北京大學：典型城市空氣污染對人群健康的急性風險及空氣質量改善措施的健康效益研究（96頁）.pdf

《北京大學：典型城市空氣污染對人群健康的急性風險及空氣質量改善措施的健康效益研究（96頁）.pdf》由會員分享，可在線閱讀，更多相關《北京大學：典型城市空氣污染對人群健康的急性風險及空氣質量改善措施的健康效益研究（96頁）.pdf（96頁珍藏版）》請在三個皮匠報告上搜索。

1、國家自然科學基金北京大學管理科學數據中心(Data Center for Management Science,NSFC-PKU)成立于2014 年 12 月，是由國家自然科學基金支持，服務全國管理科學的數據收集與數據服務中心。作為北京大學直屬的、以交叉學科為特點的實體學術科研機構，中心長期開展以中國家庭追蹤調查（China Family Panel Studies,CFPS）、中國健康與養老追蹤調查（China Health and Retirement Longitudinal Study,CHARLS）為代表的一系列大樣本、高質量的微觀調查數據收集。自成立以來，數據中心借助已有優勢，逐步

2、推進數據采集、數據管理與服務和智庫研究三個領域的建設。中心智庫以構建開放性的、跨學科研究平臺為目標，旨在大力推動運用科學的量化研究方法，以開發和利用 CFPS、CHARLS 等優質數據資源為基礎的量化研究，并針對國家經濟和社會管理的重大需求，積極為國家發展提供有實證依據的政策建議。中心智庫每年通過公開競標方式，擇優資助若干研究課題，為立項課題提供研究資金、研究助理和辦公空間等多方面支持，并借助智庫平臺對相關研究成果進行推廣。此外，中心智庫推出客座研究員項目，誠邀有志從事與政策相關的數據研究的學者們駐中心研究?？妥芯繂T可得到數據服務及辦公條件的支持，并參與中心組織的各類學術研討活動。同時，中心

3、智庫通過研討會、公開講座等學術活動,促進知識分享和研究成果交流。中心智庫還推出數據與決策系列出版物，包括數據與決策：工作論文、數據與決策：政策報告、數據與決策：政策簡訊，旨在為以數據為基礎的科學研究與政策研究的學者提供互動交流的平臺。研究背景研究目的及意義研究內容研究技術路線研究方法研究結果討論研究結論主要參考文獻/0117181920297478801 一、研究背景一、研究背景 1.我國我國當前當前空氣污染空氣污染防治的形勢防治的形勢 1.1 空氣污染空氣污染種類種類 按照國際標準化組織定義，“空氣污染通常系指由于人類活動或自然過程引起某些物質進入空氣中，呈現出足夠的濃度，達到足夠的時間，并

4、因此危害了人體的舒適、健康和福利或環境的現象”?？諝馕廴镜闹饕獊碓礊榛鹕奖l、森林火災或沙塵暴、煙囪或工業的固定污染源、汽車或火車等各種機動交通工具的流動污染源以及生活爐灶或暖鍋爐煤炭燃燒排放等。造成空氣污染現象的物質稱為空氣污染物，空氣污染物是一種復雜混合物，主要包括大氣顆粒物（particulate matter，PM）、氮氧化物（NOx）、二氧化硫（SO2）、一氧化碳（CO）和臭氧（O3）等。在各種空氣污染物中，大氣顆粒物與人群健康效應的流行病學聯系最為密切。大氣顆粒物是一種由多種物質組成的混合物，由混合的固態和液態微粒形成，粒徑在 0.01100m 之間，主要來源于自然和人為活動。根據

5、顆粒物的空氣動力學直徑，將其分為總懸浮顆粒物（TSP，空氣動力學當量直徑小于等于 100m）、可吸入顆粒物（PM10，空氣動力學當量直徑小于等于 10m）、細顆粒物（PM2.5）及超細顆粒物（PM0.1）。圖 1-1 大氣顆粒物空氣動力學直徑分布（Chow JC et al.,2012）2 1.2 我國當前我國當前環境空氣質量環境空氣質量形勢形勢 根據2019中國生態環境狀況公報，2019 年，全國337個地級及以上城市（以下簡稱337個城市）中，PM2.5、PM10、O3、SO2、NO2和CO濃度分別為36 g/m3、63g/m3、148g/m3、11g/m3、27g/m3和1.4mg/m3

6、；分城市來看，其中157個城市環境空氣質量達標（六項污染物濃度均達標，即為環境空氣質量達標），占全部城市數的46.6%；180個城市環境空氣質量超標，占53.4%。337個城市平均優良天數（空氣質量指數在0100 之間的天數為優良天數，又稱達標天數）比例為82.0%，其中，16個城市優良天數比例為100%、199個城市優良天數比例在80%100%之間；平均超標天數比例為18.0%，以PM2.5、O3、PM10、NO2和CO 為首要污染物的超標天數分別占總超標天數的45.0%、41.7%、12.8%、0.7%和不足0.1%，未出現以SO2為首要污染物的超標天。分地區來看，京津冀及周邊地區“2+2

7、6”城市優良天數比例范圍為41.1%65.8%，平均為53.1%，平均超標天數比例為46.9%；長三角地區41個城市優良天數比例范圍為56.5%98.1%，平均為76.5%，平均超標天數比例為23.5%；汾渭平原11個城市優良天數比例范圍為47.7%76.7%，平均為61.7%，平均超標天數比例為38.3%。1.3我國我國空氣污染空氣污染防治防治的的政府舉措政府舉措 2019年，就加強生態文明建設和生態環境保護，我國提出了一系列新理念新思想新戰略新要求，并作出了一系列重大決策部署。2019 年 3 月 5 日，在全國兩會期間，提出了用“四個一”、“三個體現”強調生態文明建設的極端重要性，用“四

8、個要”對推進生態文明建設和生態環境保護提出要求。4 月 22 日，中央財經委員會第四次會議提出研究全面建成小康社會補短板問題，強調要打好污染防治攻堅戰，實現到 2020 年的階段性目標。4 月 28 日，明確提出同筑生態文明之基、同走綠色發展之路的五點主張。12 月 10 日至 12 日，中央經濟工作會議強調要堅決打好污染防治攻堅戰，推動生態環境質量持續好轉。這些重要講話和指示批示精神，是對生態文明思想的豐富和拓展，充分體現了總書記對生態文明建設執著深邃的戰略思考。政府工作報告中也強調，要聚焦藍天保衛戰等重點任務，打好污染防治攻堅戰；在中央經濟工作會議上強調，要確保實現污染防治攻堅戰階段性目標

9、。3 1.4 我國我國空氣污染空氣污染防治目標防治目標的不斷提升的不斷提升 2018年6月，為加快改善環境空氣質量，打贏藍天保衛戰，國家出臺了打贏藍天保衛戰三年行動計劃。要求在全國范圍內，以新時代中國特色社會主義思想為指導，全面貫徹黨的十九大和十九屆二中、三中全會精神，認真落實國家決策部署和全國生態環境保護大會要求，堅持新發展理念，堅持全民共治、源頭防治、標本兼治，以京津冀及周邊地區、長三角地區、汾渭平原等區域為重點，持續開展大氣污染防治行動，綜合運用經濟、法律、技術和必要的行政手段，大力調整優化產業結構、能源結構、運輸結構和用地結構，強化區域聯防聯控，狠抓秋冬季污染治理，統籌兼顧、系統謀劃、

10、精準施策，堅決打贏藍天保衛戰，實現環境效益、經濟效益和社會效益多贏。擬經過3年努力，大幅減少主要大氣污染物排放總量，協同減少溫室氣體排放，進一步明顯降低PM2.5濃度，明顯減少重污染天數，明顯改善環境空氣質量，明顯增強人民的藍天幸福感。具體目標為到2020年，SO2、NOx排放總量分別比2015年下降15%以上；PM2.5未達標地級及以上城市濃度比2015年下降18%以上，地級及以上城市空氣質量優良天數比率達到80%，重度及以上污染天數比率比2015年下降25%以上。2018和2019年，污染防治攻堅戰取得了關鍵進展。2020年要全面完成打贏藍天保衛戰三年行動計劃目標任務，狠抓重點區域秋冬季大

11、氣污染綜合治理攻堅。積極穩妥推進北方地區清潔取暖，持續整治“散亂污”企業，深入推進柴油貨車污染治理。同時，要進一步加大非重點區域治污力度，確保實現污染防治攻堅戰階段性目標。相信國家會繼續出臺相關政策法規，進一步促進大氣污染防治工作的開展。2.空氣污染健康空氣污染健康風險風險評估評估 國內外大量研究已證實空氣污染對人群存在急性和長期暴露健康效應。急性健康效應主要表現為污染物暴露所導致的人群各類疾病住院率和日死亡率上升等，一般多采用時間序列分析和病例交叉研究等方法進行分析；而長期健康效應主要表現為污染物暴露所導致的各類疾病死亡人群平均壽命損失等，一般采用橫斷面研究和隊列研究方法。在評估空氣污染健康

12、危害時，國際上通常采用危險度4 評價的方法。2.1 暴露暴露污染物選擇污染物選擇 空氣污染是由多種污染物組成的復雜混合物，但各污染物之間也可能存在共同污染源，使部分同源污染物濃度之間可能存在顯著相關性（共線性）。因此，目前流行病學研究尚難以把空氣污染相關健康效應歸因于某一種或某一類污染物，而簡單把不同空氣污染物的健康效應相加可能會引起“重復計算”，導致過高估算空氣污染健康效應的問題。我國環境保護部門開展常規監測的主要環境空氣污染物包括 PM10和 PM2.5、NO2、SO2、CO 和 O3，目前我國環境流行病學研究較多圍繞這六種污染物開展。已有研究提示 PM10和 PM2.5與人群健康危害的流

13、行病學關聯最為密切，因此 PM10和 PM2.5常作為指示性污染物用于估算空氣污染健康效應和危險度。不同地區可根據局地主要污染來源情況選擇不同指示性污染物，例如以含硫煤燃燒為主的城市可選擇 SO2作為指示性污染物。2.2 健康效應終點選擇健康效應終點選擇 空氣污染作用于機體后的健康效應譜是一個連續的多階段過程，可包括從亞臨床癥狀出現、疾病發病到死亡等一系列終點變化，其中死亡是較為嚴重的健康效應終點。死亡率、發病率和患病率等流行病學指標比較容易獲取，而且可以反映當地醫療服務水平、社會經濟發展水平、生態環境等綜合因素，因此常被選用。國際上常見的健康效應終點評估指標選擇標準包括以下幾項：已有研究證實

14、，健康效應與空氣污染濃度改變之間存在關聯；健康效應與空氣污染的關系能夠通過暴露-反應關系表達，如相對危險度、斜率等，而不僅僅為定性描述，且不同研究間的暴露反應關系較為一致；部分亞臨床癥狀，如免疫功能改變、病因不明確疾病或者資料難以獲得疾病等，不推薦納入健康效應評估范圍；選擇的健康效應終點，應為具有國際疾病編碼（ICD-9 或 ICD-10）的疾病，確保數據可獲得性和結果可比較性。目前，我國人群定期健康監測數據還較為粗略，死因和疾病登記系統也不夠完善，導致許多重大疾病的基線和定期隨訪統計數據不夠完備。2.3 暴露評價方法暴露評價方法 并非所有的污染物都能夠對人體健康產生不良影響。污染物是否產生不

15、良影響除了與其本身性質有關外，還與污染物的人體暴露水平有關。而后者由污染物5 遷移輸送和轉化、與人體接觸、人體對其吸收和生物處置等過程決定。從污染源排放到產生健康效應，經歷了復雜的過程：污染物/污染前體物排放至大氣環境之后，在大氣中歷經輸送遷移和轉化，可反映為污染物在大氣或微環境中的濃度；研究對象暴露于污染物，對污染物有一個吸收的過程，可用人體暴露濃度或體內劑量來表示；最終，污染物在人體內發生生物轉運和轉化，通過體內的損傷和修復機制產生人體健康效應。理論上講，針對從污染物排放到人體出現相關健康效應過程中任何一個環節的定量評估方法都可用于暴露評價。如何精確對大氣污染暴露評價一直是環境流行病學的重

16、點和難點問題。傳統環境流行病學研究中，結合時間活動模式和通過測量個體“呼吸帶”附近污染物濃度，直接獲取研究對象污染物暴露水平的個體監測法是實現個體空氣污染暴露評價最精確方法，但需要投入大量人力、物力，因此很難實現大規模人群暴露監測。將區域多個地面監測點污染物濃度的算術平均來代替相應區域人群暴露水平是目前最常用的大氣污染暴露評價方法，但實際上區域污染物濃度和分布會受到污染源、氣象場、地形條件和人口密度等很多因素的影響而導致大氣污染濃度分布具有時空變異性，從而可能導致人群暴露錯分。雖然我國自 2013 年起在全國范圍建設了上千個空氣質量地面監測點，但由于地域遼闊，且這些地面監測點分布大多集中分布在

17、城市，仍顯得相對分散；因此對PM2.5長期變化的表征以及大氣 PM2.5的長期暴露評價仍存在一定的困難。近年來，結合地面大氣污染物監測系統，通過時空預測模型實現對研究對象準確、個體化空氣污染的暴露估計，尤其是可能降低在地面監測點稀少或歷史數據缺失的區域的暴露錯分和不確定性，成為提升暴露評價精準性和暴露反應關系準確性和可信度的重要方法之一。該方法的開發及應用為獲取大氣污染物精細化的時空分布濃度提供了可能，已經在國際研究中得到了廣泛應用并不斷發展完善。目前國際上使用較多且預測準確度良好的時空預測模型有空間插值模型、土地利用回歸（Land use regression,LUR）模型、大氣化學傳輸模型

18、（Atmospheric chemical transport models，CTMs）、基于衛星遙感氣溶膠光學厚度(Aerosol Optical Depth,AOD)反演模型等?？臻g插值模型利用固定點監測值的空間自相關性，進行權重加和的方法線性計算某空間未知點上的濃度。常見的空間插值模型包括反距離加權法(Inverse 6 distance weighted,IDW)、最鄰近站點法(Nearest-monitor)、樣條差值(Spline interpolation)、克里格差值(Kriging interpolation)等。其中克里格法被認為是最優無偏估計方法，在國內外研究中應用最廣泛

19、。Kim 等收集洛杉磯地區 2002 年共22 個大氣 PM2.5濃度的監測站點數據，采用最鄰近站點法和克里格差值法進行PM2.5濃度時空分布，結果發現在數據相關性較強時，兩種方法均能較好地預測，但在相關性較弱時，采用克里格插值法能更好評估大氣 PM2.5的空間分布。但是因為空間插值模型依賴于地面監測點數據，因此在地面監測點較為稀少的地區或時期預測準確度較差。土地利用回歸模型在評價城市區域交通相關的污染物空間分布趨勢方面表現優異，該模型可以獲得區域高分辨率的污染物濃度分布，實現了在環境流行病學研究中基于住址地對個體開展精準暴露評價，對于環境風險的長期人體危害評估提供更加精準的暴露方法參考。該模

20、型是基于當地的固定監測污染物濃度、土地利用信息、交通路網及流量、人群分布、氣象、綠化等數據實現對區域內污染物濃度分布的預測方法，被認為是實現大氣污染長期暴露空間分布估計的最佳方法之一，目前國內外已有為數不少的流行病學隊列研究運用土地利用回歸模型預測 PM 和 NO2濃度，建立了大氣污染長期暴露與人群不良健康結局的關系。但由于時間分辨率較低使得不能反映污染物濃度的局部或短時極端變化，比如在交通干道附近的空氣污染濃度明顯的時間變化趨勢無法體現，因此難以運用于急性健康效應研究。大氣化學傳輸模型被廣泛應用于環境影響評價、重大科學研究與環境管理與決策領域，已成為模擬 O3、大氣 PM、能見度、酸雨甚至氣

21、候變化等各種復雜空氣質量問題及復合型空氣污染控制理論的重要理論之一。該模型對污染物濃度的估計可以不依賴于地面實測值，是運用氣象學原理及數學方法，從水平和垂直方向在大尺度范圍內對空氣質量進行仿真模擬，再現污染物在大氣中輸送、反應、清除等過程的數學工具，其優勢在于能夠提供完整的時間與空間覆蓋的濃度預測。多尺度空氣質量模式（Community Multiscale Air Quality model,CMAQ）與大氣化學完全耦合模式（Weather Research and Forecast Model with Chemistry Module,WRF-Chem）是目前國際上應用較為廣泛的兩種模式

22、。此外，我國自主研發的嵌套網格空氣質量預報模式系統（Nested Air Quality Prediction Modeling System,7 NAQPMS），能夠解決多尺度污染問題以及大氣污染的發生機理和變化規律，在許多城市空氣質量預報領域得到了大量應用。由于大氣化學傳輸模型受限于污染物排放清單及氣象參數空間分布模擬的準確性，也給大氣污染的長期預測帶來了許多不確定性?；谛l星遙感技術的 AOD 反演模型建立起的高時空分辨率的大氣污染時空分布預測已經成功地應用于大氣污染的暴露評價領域?；谛l星遙感的 AOD 反演模型能夠在一定程度上反映特定地區的空氣質量，相比傳統地面監測，其特點為覆蓋面積

23、廣、累計時間長、空間分辨率高及成本較低等。由于既往研究顯示衛星遙感 AOD 在預測大氣 PM2.5濃度具有較強的準確性，因而目前在大氣 PM2.5時空分布的預測中得到廣泛應用，尤其是在中國缺乏歷史大氣 PM2.5數據的情況下，利用 AOD 作為預測指標，也為實現長期大氣 PM2.5歷史濃度預測提供可能。但基于 AOD 反演模型仍然面臨許多挑戰，如衛星遙感 AOD 數據的分辨率低和容易受到云覆蓋及明亮地表的影響導致數據大量缺失的情況造成 AOD 數據存在大量缺失的問題而造成反演的大氣 PM2.5錯誤估計。2.4 健康健康風險風險的的定量評估定量評估 空氣污染物健康效應的定量評估是在健康危險度評價

24、的基礎上，結合空氣污染環境流行病學研究獲得的暴露-反應關系，對人群暴露于空氣污染后產生的健康效應進行定量評價。暴露-反應關系是環境暴露水平與人體不良健康效應終點之間的定量函數關系，是空氣污染健康效應評估中最為關鍵的信息?？諝馕廴玖餍胁W研究通常報道隨著污染物濃度改變，人群中出現某種健康損害個體在群體中所占比例的相應變化，即空氣污染物濃度每增高一個單位，相應的健康結局（人群死亡率或患病率）增高的比例（%）。近年來，大量空氣污染流行病學研究估算了暴露-反應關系，為人群空氣污染相關健康效應評估提供了較為充分的依據。人群罹患疾病或者死亡屬于小概率事件，通常服從泊松分布，因此空氣污染流行病學研究多基于泊

25、松回歸分析模型獲取暴露-反應關系參數。在此模型下，可以得到健康效應值和空氣污染物濃度間的關系式（式 1-1）?？紤]到空氣污染與人群健康終點的聯系從統計學角度多為“弱相關”，即暴露-反應關系參數值一般較??；同時環境濃度 C 和參考濃度 C0（污染物對健康產生影響的最低濃度）差值接近時，可以簡化運算，如式 1-2 所示：8 E=exp(C-C0)E0 （式 1-1）E=(C-C0)E0 （式 1-2）式中：為暴露反應關系系數；C 為污染物實際濃度；C0為污染物參考濃度；E 為污染物實際濃度下人群健康效應；E0為污染物參考濃度下的人群健康效應。在確定了，C，C0，E 和 E0后，可以計算出歸因于該污

