可以通过多种途径进入大脑(如通过鼻腔通路、呼吸系统吸入,污染物到达全身循环,再经血脑屏障、迷走神经等,到达大脑),引发脑部神经炎症反应,从而导致精神分裂症的发病[14,15,16,17]
        进一步的亚组分析表明,随着PM2.5浓度的升高,各亚组受到不同程度的影响,其中男性、有伴侣和中年人群的风险分别高于对应的各亚组。从性别角度,可能是男性在家庭生活中承担着更多的经济压力,其暴露于户外的程度要高于女性。然而,针对不同年龄组,以往研究报道精神分裂症多起病于青壮年,随着年龄的增长,人们可能更容易受到PM2.5的影响。与免疫力下降有关[18]。但本研究发现中年人群风险较高,考虑可能是该年龄组人群正受到家庭和事业的多重压力,可能造成入院风险的增加;此外,对老年人群的滞后期是3 d,一方面可能是分层分析中老年人的样本量相对较少;另一方面可能是老年人群和其他人群的暴露模式不同,相比而言,老年人在外界的暴露时间更少[19]。对于有伴侣人群,尽管其相对危险度较高,但可能是相比于无伴侣人群,更能够获得家人的照护,当面临PM2.5的不利影响时,能够被家人及时的送往医院就诊[20]
        目前,PM2.5与气温对人群健康的交互影响已经受到国内外很多的关注,大多数研究发现高温会增强PM2.5的危害效应,本研究结果同样支持此结论。可以从以下几个方面进行解释:第一,已经有研究表明高污染和高温会增加精神分裂症患者的入院风险[21,22]。先前的研究表明,环境温度可以调节相关的生物化学物质如血清素生成和血浆色氨酸[23],这些可能与精神分裂症的发生有关,而且高温时增加了人体对毒物的敏感性[24],空气污染物携带的有毒物质又能够影响到自主神经系统,增加了机体炎症反应,因此,高温时PM2.5的危险效应可能更强。第二,随着温度的升高,会增加人体皮肤渗透性增强,呼吸频率加快,进入体内空气量增大[25],而且由于室内闷热,人们更愿意开窗通风或者外出,使得暴露于PM2.5的量更多。在多污染物模型中也发现,同时纳入PM2.5和NO2时其危险效应更大。PM2.5和NO2是否存在一定的协同作用,未来仍然需要进一步的研究。
        本研究存在一定的局限性,一是,时间序列分析为生态学研究方法,观察和收集资料的单位是群体,无法控制个体基因特征的影响,可能产生生态学谬误;二是,基于一个城市的数据分析,限制了结果的外推性。但本研究采用DLNM结合GAM,定量分析了PM2.5浓度增加影响精神分裂症患者的入院风险及其存在的滞后效应,同时探讨了PM2.5的单污染物与多污染模型的风险及温度的交互作用,随后的敏感性分析结果也进一步增加了研究结果的可靠性。因此,研究结果为该地区开展有针对性的精神分裂症防控措施,为将来充分利用污染物数据进行疾病预警提供了科学的指导依据。

参考文献
[1]SahaS, ChantD, McGrathJ. A systematic review of mortality in schizophrenia: is the differential mortality gap worsening over time?[J]. Arch Gen Psychiatry, 2007,64(10):1123-1131. DOI: 10.1001/archpsyc.64.10.1123.
[2]Biological insights from 108 schizophrenia-associated genetic loci[J]. Nature, 2014,511(7510):421-427. DOI: 10.1038/nature13595.
[3]ZhaoD, ZhangX, XuZ, et al. Impact of short-term temperature variability on emergency hospital admissions for schizophrenia stratified by season of birth[J]. Int J Biometeorol, 2017,61(4):589-599. DOI: 10.1007/s00484-016-1235-7.
[4]FordyceTA, LeonhardMJ, ChangET. A critical review of developmental exposure to particulate matter, autism spectrum disorder, and attention deficit hyperactivity disorder[J]. J Environ Sci Health A Tox Hazard Subst Environ Eng, 2018,53(2):174-204. DOI: 10.1080/10934529.2017.1383121.
[5]PunVC, ManjouridesJ, SuhH. Association of Ambient Air Pollution with Depressive and Anxiety Symptoms in Older Adults: Results from the NSHAP Study[J]. Environ Health Perspect, 2017,125(3):342-348. DOI: 10.1289/EHP494.
[6]YangC, ZhaoW, DengK, et al. The association between air pollutants and autism spectrum disorders[J]. Environ Sci Pollut Res Int, 2017,24(19):15949-15958. DOI: 10.1007/s11356-017-8928-2.
