作者：聂艳武，卢耀勤，王琛琛，杨振，孙亚红，张玉霞，田茂再，热木孜亚·热布哈提，张利萍

第一作者及单位：聂艳武，新疆医科大学公共卫生学院

通信作者及单位：张利萍，新疆医科大学医学工程技术学院

Effects and Interaction of Meteorological Factors on Pulmonary Tuberculosis in Urumqi, China, 2013–2019

Nie Y, Lu Y, Wang C, Yang Z, Sun Y, Zhang Y, Tian M, Rifhat R, Zhang L.

Front Public Health，2022，10：951578.

doi: 10.3389/fpubh.2022.951578.

PMID: 35910866 

研究背景

结核病是由结核分枝杆菌引起的慢性传染病，肺结核（pulmonary tuberculosis，PTB）是最常见的结核病类型。由于耐药性和治疗的持久性，使得结核病已成为主要死亡原因之一，在单一传染病中排名第一位。气象因素的变化是当今研究的热点，也是当今世界面临的最大挑战之一。相关研究表明，随着过去几年气象因素的变化，气象因素对传染病（如登革热、疟疾、致病性弧菌病）的适宜性增强。此外，极端气象因素（如极端温度、极端湿度和极端风速）对各种传染病也有影响。作为一种呼吸道传染病，PTB受气象因素的影响表现出季节性特征。目前，已有一些关于气象因素与PTB之间关系的研究，但大多数研究尚未探讨滞后性、非线性的剂量-反应关系，关于极端湿度和极端风速对PTB的影响研究也较少。同时，气象因素对传染病的影响往往是相互依赖的，因此有必要研究气象因素之间的交互作用对PTB的影响。

研究方法

一、研究地点

乌鲁木齐市位于中国西北部，是新疆维吾尔自治区首府，地处42◦45'～44◦08'N和86◦37'～88◦58'E之间，占地14 216 km2。乌鲁木齐属温带大陆性干旱气候，夏季温暖多雨，冬季寒冷干燥，全年温差大，相对湿度低，沙尘暴在春夏季多发。

二、 数据收集

从中国气象信息中心（http:// data.cma.cn/）收集乌鲁木齐市2013年1月1日至2019年12月31日8个站点气象数据，包括日平均温度（℃）、日平均相对湿度（%）和日平均风速（m/s）。每日新增PTB发病数据来源于乌鲁木齐市疾病预防控制中心。研究基于PTB发病患者数和气象因素的周平均值进行建模。

三、统计分析

采用均值、标准差和分位数来描述气象因素和PTB发病患者数。采用Spearman相关系数评价气象因素与PTB发病风险的相关性。依据气象因素间方差膨胀因子（VIF）和容忍度来判断变量间的多重共线性。

1.建立分布滞后非线性模型（distributed lag non-linear model，DLNM）估计气象因素对PTB发病风险的滞后性和非线性。暴露-反应维数拟合采用三次多项式函数，无需设置节点；暴露-滞后维度拟合采用三次立方样条，在等间距值处有１个内部节点；气象因素样条函数的自由度设为3；由于PTB的中位潜伏期为7周，同时考虑就诊延迟可使模型提取的信息更加完整，最终最大潜伏期确定为12周。采用准泊松方法拟合乌鲁木齐市每周新增PTB患者数，避免数据的过度分散。采用时间限制法（简单指标变量）控制长期趋势和季节性。建立温度、相对湿度和风速的交叉基函数，分析气象因素的滞后暴露-反应关系。当函数中包含１个变量时，其他两个被设为协变量。以中位数为参考值，探讨气象因素对PTB的影响。模型表达式为：

其中，Yt为t周中每周新增的肺结核患者数；β为整个模型的截距；cb()表示交叉基函数；K、X、Z表示气象因素；β1为滞后t周期时K的效应估计值；K12表示最大滞后周数；s()表示样条函数，通过广义交叉验证估计样条函数的最优自由度；采用strata来控制长期趋势和季节性。

将温度、相对湿度和风速的不同分位数（1、5、95、99）定义为极端气象因素。在上述模型的基础上，以各气象因素的中值为参考值，讨论极端气象因素对PTB发病风险的影响。

运用广义加性模型（GAM）探讨气象因子对PTB发病风险的交互作用。模型表示为：

其中，β2为截距；K表示其中１个气象因素（温度、相对湿度和风速），X、Z表示另外两个气象因素；s1(k，x)表示变量k和x之间的交互作用项。

定量探讨气象因素间交互作用对PTB的影响。以中位数为标准，将气象因素划为“低”和“高”。例如，温度与湿度的交互作用可以分为高温与高湿、高温与低湿、低温与高湿、低温与低湿。选取其中1种分类作为参考，探讨其他分类对PTB的影响。同时，采用交互作用相对超额危险度（relative excess risk to interaction, RERI）、归因比（attributable proportion，AP）和协同指数（synergy index，SI）对交互作用进行评价。当RERI和AP不等于0、SI不等于1时，认为交互作用存在。具体计算公式如下：

其中，以RR00（两种暴露均不存在时的RR值）为对照组，RR11表示两种暴露情况下的RR值，RR10和RR01表示两种暴露情况中只有１种的RR值。

气象因素对PTB的影响表达为相对风险（RR）和95%可信区间（CI）。所有统计分析主要使用R 4.0.0中的“dlnm”“spline”和“mgcv”软件包进行。以P<0.05为差异有统计学意义。

