2.5×2.5×3.14

作者 韩春蕾

原文：Han C, Xu R, Gao CX, Yu W, Zhang Y, Han K, Yu P, Guo Y, Li S. Socioeconomic disparity in the association between long-term exposure to PM2.5 and mortality in 2640 Chinese counties. Environment international 2021, 146: 106241-106241. https://doi.org/10.1016/j.envint.2020.106241

第一作者：滨州医学院韩春蕾。文章发表于2021年1月份 Environment International杂志，SCI一区，影响因子：13.352。

摘要

背景:

虽然长期暴露于PM2.5和死亡率之间的关系已经进行了评估，但是人们对这种关系中的社会经济差异知之甚少。

方法：

我们收集了2000年和2010年度中国人口普查2640个县的全因死亡率、PM2.5浓度、社会经济和人口统计特征数据。我们应用了双重差分 (DID)方法估计不同四分位数的识字率、大学入学率、城市化率和人均GDP的PM2.5与死亡率的相关性。

结果:

总体而言，年平均PM2.5每增加10 μg/m3增加3.8% (95%CI: 3.0-5.0)的全因死亡率。分层分析表明，社会经济地位较低的县PM2.5对健康影响较大。对于最低四分位数(Q1)的县，识字率、大学入学率、城镇化率和人均GDP的效应估计分别为6.0% (95% CI: 4.2-7.7)、4.4% (95% CI: 2.8-6.0)、3.5%(95%CI:2.0 -5.1)和4.9%(95%CI:2.7-7.1)。社会经济因素的最低四分位数(Q1)与最高四分位数的县(Q4)相比，与PM2.5相关的死亡风险升高(P

结论:

中国PM2.5与死亡率的关系存在社会经济差异。欠发达地区的居民更容易受长期暴露于PM2.5的危害。

1. 背景

细颗粒物（PM2.5，空气中空气动力学直径小于或等于2.5 µm的颗粒）因其对健康的不利影响而引起公众的关注。与其他空气污染物相比，PM2.5暴露被发现与死亡率有一致且更强的关联，并已被确定为疾病负担的主要风险因素之一。尽管PM2.5对死亡率的直接影响已被广泛研究，但社会经济地位(SES)作为这种联系的影响修饰物的作用很少被评估。最近的研究表明，忽略SES因素可能会低估PM2.5的影响。

伴随着社会经济的快速发展和城市化进程的加快，中国的空气污染已经成为一个严重的问题。中国是世界上PM2.5污染最严重的国家之一，然而区域SES对PM2.5-死亡率关联的修正作用仍有争议。一些研究发现，在城市或社会经济地位较高的地区（如城市化程度较高），与PM2.5相关的死亡负担增加，而其他研究发现，在城市化程度较高的地区，PM2.5与死亡的关联较弱，或呈倒U型关系。

在PM2.5死亡率关系中观察到较高SES的不利影响被认为与较高的人口水平暴露和较高的能源消耗有关。相比之下，SES的保护作用归因于更高的社会投资、聚集效应、能源结构转型、环境保护和健康政策的改善。然而，缺乏支持这两个论点的证据。此外，大多数研究使用的是省级或市级的数据，这些数据不够准确，无法说明一个城市内部的空间和社会经济异质性。

本文旨在利用2000年和2010年中国2640个县的数据，评估PM2.5与死亡的关联如何被当地的SES（城市化率、识字率、大学率、人均国内生产总值[PGDP]）所修正。我们的研究将为中国和其他发展中国家社会经济差异的PM2.5健康风险管理提供理论支持。

2. 方法

2.1数据收集

我们收集了2000年和2010年两次最新的中国人口普查的数据。2000年的人口普查包括2869个县，2010年的人口普查包括2859个县。研究区域包括中国大陆，不包括香港、澳门、台湾和中国南海的一些岛屿。我们还排除了在2000年至2010年间改变了官方地理编码的县。最后，总共有2640个县被纳入分析。

县级具体的死亡人数是按全因死亡率和该县的总人口计算的。本分析中使用的县级社会经济指标包括PGDP（人均GDP）、城市化率（城市居民占总人口的百分比）、大学率（大学及以上教育水平的人占总人口的百分比）和识字率（除文盲外的人的平均识字率，100%-文盲率）。2000年的GDP数据来自中国县级统计年鉴，缺失的数据由2001年的GDP和CPI（消费者价格指数）转换而来。2010年的GDP数据收集自各城市的统计年鉴和中国国家统计局。上述所有其他数据都是从2000年和2010年的人口普查中收集的。

