中国公共卫生

项目	指标	病例日	对照日	t值	P值
气象因素	平均温度/℃	14.47±10.60	14.50±10.61	–0.079	0.937
	相对湿度/%	62.93±18.16	63.08±18.14	–0.235	0.814
大气污染物	O₃/（μg/m³）	118.27±50.65	118.22±50.62	0.029	0.977
	SO₂/（μg/m³）	12.46±4.59	12.45±4.61	0.066	0.948
	NO₂/（μg/m³）	30.09±14.16	30.10±14.23	–0.014	0.989

项目	指标	病例日	对照日	t值	P值
气象因素	平均温度/℃	14.47±10.60	14.50±10.61	–0.079	0.937
	相对湿度/%	62.93±18.16	63.08±18.14	–0.235	0.814
大气污染物	O₃/（μg/m³）	118.27±50.65	118.22±50.62	0.029	0.977
	SO₂/（μg/m³）	12.46±4.59	12.45±4.61	0.066	0.948
	NO₂/（μg/m³）	30.09±14.16	30.10±14.23	–0.014	0.989

指标	平均温度	相对湿度	O₃	SO₂	NO₂
平均温度	1.000
相对湿度	0.344 ^b	1.000
O₃	0.842 ^b	0.061 ^a	1.000
SO₂	–0.565 ^b	–0.554 ^b	–0.340 ^b	1.000
NO₂	–0.604 ^b	–0.354 ^b	–0.519 ^b	0.761 ^b	1.000

指标	平均温度	相对湿度	O₃	SO₂	NO₂
平均温度	1.000
相对湿度	0.344 ^b	1.000
O₃	0.842 ^b	0.061 ^a	1.000
SO₂	–0.565 ^b	–0.554 ^b	–0.340 ^b	1.000
NO₂	–0.604 ^b	–0.354 ^b	–0.519 ^b	0.761 ^b	1.000

短期臭氧暴露与德州市急诊救护车调度关系时间分层病例交叉分析

PDF下载

刘菲 ¹ , 王培杰 ² , 曲一楠 ¹ , 赵琦 ¹ , 吴艳玲 ¹^,^*^,^* , 李发强 ²^,^*^,^*

中国公共卫生 | 调查报告与分析 2025,41(8): 990-995

收起

中国公共卫生 |调查报告与分析 2025 , 41 (8) : 990 -995

短期臭氧暴露与德州市急诊救护车调度关系时间分层病例交叉分析

全屏

刘菲¹, 王培杰², 曲一楠¹, 赵琦¹, 吴艳玲¹^,^*^,^*, 李发强²^,^*^,^*

作者信息

¹山东大学齐鲁医学院公共卫生学院流行病学系，济南 250012

²德州市疾病预防控制中心，德州 253016

通讯作者:

吴艳玲，E-mail：ling1984@sdu.edu.cn

李发强，E-mail：easternland@163.com

作者简介:

刘菲（2001—），硕士在读，研究方向：环境流行病学

A time-stratified case-crossover analysis of the association between short-term ozone exposure and emergency ambulance dispatches in Dezhou city

Fei LIU¹, Peijie WANG², Yinan QU¹, Qi ZHAO¹, Yanling WU¹, Faqiang LI²

Affiliations

¹Department of Epidemiology, School of Public Health, Cheeloo College of Medicine, Shandong University, Jinan 250012, China

²Dezhou Center for Disease Control and Prevention, Dezhou 253016, China

Corresponding Author:

WU Yanling, E-mail: ling1984@sdu.edu.cn

LI Faqiang, E-mail: easternland@163.com

出版时间: 2025-08-10 doi: 10.11847/zgggws1146678

文章导航

摘要

收起

目的

分析短期臭氧（O₃）暴露与山东省德州市急诊救护车调度（EAD）的关系，为从健康视角治理O₃污染和采取公共卫生干预措施提供科学依据。

方法

收集山东省德州市120急救调度指挥中心2020年1月1日—2022年12月31日记录的每日全因急诊救护车调度数据以及同期中国气象数据网和中国高分辨率高质量近地表空气污染物数据集中气象数据和污染物数据，按照呼叫地址匹配；采用时间分层病例交叉设计通过整合分布滞后非线性模型（DLNM）的条件logistic回归模型分析短期O₃暴露对德州市EAD的影响，并采用亚组分析探索脆弱人群。

