短期暴露于空气污染物混合物与慢性阻塞性肺疾病的季节性急性加重：一项基于时间分层的病例交叉研究

《Ecotoxicology and Environmental Safety》：Short-term exposure to air pollutant mixtures and seasonal acute exacerbations of chronic obstructive pulmonary disease: A time-stratified case-crossovecr study

　　金忠浩 | 康允熙 | 金顺泰 | 俊昌贤 | 朴宝美 | 朴文成
韩国首尔忠安大学医学院预防医学系

**摘要**
尽管环境空气污染会引发慢性阻塞性肺疾病（AECOPD）的急性加重，但污染物通常被单独评估，而混合物效应和滞后效应往往被忽视。本研究利用韩国国家健康保险服务-国家样本队列（2006–2019年）的数据，调查了空气污染对AECOPD发病率的短期影响。采用时间分层病例交叉设计，将每个病例日与同年、同季节和同一工作日的对照日进行匹配。条件泊松回归结合分布滞后非线性模型（DLNMs）估计了单一污染物的滞后特异性和累积相对风险，而分位数g计算（Qgcomp）则用于评估混合物效应。分析了最长7天的滞后结构，并调整了气象因素和公共假期的影响。按年龄、性别、收入水平和体重指数（BMI）进行了分层分析。共识别出5981例AECOPD事件。短期环境污染物暴露增加了AECOPD的风险，尤其是在冬季和春季。在季节分层DLNMs中，污染物效应在较长的滞后时间和移动平均窗口内更为显著；而O?在冬季则表现出相反的趋势。多种污染物对AECOPD具有联合效应，在春季早期达到峰值（滞后0–2天），其中滞后0天的风险比（OR）最高（OR = 1.19，95% CI: 1.04–1.34），并且在冬季不同滞后结构中均保持关联（ORs: 1.20–1.28）。男性、65岁及以上的成年人、当前吸烟者以及BMI≥25的个体的风险增加更为明显。

**1. 引言**
慢性阻塞性肺疾病（COPD）是导致死亡和发病率的主要原因（2024年数据），并对全球医疗系统造成了巨大的经济负担（Chen等人，2023年）。COPD的急性加重（AECOPD）是由于COPD患者气道炎症加剧引起的急性恶化状态（Celli等人，2021年；Oh，2023年）。它会降低生活质量（Spencer等人，2004年），加重症状和肺功能（Seemungal等人，2000年），加速肺功能下降（Donaldson等人，2002年；Dransfield等人，2017年），最终增加死亡率（Soler-Catalu?a等人，2005年）。因此，预防急性加重（AE）在COPD治疗中非常重要（Agustí等人，2023年）。虽然呼吸道感染是已知的AECOPD诱因（Celli等人，2021年），但越来越多的证据表明环境空气污染也起着重要作用。最近的荟萃分析和多城市时间序列研究表明，短期颗粒物（PM?.?和PM??）暴露会增加AECOPD相关的住院、急诊就诊和死亡率（Li等人，2022年；López等人，2024年）。NO?也显示出正相关关系，而O?的结果在不同研究中存在差异（López等人，2024年；Ross等人，2023年）。其他研究发现这些关联因季节而异，可能反映了污染物浓度和气象条件（如温度和湿度）的差异（Jenkins等人，2012年；Kim等人，2023年；Niu等人，2024年）。尽管越来越多的人认识到空气污染是AECOPD的诱因，但大多数分析仍单独评估了污染物的影响，忽略了空气污染物混合物之间的强相关性和交互作用。鉴于实际暴露涉及多种污染物的同时吸入，单一污染物模型可能产生有偏或不完整的风险估计。此外，空气污染对AECOPD的影响可能具有滞后或累积特征，因此需要能够捕捉这种时间动态的分析方法来全面阐明空气污染的短期影响。

**2. 方法**
2.1. 研究人群和设计
本研究使用了韩国国家健康保险服务-国家样本队列（KNHIS-NSC）的数据，该数据包含2002年1月至2019年12月的健康保险索赔记录（Lee等人，2017年）。KNHIS-NSC是一个基于人群的队列，由国家健康保险服务建立，旨在为公共卫生研究和政策制定提供具有代表性和全面性的医疗利用和健康筛查信息。该队列于2002年通过随机选择1025,340名个体构建，约占韩国总人口的2.2%，所有参与者均被监测了18年，直至2019年（除非因死亡或移民而失去资格（Kyoung和Kim，2022年）。纳入标准为：年龄≥40岁、被诊断为COPD且在2006年1月8日至2019年12月31日期间经历过AECOPD的个体。为了评估空气污染的短期影响，采用了时间分层病例交叉设计。每个AECOPD发病日（病例日）与同年、同季节（春季：3月至5月；夏季：6月至8月；秋季：9月至11月；冬季：12月至2月）和同一工作日的对照日进行匹配，对照日至少距离病例日28天。

