目的对我国部分城市的居民死因资料和气象资料进行关联性分析,在此基础上进行高温热浪对城市居民健康影响的模型拟合分析及初步预测分析,探索适合我国大中城市的热浪对居民健康影响的预测模型,为预测预警热浪的健康影响提供基础资料和科学依据。方法收集哈尔滨市及北京市朝阳区的居民死因数据和气象数据,利用滞后模型和灰色关联等方法对两市的数据资料进行分析,并应用分段回归模型进行阈值分析,结合高温期间的现场调查结果和访谈信息,以及前期对重庆市和汕头市的研究结果,对多个城市进行广义相加模型拟合分析及运用分布滞后非线性模型进行初步预测分析。结果1.现场调查数据显示:高温热浪可以导致热相关疾病尤其是中暑的发病率增加,虽然居民在高温期间会有意识地采取一些应对措施,但中老年人群仍是易感人群。2.典型城市的气象因素与居民死亡指标的关系分析显示:高温对死亡指标的影响主要集中在滞后0至4天,混杂因素可吸入颗粒物浓度的影响有一定的滞后,其浓度每上升10μg/m3所对应的相对危险度变化在滞后10天左右达较高水平,累积相对危险度在滞后15天左右达峰值,环境温度在滞后0天和1天具有较高的相对危险度,可吸入颗粒物浓度在200μg/m3以下时与环境温度的交互作用较为明显;死亡指标变化的长期趋势与气温和相对湿度有关,此基础上,气压是影响死亡指标短期波动的主要因素。3.多个城市的环境温度阈值分析显示,北京市、哈尔滨市、重庆市、福州市及汕头市的全死因死亡危险的阈值温度(℃)分别为25.63(±0.809)、23.24(±1.114)、29.29(±2.886)、36.06(±0.281)和31.28(±1.016),当各城市的环境温度分别高于相应的阈值温度时,每升高1℃死亡人数增加的百分数(95%置信区间)分别为0.99(0.46~1.52)、1.12(0.24~2.00)、0.17(-0.34~0.68)、21.70(11.99~32.26)和2.79(1.05~4.57),其中福州市的结果明显偏高,可能是由于数据质量问题,因此该结果有待进一步论证。4.仅考虑温度因素时模型拟合分析确定的各城市全死因死亡指标的预测因子分别为北京市lag0+lag1+lag24,重庆市lag0,福州市lag0+lag1521,汕头市lag0+lag24+lag814,哈尔滨市lag0+lag1+lag814+lag1521,纳入相对湿度因素后,各城市的预测因子分别为北京市lag0+lag1+lag24+lag1521,重庆市无,福州市无,汕头市lag0+lag814,哈尔滨市lag0+lag1+lag814+lag1521。5.初步预测分析显示:高温对居民死亡指标的影响主要集中在滞后0至4天左右,分布滞后非线性模型可通过温度的变化及滞后时间的确定估计死亡指标相对危险度的变化,进而确定欲观察时间段内的死亡指标危险程度。北京市和重庆市高温期间对应的最大相对危险度值分别为1.126和1.118,与此相对应的温度并不是最高日平均气温,这种现象主要可能是因为人群对高温的耐受及应对极端高温采取相应的措施,以至极端高温对应的相对危险度有所下降;汕头市、福州市及哈尔滨市高温期间最大的相对危险度分别为1.310、1.269和1.254,分别对应于各城市的最高日平均气温。结论1.高温的滞后效应主要在滞后0～4天,为急性效应,可吸入颗粒物污染在气温的影响过程中存在较长的滞后效应;居民死亡指标的长期趋势与气温及相对湿度有关,而气压在气温和相对湿度的影响基础上,主要影响死亡指标的短期波动。2.仅以气温因素与混杂因子进行广义相加模型拟合时,不同的城市滞后0天温度的效应均有统计意义,而气温效应的滞后时间长短有一定的差异;将相对湿度因素纳入模型时,重庆市和福州市的显著性因子有较大变化,表明相对湿度因素在重庆市和福州市对气温的健康影响有明显的混杂效应。3.分布滞后非线性模型能够对不同的温度和不同滞后时间的死亡指标的相对危险度进行估计,通过观察日的温度相对于参考日的温度变化及确定一个滞后时间段,了解观察日相对于参考日的相对危险度变化,以此对观察日的居民死亡指标的相对危险度进行预测;通过对模型的初步验证,该模型可以用于预测高温对健康的影响,但数据质量对模型的估计效果有较大影响。