期刊：The Lancet Regional Health - Western Pacific
DOI：10.1016/j.lanwpc.2024.101168
研究背景
气候变化被认为是"人类面临的最大健康威胁"，其显著特征包括全球平均气温上升以及高温热浪发生频率和强度的增加。众所周知，热浪会显著增加人群患病和死亡风险。此外，平均气温的上升通常伴随着夜间温度相对不成比例的升高，尤其是在高纬度地区和受城市热岛效应影响的城市中更加明显。随着许多低中收入国家的城市化和工业化进程加快，以及全球变暖趋势的加剧，夜间高温将对更多人口构成威胁。最近的研究表明，在东亚和南欧，较高的热夜强度（通常通过夜间超过阈值的额外温度总和衡量）与死亡风险分别增加30–50％和12–37％有关。然而，夜间高温对发病结局（例如入院）的影响尚未得到充分研究。
因此，本研究利用香港这一近几十年来夜间高温显著升高的高密度亚热带大都市的数据，开展时间序列研究，探讨夜间高温和热夜强度与不同病因导致的入院风险之间的短期关联。研究特别关注不同社会经济地位（socioeconomic status，SES）和年龄个体在入院风险上的差异。
研究方法
入院数据
来自香港医院管理局（Hospital Authority，EA）在2000年至2019年间收集的所有公立医院急诊室的每日住院数据，只包含非计划紧急入院的患者。根据《国际疾病分类第九次修订临床修改》（ICD-9-CM）提取了三个病因/疾病组，包括非癌症非外伤性疾病（non-cancer non-external，NCNE；001–139，240–799）、循环系统疾病（390–459）和呼吸系统疾病（460–519）。进一步将NCNE住院数据按年龄分为三组（0–14岁、14–64岁、65岁及以上），按社会经济地位分为两组（低 SES、高 SES），形成六个（3*2）年龄-SES特定分组。
气象和空气污染数据
从香港天文台（Hong Kong Observatory，HKO）获取2000年至2019年间观测的每日气象数据，包括平均气温、最低气温、最高气温、相对湿度、降雨量和风速。此外，还收集了每小时温度数据用于计算夜间高温指标。空气污染数据来自香港环境保护署测量的每日空气污染数据，包括细颗粒物（fine particulate matter，PM2.5）、臭氧 (ozone，O3)、二氧化氮 (nitrogen dioxide，NO2) 和二氧化硫 (sulphur dioxide，SO2)。
夜间高温指标的定义
HNday 28℃：代表日最低气温≥28 °C，即政府对热夜的定义。该指标可以直观评估政府定义的公共卫生意义；HNe（℃·h）：热夜过量值，由夜间每小时气温高于28 °C的热量过量总和计算得出。例如，一个人夜间经历32°C 1小时，其HNe为4°C·h。该指标能够反映夜间高温的强度；HNday90th：以HNe的第90百分位数（17.7 °C·h）为阈值分类热夜情况。该指标用于识别风险最高的高温夜晚。
数据分析
本研究应用准泊松广义加性模型（generalized additive models，GAMs）和分布滞后非线性模型（distributed lag non-linear models，DLNMs）来评估不同热夜指标对住院的短期风险的影响。首先，我们对住院时间序列进行分解，以实现平稳性，并回归每个结果的时间成分，如研究日期、星期几、公众假期、水平变化，以及1至2天的自回归效应（住院时间序列的滞后）。使用自由度为每年1到6的自然样条函数来控制长期和季节趋势。通过最小化赤池信息准则（Akaike information criterion，AIC）并检查残差偏自相关来确定分解的最佳模型。针对每个热夜指标，利用 DLNMs 构建了一个最大滞后 7 天的交叉基函数，用于捕捉暴露的非线性和滞后关联。在暴露维度上，HNday28℃ 和 HNday90th 及其亚类型分别使用线性函数和在分布第50百分位放置一个结点的自然三次样条进行拟合；而在滞后维度上，采用二次 B 样条，在滞后范围的对数尺度上均匀放置两个结点。随后，通过调整时间成分和环境协变量（包括滞后0–3天的平均温度、相对湿度、总降雨量、风速和 PM2.5），分别评估了热夜指标与住院之间的关联。
通过以下比较计算住院的超额相对风险（excess relative risks，ERR）及其 95% 置信区间（confidence intervals，CI）：(1) HNe 从第99百分位（28.9°C·h）到0°C·h 的变化，(2) HNday28°C 与非 HNday28°C 的差异，(3) HNday90th 及其亚类与非 HNday90th 的差异。ERR 计算公式为（RR-1）×100%。此外，还估算了滞后 0-4 天的累积 ERRs，因为 HNe 与住院的关联通常可持续到滞后4天。通过 Wald 检验评估了 ERRs 在不同年龄和社会经济地位（SES）亚组间的差异。
敏感性分析
本研究进行了一些敏感性分析来测试稳健性，包括估计较长滞后时间内的累积关联，改变交叉基规格，改变研究天数的自由度，以及控制其他空气污染物。此外，还研究了日落和日出时间之间计算的HNe的影响（从香港天文台获得），并将结果与主要研究结果进行了比较。
结果