结果

德州市2020年1月1日—2022年12月31日的EAD数量为344287例次，病例天数为1 096 d，匹配的对照天数为3 728 d。在排除了平均气温和相对湿度的影响后，时间分层病例交叉分析结果显示，短期O₃暴露滞后0～7 d与EAD累积风险呈正相关，O₃日最大8 h平均浓度每增加1个四分位数间距（IQR），EAD累积风险可升高8%（OR=1.08，95%CI=1.04～1.11）；单日滞后效应分析结果显示，短期O₃暴露对EAD风险的累积效应在滞后当天最大（OR=1.06，95%CI=1.05～1.08），2 d内迅速减小，第2～4 d出现潜在收获效应。亚组分析结果显示，男性、女性、<35岁、35～65岁、>65岁、冷季和暖季O₃日最大8 h平均浓度每增加1个IQR，EAD累积风险可分别升高9%（OR=1.09，95%CI=1.04～1.13）、6%（OR=1.06，95%CI=1.01～1.11）、6%（OR=1.06，95%CI=0.99～1.13）、6%（OR=1.06，95%CI=1.01～1.11）、10%（OR=1.10，95%CI=1.05～1.15）、4%（OR=1.04，95%CI=1.01～1.07）和7%（OR=1.07，95%CI=1.04～1.11）。敏感性分析结果显示，短期O₃暴露滞后8 d和9 d时，O₃日最大8 h平均浓度每增加1个IQR，EAD累积风险可分别升高8%（OR=1.08，95%CI=1.04～1.11）和8%（OR=1.08，95%CI=1.05～1.12）；当模型中滞后维度的自由度为5和6时，O₃日最大8 h平均浓度每增加1个IQR，EAD累积风险均升高7%（OR=1.07，95%CI=1.04～1.11）；模型中额外调整气态污染物NO₂和SO₂后，O₃日最大8 h平均浓度每增加1个IQR，EAD累积风险分别升高9%（OR=1.09，95%CI=1.06～1.13）和8%（OR=1.08，95%CI=1.05～1.12）；改变模型中O₃最大滞后天数和滞后维度自由度以及在模型中调整气态污染物NO₂、SO₂的结果与主模型结果差异均无统计学意义（均P>0.05），模型具有稳健性。

结论

短期O₃暴露可增加德州市EAD的风险，其中对男性、>65岁人群以及暖季EAD的影响较大。

关键词

急诊救护车调度（EAD） / 短期臭氧（O₃）暴露 / 关系 / 时间分层病例交叉分析 / 德州市

Abstract

收起

Objective

To analyze the association between short-term ozone (O₃) exposure and emergency ambulance dispatches (EAD) in Dezhou city, Shandong province, and to provide scientific evidence for O₃ pollution control and public health interventions from a health perspective.

Methods

Daily all-cause EAD data recorded by the Dezhou 120 Emergency Dispatch Command Center from January 1, 2020, to December 31, 2022, as well as meteorological data and pollutant data from the China Meteorological Data Network and the China High Air Pollutants dataset during the same period, were collected and matched according to the calling address. A time-stratified case-crossover design was adopted to analyze the impact of short-term O₃ exposure on EAD in Dezhou city by integrating a distributed lag non-linear model (DLNM) with a conditional logistic regression model. Subgroup analyses were conducted to explore vulnerable populations.

