如何评估空气污染的健康影响
2015年10月12日
作者：万薇、付璐 亚洲清洁空气中心
近两年来空气污染问题引起中国公众的高度重视，空气污染对公众健康的损害被更广泛地研究、报道与讨论。健康效应研究所2012年底发布了《2010年全球疾病负担评估》报告，指出中国当年大气颗粒物污染（主要指PM2.5）导致120万人过早死亡。世界卫生组织也于上月最新发布了一组数字，称2012年全球370万人死亡原因为户外空气污染，以中国人口为主的太平洋西部地域高达166万人。那么这些量化的大气污染健康损害是如何评估出来的呢？
首先，需要识别什么污染物会造成什么健康风险，又用什么方式来表征风险。在上文第一个举例中，污染物锁定在颗粒物，过早死亡表征其健康风险。实际上，多种大气污染物（PM,O3,SO2,NO2,CO）都会带来各种各样不利的健康影响，它们既存在单独的损害作用，也存在多种污染物之间的联合作用；既有急性作用，也有慢性作用。这些作用导致的健康影响结果在研究中被标识为“健康终端”（包括死亡率、住院率、呼吸道症状等）的变化。但在进行评估大气污染的健康损害时，不能一股脑的把不同污染物的健康效应进行简单加总计算，这会因重复计算而造成高估。
单个污染物作为自变量的流行病学研究结果可能是更合理更准确的——由于大气污染的复杂性和现代技术的局限性，难以有效剥离各种污染物对人体健康损害的协同作用的影响，为避免重复计算，国外研究越来越倾向于把大气颗粒物作为首选的唯一污染指示物。诸多的流行病学研究都表明颗粒物（特别是PM2.5）在各种污染物中对健康造成损害是最显著的，特别是在分析空气污染对死亡率造成的影响方面（Aunan，2004）。比如美国一项研究发现，大气颗粒物（研究中用灰霾的系数表示大气颗粒物污染程度）是唯一与儿童呼吸道疾病有显著关系的大气污染物（Krupnick，1990）。另一项研究也发现大气颗粒物是成人慢性呼吸道疾病的最好的指示污染物（Portney and Mullahy,1998）。
因此，大部分研究在评估大气污染健康损害时均是以颗粒物为主要的对象污染物；量化健康风险最常见的表征方式就是过早死亡数——值得注意的是这是统计关联结果，并非直接因果关系。
其次，需要确认多高的污染水平会造成健康风险，是否存在零风险的“阈值”。目前对于大气污染物的健康损害阈值尚无定论，经典流行病学研究中发现低浓度的颗粒物污染水平仍与健康损害存在相关性(Pope，1995)，而对我国大气污染人群健康研究的总结报告也表示未见明显阈值（阚海东，2013）。世界卫生组织指出，空气污染水平越低，人群的心血管和呼吸系统健康就越好，无论长期还是短期都是如此。并提供了颗粒物浓度指导值：
n PM2.5年平均：10微克/立方米；24小时平均：25微克/立方米
n PM10年平均：20微克/立方米；24小时平均：50微克/立方米
在进行健康影响评估时，该指导值可作为基准浓度值。例如，WHO在2005年指南中针对PM10污染提供了一项研究估算，认为由每立方米70微克减至20微克，便能使与空气污染有关的死亡降低约15%。这里采取的基准值就是20微克/立方米，但不能将其视为污染影响的阈值——即不能认为在该浓度值以下完全无害。
最后， 确定健康终端变化（比如年死亡率上升）与污染暴露水平之间（浓度、人口数量与结构）的关系，以及确定表示这种风险关联度的系数，——也就是暴露—反应关系式和剂量-反应系数的确定。
流行病学上的暴露—反应关系主要有三种形式：线性模型、对数—线性模型、对数模型（Abt Associates Inc，2005）。由于人群中疾病或死亡的发生都可以看做是小概率事件，符合统计统计学上的泊松分布，因此对大气污染的流行病学研究大多都是基于泊松回归的比例风险模型（Kan and Chen，2005），计算需要的数据包括污染物的浓度、暴露人数（年龄、地区分布）、剂量-反应系数。其中剂量-反应系数通常以β表示，这个关键数值来自于流行病学研究。
相关的流行病学研究方法主要包括时间序列研究、病例交叉研究、横断面研究、队列研究等，这些方法在成本、观察时间周期、样本量、对短期和长期影响评估的精确度等方面各有优劣，其中队列研究（cohort study ）是评价大气污染长期暴露对人群健康影响较为理想的方法——队列研究选定一个人群，根据个体暴露于大气污染的程度将人群分组，然后测量和比较这些人群组的疾病发病率和死亡率。但由于队列设计研究周期长、成本高，不易于实施，我国在这方面的研究基础还比较薄弱。迄今为止，得到公认的研究大气污染长期暴露与人群死亡率关系的队列研究只有2个，即美国哈佛大学城市研究和美国癌症协会队列研究（阚海东、陈秉衡等，2005；张敏思，2007；HEI，2000）。自1974年起，Dockery 等人对哈佛六城市8111名成人进行了14—16年的跟踪队列研究，控制吸烟、年龄、性别等影响因素，结果表明，PM10、PM2.5和硫酸盐粒子每增加一定浓度，人群的死亡率会增加相应的比例（Dockery et al., 1993）。Pope等人进行的美国癌症协会（ACA）队列研究，对151个城市的552138名成人进行了7年的队列研究，结果表明PM2.5和硫酸盐粒子浓度增加与死亡率上升密切相关，尤其是心肺疾病和肺癌的死亡率（Pope et al., 1995b）。
污染对健康的影响是一个复杂的生物学过程，流行病学研究通过统计分析建立起污染与健康之间的关联。由于人群本身特征（年龄等）会对结果造成影响，影响结果也十分复杂（门诊、住院只是一部分），最为详实细致的流行病学研究也不能涵盖全部。每一个独立的研究本身就可能存在一些不确定性，且流行病学各种研究的结果之间存在很大差异——举一个例子，尽管一些研究认为硫酸盐粒子对人体有很大的致死及致病危害，然而美国的一项研究综述认为二次硫酸盐粒子对人体健康不会产生不良影响（Grahame和Schlesinger, 2005）。因此，仅仅依靠一个或少量研究得出的结论来评估健康影响并不恰当。在进行评估的时候借助系统的、定量的统计学综合分析方法(meta[1])得出综合平均值，可以相应的减少不确定性。
致谢
这篇文章的完成得益于笔者在北京大学就读期间参与的研究项目——“大气复合污染的区域调控和决策支持技术”（863课题），该项目成果之一“珠三角大气污染造成的经济损失评估”报告是本文重要的写作基础，十分感谢北京大学张世秋教授对报告的指导和黄德生、余嘉玲的出色工作。
这篇文章的完成得益于笔者在北京大学就读期间参与的研究项目——“大气复合污染的区域调控和决策支持技术”（863课题），该项目成果之一“珠三角大气污染造成的经济损失评估”报告是本文重要的写作基础，十分感谢北京大学张世秋教授对报告的指导和黄德生、余嘉玲的出色工作。
[1]定义“The statistical analysis of large collection of analysis results from individual studies for the purpose of integrating the findings.”对具备特定条件的、同课题的诸多研究结果进行综合的一类统计方法。
