不同氣候帶城市氣溫對(duì)老年呼吸系統(tǒng)疾病死亡影響及趨利降風(fēng)險(xiǎn)效應(yīng)研究

陸美靜，尹 立，孫 羽，王式功*，胥春云，樊 晉，瞿 沖，鄧徐慧

（1.成都信息工程大學(xué)大氣科學(xué)學(xué)院/環(huán)境氣象與健康研究院，四川 成都610225；2.攀枝花市中心醫(yī)院氣象醫(yī)學(xué)研究中心，四川 攀枝花617000；3.海南省第二人民醫(yī)院氣候醫(yī)學(xué)臨床研究中心，海南 五指山572299；4.元江縣衛(wèi)健局，云南 元江653300）

呼吸系統(tǒng)疾病是一種常見多發(fā)病，嬰幼兒和老年人群都屬于此類疾病的高發(fā)群體[1-2]。據(jù)2019 年相關(guān)數(shù)據(jù)統(tǒng)計(jì)，中國(guó)有87%的死亡是由慢性疾病所引發(fā)的，其中慢性呼吸系統(tǒng)疾病位列居民慢性病死因的第三位[3]。近些年，隨著全球氣候變化的加劇，極端天氣氣候事件明顯增多，這不僅對(duì)自然環(huán)境產(chǎn)生影響，在一定程度上對(duì)人類健康也產(chǎn)生了影響。國(guó)內(nèi)外都有研究表明，多種氣象要素及其變化均會(huì)對(duì)呼吸系統(tǒng)疾病產(chǎn)生一定程度的影響[4-8]，其中，氣溫是影響相關(guān)疾病發(fā)病乃至死亡的最主要?dú)庀笠刂籟9-13]。一方面當(dāng)氣溫過高、過低或劇烈變化超出人體自身調(diào)節(jié)適應(yīng)范圍時(shí)，可使人體適應(yīng)能力減弱，會(huì)直接刺激或損傷人體呼吸系統(tǒng)；另一方面在某一氣溫段有利于細(xì)菌病毒存活與傳播[14]，二者都會(huì)導(dǎo)致呼吸系統(tǒng)疾病發(fā)病率或死亡率的增加。

國(guó)外相關(guān)研究表明，在全球氣候變暖的大背景下，氣溫的異常變化對(duì)人類健康的影響越來越凸顯，若將氣溫升高幅度限制在2 ℃以下可以防止世界上大多數(shù)地區(qū)與氣溫相關(guān)死亡率的大幅增加[15]。國(guó)內(nèi)許多研究也表明，氣溫對(duì)呼吸系統(tǒng)疾病發(fā)病有明顯的影響，但因我國(guó)疆域遼闊，氣候類型多樣，東西南北跨越多個(gè)氣候帶[16]，在不同城市氣溫對(duì)呼吸系統(tǒng)疾病的影響有所不同[17-19]。Shao 等[20]研究發(fā)現(xiàn)，日平均氣溫與呼吸系統(tǒng)疾病死亡率之間存在“U”型相關(guān)性，當(dāng)日平均氣溫為35.8 ℃（參考溫度為20 ℃）時(shí)，呼吸系統(tǒng)疾病死亡率上升了11.6%。李佳蔚等[21]研究發(fā)現(xiàn)在熱帶氣旋影響期，全人群、男性和女性的呼吸系統(tǒng)疾病發(fā)病風(fēng)險(xiǎn)均上升，其中＜15 歲的人群為易感人群。