Results

The number of EAD in Dezhou city from January 1, 2020, to December 31, 2022, was 344 287, with 1 096 case days and 3 728 matched control days. After excluding the influence of average temperature and relative humidity, the time-stratified case-crossover analysis showed a positive correlation between short-term O₃ exposure lagged 0–7 days and the cumulative risk of EAD. For every interquartile range (IQR) increase in the daily maximum 8-hour average O₃ concentration, the cumulative risk of EAD increased by 8% (OR = 1.08, 95%CI: 1.04–1.11). The single-day lag effect analysis showed that the cumulative effect of short-term O₃ exposure on EAD risk was greatest on the day of exposure (OR = 1.06, 95%CI: 1.05–1.08), decreased rapidly within 2 days, and a potential harvesting effect appeared on days 2–4. Subgroup analyses showed that for every IQR increase in the daily maximum 8-hour average O₃ concentration, the cumulative risk of EAD increased by 9% (OR = 1.09, 95%CI: 1.04–1.13) in males, 6% (OR = 1.06, 95%CI: 1.01–1.11) in females, 6% (OR = 1.06, 95%CI: 0.99–1.13) in the < 35 age group, 6% (OR = 1.06, 95%CI: 1.01–1.11) in the 35–65 age group, 10% (OR = 1.10, 95%CI: 1.05–1.15) in the > 65 age group, 4% (OR = 1.04, 95%CI: 1.01–1.07) in the cold season, and 7% (OR = 1.07, 95%CI: 1.04–1.11) in the warm season. Sensitivity analyses showed that with 8-day and 9-day lags in short-term O₃ exposure, the cumulative risk of EAD increased by 8% (OR = 1.08, 95%CI: 1.04–1.11) and 8% (OR = 1.08, 95%CI: 1.05–1.12), respectively, for every IQR increase in the daily maximum 8-hour average O₃ concentration. When the degrees of freedom for the lag dimension in the model were 5 and 6, the cumulative risk of EAD increased by 7% (OR = 1.07, 95%CI: 1.04–1.11) for every IQR increase in the daily maximum 8-hour average O₃ concentration. After additionally adjusting for gaseous pollutants NO₂ and SO₂ in the model, the cumulative risk of EAD increased by 9% (OR = 1.09, 95%CI: 1.06–1.13) and 8% (OR = 1.08, 95%CI: 1.05–1.12), respectively, for every IQR increase in the daily maximum 8-hour average O₃ concentration. Changing the maximum lag days of O₃ and the degrees of freedom of the lag dimension in the model, as well as adjusting for gaseous pollutants NO₂ and SO₂ in the model, did not result in statistically significant differences from the main model results (all P > 0.05), indicating the robustness of the model.

Conclusions

Short-term O₃ exposure can increase the risk of EAD in Dezhou city, with greater impacts on males, individuals over 65 years of age, and EAD during the warm season.

Key words

emergency ambulance dispatches (EAD) / short-term ozone (O₃) exposure / association / time-stratified case-crossover analysis / Dezhou city

引用本文

刘菲, 王培杰, 曲一楠, 赵琦, 吴艳玲, 李发强. 短期臭氧暴露与德州市急诊救护车调度关系时间分层病例交叉分析. 中国公共卫生, 2025 , 41 (8) : 990 -995 . DOI: 10.11847/zgggws1146678

Fei LIU, Peijie WANG, Yinan QU, Qi ZHAO, Yanling WU, Faqiang LI. A time-stratified case-crossover analysis of the association between short-term ozone exposure and emergency ambulance dispatches in Dezhou city[J]. Chinese Journal of Public Health, 2025 , 41 (8) : 990 -995 . DOI: 10.11847/zgggws1146678

正文

收起

随着中国工业化的发展和城市化进程的加速，氮氧化物和挥发性有机物的排放量不断增加，二者通过光化学反应导致臭氧（ozone, O₃）含量逐年升高，而O₃进入机体后可通过氧化损伤和炎性反应等损伤多种细胞和组织，如引起支气管炎症和气道高反应性以及诱发脑卒中等^[1–2]。研究表明，急诊救护车调度（emergency ambulance dispatches, EAD）数据可以及时捕获急性健康事件，有助于捕捉大气污染物变化对健康影响的早期迹象^[3]，并能开发早期预警评估系统。然而，既往关于O₃暴露与EAD关联的研究多集中在我国南方地区^[4–5]，对北方城市大气O₃暴露与EAD之间关系的研究较少。《2022中国生态环境状况公报》^[6]显示，近年来京津冀及周边地区O₃日最大8 h平均浓度的P₉₀为179 μg/m³，较2021年上升了4.7%。山东省德州市是我国北方大气O₃污染的典型代表城市，为分析短期O₃暴露与德州市EAD的关系，从健康视角治理O₃污染和采取公共卫生干预措施提供科学依据，本研究收集德州市120急救调度指挥中心2020年1月1日—2022年12月31日记录的每日全因急诊救护车调度数据以及同期中国气象数据网和中国高分辨率高质量近地表空气污染物数据集中气象数据和污染物数据，按照呼叫地址匹配，采用时间分层病例交叉设计通过整合分布滞后非线性模型（distributed-lag nonlinear models, DLNM）的条件logistic回归模型分析短期O₃暴露对德州市EAD的影响，并采用亚组分析探索脆弱人群。结果报告如下。