我们使用0.1◦×0.1◦（约11km×11km）空间分辨率的年度地面PM2.5浓度，通过结合来自卫星、模拟和监测来源的信息，以地理加权回归方式建模。PM2.5估计值在高精度的PM2.5观测值袋外交叉验证中得到了验证（R2=0.81）。我们还从两个广泛使用的网格化数据集中提取了0.1◦×0.1◦空间分辨率的地面年平均O3和NO2浓度。每日环境温度数据从中国区域地面气象要素驱动数据集（CMFD）中提取，空间分辨率为0.1◦ × 0.1◦。对于PM2.5、O3、NO2和环境温度，每个县由该县边界内所有网格的平均值表示，并按所有网格的人口密度加权。2000年和2010年的网格化人口密度数据来自《世界网格化人口》。这个人口密度数据集的原始空间分辨率是1/24◦×1/24◦。我们根据Brauer等人描述的方法，将其转换为0.1◦×0.1◦的分辨率，以匹配其他环境数据集的分辨率。

我们还从2000年和2010年的人口普查数据中收集了额外的县域人口数据，其中包括移民率（移民居民占总人口的百分比）、平均年龄（按具体年龄分组的加权平均年龄）、非劳动力（年龄

2.2统计分析

使用双重差分模型（DID）来量化PM2.5暴露和死亡风险之间的关联。在DID设计中，每个样本都是在不同的时间内与特定地点的自己进行比较。因此，未测量的时间内变异混杂因素（或在研究时间内变化不大）被设计所控制。

为了评估PM2.5与死亡率之间的社会经济差异，我们根据2000年和2010年的平均值，将2640个县按照识字率、大学率、城市化率和人均GDP的四分位数分为四个社会经济组（Q1、Q2、Q3和Q4）。我们对四组中的每一组进行DID模型，得到这四组的效应估计值[RRs和标准误差（SEs）]。然后，我们使用meta回归模型来比较这四组的效应估计值的统计学差异。

我们进行了一些敏感性分析，以检查结果的稳健性。首先，为了测试潜在的滞后效应，我们用当年的PM2.5和之前1-2年的移动平均数（滞后0-1年和滞后0-2年）取代当年的PM2.5。第二，我们建立了调整环境中的O3、NO2及其综合氧化能力的模型，Ox（根据以下公式[1.07NO2+ 2.075O3]/3.14，NO2和O3的氧化还原电位的加权平均值）。第三，我们在初始模型的基础上进一步对社会经济（人均GDP、大学率、城市化率和识字率）和人口统计学变量（性别比、平均年龄、移民率、抚养比）进行了逐步调整。我们进行了与上述类似的meta回归，以检查不同敏感性模型和主模型之间的效果估计差异。

所有的数据分析都是用R软件（3.5.1版）进行的。“gnm”包被用来执行条件准泊松回归模型。使用“mvmeta”包来进行meta回归。所有的统计检验都是双侧的，统计显著性水平为0.05。

3. 结果

2000年和2010年，共有2,640个县的13,484,929例死亡病例被纳入分析。县级PM2.5年平均浓度为36.18 ± 19.19 µg/m3（IQR：21.68-48.24 µg/m3，range：1.21-110.13 µg/m3）。2000年和2010年的PM2.5平均浓度分别为29.52µg/m3和42.83µg/m3。在这2640个县中，存在着巨大的社会经济差异。例如，人均GDP的IQR为15,222元（4,058-19,280元），城市率从0%到100%不等，大学率和识字率分别从0.11%、13.78%到51.18%、99.91%。北部县城的PM2.5高于南部县城，死亡率最高的地区也在西北部。不同社会经济变量（识字率、大学率、城市化率和PGDP）的最低四分位数（Q1）的PM2.5浓度低于最高四分位数（Q4）。

在全国范围内，我们估计PM2.5年均浓度每增加10µg/m3与3.8%（95%CI：3.0-5.0%）的死亡率增加有关。这种关联在不同的社会经济地位（SES）四分位数中表现出明显的差异。最低四分位数（Q1）的县的识字率、大学率、城市化率和人均GDP的RR（和95%CI）分别为1.060（1.042，1.077），1.044（1.028，1.060），1.035（1.020，1.051）和1.049（1.027，1.071）。然而，最高四分位数（Q4）的RR（95%CI）分别为0.990（0.966，1.014）、1.009（0.986，1.033）、1.008（0.985，1.031）、1.004（0.985，1.024）。我们进行meta回归来比较最低四分位数（Q1）和其他四分位数（Q2、Q3、Q4）之间的RR差异。最高四分位数（Q4）与最低四分位数（Q1）相比的所有P值都

