研究背景空气污染已成为全球最大的公共卫生问题之一,对全球人口健康产生了深远的影响,尤其是山东省省会城市——济南,是典型的空气污染型城市。空气污染一直是世界范围内导致死亡和残疾的最高风险因素之一,长期以来,呼吸污染的空气会增加人体患心脏病、慢性呼吸系统疾病、肺部感染甚至癌症的机会。对于长期居住于空气污染严重地区的居民,可能在个人身体素质、机体适应能力以及个体防护措施等方面与其他地区有所差异。因此亟需对高污染城市污染物暴露对相关健康情况的影响加强关注。近些年来,受全球气候变化、极端天气频发、大气污染等因素影响,相关疾病的发病率和死亡率逐年上升,气象因素对污染物健康效应的修饰作用应引起关注。研究目的1.评估PM2.5暴露对济南市非意外死亡率、循环系统疾病死亡率以及呼吸系统疾病死亡率的影响。2.建立模型,对高污染地区PM25暴露与相关死亡的非线性关系、短期滞后效应分布进行分析。3.探索PM2.5暴露与济南市非意外死亡率、循环系统疾病死亡率以及呼吸系统疾病死亡率的阈值关系,进一步为高污染地区制定公共卫生政策、保障人群健康提供依据。4.探究其他气象因素对PM2.5暴露与相关死亡关系的效应修饰作用,为更准确的评价PM25暴露的效应做出贡献。研究方法通过获得2011年1月1日至2017年12月31日山东省济南市气象因子、空气污染物与相关死亡率的每日监测数据,对研究地区及研究时期的基本情况进行描述性分析。使用Spearman等级相关分析各污染物与气象因素之间的关系。首先建立广义加性模型,避免纳入相关性过强的两变量,进行共线性检验后,对PM2.5暴露对相关死亡的关系进行探索。为探索关联是否存在滞后性与非线性,建立分布式滞后非线性模型进行评估PM2.5对非意外死亡、循环系统疾病死亡以及呼吸系统疾病死亡的非线性、滞后性以及收获效应。在分布滞后非线性模型的基础上,探索阈值点的存在。为保证研究结果的可靠性,我们对其进行敏感性分析,采用改变最长滞后时间、改变PM2.5交叉基函数中基函数参数两种方式对结果的稳定性进行验证。随后,基于广义加性模型纳入PM2.5与各气象因素的交互项探索PM2.5与气象因素的交互作用,并进一步在分布滞后非线性模型的基础上,对各气象因素进行分层分析,以对日均温度、相对湿度、平均风速对PM2.5健康效应的修饰作用进行探索。研究结果相关死亡率与PM2.5呈非线性正相关关系。PM2.5的平均浓度水平对非意外死亡率(RR=1.12,95%CI:1.06-1.19),心血管疾病死亡率(RR=1.16,95%CI:1.10-1.22)和呼吸系统疾病死亡率(RR=1.19,95%CI:1.02-1.38)的影响均在当天达到最高(lag0),且对循环系统疾病死亡模型出现收获效应。在高污染城市济南暂未发现效应水平为0的安全浓度,但存在阈值。对于非意外死亡率,阈值为233μg/m3,对于循环系统疾病死亡率与呼吸系统疾病死亡率,阈值均为249μg/m3,高于此点时,效应下降。在进一步的交互作用与效应修饰分析中发现,低温、低湿、高风速会对PM2.5的死亡效应呈现协同促进作用。研究结论随着中国经济快速发展,城市化进程日益加快,自2013年以来,空气污染逐渐加剧,而那些长期居住于空气污染严重地区的居民,在个人身体素质,机体适应性以及个体防护措施等方面可能与其他地区不同。本研究针对目前研究现状及存在的问题,根据济南市2011-2017年时间序列资料探索污染物的阈值效应,为制定公共卫生政策提供依据,这将有益于人群健康的同时节约更大的成本。此次研究发现必须不断加强对颗粒污染物的控制,并对重污染地区因地制宜的实施空气质量标准限值,同时,对于污染严重的地区,应提倡加强个体保护以降低阈值,并尽可能地控制污染物的浓度,这将大大节省成本,从而造福于公众。