Nhanes美国营养调查数据库的培训课程来了！

“Nhanes数据挖掘”课程即将开始! 欢迎报名, 发表文章即退款

2023年7月，中山大学公共卫生学院刘跃伟学者的团队在《Circulation》（一区，IF=37.8 ）发表题为：Extreme Temperature Events, Fine Particulate Matter, and Myocardial Infarction Mortality的研究论文。

这项研究为一项时间分层病例交叉研究，旨在探调查暴露于极端温度事件(ETEs)和pm 2.5与心肌梗死死亡率的关系，并评估它们的交互作用。结果表明，暴露于ETEs和pm 2.5与心肌梗死死亡率的增加显著相关，特别是对于女性和老年人，热浪与pm 2.5协同作用引发心肌梗死死亡，但寒流不会。减少ETE和pm 2.5的暴露可能会在预防心肌梗死过早死亡方面带来健康益处。

摘要与主要结果

一、摘要

二、研究结果

1.基线特征

在研究期间，有202 678个病例日，687 972个对照日。在受试者中，平均年龄为77.6岁，52.1%在>80岁时死亡，52.0%为男性，64.4%已婚，31.7%在冬季死亡（表1，图1D）。根据I、II和III级诊断确定的MI死亡分别占所有MI死亡的1.5%、60.2%和24.6%。

图1B和1C、1 E和1F以及图S1至S5提供了2015年至2020年中国江苏省不同ETE定义下每个网格中温度阈值和埃特天数的空间分布。在P95_3d定义下，热浪日数和温度阈值分别为82 ~ 104和32.9 ~ 40.4 ℃，而在P5_3d定义下，寒潮日数和温度阈值分别为57 ~ 90和-0.02 ~4.1 ℃。总体而言，埃特天数随着热浪温度阈值的升高和持续时间的延长而减少，随着寒潮温度阈值的降低和持续时间的延长而减少。

2.2015 - 2020年江苏省不同暴露水平下心肌梗死死亡人数

在表2和图4D中呈现。根据P95/P5_3d的定义，6417例（3.2%）受试者在热浪日死亡，6331例（3.1%）受试者在寒潮日死亡，大多数受试者（189 930，93.7%）在非ETE日死亡。其中，34.7%（2227）的MI死亡在热浪天，83.2%（5269）的MI死亡在寒潮天，64.4%（122311）的MI死亡在非ETE天被确定为高水平的PM2.5。总体而言，在热浪天的MI死亡人数下降，温度阈值较高，持续时间较长，而在寒冷天气的死亡人数下降，温度阈值较低，持续时间较长。

3.暴露于ETEs和MI死亡率之间的关联

图2A中我们观察到，暴露于热浪和寒流与心肌梗死死亡率的增加显著相关。暴露于热浪的OR范围为P90_2d定义的1.18（95%CI，1.14- 1.21）至P97.5_4d定义的1.74（1.66-1.83），而暴露于寒潮的OR范围为P10_2d定义的1.04（1.02-1.06）至P2.5_3d定义的1.12（1.07-1.18）（均P0和S >1表示;所有P80岁的成年人MI死亡率的独立影响显著高于≤80岁的成年人（P差异0.05;表4）。对于暴露于ETEs和PM2.5对MI死亡率的交互作用，我们没有观察到性别、年龄或社会经济地位之间的协同作用有任何显著差异（所有P差异>0.05;表4）。

8.敏感性分析

通过调整模型中的每种气体污染物（表S9至S13），使用空气温度定义ETES（表S14），将PM2.5分类为45.9 μg/m3的中位数（表S15），并使用滞后0天、滞后02天和滞后03天暴露作为PM2.5的暴露度量（表S16、S18和S19）进行的敏感性分析给出了类似的结果，而当使用滞后1天作为暴露度量时，PM2.5暴露与MI死亡率之间的关联变得稍微弱（表S17）。不同滞后期PM2.5暴露的相关性Akaike信息标准值对于滞后01天最小（表S20）。将分析限制为根据I、II或III类诊断基础确定的MI死亡，显示暴露于ETES和PM2.5对MI死亡的独立和交互作用的估计值相似（表S21和S22）。

设计与统计学方法

一、研究设计

P参与者：从江苏省死亡率监测系统获得2015年至2020年期间居住在江苏省并死于MI的202 678例受试者

O结局：MI导致的死亡率

S研究类型：时间分层病例交叉研究

二、统计方法

1.条件logistic回归模型用于评估暴露于ETEs和环境PM2.5与MI死亡率的相关性。OR值和95%CI来量化相关性

2.可视化的暴露-反应曲线的PM2.5和MI死亡率之间的关联，并使用似然比检验法检查其非线性，当检测到偏离线性时，应用分段条件logistic回归模型来探索PM2.5暴露的潜在断点。

3.在将流行病学结果转化为公共卫生行动时，加性交互效应比偏离乘数更能提供信息，使用3种措施进行评估，包括相互作用引起的相对超额几率（REOI），归因于相互作用的比例（AP）和协同指数（S），其分别表示由相互作用引起的部分效应、由相互作用引起的组合效应的比例以及组合效应与个体效应之间的比率

4.为了量化由于暴露于ETEs和PM2.5而导致的超额死亡率，我们进一步估计了分别根据暴露于2级、3级和4级的超额死亡率和超额死亡人数。

5.为了识别潜在的脆弱人群，我们通过按性别（男性，女性），年龄（≤80岁，>80岁）和SES（低，≤人均国内生产总值中位数;高，>人均国内生产总值中位数）进行分层分析，以评估暴露于ETEs和PM2.5对MI死亡率的独立影响及其相互作用。使用双样本z检验检查每个分层变量（例如，性别）的分层特异性效应估计值的差异

6.进行了几次敏感性分析，以测试我们的结果的稳健性

7.使用R（版本4.1.2）进行所有分析，并且双侧P值