忠安大学机构审查委员会（1041078–20231121-HR-313）批准了研究方案，由于数据分析使用的是KNHIS数据库中的匿名数据，因此免除了知情同意的要求。

2.2. 慢性阻塞性肺疾病急性加重（AECOPD）
COPD定义为每年至少有两次包含国际疾病分类第10版（ICD-10）COPD诊断代码（J42–J44，不包括J43.0）的索赔，以及COPD处方（Crisafulli等人，2018年；Huh等人，2022年）。AECOPD定义为需要使用系统性皮质类固醇和/或抗生素治疗的住院情况（Joo等人，2024年；Kim等人，2022年）。为了避免同一事件被多次计数，设置了30天的洗脱期；如果个体连续AECOPD事件之间的间隔超过30天，则每次后续事件被视为新的独立事件并进行分析（Guerrero等人，2016年）。

2.3. 环境空气污染
使用了2006–2019年的全国空气污染和气象数据，空气污染物浓度采用美国环境保护署社区多尺度空气质量模型（版本4.7.1）估算，并通过观测监测数据融合技术进行校准（Oh等人，2021年）。最终数据集提供了9×9公里网格单元的每日空气污染和气象信息。气象数据来自韩国气象厅（KMA）数据门户（https://data.kma.go.kr）。这些数据最初是由KMA运营的自动天气观测系统和自动气象站网络以每小时分辨率测量的。本研究将每小时测量值汇总为日均值。通过将KNHIS资格数据库中的居民行政区域代码与每日城市和区级空气污染及气象数据关联，估算了个体的暴露水平。对于没有气象监测站的区域，使用三个最近邻区域的平均值填补缺失值。暴露指标基于AECOPD发病日或匹配对照日的相应日期计算。此外，还生成了单日滞后（lag0–lag7）和累积移动平均值（lag01–lag07）。本研究分析的空气污染物包括PM10、PM2.5、NO?、SO?、CO和O?，气象变量包括平均温度（℃）、相对湿度（%）和风速（m/s）。PM10和PM2.5的浓度以微克/立方米（μg/m3）为单位，NO?、SO?、CO和O?的浓度以十亿分之一（ppb）为单位。所有效应估计均基于污染物浓度每增加1 μg/m3或1 ppb的变化。

2.4. 统计分析
使用描述性统计分析研究了参与者的特征，分类变量以计数和百分比形式呈现。通过时间分层病例交叉设计评估了每种空气污染物与AECOPD风险之间的关联。具体而言，比较了病例日的暴露水平与相应对照日的暴露水平。为了考虑时间变化因素，应用了带有对数链接函数的条件泊松回归模型（Armstrong等人，2014年）。这允许直接从计数数据估计相对风险（RR），提高了计算效率，并适当处理了过度离散和自相关性。为了评估空气污染物对AECOPD发病率的滞后和非线性效应，将分布滞后非线性模型（DLNMs）纳入条件泊松框架。对于每种污染物，基于先前定义的单日（lag0–lag7）和累积移动平均（lag01–lag07）暴露指标构建了交叉基函数，同时建模暴露-响应和滞后-响应关系。此外，对滞后维度应用了三次多项式函数，最大滞后设置为7天，因为先前的研究发现空气污染的急性效应通常在暴露后一周内发生（Chen等人，2010年；Jiang等人，2023年）。为了评估不同滞后窗口下的累积暴露-响应关系，扩展DLNM模型同时包含了所有滞后特异性和移动平均浓度。效应估计表示为AECOPD发病率与污染物浓度四分位数范围（IQR）增加相关的RR，或通过比较特定百分位数（例如第25和第95百分位数）与中位数（第50百分位数，作为参考）来表示。

为了进一步评估多种空气污染物的联合影响，应用了分位数g计算（Qgcomp）模型来估计污染物混合物对AECOPD发病率的总体影响。分析中包括了PM10、PM2.5、NO?、SO?、CO和O?，使用了单日滞后暴露（lag0–lag7）和累积移动平均值（lag01–lag07）。通过Qgcomp方法，根据每种污染物的相对贡献为其分配数据驱动的权重，量化了联合混合物效应，而不假设共同的关联方向（Keil等人，2020年）。这种方法能够适应非线性关系和多种暴露之间的相互作用。在建模之前，所有暴露变量都被转换为分位数，并估计了正向和负向权重以捕捉双向影响。总体效应表示为所有污染物同时增加一个分位数时AECOPD发病率的预期变化。