当使用非线性模型时，PM2.5与死亡的关联有约10µg/m3的阈值，这也是世界卫生组织（WHO）的年度限制（世界卫生组织2006）。在敏感性分析中，考虑了PM2.5的滞后效应，调整了O3和NO2，或调整了社会经济（PGDP、大学率、城市化率、识字率）和人口统计（性别比、平均年龄、移民率、抚养比）变量后，PM2.5与死亡的关联没有明显变化（所有P值>0.05）。

4. 讨论

这是迄今为止旨研究PM2.5相关死亡率的社会经济差异(使用每个指标的Q1~Q4)规模最大的一项全国性研究。年平均PM2.5每增加10µg/m3，总体死亡风险增加3.8%（95%CI：3.0%-5.0%）。我们发现，生活在识字率、大学率、城市化率和人均GDP较低的县城的人比生活在较高水平的人更容易受到PM2.5相关死亡的影响。

我们的效应估计值略低，但与之前在中国进行的几项队列研究一致。中国的几项研究表明，长期接触PM2.5每增加10µg/m3，死亡率就会增加9%（95%CI：8%-9%）、8%（95%CI：6%-9%）和11%（95%CI：8%-14%）。然而，我们的结果可能更具有普遍性，因为人口普查数据是针对全人口，而不是一个特定的亚组。我们的结果也与世界各地的研究一致。例如，一项荟萃分析证明，在平均暴露量为30µg/m3时，10µg/m3的PM2.5增量与8.5%（95%CI：5.3%-11.8%）的全因全年龄死亡率有关。其他研究也发现全世界的死亡风险增加，罗马为4%（95%CI：3%-5%），美国为14%（95%CI：7%-22%）和26%（95%CI：2%-54%），昆士兰为22%（95%CI：15%-30%），每年PM2.5暴露每增加10µg/m3。

我们的研究估计，社会经济地位低的县在PM2.5和死亡率之间有更强的关联，这与其他研究一致。我们发现生活在城市化程度较低的县城的人更容易发生与PM2.5有关的死亡。一种解释可能是，与城市居民相比，农村居民获得的社会基础设施和环境保护资源或卫生服务较少，但也遭受了高环境污染。此外，农村居民进行更多的户外活动，导致更高的户外空气污染暴露。他们的房屋质量不够好，无法防止室外空气污染渗入室内。在经济发展方面，经济发达的县城的技术效应可以用清洁的生产技术取代严重污染的生产技术。发展程度高的县城更有能力采用污染控制技术来降低PM2.5的浓度，如天然气和太阳能等清洁能源的使用。然而，欠发达地区往往可能缺乏预算来供应公共资源或采用新的环境技术，这将进一步加剧对空气污染的易感性。此外，低收入的人可能会面临越来越多的空气污染易感性。例如，从事特定职业的人面临更多的健康风险，如蓝领工人总是有低收入。至于教育，受教育程度较低的地区(识字率、大学入学率)的人比受教育程度较高的人对PM2.5更敏感。低文化程度人群多从事低收入低职业，这可能会增加空气污染的易感性。此外，教育水平低的人可能缺乏预防和解决空气污染相关疾病的健康知识。

我们的研究有几个公共健康方面的影响。首先，因为居住在欠发达县的人更容易受到PM2.5的影响，预计中国政府将在这些县投入更多资源。还需要针对低社会保障水平人群的特殊优惠政策，以防止加剧与空气污染相关的医疗负担的不平等。其次，鉴于不同SES人群的易损点不同，未来需要对空气质量排放标准进行详细修订，以保护弱势人群。这可能有助于制定环境和健康干预政策。第三，随着中国经济的快速发展，PM2.5与死亡率之间联系可能存在潜在的下降趋势，这一点有待进一步调查。最后，我们的研究得到了与其他研究相同的结果，即PM2.5长期暴露在10µg/m3以上与死亡率的增加有关。根据中华人民共和国生态环境部的中国环境空气质量标准（GB 3095-2012），二类地区（居住区、商业交通混合区、文化区、工业区、农村地区）的浓度限值为35µg/m3。但根据我们的发现，我们建议政府为PM2.5制定一个更严格的空气质量标准，例如，年浓度为10µg/m3。

本研究有几点优势。首先，这是估计长期PM2.5暴露与死亡之间SES分层关联的最大研究。与其他没有分层的研究相比，我们的研究可以为未来的健康风险评估研究提供更多的参考，并确定PM2.5-死亡率的影响因素。其次，我们的研究是基于中国最近的两次人口普查的县级数据，这些数据可以反映2000年到2010年几乎所有的中国总人口。长期和大规模的数据使我们的结果在统计学上更加有力和稳健。第三，与队列研究相比，潜在的混杂因素，如不同研究地区的时间变化的因素和其他与PM2.5暴露相关的因素，在我们的研究中可以用DID方法很好地控制。

