京津冀地区室内PM2.5的疾病负担研究

Enormous studies have confirmed the adverse health effects of PM2.5. Most studies have focused on the atmospheric PM2.5. And there is a lack of research on the health effects of indoor PM2.5. However, many studies have shown that people often spend most time at indoor environment. Therefore, estimation of indoor PM2.5-associated burden of disease is crucial for protecting public health. This study intends to conduct a questionnaire survey and indoor PM2.5 monitoring in the typical air pollution area of Beijing-Tianjin-Hebei, combined with data of ambient PM2.5 and meteorological data, to construct high-precision dynamic model and statistical model to predict indoor PM2.5 concentration. Ten-fold crossover method will be used to verify the model. The expected model R2 could reach 0.85 or more. Based on the above model, using historical large sample size questionnaire data, ambient PM2.5 data and meteorological data, we will simulate the long-term serial data of indoor PM2.5 concentration, which is very lacked in current research. Then we will analyze the character of residents’ long-term exposure level of indoor PM2.5 in Beijing-Tianjin-Hebei region. Finally, based on the latest global comprehensive exposure-response relationship, demographic data, as well as the base mortality of the specific diseases, we will calculate the burden of disease attributed to indoor PM2.5 exposure in Beijing-Tianjin-Hebei region, and explore its spatial and temporal distribution characteristics, in order to provide a theory for making policies to reduce the health risks of indoor PM2.5 exposure.

室内PM2.5的疾病负担研究，对于采取措施降低人群室内PM2.5暴露的健康风险具有重要意义。然而，我国的室内PM2.5疾病负担研究刚刚起步，我国居民室内PM2.5的疾病负担尚不清晰。本研究拟在京津冀地区开展问卷调查和室内PM2.5监测，结合室外监测站点的PM2.5数据和气象数据，构建室内PM2.5浓度预测随机森林模型，采用十折交叉法验证和优化模型（预期R2＞0.85）；基于上述模型，利用历史的大样本量问卷调查数据、室外PM2.5数据和气象数据，模拟目前研究中非常缺乏的室内PM2.5浓度长时间序列数据，明确京津冀地区居民室内PM2.5长期暴露水平；结合全球最新PM2.5全暴露浓度范围的非线性综合暴露—反应关系曲线、人口数据，以及分病种的基础死亡率，计算京津冀地区归因于室内PM2.5暴露的疾病负担，并探讨其时空分布特征。本研究结果可为制定政策降低居民室内PM2.5暴露的健康风险提供重要依据。

室内PM2.5的疾病负担研究，对于降低室内PM2.5暴露的健康风险保护人群具有重要意义。我国关于室内PM2.5的疾病负担研究刚刚起步，我国居民室内PM2.5的疾病负担尚不清晰。因此，本项目开展了全国归因于室内PM2.5污染的疾病负担研究。在典型空气污染地区开展现场调查和室内监测，收集并匹配相关数据，建立数据库。采用先进的机器学习算法，构建了室内PM2.5浓度模拟的随机森林模型，可基于连续的室外PM2.5浓度数据、气象数据和地域代表性的暴露影响因素调查数据，模拟输出长时间序列的室内PM2.5浓度数据，模型验证的R2高达0.89、RMSE为9.13。基于构建的模型，模拟产出了2013-2017年我国区县尺度的室内PM2.5浓度日值数据集一套，2013-2017年室内PM2.5浓度区县均值范围为47～89 μg/m3；室内PM2.5浓度整体呈现逐年下降趋势。基于GBD的方法评估了我国2013-2017年归因于室内PM2.5污染的过早死亡人数，基于IER暴露-反应关系的逐年过早死亡数分别为127.3、127.2、125.2、124.2、123.3万例；基于GEMM暴露-反应关系的逐年过早死亡数分别为231.3、231.0、225.7、223.1、220.5万例；室内PM2.5归因疾病负担呈现逐年下降趋势。研究构建的室内PM2.5模型有效解决了室内PM2.5长期数据缺乏的科学问题；模拟产出的2013-3017年我国区县尺度的室内PM2.5浓度日值数据集可为进一步的室内PM2.5健康研究提供重要的数据支撑；估算所得的我国201-2017年室内PM2.5归因疾病负担为我国室内空气污染的防控具有重要参考意义。项目所有考核指标均已完成。已经正式发表或发布SCI及中文核心论文5篇、专著1本、研究生学位论文1本、国家标准1项、行业标准1项。