气象因素（如平均温度、相对湿度和风速）被纳入模型，并调整以对应于空气污染物暴露的相同滞后日。同时，公共假期也被调整以考虑其对交通流量、空气污染物排放和浓度、健康相关行为以及医疗服务可用性的潜在影响。作为敏感性分析，根据性别、年龄、收入水平和体重指数（BMI）进行了分层分析，以确定不同人群亚组中空气污染物混合物与AECOPD风险之间的关联是否存在差异。统计分析使用R软件（版本4.3.0，R Foundation for Statistical Computing，奥地利维也纳）进行。

**3. 结果**
在线补充图1展示了选择研究参与者和识别AECOPD病例的过程。经过30天洗脱期后，共识别出5981例独立的AECOPD病例（表1）。其中，65岁及以上的个体占80.9%，64岁及以下的个体占19.1%。男性占病例的75.3%，女性占24.7%。按季节划分，春季（28.0%）和冬季（27.4%）的发病率最高，其次是夏季（22.5%）和秋季（22.1%）。在线补充表1展示了病例日（滞后0）和匹配对照日的空气污染物和气象变量分布。

**表1. 独立AECOPD事件的特征（n = 5981）**
| 特征 | N (%) |
|------------|-----------|
| 年龄（岁） | ≤64 | 1141 | (19.1) |
| | ≥65 | 4840 | (80.9) |
| 性别 | 男性 | 450 | (75.3) |
| | 女性 | 1480 | (24.7) |
| 季节 | 春季 | 1672 | (28.0) |
| | 夏季 | 1345 | (22.5) |
| | 秋季 | 1325 | (22.1) |
| | 冬季 | 1639 | (27.4) |

**图1**展示了与单日滞后和移动平均暴露相关的AECOPD发病率季节分层RR（第75百分位数与第25百分位数相比）。总体而言，冬季的关联最为显著。对于PM??和PM?.?，冬季的风险最为明显，单日滞后期间的效应相对一致，而在较长的移动平均窗口内效应逐渐增强。NO?、CO和SO?显示出相似的季节性模式，风险增加在滞后3天后变得更加明显，并且在较晚的单日滞后和扩展的移动平均值（滞后0–6和0–7天）中都观察到了统计显著性，其中效应大小最大。相比之下，O?在冬季表现出相反的趋势，随着滞后期的增加风险降低。

图1. 根据空气污染物浓度的四分位数范围（第75百分位与第25百分位）变化，使用DLNM估计的AECOPD的季节性分层相对风险与单日滞后和移动平均暴露的关系。所有模型都调整了每个时间点的节假日、相对湿度和温度。缩写：RR，相对风险；CI，置信区间；PM10，颗粒物≤10μm；PM2.5，颗粒物≤2.5μm；CO，一氧化碳；NO2，二氧化氮；SO2，二氧化硫；O3，臭氧。

图2 使用包含最多7天单日滞后的DLNM估计的空气污染物浓度与AECOPD发病率之间的累积暴露-反应关系。对于PM10、PM2.5和O3，当污染物浓度超过中位数水平时，存在统计显著的线性增长趋势，相对风险随浓度增加而增加。NO2显示出增长趋势，尽管这种关联并不具有统计显著性。相比之下，CO和SO2在整个浓度范围内显示出下降趋势，但这些关联同样不显著。

图3 显示了空气污染物共同暴露与AECOPD风险之间的季节性分层关联，涵盖了单日滞后和移动平均暴露。在季节分层分析中，春季和冬季的整体风险增加。在春季，从滞后0开始效果就很明显，并在前2天内保持相对稳定，随后逐渐减弱。最大的单日效应出现在滞后2天（比值比[OR] = 1.17；95%置信区间[CI]，1.05–1.30）。此外，在短移动平均窗口（最多0–5天）内的累积效应仍然显著，其中最高的关联出现在滞后0–2天的移动平均值（OR = 1.19；95% CI，1.06–1.34）。在冬季，单日滞后的估计风险保持较高，仅有轻微的时间波动。所有移动平均窗口都显示出统计显著的关联，效应幅度几乎保持不变，最高的关联出现在滞后0–1天的移动平均值（OR = 1.30；95% CI，1.12–1.49）。