在2000–2019年的炎热季节（5–10月），本研究纳入了5,002,144例NCNE入院病例，其中一半以上为老年人（≥65岁），约四分之一为低SES组，其中18.5%和12.8%的入院原因分别是呼吸和循环系统疾病（表1）。
该地区夏季平均温度范围为18.7℃至32.4℃（平均温度27.7℃）。在本研究纳入的3680天中，约一半天数具有过量的夜间高温暴露，最大HNe为50.7℃⋅h；使用HNday28℃和HNday90th指标确定的热夜天数分别为499天（13.6%）和187天（5.1%）（表2）。
在调整环境平均温度的主要影响后，HNday28℃与累计滞后0–4天的入院风险没有显著关联（表3）。相比之下，第99位百分位数HNe（28.9℃·h）天数比 0 HNe天数的入院风险增加3.1% (95% CI: 1.5%, 4.8%），每增加10℃·h，入院风险增加1.9%（95% CI: 0.2%, 3.6%）。HNe与ERRs的关联在老年人群和低SES人群中尤为明显（Wald检验p值均＜0.05）（表3）。当限制特定入院原因时，HNe显著增加因循环系统疾病入院的风险（4.3%（1.8%, 6.9%）／10℃·h），但与呼吸系统疾病没有显著关联。
图1是HNe与各分组入院率关联的累计（滞后0–4天）暴露-反应关系曲线，总体关联显示ERR在10℃·h左右的表现出极小的下降趋势（<1%），而在21.8℃·h以上的风险几乎呈线性增加。老年人显著超额风险阈值出现在较低的HNe（17.8℃·h），而年轻人的关联基本不显著。两个SES组在高HNe暴露时均具有显著的超额相对风险，但低SES组比高SES组的阈值更低，入院风险上升幅度更大。
图2展示了各分组入院风险与第99百分位数HNe（28.9℃·h）滞后反应的关联。在滞后0天，HNe与入院风险增加之间存在显著关联，而在滞后1天时，入院风险显著下降，这是一种典型的位移效应和收获效应现象。在滞后2–3天时，仍然观察到一些过度风险的证据，尤其是在老年人和因循环系统疾病入院的人群中。
HNday90th与总体人群入院风险增加1.9% (0.7%, 3.0%)相关（表4）。这种关联在一些亚组中持续存在，并且表现得更加明显，特别是老年人、低SES人群和因循环系统疾病入院人群中。持续1天和≥4天的HNday90th与入院的超额相对风险显著相关，而持续2–3天的HNday90th与入院的超额相对风险无关联。年龄、SES和入院原因等亚组间的关联与总体分析结果相似。
小结
这项研究是首个在亚热带城市环境中考察夜间高温与入院风险关联的研究。结果表明，即使在适应高温能力相对较强的亚热带城市人口中，夜间高温仍与入院风险显著相关，尤其是老年人和低社会经济地位人群更为脆弱。值得注意的是，官方定义的“热夜”由于未考虑夜间高温强度，结果与入院风险增加并不显著，这表明，HNe和HNday90th比官方定义的HNday28℃能有效地识别夜间高温带来的风险。因此，该研究建议在定义与公共卫生相关的夜间高温风险时，应纳入夜间高温强度指标。此外，研究还强调了在制定公共卫生政策时，必须考虑不同人群的脆弱性，特别是老年人和低社会经济地位人群。
相关主题文献
[1] Wang J, Chen Y, Tett SFB, et al. Anthropogenically-driven increases in the risks of summertime compound hot extremes. Nat Commun. 2020 Feb 11;11(1):528. DOI: 10.1038/s41467-019-14233-8.
[2] Obradovich N, Migliorini R, Mednick SC, et al. Nighttime temperature and human sleep loss in a changing climate. Sci Adv. 2017 May 26;3(5):e1601555. DOI: 10.1126/sciadv.1601555.
[3] Tao J, Zhang Y, Li Z, Yang M, et al. Daytime and nighttime high temperatures differentially increased the risk of cardiovascular disease: A nationwide hospital-based study in China. Environ Res. 2023 Nov 1;236(Pt 1):116740. DOI: 10.1016/j.envres.2023.116740.
[4] Ye X, Wolff R, Yu W, et al. Ambient temperature and morbidity: a review of epidemiological evidence. Environ Health Perspect. 2012 Jan;120(1):19-28. DOI: 10.1289/ehp.1003198.
[5] Royé D, Sera F, Tobías A, et al. Effects of Hot Nights on Mortality in Southern Europe. Epidemiology. 2021 Jul 1;32(4): 487-498. DOI:10.1097/EDE.0000000000001359.