26、染物的健康效應，即 E 與 E0差值。目前流行病學研究尚難以確定不產生健康效應的空氣污染物最低濃度值。通常 C0可以有以下選擇：零值、本地區空氣污染物濃度自然背景值、流行病學文獻中觀察到的最低作用濃度值（或最高無作用濃度值），也可以參考政府或國際機構制訂的指導值或標準值，如我國環境保護部發布的空氣質量標準（GB3095-2012）、美國環境保護署發布的空氣質量標準值（National Ambient Air Quality Standards）、世界衛生組織發布的保護人體健康全球空氣質量指導值（Global Air Quality Guidelines）等。3.空氣污染空氣污染急性急性健康影響

27、健康影響的國內外研究現狀的國內外研究現狀 3.1 國外國外研究進展研究進展 國外已有大量的文獻報道空氣污染的人群健康效應，且由于其設計嚴謹、監測和分析技術全面，研究結果具有較高的可信度。研究表明，空氣污染的人群健康效應主要是與人群總死亡率、呼吸系統疾病、心腦血管疾病死亡率和發病率風險增加等存在關聯影響，其中以死亡資料較容易獲取和在所有健康結局中備受關注，因此死亡是在研究空氣污染健康效應時最常被選擇的健康結局。自上世紀七十年代起，歐美等發達國家/地區陸續開展了大氣污染急慢性健康效應研究，其中倍受人們關注的研究包括美國多城市時序分析研究（the national morbidity,mortali

28、ty and air pollution study,NMMAPS）、歐洲多城市時序分析研究（air pollution and health:a European approach,APHEA）、哈佛六城市隊列研究、美國癌癥協會（American Cancer Society,ACS）隊列研究以及歐洲空氣污染隊列研究（the European Study of Cohorts for Air Pollution Effects,ESCAPE）等。這些大型研究基礎已經陸續發表了一系列重要成果，提出了空氣污染急慢性暴露的健康危9 害和風險，使得人們對空氣污染的危害有了更全面的了解，也為各國家和世

29、界衛生組織制定空氣質量管理標準，保護全人群健康提供了重要依據。多城市空氣污染短期暴露與居民健康危害的關聯分析是國外開展空氣污染急性健康效應研究的主要方式，其中美國的 NMMAPS 和歐洲的 APHEA 最為著名，兩個研究均采用兩階段的統計分析方法，具有可信度較高的研究證據，并為WHO 制訂空氣質量標準和過渡目標值提供了重要的依據。NMMAPS 研究涉及美國 90 城市 50 萬居民，該研究發現大氣 PM10濃度升高與全死因及心肺系統疾病死亡率增加有關；APHEA 研究覆蓋歐洲 30 個城市及周邊地區的 43 萬人口，再次印證了空氣污染對人群的死亡影響。除 NMMAPS 和 APHEA 研究外，

30、國外還相繼開展了其他關注空氣污染急性健康效應的研究，如 Schwartz J 等人連續八年監測了美國東部八個城市的 PM10、PM2.5-10、PM2.5濃度，在調整時間趨勢和氣候的影響后，發現這些城市的死亡率與 PM10、PM2.5均存在顯著性關聯，且發現空氣污染暴露導致慢性阻塞性肺疾?。–OPD）和缺血性心臟?。↖HD）發生的風險可能性更大。Klemm RJ 等人采用更加嚴格的數據篩選和納入的方法，對 Schwartz 的數據庫重新構建分析，排除了一定數量的日死亡人數，調整混雜因素后進行分析，同樣發現 PM2.5與死亡率風險的增加存在顯著性相關，揭示了空氣污染的短期暴露對人體健康存在危害。

31、另一項在美國 75 個城市開展的研究收集了 2000 年到 2006 年期間約 450 萬人全死因死亡數據，包括心血管疾?。–VD）、心肌梗死（MI），中風和呼吸道疾病所致的死亡，與監測的空氣污染水平進行關聯性分析，結果發現 PM2.5濃度會增加使全死因死亡、CVD、MI、中風和呼吸疾病死亡的風險。采用多元薈萃回歸分析對所有城市間綜合影響結果，PM2.5兩日滑動均值每增加 10g/m3，全死因死亡率增加 1.8%，CVD 死亡率增加 1.03%，MI 死亡率增加 1.22%，中風死亡率增加1.76%，呼吸系統疾病死亡率 1.71%。這些研究均揭示了空氣污染急性暴露對人群健康的危害風險。2004

32、 年世界衛生組織（WHO）對空氣污染短期健康效應的研究進行了薈萃分析，結果顯示短期暴露于 PM10的濃度每升高 10g/m3，人群總死亡率風險將升高0.6%，該數據結果為WHO全球空氣質量準則值的制定提供了參考。Atkinson等對 2011 年 5 月前報道的 PM2.5急性健康效應的研究進行薈萃分析，綜合了全10 球 23 個已報導的死因效應值，發現 PM2.5的濃度每升高 10g/m3，各國的效應差異較大（0.25%-2.08%），綜合各國的效應值得出人群總死亡率風險將升高 1.04%，提示全球不同區域間雖然空氣污染急性效應差異性較大，但造成的健康危害仍具有一致性。這一結果為促進人群健康

33、，制定空氣質量管理標準提供了重要依據。3.2 國內國內研究現狀研究現狀 我國上個世紀末才開始開展大氣污染對人群健康危害的流行病學研究，盡管起步較晚，但仍已經積累了一定數量的大氣污染流行病學文獻，其中主要是急性健康效應研究的文獻，空氣污染對中國人群健康危害得到初步證實。但多數研究只報道了某一城市某特定年限的效應值，為更好地進行不同研究結果的比較，并得到一個綜合的結果，學者們運用薈萃分析對效應值進行綜合評價。Aunan 和 Pan 最早收集 1994 至 2004 年期間國內有關空氣污染短期暴露的研究進行分析，綜合了在北京、上海、香港、沈陽、重慶、本溪開展的 6 個研究結果，發現 PM10每增加

34、10g/m3，人群總死亡率效應估計值增加 0.3%。提示短期暴露于 PM10可導致超額死亡風險增加。但由于該文章納入的研究開展較早，國內大氣質量監測系統尚不完善，文章采用 PM10=TSP*0.6 估計了 PM10濃度，增加了結果的不確定性。Shang 等系統歸納了在中國 22 個主要城市開展的空氣污染短期暴露引起超額死亡風險的研究。該研究納入了發表在 1990 年至 2012 年期間共計 33 篇中國人群 PM10和 PM2.5短期暴露與死亡風險的文獻，結果發現北京、上海、西安、廣州等大城市的研究占了較大的權重，顯示 PM2.5每增加 10g/m3，總死亡率增加 0.38%（95%的置信區間

35、：0.31%，0.45%），呼吸系統疾病死亡率增加 0.51%（95%置信區間：0.3%，0.73%），心血管系疾病死亡率增加 0.44%（95%置信區間：0.33%，0.54%）。該研究還評估了 PM2.5改善對人群的健康影響，發現若北京、上海、廣州、西安四城市的 PM2.5濃度從日前的年均水平降到國家的年均標準水平（35g/m3），居民的總死亡率將分別降低 1.8%，0.8%，1.3%和4.6%，提示了空氣改善對人體健康的有益性。由于薈萃分析是對已發表文章中的不同城市研究的效應值進行合并，該結果可能存在選擇偏倚和發表偏倚，而且由于空氣污染物的來源、組分、時間暴露模式均存在時空差異，該結果無

36、法精確比較城市間的差異。如今，全國有多11 個城市初步開展了空氣污染急性效應的研究工作，進一步探究不同地區效應值差異，以更好地比較城市間大氣顆粒物急性暴露危害的差異。亞洲公共衛生與空氣污染研究（Public Health and Air Pollution in Asia,PAPA）是美國健康效應研究所（HEI）出資開展的發展中國家第一個多城市研究，以探討顆粒物急性暴露的健康影響。該項目選擇了泰國曼谷、中國香港、上海和武漢 4 個亞洲城市，采用廣義線性模型估計效應值，最后應用隨機效應模型合并不同城市的效應值，研究表明 PM10濃度升高可導致人群總死亡率、心肺系統疾病死亡率的增加?！爸袊諝馕廴?/p>

37、和健康影響研究（CAPES）”是國內開展的大型空氣污染急性健康效應研究，該研究系統探討了我國主要空氣污染物與居民急性健康效應的關系。Chen 等人研究了中國 17 個主要城市/地區不同時期大氣污染物與城市居民死亡率的效應關系，具體包括北京、上海、廣州、杭州、西安等中國污染程度不同的大城市，采用廣義線性模型估計效應值，在校正各種混雜因素后，最后應用隨機效應模型合并不同城市的效應值，結果顯示 PM10濃度每增加10g/m3，引起居民總死亡率升高 0.35%（95%置信區間：0.18%，0.52%），心血管系統疾病死亡率升高 0.44%（95%置信區間：0.23%，0.64%）、呼吸系統疾病死亡率升

38、高 0.56%（95%置信區間：0.31%，0.81%）；且發現女性、老年人和低教育水平的居民更易受 PM10暴露影響。Chen 等最近開展了一項大規模的大氣顆粒物短期暴露與死亡率關聯分析的研究。該研究收集了 272 個城市從 2013 至 2015 年間 PM2.5日均值數據和居民每日死亡率數據，分析結果顯示，PM2.5的年均水平為 56g/m3，綜合全國平均水平得出 PM2.5濃度每升高 10g/m3時，將造成居民總死亡率升高 0.22%（95%置信區間：0.15%，0.28%）；同時進一步分析發現 PM2.5對高血壓、冠心病、腦中風等心血管系統疾病和慢性阻塞性肺疾病等呼吸系統疾病導致的死

39、亡率均有不同程度的升高作用。在一項國內學者主導的涉及 24 個國家或地區的 652 個城市研究中，評估了PM10和 PM2.5與每日全死因死亡率、心血管疾病死亡率和呼吸道疾病死亡率的相關性。結果發現 PM10濃度的 2 天滑動平均值（代表當天和前一天的平均值）每增加 10g/m3，每日全死因死亡率、心血管疾病死亡率和呼吸道疾病死亡率12 分別增加 0.44（95CI：0.39，0.50），0.36（95CI：0.30，0.43）和0.47（95CI：0.35，0.58）。而 PM2.5每增加 10g/m3，每日全死因死亡率、心血管疾病死亡率和呼吸道疾病死亡率分別為 0.68（95CI：0.59

40、，0.77），0.55（95CI：0.45，0.66）和 0.74（95CI：0.53，0.95）。在調整氣態污染物后，這些關聯仍然存在顯著性。合并的濃度-反應曲線顯示，隨著 PM 濃度的增加，每日死亡率會持續增加，而在較低 PM 濃度下，斜率會更大。與國際研究相比，我國人群大氣顆粒物暴露與死亡率的風險系數相對較低，可能原因之一是在高濃度下人群的暴露-反應曲線往往趨向平坦。此外，在發達國家，顆粒物主要來源于機動車尾氣排放，而我國大多數城市大氣污染仍呈現煤煙和機動車尾氣混合型，這使得我國的大氣 PM2.5成分與發達國家存在較大差異；另一方面，歐美國家的高齡老年人口較多，空氣污染易感人群的比例也比

41、我國高，因而西方發達國家的研究成果尚不能被簡單的直接借鑒。需要進一步綜合中國人群和空氣污染污染的特點，在我國開展更大規模的空氣污染和急性效應的關聯分析，提供更加可靠和穩健的關于中國人群空氣污染暴露引起的急性健康效應風險增加的相關證據，進而定量分析空氣污染與人體健康的關聯，為推動我國國家空氣質量管理和人群健康提供重要公共衛生依據。4.空氣污染的空氣質量管理和控制空氣污染的空氣質量管理和控制 4.1 我國環境空氣質量標準發展歷程我國環境空氣質量標準發展歷程 歐美發達地區的空氣污染管理經驗為我國的空氣污染管理和控制提供了諸多經驗。我國的環境空氣質量標準最早源于 1962 年頒布并于 1979 年修訂

42、的工業企業設計衛生標準，其對大氣中 34 種有害物質規定了最高容許濃度。隨后 1982 年頒布了環境空氣質量標準(GB3095-1982)，該標準以國家強制性標準的形式發布，將大氣環境質量分為三類，污染物包括總懸浮顆粒物(TSP)，飄塵，SO2，NOx，CO 和光化學氧化劑(O3)。隨后 1996 年環境空氣質量標準（GB3095-1996）修訂考慮了城市機動車排放所造成的空氣污染問題，增加PM10，NO2污染物標準，標志著我國空氣質量標準開始與國際接軌。2012 年重新修訂頒布了環境空氣質量標準（GB3095-2012），新標準取消了第三類環境空氣質量功能區，增加了 PM2.5和臭氧 8h

43、標準，同時收緊了 PM10和 NO2的限值。最值得關注的是增加了 PM2.5濃度標準，規定二類功能區 PM2.5日平均濃13 度為 75g/m3，年平均濃度 35g/m3。此次標準修訂中 SO2、NO2、CO、O3和PM10等都與汽車尾氣排放有關，這是參照國際經驗的結果，同時也結合了我國環境空氣質量管理的要求。而 PM2.5在當時已成為發達國家和地區普遍控制的污染物項目，也已是我國環境空氣質量管理的重點內容之一。圖 1-3 我國環境空氣質量標準制定歷程(PM2.5與健康，曹軍驥)4.2 我國空氣污染控制我國空氣污染控制措施措施的的效果效果 基于 CARE-China 觀測網中中國重點區域典型站

44、點大氣 PM2.5膜采樣和分不同粒徑段顆粒物采樣及化學成分數據，結合同期中國環境監測總站發布的環境空氣質量數據，評估分析發現中國 20132017 年大氣十條實施期間，全國及重點區域大氣顆粒物質量濃度的變化及其相應化學組成也出現了演變：秋冬季重污染期間，顆粒物中硫酸鹽和有機組分質量濃度下降明顯。京津冀、珠三角、成渝和汾渭平原地區 PM2.5中 SO42平均濃度分別下降了 76%、12%、81%和 38%；有機物平均濃度分別下降 70%、44%、48%和 31%；NH4+平均濃度分別下降 68%、1.6%、38%和 25%。EC 平均濃度在京津冀和成渝分別下降 84%和 20%，在珠三角和汾渭平

45、原地區分別上升 61%和 11%；礦塵及未解析的化學成分平均濃度在京津冀、珠三角和汾渭平原地區下降了 70%、24%和 13%。PM2.5中化學成分的變化量,總體上與 PM2.5質量濃度的下降量相一致。有機物、礦塵和其他污染物平均濃度的下降是顆粒物濃度下降的最主要因素。5.空氣質量改善的健康效益空氣質量改善的健康效益 國際上通常根據管理措施實施前后人群健康風險的暴露-反應關系變化來定量估算大氣污染的水平降低帶來的健康效益。該方法假定空氣污染短期暴露引起的健康危害在空氣污染改善情況時，健康效應的風險會降低。對健康效益評14 估通常利用貨幣化的空氣污染減少所帶來的經濟收益來衡量。國外對空氣污染與健

46、康效益之間的研究開展較早、數量也較多，為評價與制訂環境政策提供了充足的依據。早期 Ridker 等對美國 1958 年由于空氣污染引起的死亡經濟損失估算得出治理空氣污染能帶來 802 億美元的健康效益。1995 年世界銀行發布了發展中國家治理空氣污染可帶來的健康效益。Maggie 等對美國 11 個中西部城市開展減少使用汽車旅行而帶來的細顆粒物濃度降低的健康效益評估發現，PM2.5每降低 0.1g/m3每年的健康效益為 49.4 億美元?？諝赓|量管理策略的健康效益是環境質量管理效果評估的重要依據。過去二十年，我國在不同經濟發展階段也采取過不同的空氣污染防治措施。同時，在一些特殊時期，如 200

47、8 年北京奧運會、2010 年上海世博會和 2014 北京APEC 會議期間，中國政府采取了一系列更嚴格的減排措施，空氣污染得到了顯著有效的控制，空氣質量得到了短期改善。針對這些短期空氣質量改善措施帶來的空氣污染降低，許多研究進行空氣污染改善的健康效益研究。Huang 等利用北京奧運會、上海世博會契機，對多個健康和敏感人群開展連續跟蹤監測，評估大型短期空氣質量干預措施對于個體暴露水平與個體健康指標之間的影響以及健康收益，發現隨訪人群的炎癥水平、氧化應激和內皮功能等指標在空氣污染下降后均有不同程度的改善，提示良好的空氣質量環境能夠對人群的健康效益；黃德生等對京津冀地區實施并達到 2012 年新頒

48、布的空氣質量標準（GB3095-2012）中 PM2.5濃度標準可實現的健康效益進行了評估，發現京津冀地區能夠實現的健康效益總和可達到 612-2560 億元；段顯明等評估珠三角地區珠江三角洲地區空氣質量管理計劃（2002-2010 年）實施后 PM10污染的變化對人群健康的改善，發現珠三角地區 PM10改善將產生巨大的人群健康收益；雷宇等認為大氣十條的實施若達到預期目標，將實現每年 867 億元的全國健康效益。這些研究成果確證了空氣改善實施的健康有益性。近年薛濤等評估了大氣十條實施后中國地區 PM2.5健康影響的變化情況。研究發現：空氣質量的快速改善帶來了顯著的長期和短期的健康收益。PM2.