目前國(guó)內(nèi)有關(guān)氣溫對(duì)呼吸系統(tǒng)疾病的影響已有較多研究，但對(duì)于多個(gè)城市氣溫對(duì)其發(fā)病乃至死亡影響的比較研究仍較少，且近些年研究多為氣溫對(duì)疾病死亡不利影響，未曾提出是否可以通過氣候趨利旅居等方式在一定程度上降低發(fā)病乃至死亡風(fēng)險(xiǎn)的可能性。元江、成都與西安分別處于熱帶、亞熱帶與暖溫帶，且位于秦嶺南、北兩側(cè)，氣候有所不同，目前關(guān)于3 座城市之間是否存在氣候趨利康養(yǎng)效應(yīng)的研究鮮有報(bào)道。基于此，本研究采用廣義相加模型和分布滯后非線性模型，對(duì)收集到的元江、成都與西安3 座不同氣候帶城市逐日疾病死亡數(shù)據(jù)以及同期氣象數(shù)據(jù)進(jìn)行綜合分析，首先研究氣溫對(duì)呼吸系統(tǒng)疾病死亡風(fēng)險(xiǎn)的整體效應(yīng)，在此基礎(chǔ)上對(duì)氣溫進(jìn)行定量分析，選用相對(duì)危險(xiǎn)（Relative Risk，RR）、超額死亡風(fēng)險(xiǎn)（Exceeding Risk，ER） 和歸因分值（Attributable Fractions，AFs），分別來探究不同氣溫段對(duì)呼吸系統(tǒng)疾病死亡風(fēng)險(xiǎn)的影響，并從候鳥式氣候趨利角度定量探究不同氣溫與季節(jié)對(duì)其影響程度，以期為3 座城市的老年居民通過候鳥式季節(jié)性氣候趨利康養(yǎng)在一定程度上降低呼吸系統(tǒng)疾病發(fā)病或死亡風(fēng)險(xiǎn)，并為當(dāng)?shù)毓残l(wèi)生等相關(guān)部門合理制定應(yīng)對(duì)人口老齡化健康服務(wù)決策與措施提供科學(xué)依據(jù)。

1 資料與方法

1.1 研究區(qū)簡(jiǎn)介

秦嶺在我國(guó)地理位置以及氣候調(diào)節(jié)上都有著重要意義，本文研究區(qū)域涉及的元江、成都和西安分別位于秦嶺南、北兩側(cè)。元江位于秦嶺以南的云南省中南部，地處低緯北回歸線（23.5°N）高原河谷地區(qū)，跨5 個(gè)亞氣候類型，主要屬于熱帶季風(fēng)氣候。一年中受兩種不同的大氣環(huán)流影響，第一種為北非與印度北部大陸干暖氣流和北方南下的干冷氣流的交替影響，第二種為印度洋西南暖濕氣流和太平洋東南暖濕氣流的影響，由此形成了冬暖夏熱的氣候特征，適宜冬季避寒康養(yǎng)。成都位于秦嶺以南的四川盆地西部，屬于亞熱帶季風(fēng)性濕潤(rùn)氣候，受西南季風(fēng)與東南季風(fēng)影響，氣候溫和，雨水充沛，日照較少。西安位于秦嶺以北，屬于暖溫帶大陸性季風(fēng)氣候，四季分明，冬季寒冷少雨（屬于符合國(guó)家規(guī)定城市建筑物冬季采暖條件的地區(qū)），夏季干熱，屬于亞濕潤(rùn)氣候區(qū)。

1.2 資料來源

氣象資料為元江2014 年1 月1 日—2020 年12月31 日、成都和西安2011 年1 月1 日—2016 年12月31 日的逐日氣象資料，分別來源于元江縣氣象局、中國(guó)氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)（成都、西安）。分別包括最高（低）氣溫（℃）、平均氣溫（℃）、平均相對(duì)濕度（%）和平均風(fēng)速（m/s）等氣象要素。

疾病資料：為元江2014 年1 月1 日—2020 年12月31 日、成都和西安2011 年1 月1 日—2016 年12月31 日的逐日死亡病例資料（意外死亡病例已剔除），分別來源于元江疾控中心、中國(guó)疾病預(yù)防控制中心全國(guó)疾病監(jiān)測(cè)系統(tǒng)死因監(jiān)測(cè)數(shù)據(jù)集（成都、西安），死亡病例資料應(yīng)反映的是老年人群。根據(jù)國(guó)際疾病分類標(biāo)準(zhǔn)第10 版（ICD-10）[22]，對(duì)數(shù)據(jù)資料進(jìn)行整理分類，并選取呼吸系統(tǒng)疾?。↖CD-10 編碼：J00-J99）為研究對(duì)象。收集到的病例信息主要包括年齡、家庭住址、死亡日期和根本死因等基本信息，且剔除錄入錯(cuò)誤和重復(fù)等病例，以確保本文所研究對(duì)象的準(zhǔn)確性。