本研究也有几点局限性。首先，我们使用的是县级而不是个人层面的数据，这可能导致暴露评估的随机误差，并使PM2.5与死亡率的关联被低估。其次，由于数据的限制，我们无法分析个人层面的社会经济不平等，如健康行为（如吸烟和饮酒）的潜在趋势。然而，我们的结果在县级有重大的公共卫生影响，例如，对于消除环境PM2.5的死亡负担的政策设计。最后，由于数据的限制，我们无法评估PM2.5与特定病因（如心血管、呼吸系统、癌症）死亡率以及不同性别和年龄的死亡率之间是否存在社会经济上的不平等，因此需要进一步研究。

5. 结论

在中国，PM2.5与死亡率的关系存在社会经济不平等。生活在欠发达县城的人更容易长期暴露在PM2.5中，这可能进一步加剧目前的健康和社会经济不平等。我们的研究结果表明，政策制定者应该更加关注欠发达县，以解决环境空气污染带来的健康负担。

鱼扶羽3057一个圆柱的侧面展开后是一个正方形,正方形的边长是7.85m,求圆柱的表面积? -
蒙知毅17862536532 ______ 3.14/7.85=2.5(直径)2.5*2.5*3.14*2=39.25(底面面积)7.85*7.85=61.6225(正方形面积)61.6225+39.25=100.8725(㎡)

鱼扶羽3057一堆小麦的体积是314立方米,将这堆小麦装入一个底面直径为5米的圆柱形仓库内,正好装满.这个圆柱形仓库的高是多少米? -
蒙知毅17862536532 ______ 314/(3.14*2.5*2.5)=16m

鱼扶羽3057农机厂生产一种环形机器零件,外圈半径2.5厘米,内圆半径是2厘米,这个环形零件的面积是多少平方厘米? -
蒙知毅17862536532 ______ 大圆面积-小圆面积=2.5*2.5*3.14-2*2*3.14=6.25*3.14-4*3.14=2.25*3.14=7.065平方厘米

鱼扶羽3057在一个周长为20厘米的正方形内画一个最大的圆,这个圆的周长和面积分别是多少? -
蒙知毅17862536532 ______ a=20/4=5cm r=5/2=2.5 s=3.14*2.5*2.5=19.625 c=3.14*2*2.5=15.7

鱼扶羽3057底面半径2.5dm 高是1.5dm 圆柱表面积是多少· -
蒙知毅17862536532 ______ 2.5*2*3.14*1.5+2.5*2.5*3.14*2 =23.55+39.25 =62.8

鱼扶羽3057圆柱的底面直径5是厘米,如果把圆柱切成相等的两个圆柱,表面积增加了多少
蒙知毅17862536532 ______ 2.5*2.5*3.14*2=12.5*3.14=39.25平方厘米.

鱼扶羽3057把一个长宽高分别是6厘米5厘米4厘米的长方形削成一个最大的圆柱 圆柱的体积是多少
蒙知毅17862536532 ______ 2.5*2.5*3.14*4=78.5

鱼扶羽3057铝棒重量|铝板重量|合金铝板重量|铝管重量计算公式?
蒙知毅17862536532 ______ 铝棒重量|铝板重量|合金铝板重量|铝管重量计算公式 铝板重量(公斤)=0.00171*厚*宽*长度 铝管重量(公斤)=0.00879*壁厚*(外径-壁厚)*长度 铝棒重量计算公式(公斤)=0.0022*直径*直径*长度 100米外径50mm,壁厚3mm的纯铝管的重量? 铝密度按2.7g/cm^3 50MM=5CM s外=πR^2=2.5*2.5*3.14=19.625CM^2 S内=πr^2=2.2*2.2*3.14=15.1976CM^2 S外-S内=19.625-15.1976=4.4274CM^2 体积=10*4.4274=44.274CM^3 重量=2.7*44.274=119.54g

鱼扶羽3057在一个直径为3米的圆形花坛四周,修一条宽1米的灌木丛带,这条灌木丛的面积为多少? -
蒙知毅17862536532 ______ 半径=3/2=1.5米 面积=2.5*2.5*3.14-1.5*1.5*3.14=12.56平方米 这条灌木丛的面积为12.56平方米 or π*(3/2+1)^2-π*(3/2)^2=4π=4*3.14=12.56平方米 大圆减小圆

鱼扶羽3057几道数学题.快点哦~谢谢
蒙知毅17862536532 ______ 1、2.5*2.5*3.14*2+5*3.14*8=19.625*2+125.6=164.85平方分米 2、4*4*3.14*2+8*3.14*12=100.48+301.44=401.92平方分米 3、37.68/3.14=12 厘米 12/2=6厘米 6*6*3.14*2+37.68*10=226.08+376.8=602.88平方厘米