49、5的長期和短期暴露水平下降可避免部分超額死亡，并且短期暴露的健康風險下降速率更快。其主要原因是：霧霾事件發生頻率的下降率大于 PM2.5年均濃度的下降率；短期暴露-響應函數比長期暴露-響應函數更為陡峭。此15 外，短期健康風險在 PM2.5暴露后幾乎立即（通常為在幾天內）發作，因此采取緊急響應措施可以獲得直接健康收益，而長期健康影響通常在 PM2.5累積暴露幾年后才會發生，而且其暴露-響應函數目前被認為具有非線性。因此,對于中國的大多數省份，長期死亡風險的下降率低于短期死亡風險下降率。20132017 年，PM2.5短期暴露水平的降低，減少了 61%的相關急性死亡人數，而 PM2.5長期暴露水

50、平的降低，僅減少了 14%的相關慢性死亡人數。因此,在清潔空氣政策成功實施的第一階段，盡管重霧霾事件的發生頻次及其急性健康風險顯著降低，但中國大部分地區的 PM2.5年均濃度仍未達標，仍無法有效地保護公眾健康。另外，隨著 PM2.5年均濃度的降低，空氣質量改善的邊際長期健康收益將顯著增加，因此，有必要采取更積極和嚴格的控制措施來進一步降低中國 PM2.5的年均濃度。目前，中國清潔空氣政策的實施力度和空氣質量管理還存在較為明顯的地區差異。在京津冀、長三角和珠三角等重點地區，空氣污染的控制更受關注，為改善空氣質量投入的資源更多。同時，在中國中部的空氣污染熱點地區，污染治理也較受關注。研究表明，下一

51、階段的空氣污染治理應更加關注大氣十條實施后 PM2.5污染削減相對不明顯的地區，例如山西、陜西、安徽、河南等省份。事實上，中國的后續空氣污染控制政策也特別關注了上述地區。2016年，中國“十三五”規劃將 PM2.5濃度目標納入了環境保護工作的績效考核，要求地級以上且空氣質量未達標的城市在“十三五”期間將 PM2.5的年均濃度降低18%以上。2018 年 6 月,國家發布了打贏藍天保衛戰三年行動計劃（2018-2020），山西、陜西、河南等省份的多數城市受到了重點關注.隨著上述政策的實施，相信在不久的將來，人們可以呼吸更加清潔的空氣。但總體來講，目前針對空氣污染狀況實際改善所帶來的健康效益的長時

52、間研究還十分有限。我國雖然近年空氣污染下降較為顯著，但仍存在部分地區高水平污染難以在短時期內得到有效下降，大氣污染在短期時間將持續對普通居民的健康和出行等生活的選擇產生了不可忽視的影響等現象。如何從全民健康促進角度，為國家空氣質量管理制訂和人群健康提供依據的深入研究工作亟待開展。因此采用歷史環境和人群健康風險的分析方法，結合階段性空氣污染控制措施和典型地區空氣污染的人群健康風險，開展空氣質量管理措施帶來的人16 群健康效益評估，將有助于促進國家建立空氣質量科學管理，具有重要的公共衛生意義。17 二、研究目的及意義二、研究目的及意義 1.研究目的研究目的（1）了解我國近十年的城市空氣污染急性暴露

53、死亡效應；（2）了解近十多年來西安市和廣州市居民死亡情況，大氣污染物濃度水平和溫度、濕度時間變化特征，評估大氣污染物與居民每日死亡人數間的關系；（3）評估空氣污染的暴露風險，識別危害較大的污染源；比較空氣污染的暴露風險在不同性別、年齡等分層中的差異，識別易感人群；（4）比較不同時期的空氣污染的暴露風險，評價大氣污染健康風險的時間變化特征；（5）評估空氣污染防控措施導致的空氣質量改善帶來的健康效益。2.研究意義研究意義 通過對空氣污染急性暴露死亡效應的文獻薈萃分析、以及典型地區長時間序列人群健康風險研究的案例研究，定量評估目前我國主要典型城市空氣污染急性暴露的死亡風險時間變化，明確典型地區空氣污

54、染急性暴露的死亡風險及影響因素；進一步結合我國近二十年不同發展階段的空氣污染防治措施，探討并評估首要空氣污染物（PM2.5和 O3）水平變化特征、以及污染控制措施實施后帶來的潛在健康效益，提出當前污染暴露下人群的健康防護策略。18 三、研究內容三、研究內容 1.應用薈萃分析方法從文獻數據庫中系統收集、合并及歸納，定量評估我國近年來已發表的空氣污染急性暴露死亡效應的相關文獻，定量評估我國空氣污染急性暴露的死亡風險，計算獲得污染物短期暴露對死亡效應的超額風險值。2.收集 2004 年 1 月 1 日-2016 年 12 月 31 日西安市每日大氣 PM2.5及碳氣溶膠（元素碳 EC 和有機碳 OC

55、）和 2006 年 1 月 1 日-2016 年 12 月 31 日廣州市大氣 PM2.5、NO2及 O3污染物資料、氣象因素和城鎮居民死亡資料，應用廣義線性模型建立描述大氣污染物與居民每日死亡人數間關系的模型，采用自然樣條函數控制模型中長期時間趨勢、季節變化趨勢、溫度、濕度短期波動等的混雜效應，根據既往文獻研究結果和赤池信息量準則（Akaike Information Criterion,AIC）最小準則選擇最優模型。3.定量評估各個污染物的死亡風險，探究不同延遲天數對死亡效應的影響。分別統計不同性別、年齡的每日死亡人數，將西安市“采暖期”、“非采暖期”、廣州市“暖季”，“冷季”作為分層，比

56、較空氣污染物的暴露風險在不同性別、年齡等不同分層中的差異。4.將所有觀測資料中西安市整理為前四年（2004-2007）、中六年（2008-2013）和后三年（2014-2016）；廣州市整理為前 5 年（2006-2010）和后六年（2011-2016）比較不同時期的空氣污染物對疾病死亡的暴露風險；以及考慮逐年變化評估暴露風險的時間變化特征。5.采取空氣污染物控制策略下的健康效益評估方法，估算西安市和廣州市近十年來空氣污染的改善帶來的可規避疾病死亡風險，計算空氣質量改善的健康收益。19 四、研究技術路線四、研究技術路線 本研究內容的研究路線如圖 4-1 所示。圖 4-1 研究技術路線圖 近年來

57、我國空氣污染治理及防控措施 評估不同階段空氣污染暴露風險 空氣污染控制措施的健康效益評估 典型城市不同階段的空氣污染改善 空氣污染監測數據 居民每日死亡資料 空氣污染與健康效應暴露反應關系 空氣污染與健康效應的定量風險評估 不同性別年齡等分層下暴露風險 制定當前污染暴露下人群的出行和健康防護策略 中國人群薈萃分析 20 五、研究方法五、研究方法 1.研究地點與數據資料研究地點與數據資料 1.1 研究地點選擇研究地點選擇 根據既往工作基礎，分別選擇典型北方城市（西安市）和南方城市（廣州市）各一個，作為研究中的典型城市。西安市是我國典型的北方城市，每年的 11 月 15 日至次年 3 月 15 日

58、為西安市集中供暖時間，供暖期間的燃料燃燒產生大量大氣污染物。Cao 等報道西安市秋季 OC、EC 主要來源于機動車尾氣和生物質燃燒，而冬季除這兩個來源的影響外，居民燃煤的貢獻顯著增加，可見機動車尾氣排放和燃煤是西安大氣碳氣溶膠的兩個最主要來源。Wang 等的研究顯示，西安市大氣污染物濃度的季節變化規律為冬季秋季春季夏季，冬季 PM2.5的主要成分為 OC，春季主要成分為揚塵，夏季和秋季的主要成分則為 SO42-、NO3-和 NH4+等二次粒子。廣州市是典型的南方城市，所處珠江三角洲為我國的主要城市群之一，該地區人口密度大，城市化和工業化程度高。廣州市大氣污染物濃度的季節變化規律為冬季秋季春季夏

59、季。近年來，雖然廣州市地區PM2.5污染形式有所改善，但臭氧超標率逐年顯現。近地面高濃度的臭氧污染不僅對人類健康，農作物產量和植被生長有嚴重影響，還能影響全球氣候變化。根據 2017 年廣州市環境狀況公報，2017 年廣州市臭氧同比 2016 年上升 4.5%。因此，臭氧污染也成為廣州市主要污染物之一。1.2 污染物數據污染物數據 西安市 2004 年 1 月 1 日至 2016 年 12 月 31 日污染物數據來源于中科院地球環境研究所。其大氣污染物監測點（E10888,N3423）設于西安市內高新開發區中國科學院地球環境研究所綜合大樓二樓樓頂，附近為居住區，無大型工廠或揚塵作業，PM2.5

60、采樣頭距離地面約 10 米。該所每日采用 47mm 的微纖維石英濾紙采集 PM2.5顆粒，并用膜稱重法計算每日 PM2.5質量濃度。前期研究已證實監測點測得的每日 PM2.5濃度可代表西安市 PM2.5污染的一般水平。本研究中選擇所有當日 PM2.5、EC、OC 數值均完整的天數的數據計算得到 OC、EC 占 PM2.5的平均質量比例，即 OC=15.36%*PM2.5，EC=5.88%*PM2.5，并根據此比例填補當日 PM2.5數據完整而 OC、EC 數據缺失的數值，對于當日 PM2.5、EC、OC 數21 值均缺失的天數則以缺失計算（OC 和 EC 的數據僅包括 2004-2013 年期

61、間）。廣州市 2006 年 1 月 1 日至 2016 年 12 月 31 日污染物數據來源于中山大學環境科學系監測站點和廣東省環境監測總站，涵蓋的監測點包括麓湖（E11328,N2315），天湖（E11362,N2365）和萬頃沙（E11361,N2275）。站點附近為居住區，無大型工廠或揚塵作業，遠離交通主干道。監測的污染物包括每日每小時的 PM2.5、O3和 NO2濃度。對于每日有小時濃度個數75%計算出每日平均濃度，O3的計算為臭氧 8 小時最大值。對于小時濃度個數每日缺失個數25%則以缺失計算。1.3 健康結局數據健康結局數據 西安市城鎮居民每日死亡資料來源于西安市疾病控制與預防中心

62、，包括西安市 2004 年 1 月至 2016 年 12 月居民每日死亡登記，具體信息包括：死亡者編號、地區編碼（碑林區、蓮湖區、新城區、雁塔區）、死亡日期、性別、職業、文化程度、出生日期、根本死因。廣州市城鎮居民每日死亡資料來源于廣東省衛生廳政務服務中心，包括廣州市 2006 年 1 月至 2016 年 12 月居民每日死亡登記，具體信息包括：死亡個體編號，地區編碼（越秀區、荔灣區、海珠區、天河區、白云區、黃浦區、番禺區、花都區、南沙區、增城區和從化區）、死亡日期、性別、職業、文化程度、出生日期、婚姻狀況和死因。采用 Excel 軟件對數據進行整理。根據國際疾病分類標準第十版（Interna

63、tional Classification of Diseases,Tenth Revision,ICD-10，WHO 1993）對登記的根本死因進行分類，具體包括：全自然死因（A00-R99）、總心血管系統疾病死因（I00-I99），腦卒中死因（I60-I69）、冠心病死因（I00-I09 和 I20-I52）、總呼吸系統疾病死因（J00-J98）、慢性阻塞性肺疾?。↗40-J47）和下呼吸道感染（J10-J22）。并根據性別（男性、女性）、年齡（0-44 歲、45-64 歲、65 歲以上）等人口學資料分別對每日死亡人數進行分類統計。因死亡數據中一些異常高值出現在每年的第一天和最后一天，經了

64、解，這些異常與死亡報告系統的工作現狀有關，而非實際死亡數，故本研究分析過程中剔除了 2004-2012 年期間每年的第一天和最后一天數據。1.4 氣象條件數據氣象條件數據 22 西安市 2004-2016 年期間和廣州市 2006-2016 年期間的每日平均溫度、平均相 對 濕 度 等 氣 象 數 據 均 來 源 于 中 國 氣 象 科 學 數 據 共 享 服 務 網(http:/ E11319,N2308。2 數據統計與分析數據統計與分析 2.1 薈萃薈萃分析分析 2.1.1 文獻文獻搜索及搜索及納入排除標準納入排除標準 文獻搜索包括英文及中文文獻兩大部分，搜索 1990 年至 2016 年

65、期間發表的有關大氣顆粒物對健康影響的文章，并建立文獻管理庫。英文文獻通過 PubMed和 Web of Science 兩大在線數據庫搜索；中文文獻通過中國期刊網（CNKI）搜索。同時查找納入文獻資料的參考文獻，以期全面涵蓋與主題相關的文獻資料。檢索過程中，所使用的中英文搜索關鍵詞分別為：大氣污染或大氣顆粒物與死亡率；大氣污染或大氣顆粒物與人體健康；Air pollution and mortality；Air pollution and health effects；Ambient particulate matter and health effects；Ambient particles

66、 and health effects。納入標準：1990 年-2016 年包含了大氣顆粒物的流行病學調查研究和人體暴露效應研究。文獻限定于在中國開展的報告大氣污染急性健康效應的流行病學研究，研究對象為全人群，且研究結果應報道大氣污染暴露與死亡的數量關系；為使分析的結果可靠，將研究方法限定為時間序列或病例交叉研究，至少有一年以上的數據；且若研究方法為時序分析，則其應用的統計學方法為廣義相加模型或泊松回歸模型，并且控制溫度、相對濕度等混雜因素；當時間序列與病例交叉兩種不同的研究方法都有研究報告時，納入時序分析的研究結果。此外，對同一城市同一時期，可能有多篇文獻，為避免某城市同一時期的效應值被重復

67、納入，當同一城市同一時期同樣污染物的效應值重復出現時，納入研究質量較高（期刊影響力大和/或研究規模大）的一篇。以下種類的研究被排除在本次分析之外：職業暴露、室內暴露、其它污染（如水體重金屬，二惡英等）、動物實驗、農村地區問卷調查、模型模擬類、污染的經濟效益評價、只涉及污染或只涉及健康類、方法討論類、會議論文、學報類、畢業論文類、專利及科技成果類。23 2.1.2 研究數據提取研究數據提取 下列納入研究的特征將被提?。何墨I信息，包括標題，作者，發表時間，研究類型，研究地域；研究人群特征：人群分類，年齡范圍，性別類別；研究開展時間及時長；暴露：污染物名稱，計量單位，濃度范圍和度量描述信息。如：年均

68、值，暴露年限（整年或暖季），協同暴露情況；結局測量：結局分類（國際疾病分類碼）；混雜因素測量和控制：時間趨勢，季節，氣象條件。若研究中只報告某個延遲天數的效應，則記錄這個效應值；若研究中報告了多個延遲天數的效應值，則：（a）選擇作者主要討論的某個延遲天數的效應值；（b）選擇差異最具有統計學意義的某個延遲天數的效應值；（c）選擇具有最大效應估計值的某個延遲天數的效應值。2.1.3 研究數據整合和計算研究數據整合和計算 如果研究間污染物暴露的度量不相同，需要轉為相同度量暴露。如將以 ppb為單位的估計值轉為 g/m3。污染物的長期暴露：隊列研究，常見的效應指標是 RR 值，HR 值通常情況下等同于

69、 RR 值。如果研究中結局的患病率超過 10%且報道了 OR 值，那么 OR值將也換算為 RR 值。污染物的短期暴露：時間序列研究，病例交叉研究，常見效應指標為超額風險度（ER）。結果中報道 RR 值，可轉為 ER 值。ER(%)=(RR 1)100%假定污染物與結局的線性關系的情況下，根據不同污染物，標準化相應濃度增量，如 PM10、PM2.5、SO2、NO2、O3每升高 10 g/m3、CO 每升高 1 mg/m3來將效應估計值標準化。ER標準化=ER文獻 濃度增量標準化 濃度增量文獻 如果結局為連續性變量，使用絕對均值差，標準化均值差或者歸一化差等效應指標。絕對化均值差適用于相同或相似尺

70、度的結果，標準化均值差可適用于不同尺度的結果。用 STATA 軟件中“metan”程序包來繪制森林圖和薈萃分析。具體包括：24 （a）計算納入研究的各個統計量(d)、方差(s)、效應值(ER)，置信區間（CI）等信息（b）研究之間效應估計值的異質性檢驗：卡方檢驗：I250%表示研究間存在異質性，研究來源于不同總體 使用隨機效應模型；I250%表示研究間不存在異質性，研究來源于同一總體，使用固定效應模型。異質性存在時，考慮亞組分析或敏感性分析解釋異質性來源。（c）選擇計算模型，采用每個獨立研究的方差的倒數分配權重，作為計算合并效應的系數，計算平均統計量及 95%的置信區間。2.1.4 偏倚偏倚分

71、析分析 當納入薈萃分析的研究數量大于 10 篇以上，考慮 Egger 檢驗的漏斗圖評估發表偏倚（當沒有發表偏倚時，漏斗圖呈對稱倒漏斗狀；漏斗圖不對稱越明顯，偏倚程度越大）。2.2 描述性分析描述性分析 2.2.1 死亡情況死亡情況 分別計算西安市和廣州市居民全人群全死因、總心血管疾病死因、冠心病和腦卒中死因、總呼吸系統疾病死因、慢性阻塞性肺疾病和下呼吸道感染的每日死亡人數的均值、標準差、中位數、上四分位間距、下四分位間距、最小值、最大值。繪制西安市和廣州市各月全人群全死因死亡人數箱式圖。用散點圖繪制每日全人群全死因、總心血管疾病死因死亡人數時序圖。分別計算不同性別（男性、女性）、不同年齡組（0

72、-44 歲、45-64 歲、65 歲以上）、采暖期和非采暖期（西安市）和暖季和冷季（廣州市）全死因日死亡人數的均值、標準差、中位數、上四分位間距、下四分位間距。分別計算西安市和廣州市按照不同時期分層的（西安市：2004-2007，2008-2013，2014-2016；廣州市：2006-2009，2010-2013，2014-2016）全人群全死因、總心血管疾病死因及冠心病、腦卒中死因日死亡人數的均值、標準差、中位數、上四分位間距、下四分位間距。并計算在不同年份期間時不同性別（男性、女性）、不同年齡組（0-44 歲、45-64 歲、65 歲以上）日死亡人數的均值、標準差、中位數、上四分位間距、

73、下四分位間距。2.2.2污染物與氣象因素分布情況污染物與氣象因素分布情況 25 計算 2004-2016 年期間西安市 PM2.5、OC 和 EC（OC 和 EC 僅包含 2004-2013年）、2006-2016 年期間廣州市 PM2.5、O3和 NO2的日均值、標準差、中位數、上四分位間距、下四分位間距、最小值、最大值。用散點圖繪制 2004-2016 年期間西安市 PM2.5、OC、EC 日均濃度時序圖及 2004-2016 年期間西安市日均溫度、濕度時序圖；繪制 2006-2016 年期間廣州市日 PM2.5、O3和 NO2濃度和日均溫度、濕度時序圖；分別計算 2004-2016 年期

74、間采暖期和非采暖期西安市 PM2.5、OC、EC 的日均值、標準差、中位數、上四分位間距、下四分位間距。計算 2004-2007 年期間、2008-2013 年期間和 2014-2016 年期間西安市 PM2.5，OC、EC 的日均值、標準差、中位數、上四分位間距、下四分位間距。分別計算 2006-2016 年期間暖季和冷季廣州市 PM2.5、O3和 NO2的日均值、標準差、中位數、上四分位間距、下四分位間距。計算2006-2009年期間、2010-2013年期間和2013-2016年期間廣州市PM2.5、O3和 NO2的日均值、標準差、中位數、上四分位間距、下四分位間距。2.2.3 相關性分

75、析相關性分析 分別計算西安市 2004-2016 年期間、廣州市 2006-2016 年期間、以及不同年份期間和不同分層下各污染物與氣象因素間的 Spearman 相關系數及 P 值。2.3 時間序列分析時間序列分析 2.3.1 統計模型建立統計模型建立 由于日死亡人數符合泊松分布，因此本研究采用泊松廣義線性回歸模型（GLM）分析空氣污染物與日死亡人數間的關系。除去污染物的影響，用自然樣條函數擬合時間、溫度及濕度對死亡結局的效應。采用每年 8 個自由度控制長期趨勢，溫度、濕度的自由度則根據 AIC 最小準則選擇最優模型。在去除長期趨勢并控制溫度、濕度等潛在混雜因素的影響后，在模型中加入啞變量以

76、控制“星期幾效應”的混雜作用，計算污染物的死亡效應值。具體如下：E(Yt)=exp0+Xt-l+S(time,1)+S(temp,2)+S(RH,3)+DOW 式中：E(Yt)-死亡人數；-污染物每變化單位濃度時死亡人數變化的對數；0-截距；Xt-污染物濃度；l-污染物暴露滯后天數；26 temp-溫度；RH-相對濕度；DOW-星期幾效應；ns(*,)-自由度為 的自然樣條函數 得到污染物每變化單位濃度時死亡人數變化的對數后，計算污染物濃度每升高 IQR 濃度時的超額死亡率(%)，公式如下：ER=(exp(IQR)-1)100 2.3.2 空氣污染與全人群各疾病死因死亡率的暴露反應關系空氣污染

77、與全人群各疾病死因死亡率的暴露反應關系 使用上述公式計算空氣污染物每升高 IQR 濃度時全人群全死因、總心血管疾病死因、冠心病和腦卒中死因、總呼吸系統疾病死因、慢性阻塞性肺疾病和下呼吸道感染的超額死亡率及 95%置信區間。由于大多數文獻報道顆粒物的急性死亡效應出現在暴露后一周內，本研究關注的暴露窗口在暴露當天（lag0）至暴露后 3 天（lag3）的單日滯后死亡效應。同時計算污染物從暴露當天至暴露后 1天（lag01）至暴露后 3 天（lag03）的滑動平均值，評估污染物暴露的累積效應。將污染物的效應以自然樣條函數的形式代入公式，調整自由度后繪制各個污染物與各個疾病死亡結局的死亡風險的暴露反應

