评估大气环境污染健康效应的统计方法研究及其应用

The health impact of ambient air pollution is one of the most important global public health problems. We are faced with two methodological challenges in conducting research in this field, including how to obtain detailed and accurate ambient air pollution data and how to improve the statistical methods for the assessment of health effects of ambient air pollution. Based on the recent data of ambient air pollution, meteorological measures and registered deaths in Guangzhou, this project aims to address the above-mentioned issues. (1) We will construct a model of estimating the levels of surface particulate matter based on satellite aerosol optical depth and meteorological measures, improving the accuracy of air pollution data and allowing for estimating personal exposure level; (2) Then we will use the case-crossover design to estimate health effects of particle matter; We focus our efforts on estimating the short-, medium- and long-term effects using a time series-based generalized additive model. We will assess the lagged and cumulative effects and the interaction effects with meteorological factors, and propose a tensor product smooth method to estimate the overall effects of multiple air pollutants; we will construct some measures of air pollution effects with great public health significance, such as loss of life expectancy and attributable deaths percentage. This study would achieve key breakthroughs in methodology in estimating health effects of ambient air pollution as a reference for other relevant studies. The findings could provide scientific instrument for how to manage and control ambient air pollution.

大气污染对人类健康的影响是全球广受关注的重大公共卫生问题。如何获得详尽准确的大气污染数据以及怎样完善效应评估中的统计方法，是目前该研究领域所面临的两大难题。本项目将以广州市近10年的大气污染、气象和居民死亡登记数据为基础解决下述问题：① 将卫星观测的气溶胶厚度与气象等数据相结合，建立地面大气颗粒物浓度的估计模型，以提高大气污染数据的准确性，估计个体暴露水平。② 在前述工作基础上，建立基于病例交叉设计的大气颗粒物效应评估模型；同时重点基于时间序列，建立可评估大气污染短、中、长期效应的广义相加模型，研究滞后效应、累积效应、与气象因素的交互效应，提出基于张量积平滑的多个污染物综合效应分析法，并以人均期望寿命损失和归因死亡数百分比等更具公共卫生意义的指标表达效应量。以上目标的实现将是大气污染健康效应评估方法学上的重要突破，可为同类研究提供方法学借鉴,为大气污染防控政策和干预措施的制定提供有力工具。

详尽准确的大气污染数据是健康效应评估的基础。然而，空气质量地面监测站的建设和运行相当昂贵，导致目前站点的分布极度稀疏且分布极为不均，尤其是很多小城市和农村甚至没有地面监测站。因此，无法对污染状况进行全面准确地监测，更无法估计个体暴露情况。大气污染健康效应评估的统计方法也亟待完善。本项目按计划完成了以下研究：（1）构建了基于卫星监测的气溶胶厚度和对流层NO2数据估计近地面大气PM2.5和NO2浓度的方法和统计模型，非线性暴露滞后反应模型与XGBoost机器学习相结合的方法获得较高的估计准确性（交叉验证R2分别为0.86和0.85）。我们还发现监测点数量和分布是否随机是影响估计准确性的重要因素。如果在栅格的50公里范围内增加5个监测点，而且站点呈随机化分布，模型的估计能力将提升17.5%。相比于既往的研究，我们很大程度上解决了缺失率问题（气溶胶厚度数据的缺失率从原来的88%下降到14%），实现了高覆盖，更重要的是进一步提高了估计的准确性，不仅为大气污染监测提供了新思路、新方法，同时可为将来大气污染健康效应的评估提供更为精准的数据基础。（2）对全国主要城市空气质量指数和PM2.5的时空分布及其社会经济和气象影响因素进行了深入探讨。（3）提出了估计多污染物综合效应的带张量积平滑项的Poisson广义加性模型，该模型不但克服了单污染物模型的局限性，同时又能避免传统的广义加性多污染物模型由于共线性所带来的偏倚。（4）采用病例-交叉设计和广义分布滞后非线性模型等方法从多角度评估了大气污染的人群健康效应，计算了大气污染的归因危险度百分比，发现：有10.91% (95% CI:1.02–9.58%)的COPD死亡与大气PM10有关；大气污染增加自杀死亡的风险以及每小时120急救车出车次数。同时，我们还开展了本项目研究计划之外的气象健康效应的时间序列研究，包括：提出了分布滞后非线性的分位数回归模型，采用该新的建模策略，深入分析了急救车出车量和急救反应时间与气象因素的关系；探讨了2007- 2013年我国31个省会城市不同定义下的寒潮和死亡率的关系，并识别了人群的脆弱性；基于过去60年的数据，采用了机器学习和统计模型相结合的方法对陕西省的气象干旱进行预测。为全面评估大气污染和气候变化的影响提供了方法学借鉴以及科学证据。