1.3 研究方法

1.3.1 模型構(gòu)建

采用廣義相加模型（GAM）與分布滯后非線性模型（DLNM）進(jìn)行建模。近些年，GAM 在流行病學(xué)的健康效應(yīng)評(píng)估中應(yīng)用越來越多，它可以很好地解釋因變量（暴露因素）與自變量（影響因素）之間的非線性關(guān)系。二者除了存在暴露—反應(yīng)關(guān)系還存在一定的滯后性與累積效應(yīng)，因此也引入DLNM，它是由Gasparrini[23-24]提出，可以同時(shí)反映出暴露—反應(yīng)關(guān)系及其滯后效應(yīng)對(duì)健康的影響。

本文基于GAM 模型框架，利用DLNM 構(gòu)造氣溫交叉基，分別對(duì)三座城市的氣溫與呼吸系統(tǒng)疾病死亡人數(shù)進(jìn)行關(guān)聯(lián)分析與建模。為保證人為主觀因素不對(duì)暴露死亡風(fēng)險(xiǎn)造成誤差，故加入時(shí)間趨勢(shì)項(xiàng)（time）與啞變量（holiday，dow）。模型框架如下：

相對(duì)危險(xiǎn)度（Relative Risk，RR）是指暴露在某種環(huán)境下人群對(duì)某種疾病死亡發(fā)生的可能。超額死亡風(fēng)險(xiǎn)（Exceeding Risk，ER）是指疾病死亡人數(shù)超額增加的百分比。

1.3.2 歸因分值與歸因分?jǐn)?shù)

采用歸因分值（Attribute Fractions，AFs）與歸因分?jǐn)?shù)（Attribute Numbers，ANs）進(jìn)一步量化氣溫對(duì)疾病死亡的影響。最適氣溫（MMT）為根據(jù)模型計(jì)算出最小累積死亡風(fēng)險(xiǎn)所對(duì)應(yīng)的氣溫值。根據(jù)前人的研究經(jīng)驗(yàn)[26]將氣溫劃分為4 個(gè)氣溫段，分別是極端低溫（低于P2.5th氣溫）、中等低溫（P2.5th氣溫至MMT）、中等高溫（MMT 至P97.5th氣溫）和極端高溫（高于P97.5th氣溫）。計(jì)算各氣溫段AFs與ANs，研究各氣溫段對(duì)呼吸系統(tǒng)疾病死亡風(fēng)險(xiǎn)的影響[27-28]，并通過Monte Carlo 模擬[29]計(jì)算95%經(jīng)驗(yàn)置信區(qū)間。在此基礎(chǔ)上對(duì)氣溫進(jìn)一步細(xì)化，以平均氣溫每1 ℃為單位，分別研究不同城市、不同氣溫對(duì)死亡風(fēng)險(xiǎn)的影響程度并分析氣候趨利型候鳥式旅居對(duì)死亡風(fēng)險(xiǎn)的影響。

歸因分值可表示為暴露于某一風(fēng)險(xiǎn)因子下某一人群的死亡人數(shù)占總死亡人數(shù)的比例，其與歸因分?jǐn)?shù)計(jì)算表達(dá)式如下：

式中：βxi為暴露于i 時(shí)刻下的暴露—反應(yīng)關(guān)系系數(shù)，i0為最小滯后天數(shù)，L 為最大滯后天數(shù)，n 為某一風(fēng)險(xiǎn)因子下的總死亡人數(shù)。