78、關系曲線。2.3.3 不同不同亞組亞組空氣污染效應的比較空氣污染效應的比較 分別計算空氣污染物每升高 IQR 濃度時不同性別（男性、女性）、年齡組人群（0-44 歲、45-64 歲、65 歲以上）全死因死亡的超額死亡率及 95%置信區間，并用 t 檢驗評估組間差異是否具有統計學意義。將西安市在每年 11 月 15 日至次年 3 月 15 日標記為采暖期，其余時間段標記為非采暖。將采暖期、非采暖期作為分類變量，以與污染物交互作用的形式代入公式，計算采暖期和非采暖期西安市的大氣 PM2.5、OC、EC 每升高 IQR 濃度時全人群全死因死亡的超額死亡率及 95%置信區間；將廣州市在每年 11 月至

79、次年 3 月標記為冷季，其余時間段標記為暖季。將冷季、暖季作為分類變量，以與污染物交互作用的形式代入公式計算冷季和暖季廣州市的大氣 PM2.5、O3和 NO2每升高 IQR 濃度時全人群全死因死亡的超額死亡率及 95%置信區間。2.3.4 空氣污染物效應的時間變化特征比較空氣污染物效應的時間變化特征比較 27 將西安市 2004-2016 年期間的數據資料分為前四年（2004-2007）和中六年（2008-2013）和后三年（2014-2016）分別建立模型并分析，計算前四年、中六年、后三年的 PM2.5、OC、EC 每升高 IQR 濃度時全人群全死因、總心血管疾病死因、冠心病和腦卒中死因死亡

80、、總呼吸系統疾病死因、慢性阻塞性肺疾病和下呼吸道感染的超額死亡率及 95%置信區間，并用 t 檢驗評估組間差異是否具有統計學意義。將廣州市 2006-2016 年期間的數據資料分為前四年（2006-2009）和中四年（2010-2013）和后三年（2012-2016）分別建立模型并分析，計算前四年、中四年、后三年 PM2.5、O3和 NO2每升高 IQR 濃度對全人群死因、總心血管疾病、冠心病和腦卒中死因死亡、總呼吸系統疾病、慢性阻塞性肺疾病和下呼吸道感染死因的超額死亡率及 95%置信區間，并用 t 檢驗評估組間差異是否具有統計學意義。根據西安市和廣州市長時間序列數據，計算西安市和廣州市空氣污

81、染物每升高 IQR 濃度時全人群全死因、總心血管疾病死因、冠心病和腦卒中死因、總呼吸系統疾病死因、慢性阻塞性肺疾病和下呼吸道感染的超額死亡率及 95%置信區間計算逐年空氣污染健康效應的變化，評估空氣污染暴露風險的逐年變化特征。2.4 健康效益分析健康效益分析 首先分析并估算西安市和廣州市每日污染物濃度的變化帶來的各健康效應變化（如：死亡風險變化），進而對該健康效應進行經濟損失評估，即可得到西安市和廣州市觀測期間污染物濃度改善所帶來的健康效益。健康效應與污染物濃度的關系如下：Y=Y0（1-e-x）式中，為污染物類型有關的用于計算健康效應的暴露反應系數；Y0 代表實際某一污染物濃度下的人群健康風險

82、健康影響；x 為污染物濃度實際濃度與參考基準濃度的差值，參考基準濃度反映空氣污染控制策略下的污染物濃度；Y 為歸因于該污染物污染降低引起的健康風險變化。由此，則可計算出該健康效應歸因于某一污染物濃度變化帶來的健康風險變化量如下：E=P Y 28 式中，P 為研究區域內受空氣污染影響的暴露人口數量；Y 為空氣污染降低引起的健康風險變化。對該健康效應改善帶來的經濟效益，即該區域內污染物濃度改善所帶來的健康效益?？梢越⑷缦陆】敌б嬖u估模型如下：L=L./012=E./012L3.式中，L 為健康效益總和；Li 為 M 個健康效應終點中第 i 個的健康效益；Ei 為健康效應；i 歸因于某污染物的健康

83、風險變化量；Lpi 為第 i 個健康效應的單位風險變化對應的經濟價值?？諝馕廴救巳航】到洕鷥r值評估常用的貨幣化手段主要包括疾病成本法，統計生命價值法，成果參照法，支付意愿法和人力資本法。綜合比較各類方法，基于以死亡作為健康進行研究，選擇人力資本法作為貨幣化手段。傳統的人力資本法將死亡損失在期望壽命年間所獲取的人力資本投資回報視為經濟損失價值。修正的人力資本法則將人均 GDP 視為統計意義上的期望壽命對社會所作的貢獻。從人類全社會的角度來考察人力資本，不考慮個體差異。公式如下：L3=GDP3 7(1+).(1+r).12 式中，Lp 表示修正的人均人力資本的經濟價值；t 表示損失壽命為社會期望壽

84、命與平均死亡年齡之差；GDPp 表示基準年人均 GDP；r 表示社會貼現率，以央行一年期存款利率 1.5%代替；表示人均 GDP 增長率，以逐年人均 GDP 增長率計。2.5 敏感性分析敏感性分析 改變控制時間序列長期趨勢的時間（t）的自由度（變化范圍由每年 5 個自由度到每年 10 個自由度），比較全人群全死因死亡在滯后 1 天時死亡效應值和置信區間的變化，評估模型的穩健性。29 六、研究結果六、研究結果 1.薈萃薈萃分析結果分析結果 薈萃分析流程如下圖所示，從 PubMed，Web of Science 以及 CNKI 數據庫上共檢索文獻 1309 篇，經過標題篩選、摘要篩選和全文篩選后，

85、進入最終薈萃分析的研究共 55 篇。圖 6-1 薈萃分析文獻篩選流程圖 薈萃分析結果如表 6-1 所示，可見所有污染物超額死亡率效應估計值均有統計學意義；PM2.5每增加 10g/m3導致的全死因超額死亡風險為 0.52%（95%CI：0.40,0.65），導致的呼吸系統疾病超額死亡風險為 0.62%（95%CI：0.52,0.73），導致的心血管系統疾病超額死亡風險為 0.78%（95%CI：0.53,1.04）；NO2導致的超額死亡風險值高于 PM2.5和 O3；由大氣污染物導致的呼吸系統疾病超額死亡率30 高于心血管系統疾??；不同研究之間存在異質性的原因可能是因為研究結果來源于不同地區，

86、地域分布較廣，污染物來源、濃度、毒性存在地域差異，人群易感性、社會經濟水平也存在地域差異，同時研究方法的差異、數據可靠性、研究質量也可能導致研究間的異質性。表 6-1 PM2.5,NO2和 O3每增加 10g/m3導致的超額死亡風險 PM2.5 NO2 O3 全死因死亡 0.52(0.4,0.65)1.24(1.05,1.42)0.33(0.28,0.39)*文獻數量 24 28 21 呼吸系統疾病死亡 0.62(0.52,0.73)*1.82(1.28,2.35)0.61(0.37,0.85)*文獻數量 14 27 10 心血管系統疾病死亡 0.78(0.53,1.04)1.39(1.12,

87、1.66)0.46(0.17,0.76)文獻數量 14 25 11*I250%表示研究間不存在異質性，使用固定效應模型 2.描述性分析結果描述性分析結果 2.1居民死亡情況分析居民死亡情況分析 2.1.1西安市西安市 由表 6-2 可見，2004-2016 年期間西安市城鎮居民全人群全死因日均死亡人數為 32.910.9 人，總心血管疾病死因日均死亡人數為 16.27.0 人，冠心病死因日均死亡人數為 8.54.2 人，腦卒中死因日均死亡人數為 6.53.7 人。2004-2016年期間西安市城鎮居民男性日均死亡人數略高于女性，分別為 19.87.3 人和13.45.6 人。65 歲以上年齡組

88、的日均死亡人數在所有年齡組中最高，為 24.09.3人。采暖期日均死亡人數高于非采暖期，分別為 35.911.3 人和 31.410.4 人。表 6-2 2004-2016 年期間西安市居民日均死亡情況（人）MeanSD 最小值 25%分位數 中位數 75%分位數 最大值 按死因分層 全死因 32.910.9 4 25 33 40 140 總心血管 16.27.0 1 11 16 21 120 冠心病 8.54.2 0 5 8 11 48 腦卒中 6.53.7 0 4 6 9 72 總呼吸疾病 3.22.1 0 2 3 4 13 慢阻肺 1.21.2 0 0 1 2 8 下呼吸道疾病 1.31

89、.3 0 0 1 2 8 按性別分層 31 男 女 19.87.3 13.45.6 2 0 15 9 20 13 25 17 85 56 按年齡分層 0-44 歲 2.51.8 0 1 2 4 17 45-64 歲 6.83.4 0 4 7 9 25 65 歲 24.09.3 2 17 24 30 131 按不同時期分層 采暖期 非采暖期 35.911.3 31.410.4 5 4 28 24 36 31 44 38 81 140 MeanSD：均數標準差 由表 6-3 可見，2014-2016 年期間全人群全死因、各心血管疾病死因日均死亡人數均高于 2004-2007 年和 2008-201

90、3 年期間。2014-2016 年期間男性、女性和各年齡組日均死亡人數也較 2004-2007 年和 2008-2013 年期間高。表 6-3 2004-2007、2008-2013 和 2014-2016 期間西安市居民日死亡情況的比較（人）2004-2007 2008-2013 2014-2016 MeanSD 中位數（IQR)MeanSD 中位數（IQR)MeanSD 中位數（IQR)全死因 22.97.4 22(9)35.88.7 35(11)40.29.4 39(11)總心血管 10.34.5 10.0(6)17.75.5 17(7)21.07.0 20(7)冠心病 5.53.1 5

91、.0(4)9.03.7 9(5)11.24.3 11(6)腦卒中 3.82.3 3(3)7.03.2 7(4)9.04.1 8(5)總呼吸 2.31.7 2(2)3.52.1 3(3)3.82.1 3(3)慢阻肺 0.81.0 1(1)1.21.2 1(2)1.71.3 1(1)下呼吸道疾病 0.60.9 0(1)1.61.4 1(1)1.71.4 1(1)性別 男 13.85.2 13(6)21.56.1 21(8)24.56.6 24(8)女 9.14.0 9(6)14.54.8 14(6)17.15.2 17(6)年齡 0-44 2.41.8 2(2)2.81.9 3(3)1.91.5

92、2(2)45-64 4.72.6 4(3)7.63.2 7(4)8.13.1 8(4)65 15.96.0 15(7)25.67.3 25(10)31.68.4 31(10)MeanSD：均數標準差；IQR：四分位間距 32 圖 6-2 2004-2016 年期間西安市居民全死因死亡人數時序圖 圖 6-3 2004-2016 年期間西安市居民心血管系統疾病死亡人數時序圖 圖 6-4 2004-2016 年期間西安市居民呼吸系統疾病死亡人數時序圖 由圖 6-2、6-2、6-4 全人群全死因、心血管系統疾病、呼吸系統死亡人數時序圖可見，2004-2007 年期間西安市城鎮居民每日死亡人數相對穩定，

93、2007 年初與 2008 年初各出現一個斷層，死亡人數急劇上升，2008-2016 年期間每日死亡人數又維持在一個相對穩定的范圍內，但總體上高于 2004-2007 年期間的日均死亡人數。每年死亡人數的波動均表現出季節趨勢，冬季死亡人數較多而夏季死亡人數較少。2.1.2廣州市廣州市 由表 6-4 可見，2006-2016 年期間廣州市居民全人群全死因日均死亡人數為33 107.821.9 人，總心血管疾病死因日均死亡人數為 41.012.3 人，冠心病死因日均死亡人數為 20.36.7 人，腦卒中死因日均死亡人數為 15.86.2 人。2006-2016年期間廣州市居民男性日均死亡人數高于女

94、性，分別為 60.913.0 人和 46.911.3人。65 歲以上年齡組的日均死亡人數在所有年齡組中最高，為 80.418.6 人。冷季日均死亡人數高于暖季，分別為 119.122.9 人和 99.817.2 人。表 6-4 2006-2016 年期間廣州居民日均死亡情況（人）MeanSD 最小值 25%分位數 中位數 75%分位數 最大值 按死因分層 全死因 107.821.9 4 25 33 40 140 心血管疾病死亡 41.012.3 1 11 16 21 120 冠心病 20.36.7 0 5 8 11 48 腦卒中 15.86.2 0 4 6 9 72 呼吸系統疾病死亡 18.1

95、6.1 0 2 3 4 13 慢阻肺 8.53.7 0 0 1 2 8 下呼吸道 6.43.4 0 0 1 2 8 按性別分層 男 女 60.913.0 46.911.3 24 17 52 39 60 46 69 54 122 106 按年齡分層 0-44 歲 6.12.6 0 4 6 8 17 45-64 歲 21.25.5 6 17 21 25 45 65 歲 80.418.6 36 67 78 91 187 按不同時期分層 暖季 冷季 99.817.2 119.122.9 55 55 87 102 99 118 110 135 179 228 MeanSD：均數標準差 由表 6-5 可見

96、，2014-2016 年期間全人群全死因、各心血管疾病死因日均死亡人數均高于 2006-2009 年和 2010-2013 年期間。2014-2016 年期間男性、女性和各年齡組日均死亡人數也較 2006-2009 年和 2010-2013 年期間高。表 6-5 2006-2009、2010-2013 和 2014-2016 期間廣州市居民日死亡情況的比較（人）2006-2009 2010-2013 2014-2016 MeanSD 中位數（IQR)MeanSD 中位數（IQR)MeanSD 中位數（IQR)全死因 97.818.4 96(24)108.120.8 105(27)120.521

97、 118(27)總心血管 34.19 33(11)42.111.4 41(15)48.612.4 47(15)冠心病 11.64.1 11(5)165.6 15(7)19.96.1 19(7)34 腦卒中 17.35.4 17(8)216.3 20(9)23.37 22(10)總呼吸 16.55.4 16(7)19.36.3 18(8)18.76.2 18(9)慢阻肺 8.23.5 8(4)8.93.8 8(5 8.53.6 8(5)下呼吸道 3.72 4(3)63 6(4)7.83.6 7(5)性別 男 54.910.9 54(13)61.212.3 60(17)68.412.4 67(17

98、)女 42.810 42(13)46.911 46(15)52.111.1 51(14)年齡 0-44 6.12.6 6(7)5.92.6 6(3)6.52.6 6(3)45-64 18.54.5 18(6)21.45 21(7)24.65.2 25(7)65 73.215.9 71(21)80.818.2 78(23)89.418.3 87(25)MeanSD：均數標準差；IQR：四分位間距 圖 6-5 2004-2016 年期間西安市居民全死因死亡人數時序圖 圖 6-6 2004-2016 年期間西安市居民心血管系統疾病死亡人數時序圖 圖 6-7 2004-2016 年期間西安市居民呼吸系

99、統疾病死亡人數時序圖 35 由圖 6-5、6-6、6-7 全人群全死因、心血管系統疾病、呼吸系統死亡人數時序圖可見，2006-2009 年期間居民每日死亡人數相對穩定，2010 年死亡人數開始上升，2010-2016 年期間每日死亡人數但總體上高于 2004-2007 年期間的日均死亡人數。每年死亡人數的波動均表現出季節趨勢，冬季死亡人數較多而夏季死亡人數較少。2.2 污染物與氣象因素分布情況污染物與氣象因素分布情況 2.2.1西安市西安市 由表 6-6 可見，2004-2016 年期間西安市大氣 PM2.5日均濃度為 149.897.7 g/m3，遠高于我國環境空氣質量二級標準年均限值（35

100、g/m3）。其中有機碳、元素碳日均濃度分別為 25.518.3g/m3和 9.87.7g/m3，占 PM2.5質量比例分別為 15.3%和 5.9%。表 6-6 2004-2016 年期間西安市空氣污染與氣象情況 Mean+SD 最小值 25%分位數 中位數 75%分位數 最大值 污染物 PM2.5(g/m3)149.897.7 9.6 82.8 125.9 189.9 804.3 OC 25.518.3 2.8 13.1 20.1 32.1 152.5 EC 9.87.7 0.0 4.7 7.7 12.4 88.5 氣象 溫度()15.29.85-6.7 6.4 16.3 23.6 34.8

101、 濕度(%)61.217.1 14 48.06 62 74 98 MeanSD：均數標準差；OC 和 EC 數據僅包括 2004-2013 由表 6-7 可見，2004-2007 年期間的 PM2.5、OC、EC 濃度水平均高于 2008-2013 和 2014-2016 年期間的水平，而溫度、濕度變化不明顯。36 表 2-7 不同時段西安市空氣污染與氣象情況的比較 2004-2007 2008-2013 2014-2016 MeanSD 中位數(IQR)MeanSD 中位數(IQR)MeanSD 中位數(IQR)PM2.5 182.9105.4 157.0(112.3)152.993.0 1

102、30.8(100.9)100.473.1 77.4(73.8)OC 27.820.5 21.3(22.1)24.016.4 19.0(17.4)EC 12.49.1 9.6(9.7)7.75.7 6.3(6.6)溫度()15.49.7 16.4(16.7)14.710.1 16.1(17.7)15.69.6 16.6(16.7)濕度(%)61.117.8 63.0(29.0)61.616.9 62.0(25.0)60.516.7 59.7(24.0)MeanSD：均數標準差;IQR：四分位間距 圖 6-8 2004-2016 年期間西安市 PM2.5(g/m)濃度變化時序圖 圖 6-9 200

103、4-2013 年期間西安市 OC(g/m)濃度變化時序圖37 圖 6-10 2004-2013 年期間西安市 EC(g/m)濃度變化時序圖 由圖 6-8 西安市大氣 PM2.5濃度變化時序圖可見，2004-2016 年期間西安市大氣 PM2.5濃度變化較穩定，呈現明顯的季節分布，冬天 PM2.5濃度高而夏天濃度低。2004-2013 年期間西安市大氣有機碳濃度變化情況與 PM2.5變化情況相似，季節分布更明顯（圖 6-9）。元素碳濃度變化情況也呈現季節分布，但整體呈下降趨勢（圖 6-10）。2.2.2廣州市廣州市 由表 6-8 可見，2006-2016 年期間廣州市大氣 PM2.5日均濃度為

104、43.8723.18 g/m3，高于我國環境空氣質量二級標準年均限值（35g/m3）。其中 O3、NO2日均濃度分別為 98.0648.57g/m3和 36.1416.13g/m3，溫濕度分別為 22.33和 75.66%。表 6-8 2006-2016 年期間廣州市空氣污染與氣象情況 Mean+SD 最小值 25%分位數 中位數 75%分位數 最大值 污染物(g/m3)PM2.5 43.8723.18 4.03 26.63 39.57 55.89 235.86 O3 98.0648.57 3.31 58.95 92.76 129.35 292.71 NO2 36.1416.13 0.27 2

105、5.13 32.52 43.46 128.69 氣象 溫度()22.336.26 3.4 17.8 23.85 27.4 33.5 濕度(%)75.6612.41 25 68 78 85 100 MeanSD：均數標準差；由表 6-9 可見，2006-2009 年期間的 PM2.5和 NO2濃度水平均高于 2009-2013 和 2014-2016 年期間的水平，O3濃度水平 2010-2013 年期間最高，而溫度、濕度變化不明顯。38 表 2-9 不同時期廣州市空氣污染與氣象情況的比較 2006-2009 2010-2013 2014-2016 MeanSD 中位數(IQR)MeanSD 中