1　资料与方法

收起

1.1　资料来源

收集德州市120急救调度指挥中心2020年1月1日—2022年12月31日记录的每日全因急诊救护车调度数据，内容包括性别、年龄、呼救时间、呼救地址、主诉和初步诊断；通过中国气象数据网（https://data.cma.cn/）获取同期德州市气象数据（空间分辨率为0.0625°×0.0625°），包括每日平均气温和相对湿度；从中国高分辨率高质量近地表空气污染物数据集（China High Air Pollutants, CHAP）^[7–9]获取同期大气O₃、二氧化硫（sulfur dioxide, SO₂）和二氧化氮（nitrogen dioxide, NO₂）的日均栅格数据（空间分辨率为0.01°×0.01°）。气象数据和污染物数据均按急诊救护车呼叫地址进行匹配。本研究经山东大学公共卫生学院伦理委员会审查批准（批号为：LL20221121）。

1.2　统计分析

采用时间分层病例交叉设计估计短期O₃暴露与德州市EAD的关系。该设计广泛应用于环境流行病学研究，基本原理是对时间进行分层后的双向匹配，有病例发生的一天定义为病例日，与病例日处在同一年、同一个月和同一个星期几的其他天定义为对照日，因此一个病例日可以前后随机匹配多个对照日^[10]。该方法可以同时控制季节性与星期几效应等混杂因素消除时间趋势偏倚^[11]，从而为进一步因果推断提供证据。在本研究中以调度当日为病例日，最终分析中包括了1 096个病例日和3 728个对照日，平均每个病例日对应3～4个对照日。考虑到大气污染物对疾病的影响具有滞后效应，采用整合DLNM的条件logistic回归模型估计短期O₃暴露与EAD风险之间的暴露–反应关系，计算模型为：

$ \mathrm{L}\mathrm{o}\mathrm{g}\mathrm{i}\mathrm{t}\left({\mathrm{P}}_{\mathrm{i}}\right)= {\mathrm{\alpha }}_{{\mathrm{S}\mathrm{t}\mathrm{r}\mathrm{a}\mathrm{t}\mathrm{u}\mathrm{m}}_{\left(\mathrm{i}\right)}}+\mathrm{c}\mathrm{b}\left({{\mathrm{O}}_{3}}_{\mathrm{i}},\mathrm{l}\mathrm{a}\mathrm{g}=7\right)+\mathrm{n}\mathrm{s}\left({\mathrm{T}\mathrm{e}\mathrm{m}\mathrm{p}}_{\mathrm{i}},4\right)+\mathrm{n}\mathrm{s}\left({\mathrm{R}\mathrm{H}}_{\mathrm{i}},3\right) $

。式中，

$ {\mathrm{P}}_{\mathrm{i}} $

是第

$ \mathrm{i} $

层数据的急救调度结局（病例组=1，自匹配对照组=0）；每个救护车调度案例（

$ \mathrm{i} $

）及其对应的对照组视为一个层

$ （\mathrm{S}\mathrm{t}\mathrm{r}\mathrm{a}\mathrm{t}\mathrm{u}\mathrm{m}） $

，

$ {\mathrm{\alpha }}_{{\mathrm{S}\mathrm{t}\mathrm{r}\mathrm{a}\mathrm{t}\mathrm{u}\mathrm{m}}_{\left(\mathrm{i}\right)}} $

为第

$ \mathrm{i} $

层的截距项；

$ \mathrm{c}\mathrm{b}\left({\mathrm{O}}_{{3}_{\mathrm{i}}}\right) $

为O₃的交叉基函数，用于拟合O₃的累积效应与滞后效应，其中，效应维度首先使用自然立方样条函数（natural spline，ns）、自由度为4捕捉潜在非线性趋势，如果呈近似线性，则使用线性函数以更好量化O₃暴露的剂量–反应关系，计算O₃每增加1个四分位数间距（inter-quartile range，IQR）所对应的OR值及其95%CI；

