在全球气候变化背景下，极端气象事件（如热浪、寒潮）发生频率和强度明显增加^[1]。近年来，气候变化对人类健康的影响引发广泛关注^[2]，且有大量流行病学研究显示气温与人群死亡风险之间呈复杂的曲线关系（U、W、V或J形）^{[3, 4, 5, 6]}。但目前使用的健康结局指标大多为死亡数，由于极端温度主要影响高龄老年人的死亡，用死亡数指标评估气温对健康的影响，可能会高估其公共卫生学意义^[7]。而寿命损失年（YLL）则考虑到不同年龄死亡权重，更能反映健康风险因素对人群的影响^{[7, 8]}。为此本研究利用广州、珠海市居民死因登记和气象资料，运用分布滞后非线性模型（distributed lag nonlinear model，DLNM）分析气温对当地居民每日YLL的影响，为有关部门制定适应气候变化的政策提供科学依据。 资料与方法

1. 数据来源：

（1）死亡资料：从广东省疾病预防控制中心收集广州市2011－2013年和珠海市2008－2013年全人群的每日死因登记资料。其中非意外死亡数为排除伤害和中毒等外因而导致的死亡数。根据国际疾病分类编码（ICD-10），心血管疾病和呼吸系统疾病编码分别为I00～I99、J00～J99。本文将非意外死亡按年龄组、性别和疾病别整理成时间序列数据。

（2）气象资料：相应时段气象数据资料由中国气象信息共享中心（http：//cdc.cma.gov.cn）提供，包括逐日平均气温、日最高气温、日最低气温和日平均相对湿度。

2. 统计学分析：

（1）每日YLL计算：依据WHO发布的中国期望寿命表^[9]，计算每例死亡者的期望寿命与其实际死亡年龄的差值作为YLL。然后分别汇总每日总YLL以及不同性别、年龄、疾病类型的YLL值，整理成时间序列数据。

（2）建立DLNM：为了分析气温对人群YLL的效应，本研究选择DLNM进行分析^[10]，该模型可以同时考虑暴露-反应关系及暴露的滞后效应。在DLNM中采用泊松分布作为回归模型的分布簇。建立模型的基本形式为

资料经初步分析，同时结合Yang等^[5]及Yi和Chan^[12]关于气温-死亡效应滞后结构的研究，本研究对极端高温和低温分别在滞后0～1和0～13 d的效应进行分析。当评估极端气温效应时，参考Ma等^[13] 的研究选择日均气温的第1、99百分位数（P1、P99）分别代表极端低温和极端高温，以P75温度为参考值计算RR值。本文所有统计分析均在R 3.1.0软件实现，使用“dlnm”程序拟合DLNM，均采用双侧检验，以P＜0.05为差异有统计学意义。 结果

1. 基本情况：2011－2013年广州市、2008－2013年珠海市气象资料和居民逐日YLL的基本情况见表 1。其中，广州和珠海市日均YLL值分别为1 928.0和202.5；两市常年气温均较高，日气温均值分别为21.6 ℃和22.9 ℃；相对湿度分别为78.8%和76.5%。

表 1 广州和珠海市每日YLL和气象条件基本情况（x±s）

表选项

2. 不同滞后天数气温对人群YLL的影响：以两市日均气温的P2.5和P97.5 作为冷效应和热效应的温度参考值，绘制了13 d滞后曲线图（图 1）。可见气温在不同滞后日与YLL呈非线性关系，即高温效应表现为急性作用，当天的效应值最高，随后迅速下降，有明显的“死亡移位”（mortality displacement）现象。低温的影响在2～3 d开始出现，约5 d达最高，随后开始下降，持续时间长。

图 1 广州和珠海市极端气温不同滞后天数的YLL风险变化

图选项

3. 日均气温与YLL风险的关系：将广州和珠海市日均气温与居民人群逐日YLL值之间建模，分别拟合了滞后1 d和13 d气温对总YLL的累积效应。如图 2所示，广州和珠海市气温-YLL效应曲线分别呈现“J”和“W”形，过高和过低气温均引起人群YLL风险显著增加，在滞后1 d时高温效应稍高于低温效应，而滞后13 d时，两市低温效应均要明显大于高温。