106、位數(IQR)MeanSD 中位數(IQR)PM2.5 50.225.8 44.7(34.5)44.621.3 41.1(28.1)34.618.4 30.5(23.9)O3 94.247.4 90.8(70.4)101.249.5 96.2(71.6)99.148.5 91.7(59.7)NO2 40.519.2 36.4(22.8)33.713.8 31(16.3)33.613.1 31(16.1)氣象 溫度()23.06.2 24.6(9.2)21.96.3 23.1(9.4)22.06.3 23.8(10.3)濕度(%)71.013.0 72.0(17)77.512.1 79.0(15

107、)79.59.9 80.0(10.0)MeanSD：均數標準差；IQR：四分位間距 圖 6-11 2006-2016 年期間廣州市 PM2.5(g/m)濃度變化時序圖 圖 6-12 2006-2016 年期間廣州市 O3(g/m)濃度變化時序圖 39 圖 6-13 2006-2016 年期間廣州市 NO2(g/m)濃度變化時序圖 由圖 6-11 廣州市大氣 PM2.5濃度變化時序圖可見，2006-2016 年期間廣州市大氣 PM2.5濃度下降變化較穩定，呈現明顯的季節分布，冬天 PM2.5濃度高而夏天濃度低。2006-2016 年期間 O3的濃度變化情況變化明顯，季節分布顯示夏季更高，NO2濃

108、度變化情況也呈現季節分布，整體呈下降趨勢（圖 6-12，13）。2.3 空氣污染物與氣象因素的相關性分析空氣污染物與氣象因素的相關性分析 2.3.1西安市西安市 由污染物和氣象因素間的 Spearman 相關系數可見，PM2.5濃度與 OC、EC濃度兩兩間存在強正相關，采暖期時 OC 與 PM2.5、OC 與 EC 間的相關系數較非采暖期大，OC 與 EC 間的相關系數 2004-2007 年比 2008-2012 年更大（表 6-1015）。表 6-10 2004-2016 年期間西安市空氣污染物與氣象因素的 Spearman 相關系數 PM2.5 OC EC 溫度 濕度 PM2.5 1.0

109、0 OC 0.80*1.00 EC 0.77*0.80*1.00 溫度-0.44*0.61*0.41*1.00 濕度-0.04*0.16*0.11*0.03*1.00 注：*p0.05 表 6-11 采暖期西安市空氣污染物與氣象因素的 Spearman 相關系數 PM2.5 OC EC 溫度 濕度 PM2.5 1.00 OC 0.85*1.00 EC 0.70*0.80*1.00 溫度-0.14*0.20*0.02 1.00 濕度 0.27*0.10*0.02 0.11*1.00 注：*p0.05 40 表 6-12 非采暖期西安市空氣污染物與氣象因素的 Spearman 相關系數 PM2.5

110、 OC EC 溫度 濕度 PM2.5 1.00 OC 0.72*1.00 EC 0.73*0.76*1.00 溫度-0.22*-0.37*-0.30*1.00 濕度-0.08*-0.22*-0.11*-0.28*1.00 注：*p0.05 表 6-13 2004-2007 年期間西安市空氣污染物與氣象因素的 Spearman 相關系數 PM2.5 OC EC 溫度 濕度 PM2.5 1.00 OC 0.79*1.00 EC 0.78*0.89*1.00 溫度-0.39*0.65*0.48*1.00 濕度 0.01 0.13*0.08*0.09*1.00 注：*p0.05 表 6-14 2008

111、-2013 年期間西安市空氣污染物與氣象因素的 Spearman 相關系數 PM2.5 OC EC 溫度 濕度 PM2.5 1.00 OC 0.82*1.00 EC 0.76*0.78*1.00 溫度-0.47*0.60*0.42*1.00 濕度-0.08*0.18*0.13*0.00 1.00 注：*p0.05 表 6-15 2008-2013 年期間西安市空氣污染物與氣象因素的 Spearman 相關系數 PM2.5 溫度 濕度 PM2.5 1.00 溫度-0.56*1.00 濕度-0.09*0.01 1.00 注：*p0.05 2.3.2廣州市廣州市 由污染物和氣象因素間的 Spearm

112、an 相關系數可見，PM2.5濃度與O3、NO2濃度兩兩間存在正相關，PM2.5與 O3和 NO2間的相關系數 2006-2009 年比 2010-2013 和 2014-2016 年更大（表 6-1621）。41 表 6-16 2006-2016 年期間廣州市空氣污染物與氣象因素的 Spearman 相關系數 PM2.5 O3 NO2 溫度 濕度 PM2.5 1.00 O3 0.45*1.0 NO2 0.68*0.17*1.00 溫度-0.21*0.33*-0.36*1.00 濕度-0.42*-0.50*-0.16*0.07*1.00 注：*p0.05 表 6-17 暖季廣州市空氣污染物與氣

113、象因素的 Spearman 相關系數 PM2.5 O3 NO2 溫度 濕度 PM2.5 1.00 O3 0.57*1.00 NO2 0.61*0.26*1.00 溫度-0.09*0.25*-0.09*1.00 濕度-0.41*-0.59*-0.41*-0.31*1.00 注：*p0.05 表 6-18 冷季廣州市空氣污染物與氣象因素的 Spearman 相關系數 PM2.5 O3 NO2 溫度 濕度 PM2.5 1.00 O3 0.51*1.NO2 0.70*0.33*1.00 溫度 0.18*0.21*0.23*1.00 濕度-0.34*-0.55*-0.12*0.22*1.00 注：*p0

114、.05 表 6-19 2006-2009 年期間廣州市空氣污染物與氣象因素的 Spearman 相關系數 PM2.5 O3 NO2 溫度 濕度 PM2.5 1.00 O3 0.49*1.00 NO2 0.75*0.26*1.00 溫度-0.21*0.38*-0.38*1.00 濕度-0.38*-0.59*-0.16*0.06 1.00 注：*p0.05 42 表 6-20 2010-2013 年期間廣州市空氣污染物與氣象因素的 Spearman 相關系數 PM2.5 O3 NO2 溫度 濕度 PM2.5 1.00 O3 0.46*1.00 NO2 0.67*0.19*1.00 溫度-0.25*

115、0.31*-0.38*1.00 濕度-0.39*-0.51*-0.18*0.09*1.00 注：*p0.05 表 6-21 2014-2016 年期間廣州市空氣污染物與氣象因素的 Spearman 相關系數 PM2.5 O3 NO2 溫度 濕度 PM2.5 1.00 O3 0.47*1.00 NO2 0.65*0.08*1.00 溫度-0.25*0.37*-0.38*1.00 濕度-0.35*-0.52*0.02 0.10*1.00 注：*p65 歲 1.07(0.19,1.96)1.11(-0.11,2.34)0.14(-2.43,2.76)采暖期 1.56(0.24,2.90)1.25(-

116、0.61,3.14)4.38(0.41,8.50)非采暖期 0.66(-0.33,1.65)1.37(-0.06,2.82)-1.74(-4.78,1.39)OC 男 1.98(0.79,3.17)2.31(0.58,4.07)2.79(-0.74,6.46)女 1.60(0.16,3.07)3.08(1.03,5.17)-3.50(-8.06,1.30)0-44 歲 0.03(-3.08,3.23)2.93(-2.66,8.84)13.63(2.38,26.12)45-64 歲 2.02(0.04,4.04)3.57(0.58,6.66)3.41(-4.32,11.77)59 65 歲 1.

117、94(0.85,3.04)2.49(0.97,4.03)-1.01(-4.12,2.2)采暖期 2.42(0.82,4.05)2.54(0.27,4.87)4.25(-0.47,9.19)非采暖期 0.95(-0.03,1.95)2.24(0.80,3.69)-2.99(-6.01,0.13)EC 男 1.93(0.82,3.05)2.25(0.62,3.89)2.01(-1.33,5.46)女 1.29(-0.06,2.66)2.06(0.14,4.01)-2.03(-6.41,2.56)0-44 歲 2.45(-0.48,5.46)5.43(0.11,11.03)13.24(2.65,24

118、.93)45-64 歲 2.76(0.89,4.66)3.55(0.73,6.45)2.69(-4.7,10.66)65 歲 1.24(0.22,2.27)1.69(0.27,3.13)-0.79(-3.75,2.25)采暖期 1.75(0.28,3.24)1.55(-0.53,3.67)3.74(-0.70,8.38)非采暖期 0.84(-0.29,1.99)2.51(0.84,4.21)-2.85(-6.3,0.73)表 2-25 不同分層下廣州市空氣污染物(lag1)每升高 IQR 濃度與全死因、總心血管系統疾病和呼吸系統疾病的超額死亡率 污染物污染物 分層分層 ER,%(95%CI)全

119、死因全死因 總心血管系統疾病總心血管系統疾病 呼吸系統疾病呼吸系統疾病 PM2.5 男 2.16(1.47,2.85)3.45(2.31,4.60)2.00(0.34,3.68)女 3.24(2.45,4.03)2.88(1.66,4.11)3.47(1.57,5.4)0-44 歲-0.29(-2.35,1.82)-0.3(-5.18,4.82)0.43(-7.20,8.67)45-64 歲 1.77(0.60,2.94)2.22(0.08,4.40)0.96(-3.66,5.80)65 歲 3.01(2.41,3.62)3.42(2.49,4.36)2.83(1.51,4.16)冷季 3.9

120、4(3.10,4.78)5.58(4.24,6.95)3.87(1.88,5.90)暖季 1.53(0.85,2.22)1.03(-0.11,2.17)2.65(0.96,4.36)O3 男 3.03(2.15,3.92)3.93(2.49,5.38)2.80(0.67,4.98)女 3.42(2.40,4.45)3.79(2.20,5.40)2.73(0.24,5.28)0-44 歲-0.84(-3.4,1.79)-4.66(-10.66,1.75)4.76(-5.56,16.21)45-64 歲 2.34(0.88,3.83)4.32(1.61,7.1)-0.96(-6.73,5.16)6

121、5 歲 3.64(2.86,4.43)4.00(2.79,5.23)2.98(1.26,4.73)冷季 4.37(3.35,5.40)5.23(3.61,6.87)5.22(2.77,7.73)暖季 2.29(1.36,3.22)3.06(1.52,4.61)1.32(-0.94,3.62)NO2 男 2.55(1.92,3.18)3.11(2.07,4.16)2.63(1.11,4.17)女 2.78(2.07,3.50)2.55(1.44,3.66)3.41(1.67,5.18)0-44 歲-0.27(-2.18,1.67)-1.21(-5.59,3.36)1.43(-5.76,9.17)

122、45-64 歲 1.51(0.44,2.58)1.81(-0.16,3.81)0.39(-3.84,4.8)65 歲 3.13(2.58,3.68)3.14(2.30,3.99)3.21(2.00,4.43)冷季 3.50(2.82,4.18)4.21(3.12,5.30)2.60(0.99,4.23)暖季 1.19(0.59,1.80)0.75(-0.23,1.75)3.06(1.57,4.57)60 4.空氣污染物空氣污染物死亡死亡效應的時間變化特征效應的時間變化特征 4.1 不同不同時時期空氣污染物死亡效應期空氣污染物死亡效應的的比較比較 4.1.1 西安市西安市 由圖 6-42 和表

123、6-26 可見，PM2.5、OC 和 EC 的濃度在 2004-2007、2008-2013和 2014-2016 年期間呈遞減趨勢，污染物對全人群全死因和總心血管系統疾病的死亡效應也逐期遞減，總呼吸系統疾病死亡效應未發現統計學意義。在 2004-2007年期間，PM2.5、OC 和 EC 的死亡效應在污染當天暴露無統計學意義，在單日滯后時最高且正顯著。PM2.5每升高 IQR 濃度，全死因的超額死亡率在 2004-2007年期間為 2.01%(95%CI：0.55,3.50)，在 2008-2013 年期間為 1.31%(95%CI：0.34,2.30)，在 2014-2016 年期間為-0

124、.52%(95%CI：-1.80,0.77)。OC 每升高 IQR濃度，全死因的超額死亡率在 2004-2007 年期間為 2.33%(95%CI：0.62,4.06)，在2008-2013 年期間為 1.75%(95%CI：0.67,2.83)。EC 每升高 IQR 濃度，全死因的超額死亡率在 2004-2007 年期間為 2.38%(95%CI：0.78,4.00)，在 2008-2013 年期間為 1.30%(95%CI：0.27,2.35)。圖 6-42 不同時段西安市 PM2.5,OC 和 EC 每升高 IQR 濃度不同年齡組的超額死亡率（%）61 表 6-26 不同年份西安市空氣污

125、染物(lag1)每升高 IQR 濃度與全死因、總心血管系統疾病和呼吸系統疾病的超額死亡率 污染物 平均濃度 年份 ER,%(95%CI)全死因 總心血管系統疾病 呼吸系統疾病 PM2.5 182.9105.4 2004-2007 2.01(0.55,3.50)2.90(0.73,5.12)2.21(-2.13,6.75)152.993.0 2008-2013 1.31(0.34,2.30)1.34(-0.03,2.73)0.76(-2.18,3.79)100.473.1 2014-2016-0.52(-1.80,0.77)-0.63(-2.38,1.16)3.14(-0.80,7.23)OC

126、27.820.5 2004-2007 2.33(0.62,4.06)3.71(1.19,6.29)1.17(-3.87,6.48)24.016.4 2008-2013 1.75(0.67,2.83)2.07(0.55,3.61)1.19(-2.05,4.53)2014-2016 EC 12.49.1 2004-2007 2.38(0.78,4.00)3.67(1.33,6.06)0.21(-4.60,5.27)7.75.7 2008-2013 1.30(0.27,2.35)1.54(0.07,3.02)1.94(-1.20,5.17)2014-2016 4.1.2廣州市廣州市 由圖 6-43

127、和表 6-27 可見，PM2.5和 NO2的濃度在 2006-2009、2010-2013 和2014-2016 年期間呈遞減趨勢，但 O3仍維持在一個較高的濃度水平，PM2.5對全人群全死因、總心血管系統疾病和總呼吸系統疾病的死亡效應未發現明顯下降趨勢；O3對全人群全死因、總心血管系統疾病和總呼吸系統疾病的死亡效應呈現下降趨勢。NO2對全人群全死因、總心血管系統疾病和總呼吸系統疾病的死亡效應在 2010-2013 年期間較高。PM2.5、OC 和 EC 的死亡效應多呈現正顯著相關。PM2.5每升高 IQR 濃度，全死因的超額死亡率在 2006-2009 年期間為 2.70%(95%CI：1.

128、78,3.64)，在 2010-2013 年期間為 2.89%(95%CI：2.05,3.75)，在 2014-2016 年期間為 2.48%(95%CI：1.49,3.48)。O3每升高 IQR 濃度，全死因的超額死亡率在2006-2009 年期間為 4.15%(95%CI：2.87,5.44)，在 2010-2013 年期間為 3.64%62 (95%CI：2.53,4.77)，在 2014-2016 年期間為 2.51%(95%CI：1.31,3.73)。NO2每升高 IQR 濃度，全死因的超額死亡率在 2006-2009 年期間為 2.31%(95%CI：1.43,3.21)，在 20

129、10-2013 年期間為 3.36%(95%CI：2.57,4.16)，在 2014-2016 年期間為 2.61%(95%CI：1.74,3.50)。圖 6-43 2004-2007 年、2008-2013 年期間和 2014-2016 年期間廣州市 PM2.5,O3和 NO2每升高IQR 濃度不同年齡組的超額死亡率（%）63 表 2-27 不同年份下廣州市空氣污染物(lag1)每升高 IQR 濃度與全死因、總心血管系統疾病和呼吸系統疾病的超額死亡率 污染物污染物 平均濃度平均濃度 年份年份 ER,%(95%CI)全死因全死因 總心血管系統疾病總心血管系統疾病 呼吸系統疾病呼吸系統疾病 PM

130、2.5 50.225.8 2006-2009 2.70(1.78,3.64)3.08(1.52,4.66)1.75(-0.48,4.03)44.621.3 2010-2013 2.89(2.05,3.75)3.00(1.66,4.36)3.64(1.65,5.66)34.618.4 2014-2016 2.48(1.49,3.48)3.57(2.04,5.13)3.50(1.03,6.03)O3 94.247.4 2006-2009 4.15(2.87,5.44)4.97(2.80,7.18)3.82(0.77,6.96)101.249.5 2010-2013 3.64(2.53,4.77)4

131、.55(2.76,6.37)2.43(-0.15,5.08)99.148.5 2014-2016 2.51(1.31,3.73)3.40(1.49,5.34)3.54(0.48,6.69)NO2 40.519.2 2006-2009 2.31(1.43,3.21)2.11(0.64,3.60)1.83(-0.28,3.99)33.713.8 2010-2013 3.36(2.57,4.16)3.18(1.93,4.45)4.49(2.61,6.40)33.613.1 2014-2016 2.61(1.74,3.50)3.06(1.70,4.44)3.37(1.18,5.62)4.2空氣污染物死

132、亡效應的變化特征空氣污染物死亡效應的變化特征 4.2.1西安市西安市 由圖 6-44 可見，西安市 PM2.5，OC 和 EC 每升高 IQR 濃度與全人群全死因和總心血管系統疾病死亡的超額死亡率（%）的每三年變化情況呈現下降的趨勢，其中 PM2.5的超額死亡率下降趨勢最為明顯。PM2.5,OC 和 EC 與總呼吸系統疾病死亡的超額死亡率未發現明顯趨勢，且在近幾年內呈現增加趨勢。(a)全死因全死因 64 （b）總心血管系統疾?。┛傂难芟到y疾病 (c)總呼吸系統疾病總呼吸系統疾病 圖 6-44 2004-2016 年期間西安市 PM2.5,OC 和 EC(lag1)每升高 IQR 濃度的各死亡

133、超額死亡率（%）的每三年變化情況。(a)全死因（b）總心血管系統疾病(c)總呼吸系統疾病 4.2.2廣州市廣州市 由圖 6-45 可見，廣州市 PM2.5,O3和 NO2每升高 IQR 濃度與全人群全死因和總心血管系統疾病和總呼吸系統疾病死亡的超額死亡率（%）的每三年變化情況不一致。其中，PM2.5的超額死亡率變化無明顯變化趨勢；O3與的超額死亡率呈現遞減趨勢；NO2與全人群全死因和總心血管系統疾病和總呼吸系統疾病死亡的超額死亡率呈現遞增趨勢。65 (a)全死因全死因 （b）總心血管系統疾?。┛傂难芟到y疾病 (c)總呼吸系統疾病總呼吸系統疾病 圖 6-45 2006-2016 年期間廣州市

134、PM2.5,O3和 NO2(lag1)每升高 IQR 濃度的各死亡超額死亡率（%）的每三年變化情況。(a)全死因（b）總心血管系統疾病(c)總呼吸系統疾病 66 5.空氣污染物改善的健康效益分析空氣污染物改善的健康效益分析 5.1 西安市西安市 由表 6-28 可見，2004-2007、2008-2013 和 2014-2016 年期間西安市 PM2.5與全人群全死因的歸因死亡數分別為 343(95%CI：83,608)、598(95%CI：144,1058)和 162(95%CI：39,286)；與總心血管系統疾病的歸因死亡數分別為170(95%CI：0,344)、324(95%CI：0,6

135、53)和 92(95%CI：0,185)；與總呼吸系統疾病的歸因死亡數分別為 54(95%CI：-30,142)、90(95%CI：-50,235)和 26(95%CI：-14,67)。歸因 OC 和 EC 的死亡數趨勢與 PM2.5的類似。2004-2007、2008-2013 和 2014-2016 年期間各污染物與全死因、總心血管系統疾病和總呼吸系統疾病死因的歸因分值呈下降趨勢。例如，PM2.5與全人群全死因的歸因分值在 2004-2007、2008-2013 和 2014-2016 年期間分別為 1.03%(95%CI：0.25,1.83)、0.77%(95%CI：0.18,1.36)