2 結(jié)果分析

2.1 氣象要素與呼吸系統(tǒng)疾病死亡人數(shù)描述性統(tǒng)計(jì)

由表1 可知，元江年平均氣溫為24.78 ℃，相對(duì)濕度為65.08%；成都與西安平均氣溫均相對(duì)較低，分別為16.41、15.08 ℃，且成都相對(duì)濕度較高，可達(dá)79.01%，西安相對(duì)濕度較低，僅為23.62%。研究時(shí)段內(nèi)3 座城市收集到的呼吸系統(tǒng)疾病死亡人數(shù)分別占總死亡人數(shù)的38.9%、31.6%和56.3%，其死亡人數(shù)均超過總死亡人數(shù)的30%，說明呼吸系統(tǒng)疾病是導(dǎo)致這些地區(qū)居民死亡的主要疾病之一。

2.2 氣溫對(duì)呼吸系統(tǒng)疾病死亡人數(shù)的暴露—反應(yīng)關(guān)系

由圖1 可知，氣溫與呼吸系統(tǒng)疾病死亡的關(guān)系大致呈“W”型（元江）與反“J”型（成都、西安）分布。模型通過控制時(shí)間趨勢(shì)與啞變量等其他變量，估算出元江、成都與西安的MMT 分別為27.4、21.2、24.6 ℃，此時(shí)氣溫對(duì)呼吸系統(tǒng)疾病死亡風(fēng)險(xiǎn)的影響最小。以MMT 為分界點(diǎn)，當(dāng)?shù)陀冢ǜ哂冢┐碎撝禃r(shí)，死亡風(fēng)險(xiǎn)將會(huì)隨著氣溫的降低（升高）而升高（升高），且氣溫越低，RR 越大，表明其相對(duì)死亡風(fēng)險(xiǎn)更高，呈現(xiàn)冷效應(yīng)為主。

圖1 元江（a）、成都（b）和西安（c）氣溫與呼吸系統(tǒng)疾病死亡風(fēng)險(xiǎn)的累積效應(yīng)

氣溫對(duì)人體呼吸系統(tǒng)疾病死亡風(fēng)險(xiǎn)存在持續(xù)性與滯后性，且在不同氣溫與不同滯后天數(shù)下，其所對(duì)應(yīng)的死亡風(fēng)險(xiǎn)也有所不同[30-32]。由圖2 可知，元江、成都與西安呼吸系統(tǒng)疾病的死亡風(fēng)險(xiǎn)均在高溫當(dāng)天（lag0 d）達(dá)到了峰值，呈現(xiàn)為即時(shí)效應(yīng)，RR 分別為2.1（95%置信區(qū)間：1.09，4.05）、1.13（95%置信區(qū)間：1.04，1.24）、1.12（95%置信區(qū)間：1.04，1.13）。元江低溫當(dāng)天死亡風(fēng)險(xiǎn)較高，成都、西安兩市的低溫則存在較明顯的滯后效應(yīng)，分別在lag1 d 與lag4 d 達(dá)到峰值，RR 分別為1.19（95%置信區(qū)間：1.07%，1.33%）、1.15（95%置信區(qū)間：1.09%，1.20%）?？傮w而言，3 座城市在高溫和低溫條件下呼吸系統(tǒng)疾病死亡風(fēng)險(xiǎn)分別表現(xiàn)出了“即時(shí)效應(yīng)”與“滯后效應(yīng)”。值得注意的是，高溫對(duì)元江呼吸系統(tǒng)疾病死亡風(fēng)險(xiǎn)的影響更突出，可能與地處熱帶、屬于氣候季節(jié)劃分的無冬區(qū)有關(guān)；成都、西安則是低溫對(duì)其影響更突出。同時(shí)，元江在低溫當(dāng)天出現(xiàn)短暫“即時(shí)效應(yīng)”，可能是因?yàn)槠湮挥诟蔁岬脑颇虾庸鹊貐^(qū)，元江氣溫最低值相當(dāng)于成都、西安氣溫的27.5th和33.6th，故低溫段也出現(xiàn)了短暫的“即時(shí)效應(yīng)”。

