急性一氧化碳中毒与气象因子大气污染物相关分析及预测方法研究

阮海林 胡灼君* 邓旺生 刘 华 王 瑶 陈剑兵 洪伟良

（1 广西医科大学第四附属医院/柳州市工人医院，广西 柳州 545005；2 柳州市气象局，广西 柳州 545001；3 柳州市环境保护监测站，广西 柳州 545001）

急性一氧化碳中毒（acute carbon monoxide poisoning，ACOP）是临床上较为常见的中毒之一，占冬春季中毒死因的首位[1]，仅在美国，每年发病达5万人次[2]，约有2700人死于一氧化碳中毒[3]，国内ACOP事件频发[4-5]，原因多为燃煤或炭火取暖、煤气热水器使用不当、人工煤气泄漏、汽车尾气等[6]，同时与气象因素密切相关[7]。卫生部等10部委曾联合下发〔2006〕274号文件，要求多部门开展联合研究。本文旨在研究气象因素、污染物与CO中毒病例数的关系，并基于此，探索CO中毒预测模型。

1 资料与方法

1.1 一般资料 收集2015年1月至2017年12月在柳州市四家综合性医院收治的ACOP患者资料，共4181例，这四家医院为柳州市综合性大型三级医院，是当地政府指定的CO中毒患者救治医院。

1.1.1 入选标准 根据卫生部颁发的“职业性急性一氧化碳中毒诊断标准”（GBZ23-2002）进行诊断。

1.1.2 排除标准 自杀、自杀未遂导致的CO中毒病例。

1.1.3 气象和环境污染物的数据 所需数据来自同期柳州市气象局和环保局。基本气象要素包括日平均气温、日最高气温、日最低气温、相对湿度、大气压和风向、风速等。环境污染物包括SO2、NO2、CO、O3、PM10及PM2.5。

1.2 方法 获取2015年1月至2017年12月三年内柳州市四家卫计委指定医院收治的ACOP患者资料，同时获取同期柳州市基本气象要素和环境污染物的数据资料。将收集到的柳州市CO中毒的病例数和气象、污染物数据组成数据集，用Person相关分析和偏相关分析得到显著相关的特征集，并构建有序多分类Logistic回归模型。

1.3 等级设定 等级1：气象条件不会引发一氧化碳中毒。等级2：气象条件不易引发一氧化碳中毒。等级3：气象条件可能引发一氧化碳中毒。等级4：气象条件较易引发一氧化碳中毒。等级5：气象条件极易引发一氧化碳中毒。

1.4 统计学方法 采用SPSS21.0软件进行检测分析，计数资料以[n（%）]表示，采用χ2检验，计量资料用（±s）表示，采用t检验；用person相关分析和偏相关分析得到显著相关的特征集，P＜0.05为差异有统计学意义。

2 结果

2.1 ACOP患者的流行病学特征

2.1.1 基本情况 3年间共收治4181人次ACOP患者，其中，2015年1112人次，2016年1433人次，2017年1636人次。

2.1.2月份分布 急性一氧化碳中毒的发生具有明显的季节特性，多发于冬春季，其中12月、1月、2月、3月四个月3年共计发生急性一氧化碳中毒3410人次（占81.56%）；4～11月3年共计771人次（占18.44%）。见表1。

2.1.3 时段分布 以夜间21时到次日凌晨3时为发病高峰期，共计2278人次（占54.48%），7～9时有一小峰，共452人次（占10.81%）。

2.2 Person相关分析检测各个特征之间的相关关系 检测日平均气温、24 h变温、平均气压、24 h变压、平均湿度、最高风向、平均风速、SO2、NO2、CO、O3、PM10、PM2.5要素与中毒例数的相关性。中毒人数除与风向无相关性之外，与其他12个要素均有相关性（P＜0.01）。

2.3 偏相关分析 偏相关分析在控制其他变量的线性影响的条件下分析两变量间的线性相关性，得到某个特征在剔除其他特征的影响之后与CO中毒病例之间的净相关系数和响应的P值（表2）。显著相关的特征为平均气温、24 h变温、平均风速、SO2的浓度、CO的浓度、O3的浓度。

表1 4181例ACOP患者月份分布

表2 日平均CO中毒人数与日13个气象因子污染物Person相关分析

2.4 构建有序多分类Logistic回归模型 上述显著相关的特征，依次记为x1，x2，x3，x4，x5，x6，采用R软件辅助计算，构建CO中毒风险等级y的有序多分类Logistic回归模型，模型如下：Logit[P(y≤j)=βjo+β1X1+…+β6X6]，j=1,2,…4

四个截距值分别是：β10=-4.1234；β20=-2.9343；β30=-1.9787；β40=-0.9253；六个回归系数值分别是：β1=0.1928；β2=-0.2214；β3=0.2278；β4=0.0176；β5=-1.2468；β1=-0.000804。

2.5 检验模型预测效能 用2017年的气象、污染物数据检验模型的效能，中毒人数大于3的全部101 d，预测风险等级3及以上的有81 d，有效率为80.20%，中毒人数大于7的65个典型CO中毒日，预测风险等级3及以上的有60 d，有效率为92.31%，对CO中毒预测有较好的效果。见表3。

表3 模型具体实施的效用表

3 讨论

研究表明，中国南方柳州工业城，CO中毒比较常见，每年的12月至次年3月寒冷季节的急性CO中毒人数几乎是一年中其他时间的5倍，晚上9时至凌晨3时为发病高峰，低温、低风速、高24 h温差，空气中高的CO、SO2等污染物，它们更容易诱发寒冷季节CO中毒，大气的低自净能力可能是CO中毒起因的一个促成因素。

影响CO中毒发生率的气象条件主要集中在低气温，低气压，低风速时期[8]。台湾的一项基于人群的病例对照研究发现，在日最高气温低于18.4 ℃寒冷时期的死亡风险是日最高温度为27.1 ℃的2.15倍[9]。在广 西柳州，最显著影响CO中毒的气象条件是低温、低风速和24 h温差。在低温、低风速的影响下，空气污染物浓度分散不良。这种天气条件下会妨碍燃烧产物通过烟囱、窗户向上、向外移动的扩散，以及从家用电器来源CO气体的分散，因此促成居室来源的CO中毒[10]。燃气 热水器等加热装置技术不良和缺 陷，也促成CO中毒的发生和流行[11]。居住环境简陋，紧闭门窗，通风不好，热水器长时间使用导致排气不畅等均可使室内人员在无意识中导致中毒。研究表明，可吸入的SO2、CO、O3是当地CO中毒发生的独立危险因素。

本研 究首次结合了气象和大气污染物因素，建立了本地一氧化碳中毒气象大气污染物预报模型，检验模型预测效能，具有较好的预测效果。基本的气象因子和大气污染物在每个地市均可获取，科学应用，能较好预警预报，有较强的实用性。