136、和 0.37%(95%CI：0.09,0.65)。表 6-28 不同時期西安市空氣污染物(lag1)與死亡的歸因死亡數和歸因分值 污染物 歸因死亡數 歸因分值 2004-2007 2008-2013 2014-2016 2004-2007 2008-2013 2014-2016 全死因 N=33280 N=78035 N=43858 PM2.5 343(83,608)598(144,1058)162(39,286)1.03(0.25,1.83)0.77(0.18,1.36)0.37(0.09,0.65)OC 552(269,840)998(487,1517)1.66(0.81,2.52)1.2

137、8(0.62,1.94)EC 586(269,909)642(296,992)1.76(0.81,2.73)0.82(0.38,1.27)總心血管系統疾病 N=14962 N=38511 N=22820 PM2.5 170(0,344)324(0,653)92(0,185)1.14(0,2.3)0.84(0,1.7)0.4(0,0.81)OC 347(156,544)679(306,1060)2.32(1.04,3.64)1.76(0.79,2.75)EC 370(157,590)437(187,692)2.47(1.05,3.94)1.13(0.49,1.8)總呼吸系統疾病 N=3390 N

138、=7577 N=7577 PM2.5 54(-30,142)90(-50,235)26(-14,67)1.59(-0.88,4.19)1.19(-0.66,3.1)0.63(-0.34,1.63)67 OC 30(-58,122)52(-102,215)0.88(-1.71,3.6)0.69(-1.35,2.84)EC 36(-59,138)41(-66,153)1.06(-1.74,4.07)0.54(-0.87,2.02)由表 6-29、圖 6-46、6-47 可見，西安市的逐年的健康效益分析顯示，歸因于 PM2.5的全死因、總心血管系統疾病和總呼吸系統疾病死因死亡人數呈現先增加后降低的趨

139、勢。其中 2015 年的歸因死亡數達到最小，歸因于 PM2.5的全死因、總心血管系統疾病和總呼吸系統疾病的歸因死亡人數分別為 48(95%CI：12,85)、28(95%CI：-0,57)和 7(95%CI：-4,18)。歸因于 PM2.5的全死因、總心血管系統疾病和總呼吸系統疾病死因的歸因分值呈逐下降趨勢，總心血管系統疾病和總呼吸系統疾病死因的歸因分值較于全死因的歸因分值高，但不具有統計學意義。其中，2015 年歸因分值最小，歸因于 PM2.5的全死因、總心血管系統疾病和總呼吸系統疾病的歸因分值分別為 0.33%(95%CI：0.08,0.59)、0.37%(95%CI：0,0.75)和 0

140、.51%(95%CI：-0.28,1.33)。表 6-29 西安市 PM2.5(lag1)與死亡的逐年歸因死亡數和歸因分值變化 年年份份 結局結局 全死因全死因 總心血管系統疾病總心血管系統疾病 總呼吸系統疾病總呼吸系統疾病 歸因死亡歸因死亡人數人數 歸因分值歸因分值 歸因死歸因死亡人數亡人數 歸因分值歸因分值 歸因死亡歸因死亡人數人數 歸因分值歸因分值 2004 70(17,125)0.86(0.21,1.52)36(0,73)0.98(0,1.99)9(-5,23)1.37(-0.75,3.58)2005 88(21,155)1.12(0.27,1.98)44(0,90)1.23(0,2.

141、5)13(-7,35)1.66(-0.91,4.36)2006 84(20,148)1.1(0.27,1.95)37(0,76)1.19(0,2.41)16(-9,42)1.66(-0.91,4.35)2007 105(24,180)1.06(0.25,1.87)52(0,106)1.15(0,2.32)16(-9,42)1.64(-0.91,4.31)2008 101(25,179)0.75(0.18,1.32)54(0,109)0.82(0,1.66)16(-9,42)1.17(-0.65,3.04)2009 96(23,170)0.8(0.19,1.41)55(0,111)0.9(0,1

142、.81)12(-7,32)1.2(-0.66,3.14)2010 85(21,151)0.69(0.17,1.22)45(0,91)0.76(0,1.54)12(-7,32)1.02(-0.57,2.68)2011 96(23,170)0.73(0.18,1.29)54(0,108)0.79(0,1.58)15(-8,38)1.14(-0.64,2.98)2012 113(27,199)0.83(0.2,1.47)59(0,119)0.91(0,1.83)17(-10,46)1.28(-0.71,3.37)68 2013 106(26,188)0.8(0.19,1.41)57(0,116)0.

143、87(0,1.75)17(-10,46)1.28(-0.71,3.36)2014 57(14,101)0.42(0.1,0.74)32(-0,64)0.45(0,0.91)10(-6,27)0.73(-0.41,1.91)2015 48(12,85)0.33(0.08,0.59)28(-0,57)0.37(0,0.75)7(-4,18)0.51(-0.28,1.33)2016 57(14,100)0.34(0.01,0.06)32(-0,64)0.38(0,0.77)8(-5,22)0.63(-0.35,1.63)由表 6-30 可見，自 2004 年以來，西安市 GDP 總值和人均 GDP

144、呈現飛速增長的趨勢，2016 年 GDP 總值是 2004 年的 5 倍左右，2004-2013 年 GDP 年增長率均在 11%以上。人均 GDP 增長率均在 10%以上。西安市預期壽命呈現逐年增加趨勢，而平均死亡年齡也呈現增加趨勢。表 6-30 2004-2016 年西安市人口資料與經濟指標數據概況 西西安安 GDP(億元）億元）GDP增長率增長率(%)人均人均GDP(元元/人人)人均人均GDP增長增長率率(%)預期預期 壽命壽命 平均死亡平均死亡年齡年齡 2004 1102.39 13.5 15294 11.7 73.07 68.62 2005 1313.93 14.0 16406 12

145、.2 73.53 67.23 2006 1538.94 14.0 18890 12.9 73.99 65.57 2007 1856.63 15.6 22463 13.9 74.45 67.86 2008 2318.14 16.3 27794 15.3 74.92 69.15 2009 2724.88 14.5 32420 13.7 75.39 68.43 2010 3242.86 14.5 38357 13.8 75.86 67.33 2011 3869.84 13.5 45561 13.0 75.69 69.77 2012 4394.47 12.2 51499 11.7 75.86 71.7

146、6 2013 4924.97 11.1 57464 10.6 75.48 71.98 2014 5492.64 9.9 63794 9.4 75.73 73.10 2015 5801.20 8.2 66938 7.5 76.27 73.79 2016 6282.65 8.6 71647 7.4 78.85 72.81 備注：數據來自西安市衛生健康委員會/衛生事業發展統計公報 由表 6-31 可見，2004-2016 年西安市 PM2.5，OC 和 EC 的人群健康經濟效益總體上呈現先增加后降低的趨勢，在 2010 年人群健康經濟損失最高，PM2.5，OC 和 EC 的人群健康經濟效益分別為 5

147、636.30 萬元，7856.68 萬元和8809.40 萬元。GDP 占比呈現波動降低的趨勢，可見，西安市空氣污染人群健康經濟損失有所降低，提示空氣質量措施帶來的健康效益。69 表 6-31 2004-2016 年西安市空氣污染人群健康經濟效益及 GDP 占比 西安 人均損失(萬元/人)PM2.5經濟損失(萬元)GDP 占比()OC 經濟損失(萬元)GDP 占比()EC 經濟損失(萬元)GDP 占比()2004 8.15 574.50 0.052 1160.26 0.105 1575.79 0.143 2005 15.07 1321.74 0.100 2365.54 0.180 2405.7

148、9 0.183 2006 26.40 2205.25 0.143 2906.37 0.189 2595.67 0.169 2007 27.36 2777.39 0.150 3896.44 0.210 3679.74 0.198 2008 27.58 2799.29 0.121 3832.06 0.165 3371.40 0.145 2009 37.83 3632.585 0.133 5503.54 0.202 3840.64 0.141 2010 66.16 5636.30 0.174 7856.68 0.242 8809.40 0.272 2011 41.10 3966.60 0.103 7

149、527.78 0.195 2984.11 0.077 2012 26.63 2998.46 0.068 5732.47 0.130 2292.72 0.052 2013 28.96 3077.81 0.063 5697.77 0.116 3659.89 0.074 2014 22.48 1279.81 0.023 2015 14.74 706.75 0.012 2016 54.83 3115.41 0.050 5.2 廣州市廣州市 由表 6-32 可見，2006-2009、2010-2013 和 2014-2016 年期間廣州市 PM2.5與全人群全死因的歸因死亡數分別為 2440(95%CI

150、：1948,2937)、2005(95%CI：1602,2411)和 868(695%CI：94,1044)；與總心血管系統疾病的歸因死亡數分別為 1063(95%CI：779,1352)、997(95%CI：716,1241)和 446(95%CI：327,565)；與總呼吸系統疾病的歸因死亡數分別為 422(95%CI：222,626)、377(95%CI：199,557)和 143(95%CI：75,211)。歸因 O3和 NO2的死亡數趨勢與PM2.5的類似。2006-2009、2010-2013 和 2014-2016 年期間 PM2.5 和 NO2與全死因、總心血管系統疾病和總呼吸

151、系統疾病死因的歸因分值呈下降趨勢。例如，PM2.5與全人群全死因的歸因分值在 2004-2007、2008-2013 和 2014-2016 年期間分別為 1.72%(95%CI：1.37,2.07)、1.28%(95%CI：1.02,1.53)和 0.66%(95%CI：0.53,0.79)。表 6-32 不同時期廣州市空氣污染物(lag1)與死亡的歸因死亡數和歸因分值 污染物 歸因死亡數 歸因分值 2006-2009 2010-2013 2014-2016 2006-2009 20102013 2014-2016 全死因 N=142051 N=157120 N=131394 PM2.5 2

152、440(1948,2937)2005(1602,2411)868(694,1044)1.72(1.37,2.07)1.28(1.02,1.53)0.66(0.53,0.79)70 O3 1051(827,1276)1397(1099,1696)1107(871,1344)0.74(0.58,0.9)0.89(0.7,1.08)0.84(0.66,1.02)NO2 1707(1396,2020)769(630,909)611(501,722)1.2(0.98,1.42)0.49(0.4,0.58)0.47(0.38,0.55)總心血管系統疾病 N=14962 N=38511 N=22820 PM

153、2.5 1063(779,1352)997(716,1241)446(327,565)2.14(1.57,2.73)1.63(1.17,2.03)0.84(0.62,1.07)O3 449(324,576)663(477,851)542(391,696)0.91(0.65,1.16)1.08(0.78,1.39)1.02(0.74,1.31)NO2 668(487,853)326(238,415)279(204,355)1.35(0.98,1.72)0.53(0.39,0.68)0.53(0.38,0.67)總呼吸系統疾病 N=3390 N=7577 N=7577 PM2.5 422(222,

154、626)377(199,557)143(75,211)1.76(0.93,2.61)1.35(0.71,1.99)0.7(0.37,1.03)O3 158(67,249)218(93,346)150(64,238)0.66(0.28,1.04)0.78(0.33,1.24)0.73(0.31,1.17)NO2 333(204,465)159(98,221)112(69,155)1.39(0.85,1.94)0.57(0.35,0.79)0.55(0.34,0.76)由表 6-33、圖 6-46、6-47 可見，廣州市的逐年的健康效益分析顯示，歸因于 PM2.5的全死因、總心血管系統疾病和總呼吸

155、系統疾病死因死亡人數呈現降低的趨勢。其中 2016 年的歸因死亡數達到最小，歸因于 PM2.5的全死因、總心血管系統疾病和總呼吸系統疾病的歸因死亡人數分別為 152(95%CI：122,182)、78(95%CI：58,99)和 25(95%CI：13,37)。歸因于 PM2.5的全死因、總心血管系統疾病和總呼吸系統疾病死因的歸因分值呈逐下降趨勢，其中，2016 年歸因于 PM2.5的全死因、總心血管系統疾病和總呼吸系統疾病的歸因分值分別為 0.33%(95%CI：0.27,0.40)、0.42%(95%CI：0.31,0.53)和 0.36%(95%CI：0.19,0.53)。表 6-33

156、廣州市空氣污染物(lag1)與死亡的逐年歸因死亡數和歸因分值變化 年份 結局 全死因 總心血管系統疾病 總呼吸系統疾病 歸因死亡人數 歸因分值 歸因死亡人數 歸因分值 歸因死亡人數 歸因分值 2006 682(544,821)1.94(1.55,2.33)301(220,383)2.47(1.81,3.14)113(60,168)1.95(1.02,2.89)2007 746(595,898)2.01(1.6,2.41)322(236,410)2.49(1.83,3.17)129(68,192)2.05(1.08,3.04)71 2008 496(396,597)1.48(1.18,1.78)

157、226(165,287)1.85(1.36,2.35)93(49,137)1.56(0.83,2.32)2009 516(412,621)1.43(1.14,1.72)215(157,273)1.75(1.28,2.22)87(46,129)1.47(0.78,2.19)2010 494(392,594)1.27(1.02,1.53)224(164,284)1.59(1.17,2.02)90(48,134)1.31(0.69,1.94)2011 473(378,569)1.26(1.01,1.52)229(168,291)1.6(1.17,2.03)91(48,135)1.34(0.71,1.

158、98)2012 444(354,533)1.13(0.9,1.36)217(159,276)1.38(1.01,1.75)89(47,131)1.22(0.65,1.81)2013 594(474,714)1.43(1.14,1.72)307(225,390)1.79(1.31,2.28)106(56,157)1.51(0.8,2.24)2014 495(396,596)1.16(0.93,1.4)254(186,323)1.48(1.09,1.88)85(45,125)1.24(0.65,1.83)2015 221(176,265)0.51(0.41,0.61)113(83,143)0.66

159、(0.49,0.84)34(18,49)0.5(0.26,0.74)2016 152(122,182)0.33(0.27,0.4)78(58,99)0.42(0.31,0.53)25(13,37)0.36(0.19,0.53)由表 6-34 可見，自 2006 年以來，廣州市 GDP 總值和人均 GDP 呈現飛速增長的趨勢，2016 年 GDP 總值是 2004 年的 3 倍左右，2006-2013 年 GDP 年增長率均在 11%以上。人均 GDP 增長率波動性最大，近幾年有所下降。廣州市預期壽命呈現逐年增加趨勢，而平均死亡年齡較為穩定。表 6-34 2006-2016 年廣州市人口資料與經

160、濟指標概況 廣廣州州 GDP(億元）億元）GDP增長率增長率(%)人均人均GDP(元元/人人)人均人均GDP增長增長率率(%)預期預期 壽命壽命 平均死亡平均死亡年齡年齡 2006 6081.86 14.9 62495 13.1 77.88 70.46 2007 7140.323 15.3 69673 9.5 77.98 71.27 2008 8287.38 12.5 76440 6.4 78.19 71.95 2009 9138.21 11.7 79383 5.2 78.95 69.65 2010 10748.28 13.2 87458 6.1 79.04 69.95 2011 12423.

161、44 11.3 97588 7.5 80.01 70.40 2012 13551.21 10.5 105909 10.0 79.41 72.23 2013 15497.23 11.6 120294 10.9 80.63 72.02 2014 16706.87 8.6 128478 7.6 81.34 72.16 2015 18100.41 8.4 136188 6.0 81.72 72.00 2016 19547.44 8.2 141933 4.4 81.75 72.47 備注：數據來自廣州統計年鑒 由表 6-35 可見，2006-2016 年廣州市 PM2.5，O3和 NO2的人群健康經濟效

162、72 益總體上呈現波動降低的趨勢，在 2013 年 PM2.5人群健康經濟損失最高，為10.65 億元，GDP 占比 0.687，在 2012 年 O3人群健康經濟損失最高，為 8.56億元，GDP 占比 0.689。在 2010 年 NO2人群健康經濟損失最高，為 4.70 億元，GDP 占比 0.438。GDP 占比呈現波動降低的趨勢，可見，廣州市空氣污染人群健康經濟損失下降趨勢，提示空氣質量措施帶來的健康效益。表 6-35 2006-2016 年廣州市空氣污染人群健康經濟效益及 GDP 占比 廣州廣州 人均損失人均損失(萬元萬元/人人)PM2.5經濟經濟損失損失(億元億元)GDP占占比比

163、()O3經濟損經濟損失失(億元億元)GDP占占比比()NO2經濟損經濟損失失(億元億元)GDP占比占比()2006 74.07 5.05 0.831 1.45 0.239 3.44 0.565 2007 83.88 6.26 0.876 2.53 0.355 3.66 0.512 2008 66.77 3.31 0.400 1.68 0.202 3.51 0.424 2009 118.88 6.14 0.671 3.59 0.393 3.33 0.364 2010 141.27 6.98 0.649 4.63 0.431 4.70 0.438 2011 167.75 7.93 0.639 8.