研究结果

一、气象因素和PTB分布特征

2013—2019年乌鲁木齐市共登记16 793例PTB患者。表1列出了气象因素和PTB的描述性分布特征。温度、相对湿度、风速和PTB发病患者数的中位数（四分位数间距）分别为11.3 ◦C（−5.0～20.5 ◦C）、57.7%（50.7%～64.2%）、4.1（3.4～4.7）m/s和47（37～56）例。

二、气象因素和PTB的Spearman相关分析

表2列出了气象因素与PTB之间的Spearman相关关系。结果表明，温度与风速的Spearman相关系数为0.72，具有较强的相关性，但VIF和容忍度表明气象因素之间不存在多重共线性。因此，可将多个气象因素放入一个模型中。虽然Spearman相关分析结果显示相对湿度与PTB的相关性不强，但考虑到气象因素对PTB的影响具有非线性特征和滞后效应，本研究仍然分析相对湿度对PTB的影响。

三、气象因素对PTB影响的3D图和等高线图

3D图显示了气象因素与PTB在滞后0～12周的暴露-滞后反应关系（图1）。从图中可以看出温度、相对湿度、风速均对PTB的影响具有非线性和滞后性。绘制气象因素对PTB发病滞后0～12周的相对风险等高线图（图2）。图2定性地表明较高的温度、湿度和风速均会增加PTB的发病风险。此外，温度约为−10～5 ℃时，PTB的相对风险（RR）值在滞后10～12周增加，风速约为2～3.5 m/s时，在滞后0～3和10～12周PTB发病风险增加。

四、气象因素在0～12周对PTB的累积影响

图3显示了温度、相对湿度和风速在0～12周后对PTB发病风险的累积影响。温度与PTB发病风险之间呈现“N”型。在−20～−9 ℃和11.1～23.8 ℃时，温度是PTB的保护因素，而在−9.1～11 ℃和23.8～31.8 ℃时，温度是PTB的危险因素。相对湿度与PTB发病风险之间呈“L”形分布。当相对湿度＞64.1%时，PTB的发病风险随相对湿度的增加而增加。风速对PTB的影响也近似为“N”型。风速在2～2.5 m/s和4.1～6.4 m/s时呈现保护效应，而在2.6～4 m/s和6.5～7.6 m/s时呈现风险效应。

五、极端气象因素对PTB的影响

图4显示了特定滞后周极端气象因素与PTB发病风险之间的关联。极端低温在第百分之1分位数和第百分之5分位数的lag0～lag2周时，是PTB的保护因素；极端高温在第百分之95分位数的lag1周和第百分之99分位数的lag1～lag2周时，是PTB的危险因素。极端高相对湿度对PTB的影响在lag4周时达到峰值，在lag2～lag7周（第百分之95分位数）和lag2～lag6周（第百分之99分位数）之间是PTB的保护因素。第百分之95分位数的风速在lag1～lag3周和lag9～lag11周时与PTB的发病风险增加有关。极低相对湿度和极低风速对PTB的发病风险无显著影响。

表3列出了滞后0～12周极端气象因素（温度、相对湿度和风速）对PTB的累积影响。研究发现，极端低温对PTB有保护作用，最显著的累积效应出现在第百分之1分位数（RR = 0.416，95%CI：0.262～0.659）。然而，极端高温是PTB的危险因素，其累积效应最大值出现在温度的第百分之99分位数（RR = 1.675, 95%CI: 1.085～2.587）。极端高相对湿度在第百分之95和99分位数时增加了PTB的发病风险，且在第百分之99分位数的累积效应最大（RR = 1.905，95%CI：1.128～3.216）。与中位风速相比，第百分之95分位数风速与PTB累积风险的增加相关（RR = 0.547，95%CI：0.432～0.692)。极低相对湿度和极低风速对PTB的发病风险均无累积影响。

表4列出了温度、相对湿度和风速在lag0-1至lag0-12周期间对PTB的最大累积影响。温度、相对湿度和风速对PTB的累积影响分别在31.8 ℃、83.2%和7.6 m/s时达到最大值。温度在lag0-1至lag0-12周对PTB的累积影响均具有统计学意义；相对湿度和风速在lag0-5至lag0-12周对PTB的累积影响也具有统计学意义。

六、气象因素间交互作用对PTB的影响

加性尺度的交互作用指标（RERI、AP、SI）显示，气象因素对PTB的交互作用不明显。但如图5所示，在低温度低风速、低温度低相对湿度下，PTB的发病风险较高。进一步根据中位数对气象因素进行划分，研究不同气象分层对PTB的影响（表5）。结果显示，与高温度高相对湿度相比较，低温度低相对湿度时，PTB的发病风险增加（RR = 1.149，95%CI：1.003～1.315），且低温度低风速下PTB的发病风险高于高温高风速时（RR = 1.273，95%CI：1.146～1.415）。另外，以高风速高相对湿度为参考，低风速低相对湿度和低风速高相对湿度对PTB发病风险的影响均差异不大，说明相对湿度的变化可能不会影响低风速对PTB的影响。

研究结论

气象因素对PTB传播的影响表现出滞后性和非线性特征，极高温度、极高相对湿度、极高风速可能会增加PTB的传播风险。气象因素对PTB的影响暂未发现存在交互效应，但低温度低相对湿度、低温度低风速度可能会增加PTB的发生风险。

注：除非特别声明，本公众号刊登的所有文章不代表《中国防痨杂志》期刊社观点。

供稿：张利萍

编辑：孟    莉

审校：范永德

发布日期：2022-08-17