2.3 氣溫對(duì)呼吸系統(tǒng)疾病死亡人數(shù)的歸因風(fēng)險(xiǎn)

為更加準(zhǔn)確具體的分析氣溫及其變化對(duì)3 座城市呼吸系統(tǒng)疾病死亡風(fēng)險(xiǎn)的影響，計(jì)算各氣溫段對(duì)死亡風(fēng)險(xiǎn)的影響。由表2 可知，從整體氣溫來看，元江、成都與西安因冷熱不適宜所導(dǎo)致的超額死亡人數(shù)（ANs）分別占各自城市總?cè)丝跀?shù)[33-35]的1.037‰、0.85‰、2.337‰，對(duì)應(yīng)AFs分別為9.64%（95%置信區(qū)間：0.51%，17.62%）、11.25%（95%置信區(qū)間：7.68%，14.67%）和18.26%（95%置信區(qū)間：12.62%，22.92%）。當(dāng)以MMT 為分界點(diǎn)時(shí)，元江、成都與西安冷效應(yīng)的AFs分別為5.73%（95%置信區(qū)間：-4.07%，13.69%）、9.85%（95%置信區(qū)間：5.75%，13.53%）、17.44%（95%置信區(qū)間：11.37%，22.63%）；而熱效應(yīng)相比冷效應(yīng)的影響要小得多。此外，3 座城市ANs有較大差距可能是城市人口基數(shù)不同，所以其因呼吸系統(tǒng)疾病死亡的人數(shù)與超額死亡人數(shù)也會(huì)有所差別。

表2 不同氣溫段對(duì)元江、成都和西安呼吸系統(tǒng)疾病死亡風(fēng)險(xiǎn)的歸因分值與歸因分?jǐn)?shù)

在冷、熱效應(yīng)分層的情況下，將氣溫對(duì)呼吸系統(tǒng)疾病死亡風(fēng)險(xiǎn)的影響進(jìn)一步細(xì)分，劃分為極端低溫、中等低溫、中等高溫與極端高溫。中等低溫對(duì)3 座城市影響最大，對(duì)應(yīng)超額死亡人數(shù)分別占總超額死亡人數(shù)的53.95%、77.15%和89.7%，AFs分別為5.21%（95%置信區(qū)間：-3.04%，12.46%）、8.68%（95%置信區(qū)間：4.99%，12.03%）和16.38%（95%置信區(qū)間：10.82%，21.19%）。相對(duì)熱效應(yīng)而言，冷效應(yīng)對(duì)3 座城市呼吸系統(tǒng)疾病死亡風(fēng)險(xiǎn)的影響更突出，且冷效應(yīng)中，中等低溫對(duì)死亡的累計(jì)影響最大，這可能是與中等低溫的頻數(shù)占總頻數(shù)的大部分有關(guān)（結(jié)合圖1下方的氣溫頻數(shù)分布），即人們?cè)谥械鹊蜏丨h(huán)境下暴露時(shí)間更長(zhǎng)，對(duì)呼吸系統(tǒng)疾病死亡的影響相對(duì)就更大。

將3 座城市日均氣溫1 ℃為單位進(jìn)行定量劃分，使其可以更加細(xì)致地分析出氣溫對(duì)呼吸系統(tǒng)疾病死亡風(fēng)險(xiǎn)的影響。由圖3 可知，元江氣溫高頻次出現(xiàn)在27 ℃，AFs高值區(qū)主要出現(xiàn)在中等高溫范圍，其峰值為32 ℃。經(jīng)計(jì)算發(fā)現(xiàn)元江在31～33 ℃出現(xiàn)的頻次占總氣溫的8.8%，但其AFs占整體氣溫造成死亡風(fēng)險(xiǎn)的27.74%，此氣溫段對(duì)人們的健康影響較大。成都與西安氣溫高頻次分別出現(xiàn)在20、25 ℃，兩市AFs峰值分別是6、2 ℃；成都在4～9 ℃出現(xiàn)的頻次占總氣溫的21.72%，西安在-1～8 ℃出現(xiàn)的頻次占總氣溫的27.65%，其AFs分別占整體氣溫造成死亡風(fēng)險(xiǎn)的53.17%、54.06%。由此可見，這兩段氣溫分別為成都、西安2 市老年人群呼吸系統(tǒng)疾病死亡的高發(fā)氣溫段。