164、56 0.689 2.80 0.225 2012 105.65 4.69 0.346 3.57 0.264 0.91 0.067 2013 179.24 10.65 0.687 3.94 0.254 3.30 0.213 2014 164.62 8.15 0.488 8.28 0.496 3.26 0.195 2015 199.05 4.40 0.243 6.67 0.368 3.34 0.185 2016 178.25 2.71 0.139 4.79 0.245 4.37 0.223 73 圖 6-46 西安市和廣州市 PM2.5(lag1)與全死因的逐年歸因死亡數和歸因分值變化 圖 2-4

165、7 西安市和廣州市 PM2.5(lag1)與全死因的逐年歸因死亡數和歸因分值變化 74 七、七、討論討論 1.我國近年來大氣污染對健康的影響我國近年來大氣污染對健康的影響 在對中國人群因空氣污染暴露造成的超額死亡風險的定量評估中，我們最終檢索選擇了 55 個時間序列和病例交叉研究，報告了 PM2.5、NO2和 O3對死亡率的影響；薈萃分析結果顯示：我國城市空氣污染存在急性暴露死亡效應；所有污染物的超額死亡率的估計值均具有統計學意義。由于過去幾十年來工業化和城市化的空前快速發展，許多中國城市的空氣污染水平大大超過了基于健康的標準。近年來，由于國家和地方采取了各種控制措施，污染物濃度有所降低，但仍

166、然處于較高的水平。多項研究曾報告了中國人群急性暴露于 PM2.5和 O3造成的死亡風險過高，但定量評估暴露于 PM2.5的急性影響研究較少。國內對 PM2.5的危害估算似乎也低于發達國家報告的估算值。Zanobetti 等的多城市時間序列分析報告了美國 112 個城市中 PM2.5與死亡率之間的關系。PM2.5每增加 10g/m3，總死亡率的超額風險為 0.98（95CI：0.75，1.22），呼吸道死亡率為 1.68（95CI：1.04，2.33），心血管疾病為 0.85（95CI：0.46，1.24）。在 NMMAPS 研究中嵌套的 27 個美國城市時間序列分析中，PM2.5每增加 10g

167、/m3，總死亡率、心血管疾病、呼吸疾病和中風的超額死亡風險分別為 1.2（95CI：-0.29，2.1），0.94（95CI：-0.14，2.0），1.8（95CI：0.20，3.4）和 1.0（95 CI：0.02、2.0）。而在本研究的分析中，PM2.5每增加 10g/m3導致的全死因超額死亡風險為0.52%（95%CI：0.40,0.65），導致的呼吸系統疾病超額死亡風險為 0.62%（95%CI：0.52,0.73），導致的心血管系統疾病超額死亡風險為 0.78%（95%CI：0.53,1.04）；此外，NO2導致的超額死亡風險值高于 PM2.5和 O3；由大氣污染物導致的呼吸系統疾病

168、超額死亡率高于心血管系統疾病。在薈萃分析的過程中，可能會存在發表偏倚。因為陽性結果或至少具有統計學意義的結果更容易發表。因此，分析的結果仍需要謹慎解釋?？偠灾?，鑒于當前中國主要城市的空氣污染水平仍處于較高水平，環境空氣質量的顯著改善具有重大公共衛生效益。中國長期以來對空氣污染暴露的長期研究得出的濃度-響應關系是空氣質量標準制定和風險評估的基礎。本結果可促進對當前中國空氣污染與健康影響關系的性質進行進一步研究，并支持制75 定更嚴格的空氣質量標準以改善公共健康。2.大氣污染相關死亡風險的變化趨勢大氣污染相關死亡風險的變化趨勢 研究過程中發現，西安市和廣州市近十多年來大氣污染水平呈逐年下降趨勢，

169、提示近些年來兩城市大氣污染治理措施的實施卓有成效；本研究發現大氣污染與死亡的暴露反應關系在污染物的常見范圍內呈現線性關系且不存在閾值，在高濃度范圍呈現平臺期，國內外相關研究也報道了相似的結果。本研究發現 O3和 NO2相關死亡風險值呈下降趨勢，該結果與歐美地區的研究報道了空氣污染有關的短期死亡風險的時間變化趨勢結果較不一致。Kim 等在對2001-2011 年期間韓國首爾的 PM 相關人群死亡風險的趨勢研究中，發現雖然PM 濃度降低，但其相關的死亡風險隨著時間的推移而增加；Breitner 等在德國的一項研究發現在 1995-2002 年期間空氣污染控制措施的實施后空氣污染相關死亡風險有所降低

170、。Renzi 等在 1998-2014 年期間意大利羅馬大氣 PM2.5、PM10、NO2、SO2和 CO 與人群死亡風險的趨勢分析中發現盡管大氣污染近二十年來呈下降趨勢，但死亡風險并未發現明顯的變化，提示地區空氣污染質量濃度的下降并未帶來污染物中毒性成分水平的下降。不同研究之間的差異提示不同地區大氣污染來源和化學成分、人群的易感性、經濟水平等存在潛在差異。本研究中近年來空氣污染相關死亡風險一直存在統計學顯著性，提示盡管大氣污染物下降至較低濃度，但其危害仍舊存在?？諝馕廴疚镏谢瘜W成分的變化可能導致了大氣氧化能力潛在變化，并對大氣氣溶膠毒性產生順序影響從而導致毒性增加。此外，隨著城市化的進程加快

171、和人民生活質量的提高，城市的人口特征，如人口老齡化、慢性疾病發生率，可能會夸大死亡風險隨時間變化而增加的趨勢。深入探索大氣污染來源組分的死亡效應，收集與控制人群健康相關的危險因素，將更有助于確定危害較大的污染源，為更好的評價和制定有針對性的大氣污染治理措施提供理論依據。在制定大氣污染的健康防護策略過程中，應對不同人群的差異性加以考慮，從而更加有效的保護好易感人群。此外，應加強探索溫度和污染物的交互作用對人群與健康效應影響，了解大氣污染健康效應的潛在修飾作用，以更有助于空氣污染風險評估和公共衛生政策的制定。76 3.我國大氣污染防治我國大氣污染防治工作的工作的原則和重點原則和重點 如今形勢下，我

172、國各級政府應繼續全力以赴，堅決打贏藍天保衛戰。在工作的過程中，應該堅持以生態文明思想為指引，做到學思用貫通、知信行統一；堅持以人民為中心。一方面，為了人民，服務人民，不斷滿足人民日益增長的優美生態環境需要。另一方面，依靠人民，仰仗人民，讓老百姓成為我們的幫手、同盟軍，打污染防治的人民戰爭；堅持落實“黨政同責、一崗雙責”。強化黨的領導，明確地方各級黨委和政府要對本行政區域的生態環境保護工作及生態環境質量負總責；堅持以改善生態環境質量為核心，更好調動地方積極性，讓環境治理措施更有針對性，使環境治理成效與老百姓的感受更加貼近，讓人民群眾有明顯的獲得感；堅持做到穩中求進、統籌兼顧、綜合施策、兩手發力、

173、點面結合、求真務實；堅持不斷強化基礎能力建設，不斷加強機構、隊伍、能力和作風建設，著力打造生態環境保護鐵軍，推進生態環境治理體系和治理能力現代化。2020 年，要堅決打贏藍天保衛戰。全面完成打贏藍天保衛戰三年行動計劃目標任務，狠抓重點區域秋冬季大氣污染綜合治理攻堅，持續開展預警、約談、問責工作。積極穩妥推進北方地區清潔取暖。持續整治“散亂污”企業，推動傳統產業集群升級改造，擴大鋼鐵行業超低排放改造規模，深化工業爐窯、重點行業揮發性有機物污染治理。深入推進柴油貨車污染治理。積極推動“公轉鐵”。強化重點區域聯合防治，推進蘇皖魯豫交界地區聯防聯控工作。其他非重點區域也要對標重點區域要求，進一步加大治

174、污力度。繼續實施績效分級，重污染天氣應急期間落實差異化減排措施。加強消耗臭氧層物質淘汰管理。4.研究局限性研究局限性 本研究中對大氣污染相關死亡風險的長期趨勢研究中采用固定監測站點的監測資料代表城市人群總體的暴露量，這可能導致潛在的暴露錯分。此外，本研究屬于時間序列分析，屬于生態學研究，本身研究固有的測量誤差導致的偏倚其因果推斷力較弱和，因此研究結果僅證明大氣污染與人群死亡的短期效應存在可能的變化趨勢，兩者的因果關系仍需要進一步的毒理學實驗和人群隨訪等研究進一步支持。最后，由于數據的可得性，本研究的研究區域限制在西安市和廣州市，由于77 區域社會經濟發展的不均衡，研究結果和結論不宜直接外推至其

175、他地區，僅可作為一個參考，為其他地區的研究提供思路，更大范圍內的分析有賴于更全面的數據資料。78 八、八、研究結論研究結論 1.對已發表的我國近年來的大氣污染物對健康影響的文獻進行薈萃分析后發現：我國城市空氣污染存在急性暴露死亡效應。所有污染物的超額死亡率的估計值均具有統計學意義。其中，PM2.5每增加 10g/m3導致的全死因超額死亡風險為 0.52%（95%CI：0.40,0.65），導致的呼吸系統疾病超額死亡風險為 0.62%（95%CI：0.52,0.73），導致的心血管系統疾病超額死亡風險為 0.78%（95%CI：0.53,1.04）；此外，NO2導致的超額死亡風險值高于 PM2.

176、5和 O3；由大氣污染物導致的呼吸系統疾病超額死亡率高于心血管系統疾病。2.近十年來西安市和廣州市居民死亡數呈逐年增加趨勢。兩城市的大氣污染物濃度水平逐年降低，但廣州市 O3濃度水平未見明顯下降趨勢。在西安市，PM2.5、OC 和 EC 每升高 IQR 濃度，全人群全死因的超額死亡率分別為 0.99%(95%CI：0.24,1.75)、1.80%(95%CI：0.88,2.73)和 1.60%(95%CI：0.74,2.47)；總心血管系統疾病超額死亡率分別為 1.07%(95%CI：-0.01,2.15)、2.41%(95%CI：1.09,3.75)和 2.16%(95%CI：0.93,3.

177、42)；總呼吸系統疾病超額死亡率分別為 1.47%(95%CI：-0.82,3.81)、0.93%(95%CI：-1.83,3.77)和 0.05%(95%CI：-4.34,4.65)。而在廣州市，PM2.5、O3和 NO2每升高IQR 濃度，全人群全死因的超額死亡率分別為 2.59%(95%CI：2.07,3.11)、3.16%(95%CI：2.48,3.83)和 2.63%(95%CI：2.15,3.1)；總心血管系統疾病超額死亡率分別為 3.17%(95%CI：2.33,4.02)、3.92%(95%CI：2.82,5.02)和 2.84%(95%CI：2.07,3.61)；總呼吸系統疾

178、病超額死亡率分別為 2.66%(95%CI：1.41,3.93)、2.84%(95%CI：1.2,4.49)和 2.99%(95%CI：1.84,4.15)。3.空氣污染的暴露風險在不同性別、年齡分層中存在差異。在西安市，大氣污染物的全人群全死因的效應值在男性和女性之間無明顯差異，大氣污染物對 45-64 歲年齡組人群的全死因的死亡效應較 0-44 歲年齡組和65 歲及以上年齡組高。而在廣州市，大氣污染物的全人群全死因的效應值女性比男性略高，大氣污染物對 65 歲及以上年齡組人群的死亡效應在全人群全死因、總心血管系統疾病和總呼吸系統疾病死因中較 0-44 歲年齡組和 45-64 歲年齡組高。4

179、.空氣污染的暴露風險存在時間變化特征。79 在西安市，污染物對全人群全死因和總心血管系統疾病的死亡效應也逐期遞減，總呼吸系統疾病死亡效應未發現統計學意義。而在廣州市，PM2.5對全人群全死因、總心血管系統疾病和總呼吸系統疾病的死亡效應未發現明顯下降趨勢；O3對全人群全死因、總心血管系統疾病和總呼吸系統疾病的死亡效應呈現下降趨勢。5.空氣污染防控措施導致的空氣質量改善可帶來相應的健康效益。在西安市，2004-2007、2008-2013 和 2014-2016 年期間西安市 PM2.5與全人群全死因的歸因死亡數分別為 343(95%CI：83,608)、598(95%CI：144,1058)和1

180、62(95%CI：39,286)；歸因 OC 和 EC 的死亡數趨勢與 PM2.5的類似。PM2.5，OC和 EC 的人群健康經濟效益總體上呈現先增加后降低的趨勢，在 2010 年人群健康經濟損失最高，PM2.5，OC 和 EC 的人群健康經濟效益分別為 5636.30 萬元，7856.68 萬元和 8809.40 萬元。而在廣州市，2006-2009、2010-2013 和 2014-2016 年期間廣州市 PM2.5與全人群全死因的歸因死亡數分別為 2440(95%CI：1948,2937)、2005(95%CI：1602,2411)和 868(695%CI：94,1044)；歸因 O3和

181、 NO2的死亡數趨勢與 PM2.5的類似。PM2.5，O3和 NO2的人群健康經濟效益總體上呈現波動降低的趨勢，在 2013 年PM2.5人群健康經濟損失最高，為 10.65 億元，在 2012 年 O3 人群健康經濟損失最高，為 8.56 億元。在 2010 年 NO2人群健康經濟損失最高，為 4.70 億元。80 主要主要參考文獻參考文獻 1.Alotaibi R,Bechle M,Marshall JD,et al.Traffic related air pollution and the burden of childhood asthma in the contiguous Unit

182、ed States in 2000 and 2010.Environ Int,2019,127:858-867.2.Analitis A,Katsouyanni K,Dimakopoulou K,et al.Short-term effects of ambient particles on cardiovascular and respiratory mortality.Epidemiology(Cambridge,Mass).2006,17(2):230-3.3.Arku RE,Birch A,Shupler M,et al.Characterizing exposure to house

183、hold air pollution within the Prospective Urban Rural Epidemiology(PURE)study.Environ Int,2018,114:307-317.4.Atkinson RW,Analitis A,Samoli E,et al.Short-term exposure to traffic-related air pollution and daily mortality in London,UK.Journal of exposure science&environmental epidemiology.2016,26(2):1

184、25-32.5.Atkinson RW,Kang S,Anderson HR,et al.Epidemiological time series studies of PM2.5 and daily mortality and hospital admissions:a systematic review and meta-analysis.Thorax.2014,69(7):660-5.6.Atkinson RW,Mills IC,Walton HA,et al.Fine particle components and health-a systematic review and meta-

185、analysis of epidemiological time series studies of daily mortality and hospital admissions.Journal of exposure science&environmental epidemiology.2015,25(2):208-14.7.Aung N,Sanghvi MM,Zemrak F,et al.Association Between Ambient Air Pollution and Cardiac Morpho-Functional Phenotypes:Insights From the

186、UK Biobank Population Imaging Study.Circulation,2018,138(20):2175-2186.8.Bao J,Yang X,Zhao Z,et al.The Spatial-Temporal Characteristics of Air Pollution in China from 20012014.International Journal of Environmental Research&Public Health,2015,12(12):15875.9.Baxter LK,Dionisio KL,Burke J,et al.Exposu

187、re prediction approaches used in air pollution epidemiology studies:key findings and future recommendations.Journal of exposure science&environmental epidemiology.2013,23(6):654-9.10.Bell ML,Dominici F,Ebisu K,et al.Spatial and temporal variation in PM2.5 chemical 81 composition in the United States

188、 for health effects studies.Environmental health perspectives.2007,115(7):989-95.11.Braga A,Zanobetti A,Schwartz J.The lag structure between particulate air pollution and respiratory and cardiovascular deaths in 10 US cities.Journal of Occupational&Environmental Medicine.2001,43(11):927-33.12.Breitn

189、er S,Stlzel M,Cyrys J,et al.Short-Term Mortality Rates during a Decade of Improved Air Quality in Erfurt,Germany.Environmental Health Perspectives,2009,117(3):448-454.13.Brook RD,Rajagopalan S,Pope CA,3rd,et al.Particulate matter air pollution and cardiovascular disease:An update to the scientific s

190、tatement from the American Heart Association.Circulation,2010,121(21):2331-2378.14.Cakmak S,Dales RE,Vida CB.Components of particulate air pollution and mortality in Chile.International journal of occupational and environmental health.2009,15(2):152-8.15.Cao JJ,Lee SC,Chow JC,et al.Spatial and seaso

191、nal distributions of carbonaceous aerosols over China.Journal of Geophysical Research Atmospheres.2007,112(D22):88-97.16.Cao J,Wu F,Chow J,et al.Characterization and source apportionment of atmospheric organic and elemental carbon during fall and winter of 2003 in Xian,China.Atmospheric Chemistry an

192、d Physics.2005,5(11):3127-37.17.Chang X,Wang S,Zhao B,et al.Contributions of inter-city and regional transport to PM2.5 concentrations in the Beijing-Tianjin-Hebei region and its implications on regional joint air pollution control.Sci Total Environ,2019,660:1191-1200.18.Cheng Y and Kan H.Effect of

193、the interaction between outdoor air pollution and extreme temperature on daily mortality in Shanghai,China.J Epidemiol,2012,22(1):28-36.19.Chen R,Kan H,Chen B,et al.Association of particulate air pollution with daily mortality:the China Air Pollution and Health Effects Study.American journal of epid

194、emiology.2012,175(11):1173-81.20.Chen R,Li Y,Ma Y,et al.Coarse particles and mortality in three Chinese cities:the China Air Pollution and Health Effects Study(CAPES).The Science of the total environment.2011,409(23):4934-8.36 Cao J,Xu H,Xu Q,et al.Fine particulate matter constituents and cardiopulm

195、onary mortality in a heavily polluted Chinese city.Environmental health perspectives.2012,120(3):373-8.82 21.Chen R,Peng RD,Meng X,et al.Seasonal variation in the acute effect of particulate air pollution on mortality in the China Air Pollution and Health Effects Study(CAPES).Sci Total Environ,2013,

196、450-451:259-265.22.Chen R,Yin P,Meng X,et al.Associations between ambient nitrogen dioxide and daily cause-specific mortality:Evidence from 272 Chinese cities.Epidemiology,2018.23.Chen R,Yin P,Meng X,et al.Fine Particulate Air Pollution and Daily Mortality:A Nationwide Analysis in 272 Chinese Cities

197、.American Journal of Respiratory&Critical Care Medicine,2017,196(1):73.24.Collaborators GRF.Global,regional,and national comparative risk assessment of 84 behavioural,environmental and occupational,and metabolic risks or clusters of risks for 195 countries and territories,1990-2017:a systematic anal

198、ysis for the Global Burden of Disease Study 2017.Lancet,2018,392(10159):1923-1994.25.Costa AF,Hoek G,Brunekreef B,and Ponce de Leon AC.Air Pollution and Deaths among Elderly Residents of Sao Paulo,Brazil:An Analysis of Mortality Displacement.Environ Health Perspect,2017,125(3):349-354.26.Di Q,Dai L,

199、Wang Y,et al.Association of Short-term Exposure to Air Pollution With Mortality in Older Adults.Jama,2017,318(24):2446-2456.27.Di Q,Wang Y,Zanobetti A,et al.Air Pollution and Mortality in the Medicare Population.N Engl J Med,2017,376(26):2513-2522.28.Ding D,Zhu Y,Jang C,et al.Evaluation of health be

200、nefit using BenMAP-CE with an integrated scheme of model and monitor data during Guangzhou Asian Games.J Environ Sci(China),2016,42:9-18.29.Dockery DW,Pope CA,3rd,Xu X,et al.An association between air pollution and mortality in six U.S.cities.N Engl J Med,1993,329(24):1753-1759.30.Dominici F,Peng RD

201、,Zeger SL,White RH,and Samet JM.Particulate air pollution and mortality in the United States:did the risks change from 1987 to 2000?Am J Epidemiol,2007,166(8):880-888.31.Dong G-H,Qian Z,Wang J,et al.Associations between ambient air pollution and prevalence of stroke and cardiovascular diseases in 33

202、 Chinese communities.Atmospheric Environment,83 2013,77:968-973.32.Fischer PH,Marra M,Ameling CB,et al.Air Pollution and Mortality in Seven Million Adults:The Dutch Environmental Longitudinal Study(DUELS).Environ Health Perspect,2015,123(7):697-704.33.Ford B and Heald CL.Exploring the uncertainty as

203、sociated with satellite-based estimates of premature mortality due to exposure to fine particulate matter.Atmospheric Chemistry and Physics,2016,16(5):3499-3523.34.Franklin M,Zeka A,and Schwartz J.Association between PM2.5 and all-cause and specific-cause mortality in 27 US communities.J Expo Sci En

204、viron Epidemiol,2007,17(3):279-287.35.Fu X,Wang X,Guo H,et al.Trends of ambient fine particles and major chemical components in the Pearl River Delta region:observation at a regional background site in fall and winter.Sci Total Environ,2014,497-498:274-281.36.Garcia CA,Yap PS,Park HY,and Weller BL.A

205、ssociation of long-term PM2.5 exposure with mortality using different air pollution exposure models:impacts in rural and urban California.Int J Environ Health Res,2016,26(2):145-157.37.Geng F,Hua J,Mu Z,et al.Differentiating the associations of black carbon and fine particle with daily mortality in

206、a Chinese city.Environmental research.2013,120:27-32.38.Grabow ML,Spak SN,Holloway T,et al.Air quality and exercise-related health benefits from reduced car travel in the midwestern United States.Environ Health Perspect,2012,120(1):68-76.39.Gu D,Wang Y,Smeltzer C,and Liu Z.Reduction in NO(x)emission

207、 trends over China:regional and seasonal variations.Environ Sci Technol,2013,47(22):12912-12919.40.Guo Y,Li S,Tian Z,et al.The burden of air pollution on years of life lost in Beijing,China,2004-08:retrospective regression analysis of daily deaths.BMJ(Clinical research ed).2013,347:f7139.41.Ho HC,Wo

208、ng MS,Yang L,Chan TC,and Bilal M.Influences of socioeconomic vulnerability and intra-urban air pollution exposure on short-term mortality during extreme dust events.Environ Pollut,2018,235:155-162.42.Huang W,Cao J,Tao Y,et al.Seasonal variation of chemical species associated with short-term mortalit

