气候变化与脑卒中死亡关系之时空流行病学研究

Spatiotemporal epidemiological study can provide new evidence for examining the impact of climate change on cardiovascular disease (CVD) over a long term and across large geographical areas. Bayesian spatial methods may discover the threshold of climate change affecting the increase of particular disease, control spatial instability, and evaluate the difference of associations between multi-variables and disease occurrence. Few studies have examined the above issue. This study used the registered deaths of stroke (2005-2014) in Shaanxi Province, China with involvement of population, climate, air pollution and socioeconomic factors at the county level. Geographical Information System (GIS) was applied to display the spatiotemporal variation of stroke mortality and detect high risk clusters over time and space. Time-series analysis was used to examine the lag-effect of associations of climate, air pollution variables and stroke mortality in high risk areas, using Generalized Additive Model (GAM) and distributed lag-nonlinear model (DLNM). Then we introduced a classification and regression tree (CART) model to evaluate the threshold of climate and pollution on mortality variation. The association between socio-environmental factors and stroke mortality across counties and districts over different time period were examined by Bayesian Conditional Autoregressive (CAR) Model. This study expects to examine the significant environmental factors associated with mortality of stroke across time and space in China, to help establishing a forecasting and early warning system of CVD adapting to extreme weather and air pollution, and to provide new scientific evidence for control and prevention of stroke in China. Meanwhile, this study will also promote the application of new research method in other disease study.

时空流行病学研究可为长时间大范围评价气候变化对心血管疾病影响提供新的证据，尤其是贝叶斯方法能够在调节空间自相关基础上发现影响疾病死亡率增高的气候变化阈值、并控制空间不稳定因素、评价不同变量与疾病相关程度的差异，但以往国内外鲜有报道。本研究拟利用陕西省2005-2014年脑卒中死亡登记资料，运用GIS探索不同性别和年龄人群脑卒中死亡时空分布并寻找高危聚集区域；运用时间序列分析法结合GAM和DLNM模型分析若干高危聚集区域气象及空气污染与人群脑卒中死亡之关系，并比较不同地区结果；运用贝叶斯CART模型寻找与人群死亡率时空变化相关的以上因素及社会经济因素阈值；运用贝叶斯CAR模型分析以上因素在不同时间段及地区与脑卒中死亡之关系及显著因素，全面评价气候变化影响脑卒中死亡率的时空差异，建立针对极端天气和空气污染的心血管疾病预测预警系统，为我国脑卒中防治规划提供科学依据。促进该新研究方法在国内的应用。

本研究基于时空流行病学研究方法，通过时空描述、时间序列研究及时空模型，分析疾病时空分布及相关社会环境危险因素，了解疾病发病或死亡的高峰时期及区域，评估气象和经济社会因素与疾病发病的关联强度和显著性，确定与疾病发病显著相关的危险因素，建立针对急性传染病及非传染性疾病的预测预警模型，为预防控制急性病及其发病或死亡带来的健康寿命和经济损失提供科学证据。主要研究结果如下：（1）分析了陕西省全部区县乙型脑炎发病率的时空分布，绝大多数病例发生在夏季和初秋，每年八月达到高峰，整个研究期间乙脑病例呈下降趋势。（2）分析了陕西省部分区县脑卒中死亡率及全部区县乙型脑炎发病率的时空分布。陕南西部，关中西部和陕北部分地区在2006年至2008年间发病率最高。2009年至2011年期间陕南地区发病率在同时期各地中最高，2012年至2014年期间陕北地区发病率较高。（3）通过贝叶斯时空分析法，分析了陕西省区县一级与乙型脑炎发病率相关的社会环境因素。在整个研究期间，城镇化水平与乙脑发病率呈负相关。降雨与乙脑发病率呈正相关，最低气温在2012年至2014年期间与乙脑发病率呈负相关。2013年陕北地区乙脑病例占全省乙脑总病例的比例高于整个研究期间的平均值，尤其是8月和9月。降雨与8月和9月的乙脑发病率呈负相关，分别有3个月滞后，但与9月的乙脑发病率呈正相关，2个月滞后。最低气温和9月的乙脑发病率呈负相关，有1个月和3个月滞后。城镇化水平和猪-人口比例与8月的乙脑发病率呈负相关。可能的原因有，当前养猪多采用集中养殖的方式，从而降低了猪作为中间宿主传播乙脑病毒的风险。同时，极端气象因素（如暴雨）和乙脑发病的效应较强，超过了猪-人口比例这一因素，也使得城镇化水平这一与乙脑发病显著的指标在结果中变得不显著，尤其是2013年9月的结果。（4）通过本研究结果，有助于建立应对急性传染病和其他急性病流行的预测预警模型。