大氣環(huán)境濕度對過敏性鼻炎的影響分析
——以甘肅省三個城市研究為例*

李蘭玉 羅 斌,2 王 搏 李棪琳 王順霞 徐生剛 李 盛 周 驥 牛靜萍

1 蘭州大學(xué)公共衛(wèi)生學(xué)院勞動衛(wèi)生與環(huán)境衛(wèi)生研究所，蘭州 730000

2 蘭州大學(xué)職業(yè)衛(wèi)生檢測評價研究中心，蘭州 730000

3 甘肅省天水市第一醫(yī)院，天水 741000

4 河西學(xué)院醫(yī)學(xué)院，甘肅張掖 734000

5 甘肅省蘭州市第一人民醫(yī)院，蘭州 730000

6 上海市氣象與健康重點實驗室，上海 200030

提 要： 利用蘭州(2014—2016年)、天水(2016—2018年)、張掖(2016—2018年)三個城市過敏性鼻炎日門診數(shù)據(jù)、大氣污染物和氣象數(shù)據(jù)，分析相對濕度(RH)、絕對濕度(AH)與每日過敏性鼻炎門診人數(shù)的關(guān)系。三個城市過敏性鼻炎門診高峰期出現(xiàn)在每年8—9月，RH降低與過敏性鼻炎日門診人數(shù)增加顯著相關(guān)。RH每降低1%，蘭州、天水和張掖市過敏性鼻炎日門診人數(shù)分別增加1.36%、2.30%和1.50%，而AH每降低1 g·m-3，三個城市過敏性鼻炎日門診人數(shù)分別增加14.92%、16.00%和13.98%。研究結(jié)果提示過敏性鼻炎發(fā)病與環(huán)境濕度呈負(fù)相關(guān)，干旱地區(qū)干燥低濕環(huán)境是過敏性鼻炎重要的危險因素，且AH可能較RH能更好地反映環(huán)境濕度對過敏性鼻炎的影響。

引 言

近年來，環(huán)境濕度對過敏性鼻炎的影響越來越受到關(guān)注(He et al,2017;Duan et al,2019)。絕對濕度(absolute humidity,AH)和相對濕度(relative humidity,RH)均可作為評價環(huán)境濕度的指標(biāo)，但現(xiàn)有研究大多探討了RH與鼻炎的關(guān)系(He et al,2017;Duan et al,2019)，且這些研究均局限于濕潤地區(qū)。有研究認(rèn)為，AH更能準(zhǔn)確地反映環(huán)境濕度與健康的急性關(guān)系(Shaman and Kohn,2009;Liu et al,2020)，因此，AH可能更適合作為環(huán)境濕度的指標(biāo)去探討環(huán)境濕度對過敏性鼻炎的影響。甘肅地處西北內(nèi)陸，以干燥氣候為主，屬干旱和半干旱氣候特征地區(qū)(廖要明和張存杰,2017)，但該氣候環(huán)境下濕度與過敏性鼻炎的關(guān)系仍未明確。因此，本研究選擇RH和AH作為環(huán)境濕度評價指標(biāo)，以甘肅省蘭州市、天水市和張掖市為例分析大氣環(huán)境濕度與過敏性鼻炎的關(guān)系，進(jìn)而為防控過敏性鼻炎的發(fā)生與發(fā)展提供科學(xué)依據(jù)。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源

蘭州市2014—2016年過敏性鼻炎日門診數(shù)據(jù)來源于蘭州市的10家大型醫(yī)院，天水和張掖市2016—2018年日門診數(shù)據(jù)分別來源于其市內(nèi)最大三級甲等醫(yī)院(天水市第一醫(yī)院和河西學(xué)院附屬張掖市人民醫(yī)院)。根據(jù)國際疾病分類第10版(ICD-10)納入病例，過敏性鼻炎的ICD-10編碼為J30。同時，收集三個城市過敏性鼻炎日門診數(shù)據(jù)同期的氣象數(shù)據(jù)和大氣污染物數(shù)據(jù)。氣象數(shù)據(jù)來源于公開數(shù)據(jù)共享網(wǎng)站http:∥data.sheshiyuanyi.com/WeatherData/，包括：日均氣溫、風(fēng)速和RH等。AH的計算方法與之前研究報道的方法相同，采用蒸汽壓(單位：g·m-3)的方法進(jìn)行計算(Ma et al,2020)。大氣污染數(shù)據(jù)來源于國家生態(tài)環(huán)境部數(shù)據(jù)中心(http:∥datacenter.mee.gov.cn/)，包括：PM2.5、NO2和O3的日平均濃度，其中O3為一天中最大連續(xù)8小時濃度均值。

