2019—2024年合肥市关键大气污染物组合与呼吸系统疾病入院量的关联

来源：环境与职业医学杂志 2026年第3期北京时间：

作者：刘翔国, 余林玲, 朱昱, 肖长春,

摘要：背景大气污染是威胁呼吸系统健康的重要环境因素，不同污染物对呼吸系统疾病的影响存在滞后效应差异，且多污染物之间可能存在协同效应。亟需厘清影响呼吸系统疾病的关键大气污染物及其在特异滞后期的交互效应。目的识别影响呼吸系统疾病住院的关键污染物，解析其滞后效应特征，并量化多污染物协同作用对呼吸系统疾病入院的影响。方法基于合肥市2019—2024年多个国控站点的大气污染数据、气象数据及呼吸系统疾病住院的逐日数据，采用两阶段分析框架，首先通过分布滞后模型（DLM）构建污染物滞后矩阵，利用套索回归（LASSO）从细颗粒物（PM2.5）、二氧化硫（SO2）、二氧化氮（NO2）、一氧化碳（CO）、臭氧（O3）等污染物中筛选关键变量；随后建立广义可加模型（GAM），并引入乘积交互项与超额相对风险（ERI），以定量评估污染物间的协同效应。结果LASSO筛选出24个非零系数污染物滞后项，其中NO2、PM2.5和SO2贡献了66.7%的正向效应，且三者呈现出显著的滞后模式差异。NO2暴露呈现急性风险，在滞后0 d（lag0）时的相对风险为1.040（95%CI：1.023~1.057）；PM2.5和SO2表现为延迟效应，最大效应出现在lag7和lag3，相对风险分别为1.012（95%CI：1.0002~1.024）、1.015（95%CI：1.0004~1.03）。NO2短期暴露（lag0~1）与PM2.5中期暴露（lag4~7）存在显著正向交互，两污染物共同处于高暴露水平时的健康风险比独立效应之和增加4.40%，分层分析显示女性（ERI=5.00%）、儿童（<18岁，ERI=5.50%）和老年人（≥65岁，ERI=3.90%）的污染物交互效应更高。结论合肥市大气污染健康效应存在显著的滞后差异和协同机制。建议对NO2实施实时预警响应，对PM2.5和SO2侧重中长期治理，并在NO2与PM2.5污染物浓度同步升高时采取协同减排措施，同时加强对女性、儿童和老年人等敏感人群的健康防护。

关键词：关键污染物, 呼吸系统疾病住院, LASSO回归, 时间序列分析, 交互效应,