圖3 元江（a）、成都（b）和西安（c）的氣溫頻次與每1 ℃對(duì)死亡風(fēng)險(xiǎn)的歸因分值

2.4 候鳥式氣候趨利對(duì)呼吸系統(tǒng)疾病死亡風(fēng)險(xiǎn)降低效應(yīng)探究

我國(guó)地域廣闊，氣候類型繁多，山地立體氣候特征明顯。不同氣候帶不同地理經(jīng)緯度城市之間的氣候具有一定差異，由此所誘發(fā)的呼吸系統(tǒng)疾病發(fā)病乃至死亡風(fēng)險(xiǎn)也有所不同，這為相關(guān)老年人群進(jìn)行候鳥式氣候趨利避害的旅居康養(yǎng)創(chuàng)造了良好條件。為進(jìn)一步細(xì)化氣溫分層后與呼吸系統(tǒng)疾病死亡風(fēng)險(xiǎn)之關(guān)系，對(duì)3 座不同氣候區(qū)城市居民死亡風(fēng)險(xiǎn)影響最大的中等氣溫（即中等低溫與中等高溫）進(jìn)行細(xì)致分析。分別以3 座城市各自P2.5th氣溫為起點(diǎn)、P97.5th為終點(diǎn)，將此區(qū)間重新進(jìn)行百分位劃分，然后按照平均氣溫每1 ℃為單位進(jìn)行分析，并分別選取其P1th、P5th、P10th、P90th、P95th、P99th的氣溫及其對(duì)應(yīng)的死亡風(fēng)險(xiǎn)進(jìn)行對(duì)比分析，結(jié)果如表3 所示，當(dāng)氣溫處于P1 時(shí)，對(duì)老年人群產(chǎn)生相對(duì)的強(qiáng)冷脅迫效應(yīng)，成都與西安ER 均出現(xiàn)最大值，3 座城市ER 分別為6.1%（95%置信區(qū)間：-20.1%，42.5%）、50.2%（95%置信區(qū)間：34%，78.4%）和66.6%（95%置信區(qū)間：42.5%，94.9%）。低溫范圍內(nèi)隨著氣溫升高，3 座城市所對(duì)應(yīng)的ER 分別下降了1.2%、13.1%、13.0%，表明低溫脅迫對(duì)成都與西安的影響更顯著。當(dāng)氣溫在第99 百分位時(shí)，元江ER 達(dá)到最大值，3 座城市ER 分別為58%（95%置信區(qū)間：6.1%，135.4%）、13.6%（95%置信區(qū)間：6%，21.8%）和10.9%（95%置信區(qū)間：3.9%，18.4%）。高溫范圍內(nèi)隨氣溫升高，3 座城市ER 分別上升了28.3%、6.9%和8.2%，由此可見，高溫對(duì)元江影響最顯著。雖然低溫（P1、P5、P10）與高溫（P90、P95、P99）都會(huì)對(duì)老年人群呼吸系統(tǒng)疾病死亡風(fēng)險(xiǎn)有一定影響，但氣溫處于極端低溫或極端高溫時(shí)，其超額死亡風(fēng)險(xiǎn)將達(dá)到最大。