$ \mathrm{l}\mathrm{a}\mathrm{g} $

为滞后时间，根据预分析结果和参考既往文献^[12]，最长滞后时间为7 d，滞后维度采用ns函数，自由度为4；

$ \mathrm{n}\mathrm{s}\left({\mathrm{T}\mathrm{e}\mathrm{m}\mathrm{p}}_{\mathrm{i}},4\right) $

和

$ \mathrm{ns}({\mathrm{RH}}_{\mathrm{i}},3) $

分别代表平均温度和相对湿度的ns函数，滞后时间与O₃一致，自由度分别为4和3，用于控制其潜在的混杂效应。为了探索脆弱人群，本研究将救护车调度案例按照性别、年龄和冷暖季进行了亚组分析，并根据公式

$ z=(E_1-E_2)/\sqrt{SE\left(E_1\right)^2+SE\left(E_2\right)^2} $

评估组间效应是否具有统计学差异^[13]。式中，E为效应的点估计值，

$ SE $

为标准误。此外，本研究还在主模型的基础上分别调整最大滞后天数为8和9 d、调整滞后天数自由度为5和6以及额外调整其他污染物SO₂和NO₂进行敏感性分析以检验模型的稳健性。本研究采用R 4.3.3软件进行统计分析，其中，条件logistic回归采用“survival”包，DLNM采用“dlnm”包。检验水准为双侧检验

$ \alpha =0.05 $

。

2　结　果

收起

2.1　基本情况（表1）

德州市2020年1月1日—2022年12月31日的EAD数量为344 287例次，病例天数为1 096 d，匹配的对照天数为3 728 d。德州市344 287例次EAD中，男性182 935例次（53.14%），女性153 083例次（44.46%），不详8 269例次（2.40%）；年龄<35岁59 009例次（17.14%），35～65岁136 910例次（39.77%），>65岁138 967例次（40.36%），不详9 401例次（2.73%）；冷季（11月至次年4月）170 538例次（49.53%），暖季（5—10月）173 749例次（50.47%）。病例日与对照日比较，平均温度、相对湿度以及O₃、SO₂、NO₂日均浓度差异均无统计学意义（均P>0.05）。

2.2　德州市2020—2022年气象因素和大气污染物相关性分析（表2）

相关性分析结果显示，平均温度、相对湿度与O₃之间均呈正相关，平均温度、相对湿度、O₃与SO₂、NO₂之间均呈负相关，SO₂与NO₂之间呈正相关（均P<0.05）。

2.3　短期O₃暴露与德州市EAD关系（图1、2）

将7 d O₃首先以ns函数纳入模型，结果显示，O₃与EAD的暴露–反应关系近似线性，在滞后7 d内，EAD的相对风险随着O₃暴露浓度的增加而增加（图1）。为更好地展示结果，将O₃以线性函数重新纳入模型，在排除了平均气温和相对湿度的影响后，时间分层病例交叉分析结果显示，短期O₃暴露滞后0～7 d与EAD累积风险呈正相关，O₃日最大8 h平均浓度每增加1个IQR，EAD累积风险可升高8%（OR=1.08，95%CI=1.04～1.11）（图2A）；单日滞后效应分析结果显示，短期O₃暴露对EAD风险的累积效应在滞后当天最大（OR=1.06，95%CI=1.05～1.08），2 d内迅速减小，第2～4 d出现潜在收获效应（图2B）。

2.4　亚组分析

在排除了平均气温和相对湿度的影响后，亚组分析结果显示，男性人群和女性人群O₃日最大8 h平均浓度每增加1个IQR，EAD累积风险可分别升高9%（OR=1.09，95%CI=1.04～1.13）和6%（OR=1.06，95%CI=1.01～1.11）；<35岁人群、35～65岁人群和>65岁人群O₃日最大8 h平均浓度每增加1个IQR，EAD累积风险可分别升高6%（OR=1.06，95%CI=0.99～1.13）、6%（OR=1.06，95%CI=1.01～1.11）和10%（OR=1.10，95%CI=1.05～1.15）；冷季和暖季O₃日最大8 h平均浓度每增加1个IQR，EAD累积风险可分别升高4%（OR=1.04，95%CI=1.01～1.07）和7%（OR=1.07，95%CI=1.04～1.11）。