209、y effects of PM(2.5)in Xian,a Central City in China.Am J Epidemiol,2012,84 175(6):556-566.43.Huang K,Liang F,Yang X,et al.Long term exposure to ambient fine particulate matter and incidence of stroke:prospective cohort study from the China-PAR project.Bmj,2019,367:l6720.44.Huang W,Wang G,Lu SE,et al

210、.Inflammatory and oxidative stress responses of healthy young adults to changes in air quality during the Beijing Olympics.American journal of respiratory and critical care medicine.2012,186(11):1150-9.45.Huang W,Zhu T,Pan X,et al.Air pollution and autonomic and vascular dysfunction in patients with

211、 cardiovascular disease:interactions of systemic inflammation,overweight,and gender.American journal of epidemiology.2012,176(2):117-26.46.Hurvich CM,Simonoff JS,Tsai CL.Smoothing parameter selection in nonparametric regression using an improved Akaike information criterion.Journal of the Royal Stat

212、istical Society.2002,60(2):271-93.47.Hu R,Wang S,Aunan K,et al.Personal exposure to PM(2.5)in Chinese rural households in the Yangtze River Delta.Indoor Air,2019,29(3):403-412.48.IARC.Air pollution and cancer.2013.49.Janssen NA,Hoek G,Simic-Lawson M,et al.Black carbon as an additional indicator of t

213、he adverse health effects of airborne particles compared with PM10 and PM2.5.Environmental health perspectives.2011,119(12):1691-9.50.Jiang X,Hong C,Zheng Y,et al.To what extent can Chinas near-term air pollution control policy protect air quality and human health?A case study of the Pearl River Del

214、ta region.Environmental Research Letters,2015,10(10):104006.51.Katsouyanni K,Touloumi G,Spix C,et al.Short-term effects of ambient sulphur dioxide and particulate matter on mortality in 12 European cities:results from time series data from the APHEA project.Air Pollution and Health:a European Approa

215、ch.Bmj,1997,314(7095):1658-1663.52.Kim H,Kim H,and Lee JT.Effects of ambient air particles on mortality in Seoul:Have the effects changed over time?Environ Res,2015,140:684-690.53.Kim SE,Honda Y,Hashizume M,et al.Seasonal analysis of the short-term effects of air pollution on daily mortality in Nort

216、heast Asia.Sci Total Environ,2017,576:850-857.85 54.Kim SE,Lim YH,and Kim H.Temperature modifies the association between particulate air pollution and mortality:A multi-city study in South Korea.Sci Total Environ,2015,524-525:376-383.55.Laden F,Neas LM,Dockery DW,et al.Association of fine particulat

217、e matter from different sources with daily mortality in six U.S.cities.Environmental health perspectives.2000,108(10):941-7.56.Lai HK,Tsang H,Wong CM.Meta-analysis of adverse health effects due to air pollution in Chinese populations.BMC public health.2013,13:360.57.Lee H,Honda Y,Hashizume M,et al.S

218、hort-term exposure to fine and coarse particles and mortality:A multicity time-series study in East Asia.Environmental Pollution,2015,207:43-51.58.Liang F,Liu F,Huang K,et al.Long-Term Exposure to Fine Particulate Matter and Cardiovascular Disease in China.J Am Coll Cardiol,2020,75(7):707-717.59.Lia

219、ng F,Xiao Q,Gu D,et al.Satellite-based short-and long-term exposure to PM2.5 and adult mortality in urban Beijing,China.Environ Pollut,2018,242(Pt A):492-499.60.Li J,Zhou C,Xu H,et al.Ambient Air Pollution Is Associated With HDL(High-Density Lipoprotein)Dysfunction in Healthy Adults.Arterioscler Thr

220、omb Vasc Biol,2019,39(3):513-522.61.Li Y,Ma Z,Zheng C,and Shang Y.Ambient temperature enhanced acute cardiovascular-respiratory mortality effects of PM2.5 in Beijing,China.Int J Biometeorol,2015,59(12):1761-1770.62.Lin H,Liu T,Xiao J,et al.Mortality burden of ambient fine particulate air pollution i

221、n six Chinese cities:Results from the Pearl River Delta study.Environ Int,2016,96:91-97.63.Lin H,Tao J,Du Y,et al.Particle size and chemical constituents of ambient particulate pollution associated with cardiovascular mortality in Guangzhou,China.Environmental pollution(Barking,Essex:1987).2016,208(

222、Pt B):758-66.64.Liu S,Zhang K.Fine particulate matter components and mortality in Greater Houston:Did the risk reduce from 2000 to 2011?The Science of the total environment.2015,538:162-8.65.Lin H,Zhang Y,Liu T,et al.Mortality reduction following the air pollution control measures 86 during the 2010

223、 Asian Games.Atmospheric Environment,2014,91:24-31.66.Liu C,Chen R,Sera F,et al.Ambient Particulate Air Pollution and Daily Mortality in 652 Cities.N Engl J Med,2019,381(8):705-715.67.Liu T,Cai Y,Feng B,et al.Long-term mortality benefits of air quality improvement during the twelfth five-year-plan p

224、eriod in 31 provincial capital cities of China.Atmospheric Environment,2018,173:53-61.68.Lu F,Xu D,Cheng Y,et al.Systematic review and meta-analysis of the adverse health effects of ambient PM2.5 and PM10 pollution in the Chinese population.Environmental research.2015,136:196-204.69.Ma Y,Chen R,Pan

225、G,et al.Fine particulate air pollution and daily mortality in Shenyang,China.Sci Total Environ,2011,409(13):2473-2477.70.Mar TF,Norris GA,Koenig JQ,et al.Associations between air pollution and mortality in Phoenix,1995-1997.Environmental health perspectives.2000,108(4):347-53.71.Maynard D,Coull BA,G

226、ryparis A,et al.Mortality risk associated with short-term exposure to traffic particles and sulfates.Environmental health perspectives.2007,115(5):751-5.72.Meng X,Zhang Y,Zhao Z,et al.Temperature modifies the acute effect of particulate air pollution on mortality in eight Chinese cities.The Science

227、of the total environment.2012,435-436:215-21.73.Meo SA,Suraya F.Effect of environmental air pollution on cardiovascular diseases.European review for medical and pharmacological sciences.2015,19(24):4890-7.55 Wyzga RE,Rohr AC.Long-term particulate matter exposure:Attributing health effects to individ

228、ual PM components.Journal of the Air&Waste Management Association(1995).2015,65(5):523-43.74.Milojevic A,Niedzwiedz CL,Pearce J,et al.Socioeconomic and urban-rural differentials in exposure to air pollution and mortality burden in England.Environ Health,2017,16(1):104.75.Mirowsky JE,Peltier RE,Lippm

229、ann M,et al.Repeated measures of inflammation,blood pressure,and heart rate variability associated with traffic exposures in healthy adults.Environmental health:a global access science source.2015,14:66.76.Nethery E,Leckie SE,Teschke K,and Brauer M.From measures to models:an evaluation of air pollut

230、ion exposure assessment for epidemiological studies of pregnant women.Occup 87 Environ Med,2008,65(9):579-586.77.Ostro B,Feng WY,Broadwin R,et al.The effects of components of fine particulate air pollution on mortality in california:results from CALFINE.Environmental health perspectives.2007,115(1):

231、13-9.78.Ostro B,Roth L,Malig B,et al.The effects of fine particle components on respiratory hospital admissions in children.Environmental health perspectives.2009,117(3):475-80.79.Ostro B,Tobias A,Querol X,et al.The effects of particulate matter sources on daily mortality:a case-crossover study of B

232、arcelona,Spain.Environmental health perspectives.2011,119(12):1781-7.80.Park Y,Kwon B,Heo J,et al.Estimating PM2.5 concentration of the conterminous United States via interpretable convolutional neural networks.Environ Pollut,2020,256:113395.81.Peng RD,Bell ML,Geyh AS,et al.Emergency admissions for

233、cardiovascular and respiratory diseases and the chemical composition of fine particle air pollution.Environmental health perspectives.2009,117(6):957-63.82.Pope CA,3rd,Bhatnagar A,McCracken JP,et al.Exposure to fine particulate air pollution is associated with endothelial injury and systemic inflamm

234、ation.Circ Res,2016,119(11):1204-1214.83.Pope CA,3rd,Burnett RT,Thun MJ,et al.Lung cancer,cardiopulmonary mortality,and long-term exposure to fine particulate air pollution.JAMA,2002,287(9):1132-1141.84.Qiu H,Tian L,Ho KF,et al.Air pollution and mortality:effect modification by personal characterist

235、ics and specific cause of death in a case-only study.Environ Pollut,2015,199:192-197.85.Renzi M,Stafoggia M,Faustini A,et al.Analysis of Temporal Variability in the Short-term Effects of Ambient Air Pollutants on Nonaccidental Mortality in Rome,Italy(1998-2014).Environ Health Perspect,2017,125(6):06

236、7019.86.Rich DQ,Kipen HM,Huang W,et al.Association between changes in air pollution levels during the Beijing Olympics and biomarkers of inflammation and thrombosis in healthy young adults.Jama,2012,307(19):2068-2078.87.Roberts S.Interactions between particulate air pollution and temperature in air

237、pollution 88 mortality time series studies.Environ Res,2004,96(3):328-337.88.Roberts S,Martin MA.Applying a moving total mortality count to the cities in the NMMAPS database to estimate the mortality effects of particulate matter air pollution.Occupational and environmental medicine.2006,63(3):193-7

238、.89.Roberts S,Switzer P.Mortality displacement and distributed lag models.Inhalation toxicology.2004,16(14):879-88.90.Samet JM,Dominici F,Curriero FC,Coursac I,and Zeger SL.Fine particulate air pollution and mortality in 20 U.S.cities,1987-1994.New England Journal of Medicine,2000,343(24):1742-1749.

239、91.Samoli E,Stafoggia M,Rodopoulou S,et al.Associations between fine and coarse particles and mortality in Mediterranean cities:results from the MED-PARTICLES project.Environ Health Perspect,2013,121(8):932-938.92.Samoli E,Touloumi G,Zanobetti A,et al.Investigating the dose-response relation between

240、 air pollution and total mortality in the APHEA-2 multicity project.Occupational and environmental medicine.2003,60(12):977-82.93.Sarnat JA,Marmur A,Klein M,et al.Fine particle sources and cardiorespiratory morbidity:an application of chemical mass balance and factor analytical source-apportionment

241、methods.Environmental health perspectives.2008,116(4):459-66.94.Sellier Y,Galineau J,Hulin A,et al.Health effects of ambient air pollution:do different methods for estimating exposure lead to different results?Environ Int,2014,66:165-173.95.Shang Y,Sun Z,Cao J,et al.Systematic review of Chinese stud

242、ies of short-term exposure to air pollution and daily mortality.Environ Int,2013,54:100-111.96.Shin HH,Stieb DM,Jessiman B,et al.A temporal,multicity model to estimate the effects of short-term exposure to ambient air pollution on health.Environ Health Perspect,2008,116(9):1147-1153.97.Son JY,Lee JT

243、,Kim KH,et al.Characterization of fine particulate matter and associations between particulate chemical constituents and mortality in Seoul,Korea.Environmental health perspectives.2012,120(6):872-8.98.Stylianou M,Nicolich MJ.Cumulative effects and threshold levels in air pollution mortality:data ana

244、lysis of nine large US cities using the NMMAPS dataset.Environmental pollution 89 (Barking,Essex:1987).2009,157(8-9):2216-23.99.Sun Y,Song X,Han Y,et al.Size-fractioned ultrafine particles and black carbon associated with autonomic dysfunction in subjects with diabetes or impaired glucose tolerance

245、in Shanghai,China.Particle&Fibre Toxicology.2015,12(1):1-11.100.Tao Y,Huang W,Huang X,et al.Estimated acute effects of ambient ozone and nitrogen dioxide on mortality in the Pearl River Delta of southern China.Environ Health Perspect,2012,120(3):393-398.101.Tao Y,Zhong L,Huang X,et al.Acute mortalit

246、y effects of carbon monoxide in the Pearl River Delta of China.Sci Total Environ,2011,410-411:34-40.102.Tian Y,Liu H,Zhao Z,et al.Association between ambient air pollution and daily hospital admissions for ischemic stroke:A nationwide time-series analysis.PLoS Med,2018,15(10):e1002668.103.Tzima K,An

247、alitis A,Katsouyanni K,and Samoli E.Has the risk of mortality related to short-term exposure to particles changed over the past years in Athens,Greece?Environ Int,2018,113:306-312.104.Ueda K,Yamagami M,Ikemori F,et al.Associations Between Fine Particulate Matter Components and Daily Mortality in Nag

248、oya,Japan.Journal of epidemiology/Japan Epidemiological Association.2015.105.Vicedo-Cabrera AM,Sera F,Liu C,et al.Short term association between ozone and mortality:global two stage time series study in 406 locations in 20 countries.Bmj,2020,368:m108.106.Villeneuve PJ,Burnett RT,Shi Y,et al.A time-s

249、eries study of air pollution,socioeconomic status,and mortality in Vancouver,Canada.Journal of exposure analysis and environmental epidemiology.2003,13(6):427-35.107.Wang L,Liu C,Meng X,et al.Associations between short-term exposure to ambient sulfur dioxide and increased cause-specific mortality in

250、 272 Chinese cities.Environ Int,2018,117:33-39.108.Wang M,Beelen R,Stafoggia M,et al.Long-term exposure to elemental constituents of particulate matter and cardiovascular mortality in 19 European cohorts:results from the ESCAPE and TRANSPHORM projects.Environment International,2014,66(2):97-106.90 1

251、09.Wang M,Gehring U,Hoek G,et al.Air Pollution and Lung Function in Dutch Children:A Comparison of Exposure Estimates and Associations Based on Land Use Regression and Dispersion Exposure Modeling Approaches.Environ Health Perspect,2015,123(8):847-851.110.Wang P,Cao JJ,Shen ZX,et al.Spatial and seas

252、onal variations of PM2.5 mass and species during 2010 in Xian,China.The Science of the total environment.2015,508:477-87.111.Wittkopp S,Staimer N,Tjoa T,et al.Nrf2-related gene expression and exposure to traffic-related air pollution in elderly subjects with cardiovascular disease:An exploratory pan

253、el study.Journal of exposure science&environmental epidemiology.2016,26(2):141-9.112.Wong CM,Vichit-Vadakan N,Kan H,et al.Public Health and Air Pollution in Asia(PAPA):a multicity study of short-term effects of air pollution on mortality.Environmental health perspectives.2008,116(9):1195-202.113.Wu

254、R,Song X,Bai Y,et al.Are current Chinese national ambient air quality standards on 24-hour averages for particulate matter sufficient to protect public health?J Environ Sci(China),2018,71:67-75.114.Wu R,Zhong L,Huang X,et al.Temporal variations in ambient particulate matter reduction associated shor

255、t-term mortality risks in Guangzhou,China:A time-series analysis(2006-2016).Sci Total Environ,2018,645:491-498.115.Wu S,Deng F,Huang J,et al.Blood pressure changes and chemical constituents of particulate air pollution:results from the healthy volunteer natural relocation(HVNR)study.Environmental he

256、alth perspectives.2013,121(1):66-72.116.Xiao Q,Chen H,Strickland MJ,et al.Associations between birth outcomes and maternal PM2.5 exposure in Shanghai:A comparison of three exposure assessment approaches.Environ Int,2018,117:226-236.117.Xu H,Chen J,Zhao Q,et al.Ambient air pollution is associated wit

257、h cardiac repolarization abnormalities in healthy adults.Environ Res,2019,171:239-246.118.Xu H,Wang T,Liu S,et al.Extreme Levels of Air Pollution Associated With Changes in Biomarkers of Atherosclerotic Plaque Vulnerability and Thrombogenicity in Healthy Adults.Circ Res,2019,124(5):e30-e43.119.Xu M,

258、Guo Y,Zhang Y,et al.Spatiotemporal analysis of particulate air pollution and ischemic 91 heart disease mortality in Beijing,China.Environ Health,2014,13:109.120.Yang C,Peng X,Huang W,et al.A time-stratified case-crossover study of fine particulate matter air pollution and mortality in Guangzhou,Chin

259、a.Int Arch Occup Environ Health,2012,85(5):579-585.121.Yin P,Chen R,Wang L,et al.Ambient Ozone Pollution and Daily Mortality:A Nationwide Study in 272 Chinese Cities.Environ Health Perspect,2017,125(11):117006.122.Yin P,Brauer M,Cohen A,et al.Long-term Fine Particulate Matter Exposure and Nonacciden

260、tal and Cause-specific Mortality in a Large National Cohort of Chinese Men.Environ Health Perspect,2017,125(11):117002.123.Yu K,Qiu G,Chan KH,et al.Association of Solid Fuel Use With Risk of Cardiovascular and All-Cause Mortality in Rural China.Jama,2018,319(13):1351-1361.124.Zanobetti A and Schwart

261、z J.The Effect of Fine and Coarse Particulate Air Pollution on Mortality:A National Analysis.Environmental Health Perspectives,2009,117(6):898.125.Zanobetti A,Schwartz J,Samoli E,et al.The temporal pattern of mortality responses to air pollution:a multicity assessment of mortality displacement.Epide

262、miology(Cambridge,Mass).2002,13(1):87-93.126.Zanobetti A,Wand MP,Schwartz J,et al.Generalized additive distributed lag models:quantifying mortality displacement.Biostatistics(Oxford,England).2000,1(3):279-92.127.Zhang Y,Guo Y,Li G,et al.The spatial characteristics of ambient particulate matter and d

263、aily mortality in the urban area of Beijing,China.Sci Total Environ,2012,435-436:14-20.128.Zhong J,Urch B,Speck M,et al.Endotoxin and beta-1,3-d-Glucan in Concentrated Ambient Particles Induce Rapid Increase in Blood Pressure in Controlled Human Exposures.Hypertension.2015,66(3):509-16.129.Zhou M,He

264、 G,Fan M,et al.Smog episodes,fine particulate pollution and mortality in China.Environ Res,2015,136:396-404.130.Zhou M,Wang H,Zeng X,et al.Mortality,morbidity,and risk factors in China and its provinces,1990-2017:a systematic analysis for the Global Burden of Disease Study 2017.Lancet,2019,394(10204

265、):1145-1158.主要研究方向為環境流行病學，包括空氣污染的心肺系統健康損傷機制、風險評估、干預及政策制訂等。自 2012 年起，擔任世界衛生組織（WHO）環境健康顧問、專家組成員和課題負責人，參加和承擔多項全球空氣污染政策文件編纂和危害評估工作，主要包括空氣污染致癌性評估、全球空氣質量標準值更新、以及全球空氣污染防護措施評估等。目前還擔任 2021 年第 33 屆國際環境流行病學會大會主席、國際環境期刊Science of the Total Environment 副主編、Environmental Epidemiology 編委等職。此外，擔任中國環境誘變劑學會青年委員會主任委員、

266、國家室內空氣質量標準修訂工作組成員、國家環境基準工作委員會委員、歐美同學會留美醫學委員會公共衛生專業委員會秘書長等職務。課題組負責人 黃薇美國哈佛大學公共衛生學院環境衛生學博士（2003 年）北京大學公共衛生學院勞動衛生與環境衛生學系教授、博士生導師北京大學環境醫學研究所副所長此文章是國家自然科學基金-北京大學管理科學數據中心 2017 年資助課題“我國典型地區空氣質量改善的健康效益評估及人群健康防護策略研究”的結項報告。該課題組負責人為北京大學公共衛生學院黃薇教授。該課題主要針對典型城市空氣污染對人群健康的急性風險及空氣質量改善措施的健康效益開展相關研究。我國典型地區空氣質量改善的健康效益評估及人群健康防護策略研究課題組