1.1 數(shù)據(jù)處理與分析

首先對蘭州、天水、張掖過敏性鼻炎日門診人數(shù)及相應(yīng)環(huán)境因素進(jìn)行描述，然后利用泊松分布的廣義相加模型估計天水、蘭州和張掖市的RH或AH與每日過敏性鼻炎門診人數(shù)的關(guān)系，同時在模型中控制氣象因素(氣溫和風(fēng)速)、大氣污染物(PM2.5,NO2和O3)、時間趨勢、星期幾效應(yīng)和假期效應(yīng)等混雜因素。本研究使用R軟件(v3.6.0)中“mgcv”軟件包擬合廣義相加模型。模型如下：

logE(Yt)=α+β·RH+ns(Tt,7/yr)+

ns(Te,6)+ns(V,3)+ns(CPM2.5,3)+

ns(CNO2,3)+ns(CO3,3)+λEW+γEH

(1)

logE(Yt)=α+β·AH+ns(Tt,7/yr)+

ns(Te,6)+ns(V,3)+ns(CPM2.5,3)+

ns(CNO2,3)+ns(CO3,3)+λEW+γEH

(2)

式中：Yt為第t日過敏性鼻炎門診病例數(shù)；E(Yt)為第t日門診病例數(shù)期望值；α代表截距；β、λ和γ表示回歸系數(shù)；RH表示相對濕度，AH表示絕對濕度，Te表示環(huán)境氣溫，V表示平均風(fēng)速，ns表示自然樣條函數(shù)，Tt為時間變量，EW為“星期幾效應(yīng)”(星期一到星期天)，EH為“假期效應(yīng)”(法定節(jié)假日為1，非法定節(jié)假日為0)。參考相關(guān)研究，模型中引入了以下混雜因素：采用每年7個自由度(7/yr)的自然樣條函數(shù)擬合時間趨勢來控制時間和季節(jié)趨勢對日門診人數(shù)的影響(樊琳等,2019)；采用自由度等于6的3天滑動平均氣溫和自由度等于3的3天滑動平均風(fēng)速來控制氣象因素潛在的非線性和滯后性的混雜效應(yīng)(Chen et al,2017)；以往研究發(fā)現(xiàn)污染物的2天滑動平均濃度常對過敏性鼻炎產(chǎn)生最大的影響估計(Lee et al,2015)，因此，本研究采用自由度等于3的2天滑動平均污染物濃度控制大氣污染物對每日過敏性鼻炎門診人數(shù)的影響，并使用啞變量控制“星期幾效應(yīng)”和“假期效應(yīng)”(樊琳等,2019)。

考慮到RH和AH對每日門診人數(shù)可能存在潛在的滯后影響，本研究還進(jìn)行了滯后效應(yīng)分析。單天滯后效應(yīng)選擇單天滯后0～7天分析，累積效應(yīng)選擇累積滯后1～7天分析。結(jié)果用RH每降低1%(AH每降低1 g·m-3)，過敏性鼻炎日門診人數(shù)的超額危險度(excess risk，ER)值來表示。此外，本研究進(jìn)行了季節(jié)分層分析，進(jìn)而探討環(huán)境濕度對日門診人數(shù)影響的季節(jié)差異。為評估大氣污染物與環(huán)境濕度對過敏性鼻炎日門診人數(shù)的交互影響，本研究采用雙變量響應(yīng)面模型分析大氣污染物和AH對過敏性鼻炎日門診人數(shù)的聯(lián)合作用。模型如下：

logE(Yt)=α+te(AHt,APlag01)+ns(Tt,7/yr)+

ns(AT,6)+ns(V,3)+λEW+γEH

(3)

式中：te代表雙變量響應(yīng)面函數(shù)；AHt代表最強(qiáng)效應(yīng)滯后日的絕對濕度，APlag01代表累計滯后1天(lag01)的大氣污染物(PM2.5，NO2和O3)，其他變量及參數(shù)解釋與式(2)相同。

