2013年1月灰霾事件对门急诊量的影响研究.docxVIP

2013年1月灰霾事件对门急诊量的影响研究 历史上的污染事件使公众了解污染对健康的有害影响。最早记录的急性烟雾事件发生于1930年12月1—5日的比利时马斯河谷, 当时位于马斯河谷附近的钢铁厂、焦化厂、冶炼厂和铸造厂排放的废气渐渐蓄积, 废气中主要的污染物包括SO2、酸雾和氟化物气体, 事件最后2 d出现了60余例死亡, 是通常日死亡例数的60余倍。美国首次报道的空气污染事件发生于1948年10月27—30日宾州西南的多诺拉小镇, 污染源是当地的工业企业以及居民室内燃煤;10月30日, 17人死亡, 1周内, 又发生3例死亡, 死亡例数是通常的6倍。1952年12月5—9日的伦敦烟雾事件是史上最为著名的空气污染事件, 12月前3周共有3 000余例超额死亡, 死亡数增加3倍以上;1952年12月至1953年3月, 当地发病率和死亡率持续升高, 提示伦敦烟雾事件可能对健康具有持续影响。Wilkins认为, 伦敦烟雾事件损伤人体防御能力, 导致后续几个月死亡率持续升高。2013年1月, 连续高强度灰霾席卷中国中东部、东北及西南地区, 京津冀地区为污染最严重的区域。为了评估此次灰霾事件造成的健康影响, 选择受灰霾影响严重的石家庄市, 分析灰霾事件对医院门急诊量的影响。 1 材料和方法 1.1 燃煤交通复合型 石家庄主要的空气污染源为燃煤, 近年来呈现“燃煤和交通复合型”变化趋势。依据中国环境保护部网站发布的数据, 2013年1月灰霾期间, 石家庄市空气污染严重。 1.2 数据来源 1序列) , 第二时间序列为2011年9月—2012年2月 (对照期, T2序列) , 2013年1月为灰霾事件期。 1.3 统计分析 1.3.1 每日门诊量数据的分类 1.3.1. 第二,在比较的时间上进行整理 门诊量数据最明显的特点是周变化和季节变化, 即周一、周二门诊量较大, 周三、周四和周五较小, 周六和周日骤减;节假日门诊量骤减。本次研究期内涵盖的节假日包括国庆节 (7 d) 、元旦 (3 d) 和2012年春节 (7 d) 。为此, 在对两个序列进行比较时, 门诊量数据作如下整理: (1) 先将周日对齐, 再将公立节假日日期对齐; (2) 对齐后序列空项的处理:本研究在数据对齐后, T1序列在节假日后出现空项, 删除;T2序列在节假日之前出现空项, 用前5 d的日移动平均值替代; (3) 特殊时期-春节:T2序列的1月22—28日为春节, 门诊量用前后5 d移动平均值替代; (4) 其它:T1序列中1月5—6日为周末, 但由于元旦放假调整, 不休息, 因此将T2序列中对应的1月7—8日的门诊量用前后5 d的移动平均值代替。 1.3.1. 2紧急量数据 急诊量变化趋势与门诊量相反, 工作日相对较少, 周末、节假日骤增。本次研究中, 不对急诊量数据做任何调整。 1.3.2 pt序列的计算 (1) T1序列与T2序列的比值再减去1, 记为PT序列。 (2) 计算PT序列9月1日至11月30日的平均值, 记为Pmean, 代表门诊量或急诊量的年度自然增长量。 (3) PT减去Pmean, 获得每日门诊量或急诊量的净增量, 本研究中表示为门诊增量 (%) , 记为P’T序列。 1.3.3 回归模型的建立 应用Poisson回归模型, 以最高或最低气温、周日和节假日变量为控制变量, 分析每日门急诊量与API的相关关系。应用robust语句获得参数估计值的稳健标准误, 以解决数据过度离散的问题。具体模型如下: 式中:yt:t日门诊量;Xt:t日API;Tt:t日最高或最低气温的7 d移动平均值;Weekdayt:t日周日变量 (0=周六、周日, 1=工作日) ;Holidayt:节假日变量 (0=非节假日, 1=节假日) 。 针对不同科室分别拟合当天至滞后6 d (lag0~lag6) 、累积2~7 d (avg01-avg06) 的Poisson回归模型, 以RR较大、95%CI较窄的模型定义为最强效应期模型。本次研究筛选出的均为滞后效应模型。危险度表示为API每增加1个四分位数间距, 门诊量或急诊量增加的百分数。采用R2.10.1软件进行统计分析。 2 结果 2.1 t1序列温度变化 T1序列12月23日—次年1月16日气温降至最低, 最高平均气温0℃, 最低平均气温-8℃。T2序列同期气温高于T1序列, 最高气温平均3℃, 最低气温平均-5℃。T1序列1月1日开始, API陡然上升, 1月5日达500。而T2序列比较平稳, 没有明显的变化, API最大值为239 (1月10日) 。见图1。 2.2 动平均值趋势 不同科别门急诊量T1和T2序列的7 d中心移动平均值变化趋势见图2。与T2序列相比, T1序列1月就诊量明显增加的科室包括儿科急诊、儿科门诊