期刊：The Lancet Regional Health - Western Pacific
DOI：10.1016/j.lanwpc.2024.101246
引言
糖尿病，特别是2型糖尿病，仍然是一个重大的全球公共卫生挑战，导致了全球范围内大量的伤残调整生命年（disability-adjusted life years，DALYs）和死亡。中国是2型糖尿病的主要高发地区，患者人数居全球第一。与此同时，颗粒物（particulate matter，PM）空气污染已成为全球领先的公共卫生威胁之一，其加剧糖尿病负担的作用尤其令人担忧。
根据2019年全球疾病负担（Global Burden of Diseases，GBD）研究，空气污染导致了约20%的全球2型糖尿病负担，其中环境PM2.5贡献了13.4%，家庭空气污染贡献了6.5%。据估计，环境PM2.5每年增加超过0.5%，是2型糖尿病的第三大危险因素。以往基于GBD 2019的分析评估了全球空气污染导致的2型糖尿病负担，其中中国是疾病负担最高的国家之一。然而，空气污染对中国及其各省2型糖尿病负担的具体贡献及其时间趋势尚未得到充分确立。中国幅员辽阔，不同地区在空气污染暴露水平、2型糖尿病负担和人口密度方面存在显著差异。因此，揭示中国各地2型糖尿病与空气污染暴露的地域差异至关重要。
本研究旨在全面衡量包括环境PM2.5污染和家庭空气污染在内的空气污染对1990年至2021年中国及其各省2型糖尿病负担的影响。我们提供了关于空气污染导致的2型糖尿病负担的最新信息，为循证的和量身定制的卫生政策决策和倡议提供依据。
方法
本研究采用GBD 2021的方法，估算中国25岁及以上成年人因空气污染导致的2型糖尿病死亡人数、伤残调整生命年、伤残生存年（years lived with disability，YLDs）和预期寿命损失年（years of life lost，YLLs）。这些估算按性别、年龄、年份和省份进行分层。
空气污染暴露评估
环境颗粒物污染 （PM2.5）：以年平均网格化PM2.5浓度（单位：μg/m³）来定义暴露水平。使用空气质量数据整合模型 （The Data Integration Model for Air Quality，DIMAQ） 估算中国各地的环境空气污染暴露。DIMAQ整合了卫星遥感气溶胶光学厚度数据、地面监测数据、化学传输模型模拟结果、人口数据和土地利用数据。这是一种多源数据融合的方法，旨在提高空间分辨率和精度，克服单一数据源的局限性。
家庭空气污染：以使用固体燃料（煤炭、木柴、粪便和农作物残渣）的家庭比例及其相应的PM2.5暴露来定义。采用三步建模策略：线性回归、时空回归和高斯过程回归，对固体燃料使用进行细分，改进PM2.5暴露特征描述。此方法旨在更准确地量化不同类型固体燃料对PM2.5贡献的差异，从而更精确地评估家庭空气污染的暴露水平。
2型糖尿病负担估算
非致死性2型糖尿病估算：利用分层贝叶斯元回归工具 （DisMod MR-2.1） 建立单独的1型糖尿病和总糖尿病模型，估算1990年至2021年的糖尿病患病率。1型糖尿病模型包含三个协变量：35岁及以上妇女活产比例、人均受教育年限，以及医疗保健获取和质量指数。总糖尿病模型包含肥胖患病率和年份作为患病率的协变量，年度缓解率上限为1%。通过从总糖尿病估算中减去1型糖尿病估算，得到各年龄、性别、年份和地区的2型糖尿病估算值。
2型糖尿病死亡率估算: 省级死亡数据主要来源于监测系统（国家疾病监测点和孕产妇儿童监测系统）、中国癌症登记处、死亡原因报告系统和死亡登记、已发表的研究、全国性调查和医院住院数据。死亡率使用死亡原因集合模型 （Cause of Death Ensemble model，CODEm） 生成，ICD编码映射在附录中列出。CODEm是一种多模型整合方法，提高了死亡原因归因的准确性。
空气污染导致的2型糖尿病负担的估算
首先，确定每个相关危险因素的暴露-反应关系，为量化不同暴露水平下的超额风险奠定基础。然后，将理论最小风险暴露水平 （theoretical minimum risk exposure level，TMREL） 与实际人口暴露水平进行比较。之后，使用以下公式估算人群归因比例 （population-attributable fraction，PAF）：
PAF = （P × （RR-1））/（P × （RR-1） + 1）
