The Innovation Medicine | PM2.5短期波动性加剧推高了极端污染事件相关死亡风险

在气候变化背景下，极端天气与野火频发导致空气极端污染事件增加。然而，当前的健康评估多聚焦于PM2.5长期暴露，对短期PM2.5暴露的暴露-反应关系是否存在安全阈值、曲线整体形态等问题上尚未达成共识，进而导致相关疾病负担难以实现精准量化评估。针对这一关键问题，本研究旨在开发新型分析框架，用于构建全球尺度下短期PM2.5暴露与全因死亡之间的真实暴露-反应关系，并量化相关疾病负担，为建立极端污染预警干预机制提供科学依据。

导  读

随着全球气候变化的加剧，极端天气（如高温热浪）、野火频发以及大气层结稳定现象日益增多。这些气候驱动的环境异常，正显著增加极端细颗粒物（PM2.5）污染事件的发生频率与强度。传统的空气质量管理及健康影响评估多聚焦于长期平均暴露浓度，却在很大程度上低估了短期内PM2.5浓度剧烈波动带来的急性健康风险。本文系统评估了过去60年间全球PM2.5日常波动性的长期演变趋势，并定量揭示了其通过极端污染事件频发对全球公共卫生造成的严重影响。

图1  图文摘要

1

部分地区PM2.5短期波动性呈现显著加剧趋势

空气污染的健康危害不仅取决于其平均浓度，其随时间的波动特征同样至关重要。研究团队基于1959年至2022年间全球5023个监测站点的长期时间序列数据，采用滑动窗口和去除长期趋势与季节周期的标准化工作流程，提取了PM2.5的短期波动特征。结果表明：过去60年间，全球多个地区的长期观测站点显示PM2.5日常波动性显著增加，该现象在人口密集的东亚、南亚以及北美西部尤为突出。特别是在进入21世纪后，北美西北部的PM2.5波动性呈现最快速的增长，这与该地区在气候变化背景下日益频繁的极端野火事件高度吻合（图2）。

图2 1961-2020年PM2.5变率变化趋势

2

方法学创新：分布导数元回归（MR-ODDs）框架

准确评估极端污染事件的健康风险面临着跨国原始健康数据共享的隐私壁垒限制。为突破这一瓶颈，本研究提出了一种新型方法学框架——分布导数元回归（Meta-Regression of Distributional Derivatives, MR-ODDs）。该方法仅通过提取已发表文献中的统计摘要，即可成功构建涵盖非线性特征的全球短期PM2.5暴露与全因死亡的暴露-反应关系，统计仿真实验表明MR-ODDs方法与具有完整数据的流行病学分析具有可比的统计表现。MR-ODDs不仅在低浓度区间（0–50 μg/m3）捕获了陡峭的风险上升斜率，还证实了即使是低背景浓度下的轻微波动，也会引发不成比例的超额死亡风险（图3）。

图3 基于分布导数元回归 (MR-ODDs) 方法的暴露-反应函数。（A：暴露-反应函数；B：纳入研究中心的空间分布以及各国的合并效应）

3

疾病负担评估：短期暴露导致显著超额死亡

结合上述非线性暴露-反应关系与全球高分辨率PM2.5网格数据，研究团队对短期暴露导致的全球死亡负担进行了量化。评估结果显示，在2000年至2023年间，全球每年平均有672,867例（95% CI: 579,452–740,680）死亡可归因于PM2.5的短期暴露。从地理分布来看，亚洲地区承担了约78%的超额死亡负担，非洲紧随其后（17%），高风险区域高度集中于污染严重且人口稠密的东亚、南亚及西亚地带（图4）。

图4 短期 PM2.5暴露归因死亡负担的时空分布。（A：归因死亡空间分布；B：归因死亡时间分布）

4

健康风险向极端污染事件高度集中

值得注意的是，上述不断攀升的健康负担并非均匀分布于全年，而是愈发集中于少数的极端污染事件中。研究通过计算“污染最严重的前5%天数”带来的风险与平均风险的比值（RRtop5%），发现在北美西部、东亚和南亚等PM2.5波动性加剧的地区，极端污染日的死亡风险贡献显著升高。在北美西部，极端污染日的死亡风险已攀升至历史平均水平的百倍左右，这意味着在气候变化的驱动下，极端污染事件已经成为主导该地区空气污染急性健康损害的核心驱动力（图5）。

图5 2000-2023年短期PM2.5暴露RRtop5%与归因死亡分数的关系

总结与展望

研究提供的流行病学证据表明，由气候异常驱动的极端PM2.5污染事件正在对全球公共卫生构成新的重大挑战。传统的以降低年均浓度为核心的空气质量管理策略已无法完全抵御这一新型风险。因此，未来的环境健康政策除平均浓度控制之外，还建立更为完善的极端污染事件早期预警系统，并在污染峰值期间实施针对性的公共卫生干预措施。同时，MR-ODDs方法的开发，也为未来在全球范围内开展更广泛、更深入的环境健康风险综合评估提供了强有力的统计学工具。在此方法的基础上，为更加系统地完成风险评估工作，本团队搭建了覆盖多种环境风险因素与多种健康结局的流行病学证据平台（https://seed-ai.net/），并将持续更新维护，欢迎读者访问使用并提出宝贵意见。

责任编辑

张泽延   南昌大学

王钰茵   The Innovation