2.5　敏感性分析

敏感性分析结果显示，短期O₃暴露滞后8 d和9 d时，O₃日最大8 h平均浓度每增加1个IQR，EAD累积风险可分别升高8%（OR=1.08，95%CI=1.04～1.11）和8%（OR=1.08，95%CI=1.05～1.12）；当模型中滞后维度的自由度为5和6时，O₃日最大8 h平均浓度每增加1个IQR，EAD累积风险均升高7%（OR=1.07，95%CI=1.04～1.11）；模型中额外调整气态污染物NO₂和SO₂后，O₃日最大8 h平均浓度每增加1个IQR，EAD累积风险分别升高9%（OR=1.09，95%CI=1.06～1.13）和8%（OR=1.08，95%CI=1.05～1.12），改变模型中O₃最大滞后天数和滞后维度自由度以及在模型中调整气态污染物NO₂、SO₂的结果与主模型结果差异均无统计学意义（均P>0.05），模型具有稳健性。

3　讨　论

收起

本研究探讨了中国典型北方城市德州市大气短期O₃暴露与EAD之间的关系。结果显示，在排除了平均气温和相对湿度的影响后，德州市短期O₃暴露滞后0～7 d与EAD累积风险呈正相关，O₃日最大8 h平均浓度每增加1个IQR，EAD累积风险可升高8%（OR=1.08，95%CI=1.04～1.11），与既往研究中大气O₃暴露与呼吸和心血管系统EAD关系的结果相似。例如，一项日本的多城市研究结果显示，在O₃滞后当天对急性疾病EAD的影响最大，O₃浓度每增加20 μg/m³，相关风险增加约0.44%（95%CI=0.21%～0.68%）^[14]；中国浙江省的一项多中心病例交叉研究结果亦显示，大气O₃浓度在滞后25～48 h每增加1个IQR，因中风急救入院的超额风险百分比为3.48%（95%CI=1.40%～5.06%）^[15]。但在中国四川省成都市进行的一项病例交叉研究中却并未观察到大气O₃暴露与哮喘相关EAD之间的关联^[16]，这可能与成都市大气O₃浓度相对较低有关。同样地，Wang Y C等^[17]对中国台湾2006—2015年急救呼叫的分析结果显示大气O₃暴露与急救呼叫的关联并不显著。提示除暴露水平的差异外，经济水平和医疗资源的差异也是重要原因，这可能与经济水平发达地区的居民可以获得更及时和更多的预防医疗保健服务有关。

本研究结果显示，短期O₃暴露在滞后第2～4天对EAD会出现潜在收获效应，这可能是因为O₃的短期暴露可能对部分高危敏感人群产生健康损害，此类人群在O₃暴露当日或次日即发病而产生急诊呼叫，随后由于高危敏感人群已经提前就诊，反而在第2～4天出现了EAD下降的现象。为了寻找大气O₃暴露下的敏感人群，本研究将EAD按性别和年龄分组进行亚组分析，虽然未观察到短期O₃暴露与EAD之间的关联强度存在明显的性别差异，但男性较女性的点估计值更大。有研究表明，男性的肺成熟度较低，气道相对较窄，O₃引起的刺激可能会在男性中出现潜在的严重阻塞，同时男性更有可能从事户外工作，因此可能长时间暴露于高浓度的空气污染物中；此外，男性的抗氧化水平可能较女性更低，中和外源性毒物的能力较弱，这使他们更易受空气污染物的影响^[18–19]。但也有研究表明，女性较男性对O₃更加敏感^[20]。这种研究间的差异可能与不同国家城市环境、气候、人群受教育程度、种族差异和监测方式均有关，因此未来的研究需在更大尺度上进一步探索大气O₃相关健康影响中性别差异的来源。本研究中，>65岁老年人群短期O₃暴露对EAD的影响较大，O₃日最大8 h平均浓度每增加1个IQR，EAD累积风险可升高10%（OR=1.10，95%CI=1.05～1.15）。目前有关老年人群EAD的研究主要基于发病率和死亡率的数据，这限制了本研究与其他研究结果的比较。例如，在中国一项2013—2018年全国性数据分析中，大气O₃每升高10 μg/m³，>75岁人群中非意外和循环系统疾病的死亡风险可分别增加0.13%（95%CI=0.07%～0.18%）和0.11%（95%CI=0.03%～0.18%）^[21]；一项涵盖中国多个地区的meta分析结果显示，老年人群在大气O₃污染环境的死亡风险更高，提示老年人群对大气O₃更为敏感^[22]。这可能是因为老年人的免疫系统较弱，患慢性心肺疾病的频率较高，因此更易受大气O₃污染的影响^[23]。