其中，P是人群中危险因素的患病率，RR是与疾病相关的相对风险。通过整合不同人群的这些估算值并调整混杂因素，可以估算特定危险因素对整体疾病负担的影响。对于环境颗粒物污染和使用固体燃料造成的家庭空气污染，TMREL 被定义为人口加权平均 PM2.5 浓度从 2.5 到 5.9 μg/m³ 的均匀分布。最后，通过将1990年至2021年各年龄段、性别、年份和省份的PAF与死亡人数、DALYs、YLDs和YLLs相乘，确定空气污染归因的疾病负担。采用指数函数计算年均百分比变化率 （estimated annual percentage change，EAPC），并通过回归模型获得EAPC的95%置信区间。
标准化和不确定性区间
使用GBD标准人口计算死亡人数、DALYs、YLDs和YLLs的年龄标准化率。采用不确定性区间 (uncertainty intervals，UI) 分析来解释样本误差和非样本方差造成的潜在异质性。通过模拟每个建模步骤的后验分布的500个随机抽样，确定所有估算值的95% UI。
结果
本研究对中国及各省份1990年至2021年间因空气污染（包括环境空气污染和家庭空气污染）导致的2型糖尿病负担进行了更新评估。
全国层面
2021年，全国约有35146例（95% UI：21614－51416）2型糖尿病死亡归因于空气污染。其中，约29398例死亡（95% UI：15469－45285）归因于环境PM2.5污染，5737例死亡（95% UI：1053－17478）归因于家庭空气污染（表1）。尽管环境PM2.5的年均加权平均浓度总体下降，但1990年至2021年，与空气污染相关的2型糖尿病死亡人数和粗死亡率均呈上升趋势（图1）。
2021年，全国因空气污染导致的2型糖尿病死亡人口归因比例（PAF）为20.14%，其中环境PM2.5污染占16.89%，家庭空气污染占3.24%（图3）。1990年至2021年，环境PM2.5污染导致的2型糖尿病死亡PAF在各个年龄组和性别组中普遍上升，而家庭空气污染导致的PAF则下降。
2021年，因空气污染导致的2型糖尿病年龄标化死亡率为每10万人1.76例（95% UI：1.08－2.57）。1990年至2021年，环境PM2.5污染导致的2型糖尿病年龄标化死亡率显著上升了264.23%（95% UI：117.27-584.96），而家庭空气污染导致的年龄标化死亡率下降了80.8%（95% UI：-95.88－-48.01）（表1）。
2021年，因空气污染导致的2型糖尿病伤残调整生命年（DALYs）超过220万例，粗DALYs率为每10万人159.85例（95% UI：92.58－246.5）（表1）。其中，环境PM2.5污染导致的DALYs超过191万例，率为每10万人134.47例（95% UI：72.81－213.96），较1990年增加了853.37%（95% UI：472.96－1625.42）（表1）。环境PM2.5污染导致的2型糖尿病年龄标化DALYs率也显著增加，而家庭空气污染导致的则下降（图1）。
省份层面
2021年，北京的环境PM2.5污染导致的2型糖尿病死亡年龄标化PAF最高，高于全国水平;而西藏的环境PM2.5污染导致的2型糖尿病死亡年龄标化PAF最低（5.96%），但家庭空气污染导致的PAF最高（14.04%）（图3）。江苏（2512.87例[95% UI：1425.2－3820.09]）和辽宁（2178.9例[95% UI：1123.41－3333.89]）的环境PM2.5污染导致的2型糖尿病死亡人数最多（表2）。辽宁的环境PM2.5污染导致的2型糖尿病粗死亡率也最高（每10万人5.15例[95% UI：2.66－7.88]）（表2）。
2021年，辽宁（每10万人3.17例[95% UI：1.94－4.75]）、天津（每10万人2.77例[95% UI：1.63－4.22]）、青海（每10万人2.7例[95% UI：1.6－3.89]）和新疆（每10万人2.49例[95% UI：1.47－3.73]）的因空气污染导致的2型糖尿病年龄标化死亡率最高（图4）。1990年至2021年，除香港（每10万人-53.14%[95% UI：-67.73－4.66]）和澳门（每10万人-44.69%[95% UI：-60.58－-9.74]）外，大多数省份的环境PM2.5污染导致的2型糖尿病年龄标化死亡率持续上升（图5）。第一健康区域的省份家庭空气污染导致的2型糖尿病年龄标化死亡率下降最为显著。
