转自：环境健康ENRICH研究组
![]()
气候变化能直接影响与温度相关的超额死亡风险，也能影响死亡风险的季节性变化。死亡风险的季节性变化或模式，是一种有据可查的现象，冷季死亡风险高于暖季，虽然有多种风险因素可能导致这种季节性改变，但温度是其关键驱动因素，尤其是在温带和大陆性气候区。虽然低温与高温都会增加死亡风险，但随着气候变暖，低温导致的死亡风险可能会下降，而大多数地区与高温相关的死亡风险将会增加，因此研究气候变暖是否会改变死亡风险的季节性且在多大程度上改变的证据至关重要。该研究预测了气候变化对全球死亡风险季节性的影响，涵盖四个气候区，通过比较全年死亡风险的变化，时间（高峰和低谷），规模（幅度和影响）来检查当前和未来死亡风险的季节性变化。
通过the Multi-Country Multi-City Collaborative (MCC) Research Network数据库收集1969-2020年的平均温度和死亡风险每日时间序列数据，该数据库涵盖43个国家或地区的707个地点，包括干旱区、大陆性气候区、温带气候区和热带气候区五个气候带。同时获得了1969-2099年的日平均温度建模数据，在耦合模式比较计划第6阶段的共享社会经济途径（SSP）情景下，选择了四种排放情景（SSP1-2.6、SSP2-4.5、SSP3-7.0和SSP5-8.5），以应对不同的社会经济发展路径和大气温室气体浓度。这四种情景描述了从温和（SSP1-2.6）到极端（SSP5-8.5）的一系列气候变化，SSP1-2.6优先考虑可持续性，积极减少排放，SSP2-4.5采取温和的方法应对气候变化，SSP3-7.0强调经济增长，较少关注环境，SSP5-8.5优先考虑经济增长和最低限度的排放控制。每个情景下的数据包括来自跨部门影响模型比较项目数据库的五个一般环流模型（GCM）的五组模拟数据集，其中，对于每个GCM，数据都经过偏差校正并缩小到0.5°×0.5°km空间分辨率。通过将每个位置的GPS坐标与1969-2099年模拟中相应的GCM网格单元，提取了每个MCC位置的建模数据。为了保留观测序列中原始数据的趋势和可变性，使用观测到的日平均温度序列重新校准了建模的温度序列，最后计算了在每种情景下2099年至2000年之间5个GCM和所有地点的年平均温度差异。首先，该研究预测每个地点在不同气候变化情景下2000-2099年的每日死亡风险，评估预测死亡风险的季节性，并在几十年之间做了对比。使用准泊松回归模型拟合到观察到的每日死亡风险时间序列，应用滞后21天的交叉基数，模拟观测温度和死亡风险的非线性和延迟暴露-滞后-反应关联。同时使用一年中1-365天的循环样条对基线季节性进行模拟，df = 4，还使用日期的自然三次样条对观察到的每日死亡风险时间序列的长期趋势进行建模。从拟合的准泊松回归模型中获得模型参数，将长期趋势固定在基线值，在气候变化情景下用建模的温度序列替换观测到的温度序列，并预测每个位置从2000-2099年的日死亡风险以及GCM和SSP的所有组合。由于每个位置的观察期不同，长期趋势的基线值因位置而异，因此通过使用拟合回归模型中的模型参数，假设基线季节性和温度-死亡风险依赖性在2000-2099年之间没有变化，因此死亡风险的唯一变化是由于温度变化引起的。对于下一步的季节性评估，计算了2000-2099年每天的日平均死亡风险，每个地点每个SSP下5个GCM的平均值。按照以前研究中使用的估计季节性的方法，从预计的每日死亡风险中评估了未来的总体季节性，使用了具有四个自由度的循环样条来表示一年中的某一天。根据拟合的季节曲线，通过描述死亡风险的形状、确定其高峰和低谷的时间以及通过使用峰谷比和季节性归因于死亡的比例（归因分数）来估计其规模。峰谷比是高峰日的最大死亡风险估计值与低谷日的最低死亡风险估计值的比值，峰谷比的95%CI是从拟合循环样条系数的方差矩阵中获得的。归因分数估计了在死亡风险从未超过其季节性低谷的反事实情景中死亡风险降低的分数。