图4 显示了根据性别分层后，空气污染物共同暴露与AECOPD风险之间的关系，涵盖了单日滞后和移动平均暴露。总体而言，男性中的关联更强且具有统计显著性。具体来说，在春季，男性在滞后0时的风险增加最大（RR = 1.18，95% CI：1.04–1.34）。这种效应在前2天内相对稳定，之后逐渐减弱，与图3中显示的整体模式相似。在短移动平均窗口（最多0–5天）内的累积效应也仍然显著，表明这一季节内的短期暴露累积导致了风险增加。在冬季，几乎所有滞后和移动平均窗口的风险都保持较高，表明共同暴露的累积效应持续存在。然而，在女性中，效应方向大致相似，显示出轻微的风险增加，尤其是在春季和冬季，尽管大多数估计值没有达到统计显著性。

图5 显示了根据年龄组分层后，空气污染物共同暴露与AECOPD风险之间的关系，涵盖了单日滞后和移动平均暴露。总体而言，年轻成人（≤64岁）中的关联不显著，而在老年人（≥65岁）中，特别是在春季和冬季，风险增加明显且具有统计显著性。在老年人中，春季从滞后0开始效果就很明显，并在前3天内保持相对稳定，随后逐渐减弱（ORs：1.13–1.17）。最大的单日关联出现在滞后1天（OR = 1.17；95% CI，1.04–1.31）。同时，在短移动平均窗口（最多0–5天）内的累积效应仍然显著，其中最高的关联出现在滞后0–4天的移动平均值（OR = 1.18；95% CI，1.03–1.35），表明短期暴露的累积效应。在冬季，所有单日滞后的风险都保持较高，效应幅度相对稳定。

根据收入水平、吸烟状况和BMI分层后的分析结果见补充表2和补充图2–4。AECOPD病例的比例在各个收入组（Q1–Q4：分别为15.5%、15.4%、15.7%和15.5%）、吸烟类别（从未吸烟、曾经吸烟和当前吸烟：分别为15.4%、15.6%和15.4%）以及BMI类别（BMI <23、23–24.9和≥25：分别为15.5%、15.4%和15.2%）之间相似。按收入水平分层后（补充图2），总体模式与总人口观察到的模式相似。在Q3和Q4中，显著关联主要发生在春季和冬季，而在Q1中则发生在秋季和冬季。在吸烟分层分析中（补充图3），空气污染物混合物在吸烟者中的效应更为明显，效应大小大于总人口中的效应。最大的效应出现在冬季当前吸烟者的单日滞后0（OR = 1.85，95% CI：1.28–2.67）。相比之下，从未吸烟者和曾经吸烟者的季节性模式不同；从未吸烟者在秋季主要出现关联，而曾经吸烟者在夏季出现关联。在BMI分层分析中（补充图4），BMI < 23的组中没有发现显著关联。相反，在BMI 23–24.9和BMI ≥ 25的组中，多个滞后结构中都存在显著关联。与总体分析的结果不同，在超重和肥胖参与者中，夏季也存在显著关联。

讨论
本研究显示，短期暴露于环境空气污染物与AECOPD风险增加有关，主要在冬季和春季观察到显著关系。在季节分层单污染物DLNM中，正相关通常随着滞后期的增加而增加，并且在扩展的移动平均值中也是如此；然而，O?的结果显示出相反的趋势。用于评估多种污染物综合效应的Qgcomp模型再次显示，显著混合物效应主要发生在冬季和春季。具体来说，在春季，混合物效应在早期窗口（滞后0–2天）达到峰值，之后减弱；而在冬季，所有单日滞后和所有移动平均值（从滞后0–1天到滞后0–7天）都存在显著关联；然而，这种解释是基于窗口间的比较，而不是基于明确的分布式滞后模型。分层分析表明，男性、老年人（≥65岁）、当前吸烟者和BMI较高的人群中关联更强且具有统计显著性，这表明这些亚群对空气污染的不良反应更敏感。