本研究结果还显示，无论是冷季还是暖季，短期O₃暴露与EAD累积风险均呈正相关，冷季和暖季O₃日最大8 h平均浓度每增加1个IQR，EAD累积风险可分别升高4%（OR=1.04，95%CI=1.01～1.07）和7%（OR=1.07，95%CI=1.04～1.11）。暖季的点估计值略高于冷季，与德州市暖季大气O₃浓度高于冷季的结果一致。在一项中国气态污染物和急诊救护车呼叫的多城市时间序列研究中，暖季大气O₃每增加10 μg/m³，急诊救护车呼叫的全因超额相对风险（Excess Relative Risk，ERR）为0.01%（95%CI=0.05%～0.08%），高于冷季ERR值的−0.24%（95%CI= –0.80%～0.32%）^[24]，这与本研究结果相似，提示暖季时人群对O₃暴露的危害可能更加敏感，应当加强暖季时大气O₃浓度的监测，必要时可减少户外活动。

综上所述，德州市短期O₃暴露与EAD呈正相关，其中对男性、>65岁人群以及暖季EAD的影响较大。本研究关注EAD这一急性健康反应指标，与既往研究相比具有一定的创新性，且具有空气污染物数据的时间分层、病例交叉研究设计能够通过有效调整时间不变的混杂因素来做出关联推断，这有助于为O₃高浓度污染天气院前急救服务的提前部署和公共卫生干预措施的合理制定提供科学依据，有利于充分优化医疗资源的分配。但本研究仍存在一定的局限性，如尽管本研究的暴露因素赋值采用栅格中心点的数值，但与个体呼救时所处位置的实际暴露可能存在一定误差，且无法获得个体活动轨迹，因此仍不能完全代表个人暴露，但随着未来对个体暴露测量技术的发展，这一问题或可解决。

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

夏永杰, 周璐, 牛越, 等. 2020年中国大气臭氧对慢性阻塞性肺病死亡影响的疾病负担分析和健康经济学评价[J]. 环境科学研究, 2023, 36(2): 237-245.

葛南, 潘璐, 张欣, 等. 大气污染物暴露与青岛市居民脑卒中发病关系时间序列分析[J]. 中国公共卫生, 2024, 40(10): 1161-1168.

Phung V L H, Ueda K, Kasaoka S, et al. Acute effects of ambient PM_2.5 on all-cause and cause-specific emergency ambulance dispatches in Japan[J]. International Journal of Environmental Research and Public Health, 2018, 15(2): 307.

Liu L J, Song F J, Fang J Y, et al. Intraday effects of ambient PM₁ on emergency department visits in Guangzhou, China: a case-crossover study[J]. Science of the Total Environment, 2021, 750: 142347.

Jiang J, Wu D G, Chen Y J, et al. Relationship between different air pollutants and total and cause-specific emergency ambulance dispatches in Shanghai, China[J]. International Archives of Occupational and Environmental Health, 2021, 94(7): 1709-1719.

中华人民共和国生态环境部. 2022中国生态环境状况公报[EB/OL]. (2023-05-24)[2024-11-15].https://www.cnemc.cn/jcbg/zghjzkgb/202305/W020230531511478063909.pdf.

韦晶, 李占清. 中国高分辨率高质量地面O₃数据集(2000—2023)[EB/OL]. (2024-08-19)[2024-11-15]. https://www.selectdataset.com/dataset/484f4a57f9987ce2e9e53ed9ea72b9a3.

韦晶, 李占清. 中国高分辨率高质量地面SO₂数据集(2013—2020)[EB/OL]. (2024-08-19)[2024-11-15]. https://www.aers-cloud.org.cn/%e8%9e%8d%e5%90%88%e4%ba%a7%e5%93%81/chinahighso2.