图 2 广州和珠海市在滞后1 d和13 d时气温与人群YLL风险的关系

图选项

4. 气温对不同特征人群YLL风险的累积效应：在控制时间趋势和相对湿度等混杂因素下，计算极端气温对人群YLL风险的累积效应。如表 2所示，两市极端低温对总人群YLL的风险均大于极端高温，其中广州和珠海市极端低温冷效应分别为RR＝1.535（95%CI：1.267～1.859）和RR＝1.779（95%CI：1.382～2.291）；两市高温对女性的效应稍大于男性，在广州市，低温对男性YLL风险大于女性，而珠海市则相反；对不同年龄组分层分析可知，极端低温在两市对≥65岁人群风险均大于＜65岁人群；不同死因比较，低温对呼吸系统疾病YLL的风险大于心血管疾病。

表 2 极端气温对广州和珠海市不同特征人群YLL风险的累积效应

表选项

5. 敏感性分析：改变模型中时间变量df（df/年）分别为5、6和7，以及模型气温df参数为3、4和5，分别代入模型中拟合结果显示，模型的结果稳定，改变参数的对结果影响不大（表 3）。

表 3 不同df值情况下气温对两市人群YLL风险的效应

表选项

本文采用DLNM分析气温对广州、珠海市居民YLL的影响。结果显示，气温与人群YLL风险呈非线性关系，过高或过低的气温均能增加YLL。以往研究表明^[5]，气温对人群逐日死亡人数的影响存在滞后性，高温与低温的滞后时间不同，具体表现为高温效应短暂急促，低温效应持续时间长。本文发现气温对YLL的效应存在同样的规律。提示应对极端气温的影响时，对高温预警要早，行动要迅速；对低温要注意其较长的效应，应对措施要相对持久。同时，两市高温对人群YLL的影响均观察到一定程度的“死亡移位”现象，这与欧美地区关于死亡风险的研究结论基本一致^{[14, 15]}。

分别比较高温与低温对人群YLL的风险，发现低温的效应明显大于高温，与本课题组前期^{[16, 17]}以及Yi等^[12]在香港地区关于气温对每日死亡人数影响的研究结果相似，这可能与珠江三角洲地区的气温常年较高，人群生理和行为上对高温有较强的适应能力；相反，该地区人群对低温的防护和适应不足，所以造成低温对健康的危害更大^[18]。该结果提示在亚热带地区低温导致的健康影响不容忽视，应加强对脆弱人群的保护，减少低温造成不良影响。

本研究还发现，广州地区低温对男性的影响大于女性，这与此前关于低温对死亡人数的研究发现女性是低温的脆弱人群的结果不一致^{[19, 20]}。分析原因可能是女性的期望寿命高于男性，老年人特别是高龄老年人群女性的比例较高。因此，在以往的研究中可能高估了气温对女性的影响。应利用更大样本进一步对不同性别人群按年龄分层进行分析验证。

通过年龄分层分析发现，气温对≥65岁人群YLL的影响要大于＜65岁人群，即老年人群为极端气温的脆弱人群，这与此前研究结果一致^{[4, 20]}。其主要原因是老年人体温调节能力减弱，对气温的适应能力降低，况且老年人往往合并一种或多种基础性疾病，容易受极端天气的影响。

国内外关于不同死因的气温-死亡人数关系研究表明，气温对心血管疾病和呼吸道疾病患者均有显著影响。然而，关于低温对不同疾病人群的影响结果不一致，如Braga等^[21]及Yi和Chan^[12]分别对美国12城市和中国香港的研究显示，心血管疾病的死亡风险大于呼吸系统疾病，而O’Neill等^[22]在芝加哥的一项研究发现，心血管疾病死亡风险小于呼吸系统疾病。造成这种差异的原因尚不明确，可能与不同地区的气候模式和社会经济状况不同有关。目前尚未见气温对于不同疾病YLL影响的报道。本研究显示，低温对心血管疾病和呼吸系统疾病的YLL均有明显的影响，但对呼吸系统疾病的影响大于心血管疾病。该结果提示在极端气候事件来临之前，要加强对既往患有慢性疾病人群（如呼吸系统疾病和心血管疾病患者）的保护，防止这些脆弱人群受到极端气温的危害。

本研究未控制空气污染物对分析结论的影响。有研究显示空气污染水平（如PM10、NO2和SO2）与人群死亡存在密切相关性^[23]，但也有研究认为空气污染对死亡的效应远小于气温的效应，不会产生大的混杂偏倚^[24]。此外，流感等传染性因素可能对气温-YLL关系产生混杂偏倚，但尚未有能综合反映呼吸道传染流行的指标，故本文亦未控制此方面的混杂。