先前的流行病学研究也发现，短期暴露于空气污染物与AECOPD之间存在正相关，并且这些关联存在季节性变化，寒冷月份的效应更强。同时，在荟萃分析和多城市研究中，短期PM（PM2.5/PM10）暴露与AECOPD相关的医院使用增加有关——在汇总分析中，还与死亡率增加有关（Li等人，2022年；López等人，2024年）。在波哥大的时间序列分析中，PM和O?的短期暴露显示出正相关，效应大小取决于气象条件（López等人，2024年），而在加拿大的CanCOLD病例交叉研究中，NO?和PM?.?显示出正相关，但在温暖季节O?则呈负相关（Ross等人，2023年）。这些发现与暴露情况一致，因为冬季和春季的环境PM2.5水平通常高于夏季或秋季（Kim等人，2023年），温度和湿度都会影响空气污染物与AECOPD之间的关联（Jenkins等人，2012年；López等人，2024年；Niu等人，2024年）。与这些证据一致，我们的数据揭示了AECOPD和空气污染物浓度的明显季节性模式。AECOPD病例数在冬季和春季达到峰值，在夏末和初秋最低（在线补充图5和图6）。此外，PM10和PM2.5的浓度在春季和冬季较高，而O?的浓度在春季和夏季最高，在冬季最低。同时，NO?、CO和SO?的浓度在冬季最高（在线补充图7）。这些模式表明，在寒冷或过渡季节，污染物浓度和AECOPD发病率都升高。

这种季节性模式可能是由于气象和生物因素的共同影响。较低的温度和湿度会损害黏液纤毛清除功能，增加气道反应性，并促进病毒传播，从而加剧空气污染对COPD加重的影晌（Jenkins等人，2012年；Kim等人，2023年；Romaszko-Wojtowicz等人，2025年）。此外，短期暴露于颗粒物和气态污染物会引发气道炎症、氧化应激和上皮损伤，进而引发急性加重和加重潜在的呼吸系统疾病（Guarnieri和Balmes，2014年）。

关于空气污染和AECOPD的研究主要依赖于单污染物模型。相比之下，我们的研究使用了基于混合物的Qgcomp模型来估计多种污染物同时暴露的总体影响。在现实世界环境中，个体同时暴露于多种相关污染物，而不仅仅是单一污染物（Yu等人，2022年）。因此，单污染物模型可能低估或掩盖了空气污染的总体影响，因为污染物之间存在共线性，无法捕捉到联合暴露效应。相比之下，基于混合物的方法可以估计多种污染物的综合效应，并可能更好地反映累积的环境负担（Keil等人，2019年）。在评估多种污染物的综合效应时，混合物效应通常更一致且通常大于单污染物估计的效应，尤其是在冬季和春季。在春季，混合物效应在早期暴露窗口（滞后0–2天）达到峰值，之后减弱；而在冬季，所有单日滞后和所有移动平均值（从滞后0–1天到滞后0–7天）都存在显著关联。这种季节性差异可能表明春季的效应更早出现，而冬季的短期暴露效应更持久。由于空气污染物浓度和成分随季节变化较大，基于混合物的方法能够同时考虑多种污染物的暴露情况，从而更好地捕捉整体污染负担的季节性变化，进而更准确地反映AECOPD（急性加重型慢性阻塞性肺疾病）的风险季节性模式。在亚组分析中，与65岁及以下的成年人相比，65岁及以上的男性和成年人在空气污染物与AECOPD之间的季节性关联更为显著且具有统计学意义。然而，关于性别特定脆弱性的证据在不同研究中并不一致。在加拿大的CanCOLD病例交叉研究中，女性显示出短期PM2.5和NO2暴露与AECOPD之间的更强关联，这可能反映了女性气道直径较小、颗粒物沉积更多、激素对氧化应激的调节作用以及暴露情况的差异（Ross等人，2023年）。相比之下，中国的回顾性队列研究则发现男性和老年人的影响更为显著，这可能与特定的环境因素有关，如更高的累积暴露或职业暴露、更长的吸烟史或表型差异（Lian等人，2025年）。不过，我们的研究纳入的是因症状加重而住院的患者，而CanCOLD研究则是根据呼吸困难加剧或痰液脓性变化来定义急性加重的，因此其急性加重的定义比本研究更为敏感。此外，CanCOLD研究仅纳入了轻度至中度COPD患者，这使得难以得出关于性别特定效应的明确结论。关于年龄，已有研究表明短期空气污染物暴露与COPD患者的不良预后相关（Chen等人，2021年；Di等人，2017年；Lian等人，2025年；Liu等人，2023年）。在COPD患者中，与年龄相关的肺功能下降（Kim等人，2016年）以及多种合并症的存在，可能会增加他们在降温季节对空气污染相关急性加重的易感性（Lian等人，2025年）。因此，我们发现冬季或春季时，老年COPD患者因空气污染而发生急性加重的风险可能更高。需要进一步的研究来明确性别或年龄对空气污染相关AECOPD的特定脆弱性。