峰值和谷值时间以及归因分数的95%经验置信区间（eCI）是通过蒙特卡洛模拟估计的。按十年评估了每个地点的未来季节性，通过多变量Meta分析总结了特定地点季节性评估的估计值14拟合的循环样条系数，分别获得每个气候区和国家或地区的平均季节性模式。然后比较几十年之间的季节形状、高峰和低谷时间以及大小。使用峰谷比和可归因分数的绝对差异报告了几十年之间大小的变化报告了。在按气候区总结结果时，排除了秘鲁的两个高海拔地点，因为它们数据集中唯一被描述为极地气候的位置，但这两个位置包含在秘鲁的特定国家/地区汇总结果中。在描述结果时，使用冷季（北半球的地点为10月-来年3月，南半球的地点为4月-9月）和暖季（每个半球的剩余月份）分别表示普遍低温和高温的月份。在敏感性分析中在将观察到的系列限制为自2000年以来的数据后重复了整个分析，因为先前的研究表明峰谷比降低，温度-死亡风险关联随时间发生一些变化。由于数据集中的几个位置有很长一段时间的数据，选择了2000=年作为截止年份，以涵盖敏感性分析中的所有位置，同时还将观测序列限制为最近几十年。分析了来自705个地点、四个气候区的126766164例死亡人数（表）。气候区之间和气候区内不同位置的日平均温度存在异质性（图1）。其中热带地区的平均温度最高，而大陆区的变化最大（表）。在SSP1-2.6、SSP2-4.5、SSP3-7.0和SSP5-8.5情景下，预计2000-2099年的707个地点的年平均气温将分别升高1.35℃、2.73℃、4.26℃和5.55℃。![]()
图2显示了在四种SSP情景下，2000-2099年间每个十年按气候带划分的死亡风险季节性概况。本世纪初，四个气候区的冷季和暖季的死亡风险都很高，但这种模式在热带地区并不太明显。干旱、温带和大陆地区，冷季的高死亡风险将在整个世纪内下降，而暖季的低死亡风险在所有情景下都开始增加。这种变化模式在高排放情景（SSP3-7.0和SSP5-8.5）下最为明显，导致季节形状发生重大变化。在最高排放情景（SSP5-8.5）下，预计到本世纪末，温带、大陆和干旱地区的死亡风险最高将出现在冷季的第二个高峰。在热带地区，季节形状也发生了变化，所有情景下都随着时间的推移而变得明显，但在低排放情景（SSP1-2.6和SSP2-4.5）下变化的幅度很小。
![]()
图3显示了在四种SSP情景下，每个气候区与2000-2009年相比，各十年的峰谷比和归因分数的变化。峰谷比和归因分数通常在本世纪中叶下降，此后在最低排放情景（SSP1-2.6）下保持不变。然而，在本世纪中叶之后的高排放情景下，这一趋势通常发生了逆转，到本世纪末，除干旱区外，所有气候区的峰谷比或归因分数都在增加。与2000年代的估计相比，在SSP5-8.5下，预计2090年代热带、温带和大陆区的峰谷比和归因分数都会增加，热带地区的增长幅度最大，其次是温带地区。在热带地区，预计峰谷比将从2000年代的1.04（95% CI: 1.00至1.08）增加到2090年代的1.16（1.05至1.27），相对增加1.11（95% CI: 1.01至1.23），预计归因分数将从2000年代的0.02%（95% CI: 0.01至0.04）增加到0.08%（0.04至0.15）在2090年代，反映出0.06%（95% eCI: 0.01至0.12）的增长。在温带地区，预计峰谷比将从2000年代的1.22（95% CI: 1.18至1.26）增加到2090年代的1.31（1.18至1.44），相对增加1.07（95% CI: 0.96至1.19），预计归因分数将从2000年代的0.07%（95% CI: 0.06至0.08）增加到0.11%（0.08至0.14）在2090年代，反映了0.04%（95% eCI: 0.01至0.07）的增长。相反，在干旱区，在2000年代和2090年代之间，根据SSP5-8.5预测峰谷比的降低和可归因分数的差异可以忽略不计：预计峰谷比将从2000年代的1.19（95% CI: 1.11至1.29）下降到2090年代的1.14（0.96至1.36），代表相对减少0.96（95% CI: 0.79至1.16），预计归因分数保持相似，从2000年代的0.06%（95% eCI: 0.04至0.09）到2090年代的0.06%（0.03至0.11），反映出0.00%（95% eCI: –0.05至0.05）差异。