韦晶, 李占清. 中国高分辨率高质量地面NO₂数据集(2008—2023)[EB/OL]. (2024-08-19)[2024-11-15]. https://www.selectdataset.com/dataset/becb2c12ab0832db56ab48e52e6f26a0.

Wu Y, Li S S, Guo Y M. Space-time-stratified case-crossover design in environmental epidemiology study[J]. Health Data Science, 2021, 2021: 9870798.

明小燕, 韩阳, 杨忠诚, 等. 极端高温天气与宜昌市居民非意外死亡关系时间分层病例交叉分析[J]. 中国公共卫生, 2024, 40(10): 1169-1175.

Ho A F W, Hu Z X, Woo T Z C, et al. Ambient air quality and emergency hospital admissions in Singapore: a time-series analysis[J]. International Journal of Environmental Research and Public Health, 2022, 19(20): 13336.

张娅, 尹胜利, 杨卫红, 等. 极端高温急性健康效应的季节内差异: 以山东省德州市急诊呼救数据为例[J]. 环境与职业医学, 2024, 41(8): 849-854.

Phosri A, Ueda K, Seposo X, et al. Effect modification by temperature on the association between O₃ and emergency ambulance dispatches in Japan: a multi-city study[J]. Science of the Total Environment, 2023, 861: 160725.

Lv X, Shi W Y, Yuan K, et al. Hourly air pollution exposure and emergency hospital admissions for stroke: a multicenter case-crossover study[J]. Stroke, 2023, 54(12): 3038-3045.

Chen J Y, Jiang X Y, Shi C L, et al. Association between gaseous pollutants and emergency ambulance dispatches for asthma in Chengdu, China: a time-stratified case-crossover study[J]. Environmental Health and Preventive Medicine, 2019, 24(1): 20.

Wang Y C, Sung F C, Chen Y J, et al. Effects of extreme temperatures, fine particles and ozone on hourly ambulance dispatches[J]. Science of the Total Environment, 2021, 765: 142706.

Chen Y Y, Chen S L, Zhang L, et al. Association between ambient air pollutants and short-term mortality risks during 2015–2019 in Guangzhou, China[J]. Frontiers in Public Health, 2024, 12: 1359567.

Wang S S, Li Y F, Niu A M, et al. The impact of outdoor air pollutants on outpatient visits for respiratory diseases during 2012–2016 in Jinan, China[J]. Respiratory Research, 2018, 19(1): 246.

Kumar V, S H, Huligowda L K D, et al. Environmental pollutants as emerging concerns for cardiac diseases: a review on their impacts on cardiac health[J]. Biomedicines, 2025, 13(1): 241.

Chen C, Li T T, Sun Q H, et al. Short-term exposure to ozone and cause-specific mortality risks and thresholds in China: evidence from nationally representative data, 2013–2018[J]. Environment International, 2023, 171: 107666.

阮芳芳, 刘纪新, 陈芷薇, 等. 不同臭氧度量指标对我国人群总死亡影响的Meta分析[J]. 环境科学, 2022, 43(1): 37-45.

李莉, 周筱丛, 吕烨, 等. 空气污染物对杭州市非意外死亡人群预期寿命影响研究[J]. 环境与健康杂志, 2024, 41(12): 1043-1049.

Chen L, Wang X J, Qian Z M, et al. Ambient gaseous pollutants and emergency ambulance calls for all-cause and cause-specific diseases in China: a multicity time-series study[J]. Environmental Science and Pollution Research, 2022, 29(19): 28527-28537.

2025年第41卷第8期

PDF下载

引用本文

BibTeX

文章信息

doi: 10.11847/zgggws1146678

接收时间：2024-12-13
首发时间：2026-10-25
出版时间：2025-08-10

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2024-12-13
修回日期：2025-03-18
录用日期：2025-05-16

基金

作者信息

¹山东大学齐鲁医学院公共卫生学院流行病学系，济南 250012

²德州市疾病预防控制中心，德州 253016

通讯作者:

吴艳玲，E-mail：ling1984@sdu.edu.cn

李发强，E-mail：easternland@163.com

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/zgggws/CN/10.11847/zgggws1146678

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT