PM10相关的死亡风险在26个国家143个城市中的时间变化：一项多国家、多城市时间序列研究

《The Lancet Planetary Health》：Temporal changes in mortality risk associated with PM10 across 143 cities in 26 countries: a multicountry, multicity time-series study

　　

背景环境PM₁₀与死亡率相关；然而，这种关联的潜在时间变化以及解释此类变化的因素尚不清楚。因此，研究人员旨在检验与PM₁₀相关的死亡风险是否在1979年至2019年间发生了变化，以及社会经济或环境条件的变化是否可以解释PM₁₀与死亡率之间关联的任何时间变异。方法研究人员采用扩展的两阶段时间序列设计，评估1979年至2019年间26个国家143个城市中PM₁₀与全因死亡率之间关联的时间变化。在第一阶段，将每个城市的时间序列划分为非重叠的3年时间段后，使用准泊松回归估计城市特定和时间特定的PM₁₀与死亡率之间的关联。在第二阶段，使用以日历年为预测因子的纵向随机效应元回归汇总这些估计值。研究人员进一步通过将这些变量纳入第二阶段模型，探究选定的社会经济和环境因素是否解释了观察到的时间趋势。结果总共分析了2320万例死亡。PM₁₀与死亡率之间的总体关联从1979年到2019年有所增强，表明随着时间的推移，给定PM₁₀浓度下的关联更强。1979年，每日PM₁₀每增加10 μg/m³与全因死亡率增加0.23%（95% CI 0.05–0.41）相关，而这一关联在2019年增加至0.51%（0.36–0.65）。PM₁₀-死亡率关联的时间模式在不同城市间存在差异，并且与随时间推移的人口老龄化呈正相关，与年平均PM₁₀浓度呈负相关。解释本研究的发现表明，给定PM₁₀增量对死亡率的影响随时间推移而增加。应用历史风险估计可能会低估当前的健康负担。持续更新空气污染健康影响的证据对于确保准确有效的估计至关重要。

论文解读文章

**研究背景**

环境颗粒物（PM）是全球主要的公共卫生负担。据全球疾病负担研究，2021年PM位列第四大风险因素，导致全球472万例死亡。短期暴露于PM与不良健康结局（包括死亡率增加）相关，且PM-死亡率关联在不同人群和地点间存在差异。然而，这种关联的潜在时间变化尚不明确，因为以往研究大多隐含假设PM与健康的关系随时间保持不变。此处时间变化并非指PM浓度，而是指给定PM浓度下的健康影响（即相对风险）。目前，关于PM对死亡率影响的时间变化研究较少，且结果高度异质。来自中国、希腊和韩国的证据显示关联增强，而美国、德国和日本的研究则报告效应减弱。这些差异的原因尚不清楚，且由于分析方法差异较大，比较研究结果面临挑战。此外，相关数据主要来自高收入国家，限制了向低收入和中等收入国家的普适性。为解决这些不足，需要采用一致分析框架的多国家研究。因此，研究人员旨在利用26个国家143个城市的数据，检验与PM₁₀相关的死亡风险是否随时间变化，并进一步探究社会经济或环境条件的时间变化能否解释PM₁₀-死亡率关联的任何时间变异。

**研究人员开展的研究与结论**

研究人员利用1979年至2019年间26个国家143个城市的多国家、多城市时间序列数据，采用扩展的两阶段时间序列设计，分析PM₁₀与全因死亡率关联的时间变化。第一阶段，将每个城市的时间序列划分为非重叠的3年时间段，使用准泊松广义加性模型估计各时段内PM₁₀与死亡率之间的关联。第二阶段，使用以日历年为预测因子的纵向随机效应元回归汇总估计值，并评估社会经济和环境因素（如人口老龄化、PM₁₀浓度）对时间趋势的解释能力。研究共纳入2320万例死亡。结果显示，PM₁₀对死亡率的影响随时间增强：1979年每日PM₁₀每增加10 μg/m³与全因死亡率增加0.23%（95% CI 0.05–0.41）相关，2019年增至0.51%（0.36–0.65），相当于每年变化0.0069%（0.0022–0.0117）。国家层面分析显示异质性结果：冰岛、日本和葡萄牙的PM₁₀-死亡率关联随时间增强，而法国和南非减弱；加拿大、以色列、德国和英国等无明显变化。人口老龄化（65岁及以上人口比例）与PM₁₀相关死亡风险随时间增加呈正相关，而年平均PM₁₀浓度呈负相关。研究意义在于，应用历史风险估计可能系统性低估当前PM₁₀相关的健康负担，持续更新证据对准确评估至关重要。该论文发表在《The Lancet Planetary Health》。

**主要关键的技术方法**

研究人员使用来自多国家多城市（MCC）合作研究网络的数据，涵盖26个国家143个城市（1979–2019年）的每日平均PM₁₀、温度和全因死亡率计数。主要统计方法包括：（1）扩展的两阶段时间序列设计，第一阶段将城市时间序列划分为3年非重叠时段，采用准泊松回归估计时段特异性PM₁₀-死亡率关联，调整温度、时间趋势和星期几；（2）第二阶段采用纵向随机效应元回归，以日历年为线性预测因子汇总估计值，并纳入城市和国家随机截距；（3）进一步通过将人均GDP、65岁及以上人口比例、年平均PM₁₀、温度和增强型植被指数（EVI）作为固定效应项加入模型，进行似然比检验以评估这些时变变量对时间趋势的解释能力。

**研究结果**

**时间趋势估计结果**
通过纵向随机效应元回归模型，研究人员发现PM₁₀对全因死亡率的影响在1979年至2019年间呈显著上升趋势。1979年PM₁₀每增加10 μg/m³与死亡率增加0.23%（95% CI 0.05–0.41）相关，2019年增至0.51%（0.36–0.65），年变化率为0.0069%（0.0022–0.0117）。国家层面分析显示异质性：冰岛（p=0.013）、日本（p=0.0002）和葡萄牙（p<0.0001）的关联显著增强，法国（p=0.037）和南非（p=0.027）的关联减弱，而加拿大、以色列、德国和英国等无显著变化。城市层面估计结果同样显示异质性。

**解释时间趋势的因素**
通过将5个候选解释变量分别加入基础模型，仅65岁及以上人口比例（似然比检验p=0.013）和年平均PM₁₀浓度（p=0.034）与时间趋势显著相关。人口老龄化与PM₁₀-死亡率关联呈正相关，即老年人口比例增加带动效应增强；而年平均PM₁₀浓度呈负相关，即浓度降低伴随效应增强。同时加入两个变量的模型未显著改善拟合（p=0.25）。

**敏感性分析**
多种敏感性分析结果一致：改变随机截距层次（城市或国家水平）、采用4年或5年时间窗口、使用非线性项拟合时间趋势、调整温度自由度、额外调整共污染物（SO₂、NO₂、CO、O₃）和相对湿度、限制PM₁₀滞后天数、排除低死亡数城市，以及将分析限制在数据最充足的2000–2015年时段，均未显著改变主要结果。分时段分析（1979–1992、1993–2006、2007–2019）显示时间趋势方向一致，但统计不显著，可能因时段缩短导致统计力下降。

**讨论与结论**

研究人员讨论了PM₁₀相关死亡风险随时间增强的可能机制，包括PM化学组成变化、人口特征改变（如老龄化）及其他环境条件变化。人口老龄化是关键贡献因素，因为65岁及以上人群对空气污染更敏感，且其比例随寿命延长和生育率下降而增加。PM₁₀浓度下降可能并未均匀降低所有化学组分的暴露，某些有毒组分占比增加导致毒性增强，或超线性剂量-反应关系（低浓度下斜率更陡）导致效应增强。研究局限性包括：地理分布偏向北半球，非洲、南美、中亚和西亚数据不足；研究区域主要为城市及中高收入国家；无法分析个体特征（年龄、性别、社会经济地位）的效应差异；时间趋势中部分异质性未能完全解释；部分变量使用较大行政单元数据作为代理可能引入分类错误；固定站点监测无法反映个人暴露。研究结论：PM₁₀与死亡率的关联随时间变化，效应日益显著；人口老龄化和PM₁₀浓度变化部分解释了这一趋势。这些发现表明，若依赖历史风险估计，当前空气质量政策可能低估PM₁₀的实际健康负担，尽管总体负担也取决于随时间变化的污染物浓度和人口年龄分布等因素。研究结果强调需持续更新对空气污染及其不断演变的健康风险的理解，以确保政策干预保持有效和响应性。