在季节性方面，预估了温暖季节死亡风险增加和寒冷季节死亡风险降低的类似模式，但爱尔兰和南非除外。值得注意的是，同一气候带内的一些国家表现出不同的季节性变化，如菲律宾、泰国和越南都位于热带气候区，在所有四种 SSP 情景下，预估的季节曲线都显示出一些差异。此外，除少数国家外，大多数国家的季节性变化显示出与按气候区观察到的季节性大小相似的模式，如在高排放情景下，北欧的英国（温带气候区）、东亚的日本和韩国（温带和大陆气候区）、北美的墨西哥（干旱和温带气候区）以及非洲的南非（干旱和温带气候区）在本世纪内均表现出峰谷比和可归因分数的持续降低。
该研究使用了来自700多个地点的数据，包括不同气候区高度多样化的人群，研究结果表明，气候变暖可能会大大改变未来死亡风险的季节性，到本世纪末，在干旱、温带和大陆地区排放最高的情景下，死亡率峰值可能会从寒冷季节转变为暖季。此外，预计到本世纪末，除高排放情景下的干旱地区外，大多数地方的季节性规模将增加。同时该研究也发现了一些地理差异，特别是在温带、大陆性和干旱气候地区，相对于春季或秋季的低谷，预计冷季的死亡风险仍然很高，这表明在气候变暖的情况下，与寒冷相关的死亡人数的减少可能不会使这些地区的寒冷季节死亡风险降低太多。这可能是由于这些地区死亡风险的基线季节性很强，由其他季节性风险因素（如传染病、空气污染物和人类行为）驱动。然而，对热带地区的预测显示了不同的模式，其中预计死亡风险在一些冷季会略有下降，但在冷季的其他部分以及暖季会上升。热带气候中死亡风险的季节性不如其他地区明显，因此，在气候变暖的情况下，与高温相关的死亡风险增加和与寒冷相关的死亡人数减少可能很容易被影响。
【1】Temperature-related mortality burden and projected change in 1368 European regions: a modelling study,Lancet Public Health, 2024.DOI: 10.1016/S2468-2667（24）00179-8【2】Ambient particulate matter and chronic obstructive pulmonary disease mortality: a nationwide, individual-level, case-crossover study in China, eBioMedicine, 2024.
DOI: 10.1016/j.ebiom.2024.105270
【3】Effects of ambient heat exposure on risk of all-cause mortality in children younger than 5 years in Africa: a pooled time-series analysis, The Lancet Planetary Health, 2024.
DOI: 10.1016/S2542-5196(24)00160-8
【4】Ambient air pollution and daily mortality in ten cities of India: a causal modelling study, The Lancet Planetary Health, 2024.
DOI: 10.1016/S2542-5196(24)00114-1
投稿、转载、合作、申请入群可在后台留言（备注：姓名+微信号）或发邮件至sthjkx1@163.com
