热与细颗粒物对日本院外心脏骤停的联合效应:一项全国性时间分层病例交叉研究

Joint Effects of Heat and Fine Particulate Matter on Out-of-Hospital Cardiac Arrest in Japan: A Nationwide Time-Stratified Case-Crossover Study

作者信息Zhesi Yang, Chris Fook Sheng Ng, Kayo Ueda, Whanhee Lee, Massimo Stafoggia, Sunao Kojima, Takanori Ikeda, Yoshio Tahara, Naohiro Yonemoto, Masahiro Hashizume, Japanese Circulation Society with Resuscitation Science Study (JCS‐ReSS) Group
PMID42466507
发布时间2026-07-21
DOI10.1161/JAHA.125.047917

实验完整度

研究为观察性流行病学分析,基于全国登记数据进行病例交叉和时间序列分析,但无实验操作,未进行功能验证或机制验证。

主要模型

日本47个都道府县的院外心脏骤停病例(心脏原因) 日本全国气象站和PM2.5监测站数据

重点核对

研究期间:2012年1月1日至2019年12月31日 OHCA病例定义:心脏原因,排除非心脏原因(如创伤、交通事故、溺水、低体温) 暴露评估:温度使用自然三次样条(3自由度),PM2.5使用滞后0-3天(4天移动平均) 统计模型:两阶段时间分层病例交叉设计,条件准泊松模型,随机效应元分析 交互作用:乘性(Wald检验)和加性(RERI指数)

摘要

背景:院外心脏骤停(OHCA)是心血管死亡的主要原因。尽管环境温度和空气动力学直径≤2.5μm的颗粒物(PM2.5)是已确定的危险因素,但关于其联合效应的证据仍然有限。我们使用来自日本的全国性数据评估了热与PM2.5对OHCA风险的联合效应。方法:我们收集了2012年至2019年期间来自全日本Utstein登记处的心脏原因OHCA每日数据,以及来自日本47个都道府县监测网络的每日温度和PM2.5数据。采用两阶段时间分层病例交叉设计,使用条件准泊松模型估计都道府县特异性关联,并通过元回归进行合并。使用相对超额风险因交互作用在乘性和加性尺度上评估温度与PM2.5之间的交互作用。还估计了可归因病例。结果:共纳入610613例心脏原因OHCA。热(相对风险1.04[95%CI,1.02-1.06];第99百分位vs第80百分位)和PM2.5(相对风险1.02/10μg/m3[95%CI,1.01-1.03])分别与OHCA风险增加独立相关。在较高PM2.5浓度下热效应增强,每增加10μg/m3的PM2.5与热相关风险额外增加1.8%相关。相反,PM2.5效应随温度每增加25个百分位增加1.2%(95%CI,1.1%-1.2%)。在两种尺度上均观察到交互作用(相对超额风险因交互作用0.01[95%CI,0.00-0.02];P=0.003)。总体而言,2638例OHCA病例可归因于共同暴露,超过单独归因于热(1215例)和PM2.5(1276例)的合计负担。结论:热和PM2.5协同作用增加OHCA风险,强调在气候变化下需要针对极端高温和空气污染的综合性公共卫生策略。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
评估高温与PM2.5对院外心脏骤停风险的联合效应,以及是否在加性和乘性尺度上存在交互作用。
核心机制
高温和PM2.5可能通过重叠的生理途径协同增加OHCA风险,如热应激损害体温调节、增加炎症反应和促进凝血,而PM2.5暴露可触发全身炎症、自主神经系统紊乱和血栓形成,行为因素也可能参与。
主要证据
使用日本47个都道府县的610613例心脏原因OHCA数据,通过两阶段时间分层病例交叉设计,发现热效应(RR=1.04)和PM2.5效应(RR=1.02)独立增加OHCA风险,且在加性和乘性尺度上均观察到显著协同交互作用(RERI=0.01)。
研究意义
该研究首次在日本全国范围内评估热和PM2.5对OHCA的联合效应,表明协同效应需要整合的公共卫生策略,并针对弱势群体(如老年人)实施定向适应行动,同时减少热和PM2.5暴露。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

数据收集与整理

建立全国性OHCA、温度和PM2.5数据库,用于关联分析。

从All-Japan Utstein登记处提取2012-2019年心脏原因OHCA病例;从日本气象厅获取各都道府县代表性气象站的日均温度;从国立环境研究所大气环境数据库获取PM2.5浓度,选择都道府县首府城市监测数据,缺失值用7天移动平均替代。

2

独立效应估计

分别估计温度和PM2.5对OHCA风险的独立关联。

采用时间分层病例交叉设计,以同日历月内相同星期几为层,使用条件准泊松模型估计各都道府县的非线性温度-风险关联和线性PM2.5-风险关联,然后通过随机效应元分析合并。

3

交互作用分析

检验温度和PM2.5之间是否存在交互作用及其尺度。

在基础模型中引入温度自然样条与PM2.5的乘积项,估计不同PM2.5浓度下的热效应和不同温度百分位数下的PM2.5效应;通过元分析合并预fecture-specific交互项系数并用Wald检验;计算RERI评估加性交互,使用bootstrap获得95%CI。

4

归因负担估计

量化热、PM2.5及其共同暴露导致的OHCA归因病例数。

使用预fecture-level时间序列数据,根据归因分数(RR-1)/RR计算热(>第80百分位)和PM2.5(>5μg/m3)单独归因病例数;共同暴露归因数在heat days使用日期特定温度百分位的PM2.5 RR计算。

5

敏感性分析

评估主要发现的稳健性。

限制研究月份为6个最热月份(5-10月),调整相对湿度,缩短滞后为lag 0-1,限制于旁观者目击的OHCA,以及探讨冷温度效应是否被PM2.5修饰。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
R软件4.2.1版R Foundation for Statistical Computing--
splines包----
tsModel包----
dlnm包----
mixmeta包----

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
数据收集
OHCA病例来源:All-Japan Utstein Registry,2012-2019年,心脏原因;温度数据来源:日本气象厅,各都道府县代表性单一气象站;PM2.5数据来源:国立环境研究所,都道府县首府城市监测站
阅读提示:Methods-Data Collection
统计分析
统计分析模型:两阶段时间分层病例交叉设计,条件准泊松模型;温度建模:自然三次样条,3自由度,滞后0-3天;PM2.5建模:线性,滞后0-3天;交互作用:乘积项,Wald检验,RERI;归因分析:RR-1/RR
阅读提示:Methods-Statistical Analysis
敏感性分析
敏感性分析设置:限制最热6个月(5-10月),调整相对湿度,缩短滞后至0-1天,限制旁观者目击,冷温度效应
阅读提示:Methods-Statistical Analysis (敏感性分析)