采用赤池信息量準(zhǔn)則對回歸模型進(jìn)行因子選擇與優(yōu)度檢驗，并根據(jù)廣義相加模型估算出氣象因素的回歸系數(shù)β，計算相對危險度及其95%置信區(qū)間。一般來說，相對危險度為1以上表示暴露是危害作用， 1以下則表示保護(hù)作用。

2 結(jié)果分析

2.2 過敏性鼻炎日門診人數(shù)變化特征

本次研究納入蘭州(2014—2016年)、天水(2016—2018年)、張掖(2016—2018年)過敏性鼻炎門診確診人數(shù)共計26 477人，其中蘭州為17 412人、天水為4 143人、張掖為4 922人(圖1)。蘭州每日最高門診人數(shù)為170人，日均為16人；天水最高日門診人數(shù)為66人，日均為4人；張掖最高日門診人數(shù)為61人，日均為4人。三個城市的數(shù)據(jù)顯示，每年8—9月為過敏性鼻炎門診高峰期。

圖1 (a)2014—2016年蘭州，(b)2016—2018年天水，(c)2016—2018年張掖過敏性鼻炎日門診人數(shù)變化Fig.1 Changes of daily outpatient visits for allergic rhinitis in (a) Lanzhou from 2014 to 2016, (b) Tianshui from 2016 to 2018, and (c) Zhangye from 2016 to 2018

2.2 蘭州、天水、張掖市氣象因素及大氣污染物特征

表1為2014—2016年蘭州、2016—2018年天水和張掖市氣象因素及大氣污染物特征。三個城市中，張掖濕度最低，其日均RH和AH分別為45.85% 和4.58 g·m-3；天水濕度最高，其日均RH和AH分別為64.51%和8.13 g·m-3。對于氣溫而言，天水日均氣溫最高(12.48℃)，蘭州日均氣溫最低(8.58℃)。蘭州和天水PM2.5質(zhì)量濃度均超過國家《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》(GB3095—2012)二級限值標(biāo)準(zhǔn)(35 μg·m-3)，蘭州市NO2濃度超過該標(biāo)準(zhǔn)的二級限值標(biāo)準(zhǔn)(40 μg·m-3)。圖2為蘭州、天水、張掖地區(qū)RH及AH變化特征，可見兩者均有顯著的季節(jié)性差異，呈現(xiàn)夏季高、冬季低的特征。

圖2 (a)2014—2016年蘭州,(b)2016—2018年天水,(c)2016—2018年張掖相對濕度及絕對濕度變化Fig.2 Changes of relative humidity and absolute humidity in (a) Lanzhou from 2014 to 2016, (b) Tianshui from

表1 2014—2016年蘭州、2016—2018年天水和張掖大氣污染物及氣象因素特征Table 1 Characteristics of air pollutants and meteorological factors in Lanzhou from 2014 to 2016, Tianshui and Zhangye from 2016 to 2018

2.3 RH、AH與過敏性鼻炎的關(guān)系

圖3表明濕度越小，對鼻炎的危害作用越大；濕度越大，對鼻炎的作用越小，甚至為保護(hù)作用。圖3a～3c，三個城市RH與過敏性鼻炎日門診人數(shù)之間皆呈負(fù)相關(guān)，即過敏性鼻炎日門診人數(shù)隨著RH降低而增加。在單天滯后和累積效應(yīng)方面，除張掖RH在單天滯后7天時與日門診人數(shù)無顯著關(guān)系外，三個城市的過敏性鼻炎日門診人數(shù)在所有滯后天數(shù)均隨著RH降低而增加(表2)。具體而言，在累積滯后6天時，蘭州RH與過敏性鼻炎關(guān)系最強(qiáng)，而天水、張掖均在累積滯后7天時RH對過敏性鼻炎的效應(yīng)最大。RH每降低1%，蘭州、天水、張掖過敏性鼻炎日門診人數(shù)分別增加1.36%、2.30%和1.50%。圖3d～3f為AH與過敏性鼻炎日門診人數(shù)之間的暴露反應(yīng)關(guān)系，結(jié)果提示蘭州、天水、張掖三個城市的AH與過敏性鼻炎日門診人數(shù)呈現(xiàn)負(fù)相關(guān)趨勢，提示AH降低可能會引起過敏性鼻炎日門診人數(shù)增加。表2為AH對日門診人數(shù)的單獨滯后效應(yīng)和累積滯后效應(yīng)。在最強(qiáng)效應(yīng)滯后日，AH每降低1 g·m-3，蘭州、天水及張掖過敏性鼻炎日門診人數(shù)分別增加14.92%、16.00% 和13.98%。

