PM2.5对缺血性脑卒中发病急性效应评估及其相关机制研究

Our previous study found that exposure to PM2.5 can potentially increase the risk of ischemic stroke. It remains unclear whether acute exposure to PM2.5 triggering ischemic stroke was differ across strata defined by patient characteristics. This study is intended to record hourly-based PM2.5 average concentration data and meteorological data in Beijing from 2013 to 2018. The land-used regression (LUR) model will be used to predict the individual’s exposure of PM2.5 concentration. In addition, we will gather information of about 350,000 patients with acute ischemic stroke within second level and above hospitals in a 6-year period. We will analyze the acute effect of PM2.5 on ischemic stroke based on different characteristics of population by using generalized additive model (GAM). In addition, we will collect 4000 samples from a cohort ‘Beijing Health Management Population’, including morbidity information and related indicators of ischemic stroke. Mixed effects model with repeated measurement design will be used to analyze the effect of PM2.5 on the incidence and related physiological parameters of ischemic stroke, and compare the influence of PM2.5 on the incidence of ischemic stroke and its change tendency. The models will be evaluated and validated by sensitivity analyses and bootstrap methods. The results can provide a basis for determining PM2.5 sensitive population, the establishment of accurate prevention and control strategy in public health planning, and the further study of the pathogenesis of ischemic stroke.

项目组前期研究发现PM2.5暴露会增加缺血性脑卒中（IS）发病风险，但尚不清楚PM2.5暴露对不同特征人群IS发病急性效应的异质性及相关机制。本研究拟收集2013-2018年北京市逐时PM2.5浓度数据和气象数据，采用土地使用回归模型预测PM2.5个体暴露浓度；收集二级及以上医院6年全部IS入院患者（约35万例）信息，对患者分层，采用广义相加模型分析PM2.5对不同特征人群IS发病的急性效应；基于北京市健康管理队列随机抽取4000例研究对象，2013-2018年连续收集IS发病及相关生理生化指标信息，采用重复测量设计混合效应模型分析PM2.5对IS发病及相关指标的影响，并比较IS是否发病人群PM2.5对其影响的差异及其变化趋势；应用Bootstrap重抽样及敏感性分析等方法对建立的模型进行评估与验证。研究结果为确定PM2.5敏感人群，制定IS精准防控策略及未来IS发病机制研究提供依据。

PM2.5暴露可增加缺血性脑卒中（IS）发病风险，但PM2.5暴露对不同特征人群IS发病急性效应的异质性及相关机制尚不明确。本研究收集了2013-2018年北京市逐时PM2.5浓度和气象数据、土地利用数据、二级及以上医院6年全部IS入院患者（共476659例）信息和北京市健康管理队列研究对象IS发病及相关生理生化指标6年纵向信息，分析北京市PM2.5的时空分布情况，改进土地使用回归方法构建更精准的PM2.5暴露浓度预测模型，并采用广义相加模型、分布滞后非线性模型和重复测量设计混合效应模型探讨PM2.5暴露对总人群及不同特征人群IS入院及发病相关指标的急性效应。研究结果显示北京市PM2.5污染逐年减轻，且具有地域、季节、小时变化趋势；构建的PM2.5暴露浓度预测模型具有较高的准确度（均方根误差为6.673，平均绝对百分比误差为0.074），可更好地评估个体暴露浓度；PM2.5短期暴露可增加IS发病风险，滞后4天、5天和0-5天的PM2.5暴露浓度每增加一个四分位数间距（IQR），每日入院人数百分比可增加0.81(95%CI:0.39,1.23)、0.87(95%CI:0.45,1.29)和0.99(95%CI:0.35,1.64)，不同年龄、性别、气象条件、伴随疾病、复发等因素条件下PM2.5对IS的健康效应不完全相同但差异较小，而病情影响较大，病情严重者对PM2.5暴露更加敏感，最大影响的滞后时间下，PM2.5浓度每增加一个IQR入院人数百分比增加6.15(95%CI:1.14,11.42)；PM2.5暴露水平与IS发病及其相关指标有一定关联，最大影响的滞后时间下，PM2.5暴露量每个IQR增量可导致收缩压增加0.12mmHg（95%CI：0.07,0.17），总胆固醇增加0.06mmol/L(95%CI:0.03,0.08)，红细胞计数降低0.05×109/L(95%CI:0.04,0.06)，不同指标对PM2.5暴露的敏感人群特征不同，主要为性别、年龄、合并症。本研究结果具有一定公共卫生意义，可为PM2.5暴露与IS关联及其具体机制研究提供参考，为北京市PM2.5污染治理，确定敏感人群并制定IS相关精准防控策略提供科学依据。