2021年，广东的环境PM2.5污染导致的2型糖尿病DALYs人数最多，而辽宁的DALYs粗率最高。1990年至2021年，内蒙古、海南和福建的环境PM2.5污染导致的2型糖尿病年龄标化DALYs率上升最为显著（图5）。而家庭空气污染导致的2型糖尿病年龄标化DALYs率变化则呈现差异，第一健康区域的省份下降幅度最大，第五健康区域的省份下降幅度最小（图5）。1990年至2021年，环境PM2.5污染导致的2型糖尿病年龄标化YLDs率和YLLs率在大多数省份均有所增加，但香港和澳门有所下降。
结论
本研究利用 GBD 2021 数据，对中国及各省份1990－2021年间空气污染导致的2型糖尿病负担进行了全面评估。结果显示，2021年约五分之一的2型糖尿病负担归因于空气污染，其中环境PM2.5贡献最大。1990年至2021年，由环境PM2.5导致的2型糖尿病死亡率大幅上升，而由家庭空气污染导致的死亡率则显著下降，反映了中国近年来在空气污染控制方面取得的进展。然而，省份间的差异显著，北京的环境PM2.5导致的疾病负担最高，而西藏的家庭空气污染导致的疾病负担最高，这凸显了制定区域性防控策略的必要性。研究局限性在于数据质量和可及性方面的差异以及对空气污染暴露和糖尿病诊断的评估方法。尽管如此，本研究强调了空气污染，特别是环境PM2.5，对中国2型糖尿病负担的重大影响，并为制定有针对性的预防和干预措施提供了关键信息，以减轻空气污染相关的健康风险，促进全民健康。
相关主题文献
[1] Rajagopalan S, Brook RD, Salerno PRVO, et al. Air pollution exposure and cardiometabolic risk. Lancet Diabetes Endocrinol. 2024 Mar;12(3):196-208.
DOI: 10.1016/S2213-8587(23)00361-3.
[2] Mettananda K, Mettananda S. Global burden and strength of evidence for 88 risk factors in 204 countries and 811 subnational locations, 1990-2021: a systematic analysis for the Global Burden of Disease Study 2021. Lancet. 2024 May 18;403(10440):2162-2203.
DOI: 10.1016/S0140-6736(24)00933-4.
[3] Yu W, Ye T, Zhang Y, et al. Global estimates of daily ambient fine particulate matter concentrations and unequal spatiotemporal distribution of population exposure: a machine learning modelling study. Lancet Planet Health. 2023 Mar;7(3):e209-e218.
DOI: 10.1016/S2542-5196(23)00008-6.
[4] OngKL, Stafford LK, McLaughlin SA, et al. Global, regional, and national burden of diabetes from 1990 to 2021, with projections of prevalence to 2050: a systematic analysis for the Global Burden of Disease Study 2021. Lancet. 2023 Jul 15;402(10397):203-234.
DOI: 10.1016/S0140-6736(23)01301-6.
[5] Ye J, Li J, Li L, et al. Trends in global ambient fine particulate matter pollution and diabetes mortality rates attributable to it in the 1990-2019: 30 years systematic analysis of global burden of disease. Sci Total Environ. 2024 Jan 15;908:168358.
DOI: 10.1016/j.scitotenv.2023.168358.