表3 不同城市相同百分比下的氣溫對(duì)呼吸系統(tǒng)疾病的超額死亡風(fēng)險(xiǎn)（ER）及其95%置信區(qū)間

由表3 可知，元江在P1、P5、P10 氣溫下若成都或西安老年人群前往元江，其ER 均有明顯變化，此時(shí)氣溫相對(duì)2 市分別上升了42%及以上，這對(duì)于2市的老年人群來說在低溫時(shí)前往元江避寒旅居可以在一定程度上降低其死亡風(fēng)險(xiǎn)，從而達(dá)到候鳥式氣候趨利的康養(yǎng)效應(yīng)。從ER 下降幅度來看，低溫對(duì)于地處秦嶺以北的西安老年人群影響更大，理論上在此氣溫段西安老年人群前往元江旅居康養(yǎng)效果會(huì)更顯著。元江氣溫處于P90th、P95th、P99th時(shí)，元江老年人群若前往成都、西安，此時(shí)相對(duì)元江的氣溫有所下降，ER 可分別下降23%、37.6%、44.4%、27%、41.6%和47.1%，表明在此氣溫段元江老年人群去往成都或西安也可在一定程度上降低由熱效應(yīng)所帶來的健康風(fēng)險(xiǎn)。

元江死亡風(fēng)險(xiǎn)高發(fā)氣溫段主要出現(xiàn)在夏季與秋季，成都與西安高發(fā)氣溫段則主要出現(xiàn)在冬季或冬季轉(zhuǎn)春季的過渡時(shí)期（圖4）。元江冬季（12 月—次年2 月）氣溫（17.1～21.5 ℃）相當(dāng)于成都與西安春季（4—5 月）氣溫，在條件允許的情況下，成都與西安2地有意愿的老年候鳥人群若前往元江進(jìn)行避寒康養(yǎng)，相當(dāng)于在原居住地過春季，可明顯降低其呼吸系統(tǒng)疾病的死亡風(fēng)險(xiǎn)。此外，元江老年人群呼吸系統(tǒng)疾病死亡高發(fā)期出現(xiàn)在夏季，可能與其地處熱帶氣候有關(guān)，長(zhǎng)時(shí)間的高溫對(duì)當(dāng)?shù)乩夏耆巳旱暮粑到y(tǒng)產(chǎn)生一定的不利影響，而此時(shí)成都與西安月均氣溫分別為23.8～25.5 ℃、26.2～27.9 ℃，相當(dāng)于元江春季（3—4 月）氣溫。從理論上來講，此時(shí)元江老年人群若前往成都或西安可減輕熱脅迫的影響，進(jìn)而獲得降低呼吸系統(tǒng)疾病發(fā)病乃至死亡風(fēng)險(xiǎn)的效果。元江老年候鳥人群會(huì)有其他更好更方便的避暑康養(yǎng)地選擇，但其避暑康養(yǎng)機(jī)理都是相同的。

圖4 元江（a）、成都（b）和西安（c）各月呼吸系統(tǒng)疾病死亡人數(shù)百分比

3 結(jié)論

（1）元江、成都與西安3 地氣候?qū)粑到y(tǒng)疾病死亡的影響都表現(xiàn)出了高溫“即時(shí)效應(yīng)”、低溫“滯后效應(yīng)”，且高溫即時(shí)性對(duì)元江的影響較突出，低溫滯后性在成都與西安的影響更顯著。3 座城市最低死亡風(fēng)險(xiǎn)對(duì)應(yīng)的MMT 分別為27.6、21.2、24.6 ℃。

（2）不同城市死亡歸因分值不同，以MMT 為分界點(diǎn)，元江、成都與西安均為冷效應(yīng)對(duì)呼吸系統(tǒng)疾病死亡風(fēng)險(xiǎn)的健康損失更為突出，其歸因分值分別為5.73%（95%置信區(qū)間：-4.07%，13.69%）、9.85（95%置信區(qū)間：5.75%，13.53%）和17.44%（95%置信區(qū)間：11.37%，22.63%）。