圖3 (a，d)2014—2016年蘭州,(b，e)2016—2018年天水和(c，f)張掖(a,b,c)相對濕度和(d,e,f)絕對濕度在累積滯后2天時與過敏性鼻炎日門診人數(shù)的暴露反應(yīng)關(guān)系(虛線代表相對危險度的95%置信區(qū)間，水平實線代表相對危險度為1)Fig.3 Exposure response diagram of (a, b, c) relative humidity and (d, e, f) absolute humidity with the daily outpatient visits for allergic rhinitis in cumulative lag of 2 days(a) Lanzhou from 2014 to 2016, (b) Tianshui from 2016 to 2018, and (c) Zhangye from 2016 to 2018(Dotted lines represent the 95% confidence interval of relative risk, and the horizontal line represents relative risk=1)

表2 相對濕度、絕對濕度在不同滯后天數(shù)下對過敏性鼻炎日門診人數(shù)的超額危險度(單位：%)Table 2 Excess risk of relative humidity, absolute humidity on the number of daily outpatient visits for allergic rhinitis with different lag days (unit: %)

2.2 亞組分析

表3為不同季節(jié)下環(huán)境濕度(RH和AH)在最強(qiáng)效應(yīng)滯后日對過敏性鼻炎門診人數(shù)的影響。不同地區(qū)和季節(jié)，環(huán)境濕度對過敏性鼻炎門診人數(shù)的影響存在一定差異。結(jié)果顯示，蘭州市環(huán)境濕度對過敏性鼻炎的風(fēng)險在冬季較高，超額危險度(ER)值顯著高于其他季節(jié)。而天水和張掖環(huán)境濕度對過敏性鼻炎的風(fēng)險則在夏季高于其他季節(jié)。對比AH和RH兩者對過敏性鼻炎日門診人數(shù)估計的ER值，可見以AH計算的ER值變化顯著高于RH，提示在研究濕度對過敏性鼻炎的影響時，AH較RH更為敏感。

表3 不同季節(jié)下環(huán)境濕度在最強(qiáng)效應(yīng)滯后日對過敏性鼻炎日門診人數(shù)的超額危險度(單位：%)Table 3 Excess risk of environmental humidity in strongest effect lag days on the daily outpatient visits for allergic rhinitis in different seasons (unit: %)

2.2 濕度與大氣污染物對過敏性鼻炎影響的交互作用

如圖4所示，大氣污染物及低濕度均會影響過敏性鼻炎日門診人數(shù)。大氣PM2.5、NO2、O3濃度和低濕度對敏性鼻炎日門診人數(shù)的影響存在顯著交互作用，這種效應(yīng)在張掖最為顯著。隨著環(huán)境濕度的降低和各大氣污染物濃度的升高，過敏性鼻炎發(fā)病風(fēng)險增加。盡管該結(jié)果在蘭州、天水市不盡相同，但均提示低濕是過敏性鼻炎發(fā)病的重要危險因素，并在高濃度的污染物下風(fēng)險更高。

圖4 (a～c)2014—2016年蘭州,2016—2018年(d～f)天水和(g～i)張掖絕對濕度與(a,d,g)PM2.5,(b,e,h)NO2,(c,f,i)O3濃度對過敏性鼻炎日門診人數(shù)的聯(lián)合作用(絕對濕度滯后天數(shù)為最強(qiáng)效應(yīng)滯后日，大氣污染物為2天滑動平均污染物濃度)Fig.4 Combined effects of absolute humidity and (a, d, g) PM2.5, (b, e, h) NO2, (c, f, i) O3 on the daily outpatient visits for allergic rhinitis in (a-c) Lanzhou from 2014 to 2016, (d-f) Tianshui and (g-i) Zhangye from 2016 to 2018(The absolute humidity lag day is the strongest effect lag day， the air pollutants are 2 d moving average pollutant concentrations)

3 結(jié)論與討論

本文利用蘭州、天水、張掖市多年過敏性鼻炎日門診人數(shù)與氣象數(shù)據(jù)，分析了環(huán)境濕度對過敏性鼻炎的影響，發(fā)現(xiàn)三個城市過敏性鼻炎發(fā)生高峰期為8—9月，這與天津的一項研究結(jié)果相似(袁衛(wèi)玲等,2019)。夏秋季節(jié)天氣多變，9月進(jìn)入秋季，風(fēng)速高，濕度逐漸降低，極易引起許多過敏原如花粉等的擴(kuò)散，進(jìn)而導(dǎo)致過敏性鼻炎的發(fā)生風(fēng)險增加，并顯著高于其他時段。本研究結(jié)果進(jìn)一步為過敏性鼻炎的防控提供了科學(xué)依據(jù)。

安徽合肥的一項研究發(fā)現(xiàn)高、低RH均可能引發(fā)過敏性鼻炎，但低RH的風(fēng)險較高(Duan et al,2019)。本文也發(fā)現(xiàn)低濕會導(dǎo)致過敏性鼻炎日門診人數(shù)的顯著增加，但高濕的影響不顯著。這可能與本文的研究區(qū)域較低日均濕度有關(guān)。甘肅省地處我國的干旱半干旱區(qū)域，蘭州、天水、張掖作為其典型代表城市，日均RH分別為57.4%、64.5%、45.9%，而安徽合肥地區(qū)日均RH為75.8%，不同的濕度水平可能導(dǎo)致了該結(jié)果的差異。天水市AH和RH對過敏性鼻炎的最大效應(yīng)值均高于蘭州、張掖。這可能與蘭州、張掖常年干旱，降水量低，進(jìn)而導(dǎo)致當(dāng)?shù)鼐用駥Φ蜐穸扔幸欢ǖ倪m應(yīng)性有關(guān)。而天水相對濕潤，強(qiáng)降水量發(fā)生概率高，居民可能對低濕環(huán)境更加敏感，因此環(huán)境濕度與過敏性鼻炎的關(guān)系更強(qiáng)(楊銀等,2019)。有研究發(fā)現(xiàn)低濕可降低鼻黏膜對過敏原的屏障作用，有利于過敏原的擴(kuò)散(Jones and Harrison, 2004)，從而導(dǎo)致鼻損傷。同時，干燥環(huán)境會導(dǎo)致鼻出血(Danielides et al,2002)和鼻黏膜受損，從而促進(jìn)空氣中的過敏原進(jìn)入機(jī)體，導(dǎo)致噴嚏、流涕等癥狀發(fā)生。盡管如此，本研究結(jié)果也再一次證實，干燥低濕環(huán)境可促進(jìn)過敏性鼻炎的發(fā)生和加重。

此外，劉華悅等(2019)、Hu et al(2020)研究發(fā)現(xiàn)RH與過敏性疾病的發(fā)生有關(guān)，但關(guān)于AH與過敏性疾病的研究相對較少(翟文慧, 2014)。因此，本研究探討了AH與RH兩個濕度指標(biāo)對過敏性鼻炎的影響，結(jié)果顯示兩個指標(biāo)均與其呈負(fù)相關(guān)，且兩個模型的擬合度均達(dá)到60%以上，說明AH與RH均可作為濕度的特征性指標(biāo)用于評價環(huán)境濕度對過敏性鼻炎的影響。盡管如此，本研究發(fā)現(xiàn)AH對過敏性鼻炎的效應(yīng)估計值比RH的效應(yīng)估計值更大，提示在探討濕度對過敏性鼻炎的影響時AH比RH更加靈敏。因此，在未來的研究中，應(yīng)該重視AH在環(huán)境濕度與健康效應(yīng)研究方面的應(yīng)用，尤其是在干旱環(huán)境中的應(yīng)用(Zhang et al,2014)。

綜上所述，本研究選擇地處干旱半干旱地區(qū)的三個城市作為研究地域，結(jié)果均表明低濕環(huán)境可能會促使過敏性鼻炎的發(fā)作，且有一定的滯后效應(yīng)。因此，為預(yù)防其發(fā)生和發(fā)展，干旱及半干旱地區(qū)居民可適當(dāng)增加室內(nèi)空氣濕度，并在室外做好防護(hù)，以便減輕過敏性鼻炎的加重和發(fā)生。盡管如此，本研究作為橫斷面研究，在解釋濕度影響過敏性鼻炎的因果關(guān)系上還存在一定的局限，在未來的研究中還需加強(qiáng)人群隊列的建立，進(jìn)而明確過敏性鼻炎和濕度的關(guān)系及機(jī)制。