[7]杨军,欧春泉,丁研,等.分布滞后非线性模型[J].中国卫生统计,2012,(5):772-773, 777.
[8]WangF, LiuH, LiH, et al. Ambient concentrations of particulate matter and hospitalization for depression in 26 Chinese cities: A case-crossover study[J]. Environ Int, 2018,114:115-122. DOI: 10.1016/j.envint.2018.02.012.
[9]GasparriniA, ArmstrongB, KenwardMG. Distributed lag non-linear models[J]. Stat Med, 2010,29(21):2224-2234. DOI: 10.1002/sim.3940.
[10]张云权,吴凯,朱慈华,等.武汉市江岸区大气污染与脑卒中死亡关系的时间序列分析[J].中华预防医学杂志,2015,49(7):605-610. DOI: 10.3760/cma.j.issn.0253-9624.2015.07.006.
[11]谷少华.宁波市气温和空气污染对人群死亡的交互影响[D].北京:中国疾病预防控制中心, 2015.
[12]LiY, MaZ, ZhengC, et al. Ambient temperature enhanced acute cardiovascular-respiratory mortality effects of PM2.5 in Beijing, China[J]. Int J Biometeorol, 2015,59(12):1761-1770. DOI: 10.1007/s00484-015-0984-z.
[13]QinRX, XiaoC, ZhuY, et al. The interactive effects between high temperature and air pollution on mortality: A time-series analysis in Hefei, China[J]. Sci Total Environ, 2017,575:1530-1537. DOI: 10.1016/j.scitotenv.2016.10.033.
[14]BlockML, ElderA, AutenRL, et al. The outdoor air pollution and brain health workshop[J]. Neurotoxicology, 2012,33(5):972-984. DOI: 10.1016/j.neuro.2012.08.014.
[15]BulatiM, CarusoC, Colonna-RomanoG. From lymphopoiesis to plasma cells differentiation, the age-related modifications of B cell compartment are influenced by "inflamm-ageing"[J]. Ageing Res Rev, 2017,36:125-136. DOI: 10.1016/j.arr.2017.04.001.
[16]魏巧珍,李盛,贾清,等.兰州市大气PM2.5中重金属的污染特征及健康风险评价[J].中华预防医学杂志, 2018,52(6):601-607. DOI:10.3760/cma.j.issn.0253-9624.2018.06.008.
[17]王笑臣,田晓佳,叶波,等.武汉市大气PM10暴露对精液质量的影响[J].中华预防医学杂志, 2018,52(1):73-78. DOI:10.3760/cma.j.issn.0253-9624.2018.01.014.
[18]EguchiR, OnozukaD, IkedaK, et al. The relationship between fine particulate matter (PM2.5) and schizophrenia severity[J]. Int Arch Occup Environ Health, 2018,91(5):613-622. DOI: 10.1007/s00420-018-1311-x.
[19]AllenJL, OberdorsterG, Morris-SchafferK, et al. Developmental neurotoxicity of inhaled ambient ultrafine particle air pollution: Parallels with neuropathological and behavioral features of autism and other neurodevelopmental disorders[J]. Neurotoxicology, 2017,59:140-154. DOI: 10.1016/j.neuro.2015.12.014.
[20]ZhaoD, ZhangX, XieM, et al. Is greater temperature change within a day associated with increased emergency admissions for schizophrenia?[J]. Sci Total Environ, 2016,566-567:1545-1551. DOI: 10.1016/j.scitotenv.2016.06.045.
[21]DuanJ, ChengQ, LuoX, et al. Is the serious ambient air pollution associated with increased admissions for schizophrenia?[J]. Sci Total Environ, 2018,644:14-19. DOI: 10.1016/j.scitotenv.2018.06.218.
[22]WangS, ZhangX, XieM, et al. Effect of increasing temperature on daily hospital admissions for schizophrenia in Hefei, China: a time-series analysis[J]. Public Health, 2018,159:70-77. DOI: 10.1016/j.puhe.2018.01.032.
[23]Ljubici?D, Stipcevi?T, PivacN, et al. The influence of daylight exposure on platelet 5-HT levels in patients with major depression and schizophrenia[J]. J Photochem Photobiol B, 2007,89(2-3):63-69. DOI: 10.1016/j.jphotobiol.2007.09.002.
[24]LeonLR. The rmoregulatory responses to environmental toxicants: the interaction of thermal stress and toxicant exposure[J]. Toxicol Appl Pharmacol, 2008,233(1):146-161. DOI: 10.1016/j.taap.2008.01.012.
[25]RobertsS. Interactions between particulate air pollution and temperature in air pollution mortality time series studies[J]. Environ Res, 2004,96(3):328-337. DOI: 10.1016/j.envres.2004.01.015.