先前的研究指出，社会经济地位较低的人群COPD的预后更差，包括急性加重、住院和死亡的风险更高（Lee等人，2025年）。这些差异可能与更高的环境污染物暴露、较差的居住条件、不健康的生活方式以及有限的医疗资源获取有关。然而，本研究发现，空气污染物混合物共同暴露与AECOPD风险之间的总体关联模式在不同收入群体中大致相似，没有明显的社会经济梯度。这可能是因为研究对象全部为COPD患者，这些患者之间的疾病易感性可能在不同收入群体中存在共性。此外，韩国的普遍医疗体系可能减少了不同社会经济阶层之间的医疗利用差异（Kim等人，2017年）。相比之下，吸烟状况和BMI（身体质量指数）存在差异。当前吸烟者之间的关联最为显著，尤其是在冬季。吸烟会引发慢性气道炎症，增加氧化应激，并损害黏液纤毛清除功能，从而削弱气道防御机制，放大吸入污染物的有害影响（Strzelak等人，2018年）。这些机制可能部分解释了本研究中当前吸烟者之间更强的关联，尽管吸烟状况是基于自我报告的问卷数据，可能存在一定程度的分类误差。同样，BMI较高的人群中也观察到了最大的效应。研究表明，肥胖会增加COPD患者对PM（细颗粒物）暴露的呼吸系统影响，肥胖者在PM暴露后出现更严重的呼吸系统症状和需要使用急救药物的情况更多（McCormack等人，2015年）。这些发现可能部分解释了本研究中BMI较高人群之间更强的关联。

本研究存在几个局限性。首先，由于病例交叉设计本质上通过个体内部比较控制了性别、吸烟状况和基线疾病严重程度等时间不变的变量，因此无需对这些变量进行调整。然而，缺乏详细的临床信息（包括肺功能数据）限制了对COPD严重程度对效应影响的评估。其次，室内和室外污染物都可能对AECOPD产生影响，但获取室内暴露的具体数据较为困难。室内污染物水平可能因活动水平、职业、居住条件、性别和年龄而异。第三，空气污染暴露是根据注册的居住地址分配的，实际地址与注册地址之间的差异可能导致暴露分类错误。居住地远离工作地点的人可能具有不同的暴露情况。最后，季节性因素（如呼吸道感染和季节性过敏原）也可能影响AECOPD。由于数据限制，这些因素无法在分析中直接考虑，这是本研究的一个局限性。不过，为了部分解决这些条件的时间变异性，进行了按季节分层的分析。

尽管如此，本研究也有几个显著的优点。利用大规模的全国性数据集，通过应用DLNMs（深度学习网络模型），全面评估了环境空气污染物对AECOPD风险的短期影响，从而捕捉了从0-1天到0-7天的多个滞后结构的延迟和累积效应。我们还采用了Qgcomp方法来评估多种污染物的综合效应。此外，按季节、性别和年龄分层的分析有助于识别脆弱亚群，并揭示了空气污染与AECOPD关联的季节性异质性。了解脆弱亚群的差异对于制定针对不同季节和环境条件的公共卫生干预措施和适应性策略至关重要。

总之，COPD急性加重的季节性与环境空气污染有关。短期空气污染物暴露增加了AECOPD的风险，尤其是在冬季和春季。这种季节性模式在空气污染物混合物的分析中更为明显，表明春季的效应更早出现，冬季的效应更为持久。这种AECOPD风险的季节性增加在男性、老年人、当前吸烟者和肥胖人群中更为显著，表明这些群体可能特别容易受到影响。这些发现强调了在AECOPD风险较高的季节实施针对性策略以减少空气污染暴露的重要性。

伦理批准：该研究方案获得了忠安大学机构审查委员会的批准（1041078–20231121-HR-313）。由于数据分析是使用KNHIS数据库中的匿名数据进行的回顾性分析，因此免除了知情同意的要求。

作者贡献声明：
Yoon-Hee Kang：资源提供、调查、数据管理。
Changhyun Jun：资源提供、调查、正式分析、数据管理。
Bomi Park：写作-审稿与编辑、初稿撰写、监督、正式分析、数据管理、概念构思。
Soontae Kim：验证、软件使用、资源提供、调查、数据管理。
Moon Seong Baek：写作-审稿与编辑、监督、项目管理、方法学、概念构思。
Chung Ho Kim：初稿撰写、方法学、正式分析、数据管理。