（3）在4 個(gè)氣溫段中（極端低溫、中等低溫、中等高溫與極端高溫），元江、成都與西安均為中等低溫段時(shí)對(duì)呼吸系統(tǒng)疾病死亡風(fēng)險(xiǎn)影響最大，其歸因分值分別為5.21%（95%置信區(qū)間：-3.04%，12.46%）、8.68%（95%置信區(qū)間：4.99%，12.03%）和16.38%（95%置信區(qū)間：10.82%，21.19%）。將氣溫細(xì)化到每1 ℃為單位時(shí)，3 座城市老年人群分別在31～33、4～9和-1～8 ℃呼吸系統(tǒng)疾病死亡風(fēng)險(xiǎn)達(dá)到高峰。

（4）低溫范圍內(nèi)，3 座城市老年居民的超額死亡風(fēng)險(xiǎn)隨氣溫升高而遞減；高溫范圍內(nèi)，3 座城市老年居民的超額死亡風(fēng)險(xiǎn)隨著氣溫升高而遞增。從其超額死亡風(fēng)險(xiǎn)和逐月死亡人數(shù)占比綜合來看，冬季低溫時(shí)段內(nèi)，元江氣溫明顯高于成都、西安，有意愿有條件的2 地老年人群可前往元江進(jìn)行避寒康養(yǎng)，可在一定程度上降低由于冷效應(yīng)所帶來的呼吸系統(tǒng)疾病發(fā)病乃至死亡風(fēng)險(xiǎn)；成都與西安相對(duì)元江而言，夏季氣溫總體上沒有元江高，其熱效應(yīng)所帶來的老年人群呼吸系統(tǒng)疾病死亡風(fēng)險(xiǎn)相對(duì)較小。

與以往同類研究相比，本文就不同氣候帶城市氣溫對(duì)呼吸系統(tǒng)疾病死亡影響及氣候趨利風(fēng)險(xiǎn)降低效應(yīng)方面獲得了創(chuàng)新性的研究成果，定量評(píng)估了氣候趨利的避寒或避暑康養(yǎng)效應(yīng)。如采用平均氣溫每1 ℃為單位進(jìn)行衡量，從氣溫對(duì)老年人群呼吸系統(tǒng)疾病死亡的累積風(fēng)險(xiǎn)和單位風(fēng)險(xiǎn)來看，3 座城市均為冷效應(yīng)（中等低溫）占主導(dǎo)，更加客觀地反映了不同氣溫段對(duì)老年人群呼吸系統(tǒng)疾病死亡風(fēng)險(xiǎn)的影響。同時(shí)，本文對(duì)老年人群候鳥式氣候趨利康養(yǎng)降低呼吸系統(tǒng)疾病死亡風(fēng)險(xiǎn)進(jìn)行了探究，發(fā)現(xiàn)這符合生態(tài)學(xué)中對(duì)生態(tài)位的理解[36]。這也證明了上述研究中發(fā)現(xiàn)的元江、成都與西安老年人群可以通過季節(jié)性氣候趨利好旅居，在一定程度上降低由于氣溫過高（過低）所帶來的呼吸系統(tǒng)疾病死亡風(fēng)險(xiǎn)。但本文存在一定局限性，一是由于醫(yī)療數(shù)據(jù)獲取難度較大，3座城市的醫(yī)療數(shù)據(jù)有一定起始時(shí)間差，但其交叉時(shí)間段占主導(dǎo)；二是本文僅考慮了氣象醫(yī)學(xué)界公認(rèn)的最主要?dú)庀笠貧鉁?，并就不同氣候區(qū)的3 座城市氣溫對(duì)老年呼吸系統(tǒng)疾病死亡風(fēng)險(xiǎn)的影響進(jìn)行初步探究，其他相關(guān)氣象要素對(duì)老年人群呼吸系統(tǒng)疾病死亡風(fēng)險(xiǎn)的影響還有待進(jìn)一步研究，以便更全面地展現(xiàn)各種氣象要素的影響及其差異；三是由于本篇研究重在凸顯不同氣溫對(duì)健康的影響，因此在本篇文章的模型中未考慮污染物對(duì)呼吸系統(tǒng)疾病的影響，后續(xù)研究中將考慮氣象要素和空氣污染物（如PM2.5、O3等）的共同或交互影響。