Association between occurrence of acute non-occupational carbon monoxide poisoning and meteorological factors in Liuzhou City
-
+ English摘要:目的
探讨柳州市急性非职业性一氧化碳（CO）中毒例数与气象因子的相关性，为急性非职业性CO中毒防治提供科学依据。
方法收集2015—2017年柳州市四家定点医院收治的急性非职业性CO中毒患者的相关临床资料以及同期气象因子相关资料，进行中毒患者例数和气象因子的相关性分析和多元线性回归分析。
结果3年间共收治急性非职业性CO中毒患者4 181例；12月至翌年3月这4个月共计3 410例（占81.6%）。以每年均值计算，中毒高峰期位于1月，多达309例（每百万人口130例）；5—10月为低谷期，月均不超过20例。急性非职业性CO中毒均以夜间21时到次日凌晨3时为发病高峰期，共计2 278例（占54.48%）。Pearson相关分析结果显示：与急性非职业性CO中毒例数呈负相关的气象因子有当日平均气温、平均风速、24 h大气压差（r=-0.409、-0.269、-0.162，P < 0.01），发病例数与当日大气压、24 h温差、相对湿度则呈正相关（r=0.353、0.240、0.085，P < 0.01或 < 0.05）。多元线性回归模型显示：平均气温、平均风速每增加1%，急性非职业性CO中毒例数会分别减少0.432%、0.128%；24 h温差、相对湿度每增加1%，急性非职业性CO中毒例数会分别增加0.292%、0.054%（R2=0.285，F=89.34，P < 0.05）。
结论急性非职业性CO中毒例数与当日气象条件密切相关。政府相关部门要结合气象因子的变化，加强宣教、预警，做好公共事件气象服务工作。
-
急性非职业性一氧化碳（CO）中毒是最常见的中毒死亡原因[1]。在我国，冬、春季节急性一氧化碳中毒事件频发，季节性和区域性特点明显[2-4]，区域上南北方均易发生在城市的城乡接合部[3, 5]，而北方更有可能出现极端气象条件下的集体性中毒伤亡[6]。急性非职业性一氧化碳中毒的直接原因包括燃煤取暖、炭火取暖、燃气热水器使用不当等，但与气象因素密切相关[7-9]，卫生部、中国气象局等多部委或部门曾多次下发各类文件，要求开展多部门联合研究，做好CO中毒突发公共事件气象服务工作。有学者[6, 10]对北方一氧化碳中毒的发生与气象因子的关系做了相关研究，但南方相关研究几乎空白。柳州是我国南方城市，近几年冬、春季CO中毒常有发生，引起了政府高度关注和重视，2018年柳州市开展了防治非职业性CO中毒专项整治行动工作。基于此，本研究拟结合当地气象资料，对柳州市近三年急性非职业性CO中毒患者临床资料进行统计分析，旨在探讨南方气候与CO中毒的相关性，为防治CO中毒提供科学依据。
1. 资料与方法
1.1 资料来源
收集2015年1月—2017年12月柳州市四家综合性医院（柳州市工人医院、柳州市人民医院、柳州市中医院、广西柳州钢铁集团医院）收治的所有非职业性CO中毒患者临床病史资料共4 181份。这四家医院均设有独立的急诊医学科、高压氧科，可对CO中毒患者进行综合性治疗，是当地政府指定的CO中毒患者救治医院。
1.2 方法
1.2.1 病例调查及确诊
采用前瞻性流行病学调查方法，结合门诊电子信息化日志收集患者相关数据。设计独立的调查登记表，调查项目包括性别、年龄、职业、文化程度、中毒发生时间和地点、中毒原因、患者去向与转归等。对急诊科的全体医务人员进行培训，在调查期限内，每一位到急诊科就诊的中毒患者均由接诊医生、护士在急诊病志外另填写一份中毒患者调查表。出诊携带便携式碳氧血红蛋白测定仪，在现场即时测定；自行到院的病人则采用抽血测定或碳氧血红蛋白测定仪进行测定。排除由于自杀、自杀未遂等导致的CO中毒病例，并根据一氧化碳中毒诊断标准[11]进行诊断确认。
1.2.2 气象资料的获取
同期气象资料来自柳州市气象局的气象监测站，包括5个逐日地面气象因子（平均气温、平均气压、相对湿度、平均风速、最高风向）和逐日分时记录的气温和气压数据；2个派生因子（24 h温差、24 h气压差）分别根据当日2时气温减去前一日2时的气温和当日2时气压减去前一日2时的气压计算得出。
1.2.3 统计学分析
运用SPSS 19.0统计学软件进行统计学分析。计数资料以率表示，计量资料用均数±标准差（x ± s）或四分位数（P25，P75）表示。运用Pearson相关分析和多元线性回归模型分析CO中毒患者病例数和气象因子间的关系，P < 0.05为差异有统计学意义。
2. 结果
2.1 急性非职业性CO中毒患者的流行病学特征
2.1.1 基本情况
2015—2017年柳州市城区常住人口和流动人口平均数为238.29万人，3年间4家CO中毒救治医院共收治4 181例急性非职业性CO中毒患者，其中2015年1 112例，2016年1 433例，2017年1 636例，随着居住人口的增加，发病例数有逐年上升趋势。2015年柳州市急性非职业性CO中毒发病率为0.052 7%（1 122/2 127 300），2016年为0.066 1%（1 433/2 167 900），2017年为0.0573 3%（1 636/2 853 500），以2016年发病率较高。
2.1.2 急性非职业性CO中毒病例发生月份分布
急性非职业性CO中毒发生月份具有明显的季节特性，多发于冬、春季。3年间，12月至翌年3月这4个月共计3 410例（占81.6%），4—11月计771例（占18.4%）。以每年均值计算，高峰期位于1月，多达309例（每百万人口130例），其次是2月（283例），最少是6月（12例）；5—10月为低谷期，月均不超过20例。具体见表 1。
表 1 4 181例急性非职业性CO中毒患者月份分布年份 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 总计 2015 168 226 220 13 9 4 15 8 14 19 46 370 1 112 2016 393 312 243 76 35 15 17 18 19 16 100 189 1 433 2017 367 310 329 60 12 17 13 14 8 11 212 283 1 636 合计 928 848 792 149 56 36 45 40 41 46 358 842 4 181 2.1.3 急性非职业性CO中毒病例发生时段
3年间急性非职业性CO中毒发生的时段有较高的一致性，均以夜间21时到次日凌晨3时为发病高峰期，共计2 278例（占54.48%）；7—9时有一小峰，计452例（占10.81%）。见图 1。
2.2 气象因子的数据特征分析
对2015年—2017年3年间1 096 d柳州市气象监测站5个逐日地面气象因子（日平均气温、日平均气压、相对湿度、平均风速、最高风向）及2个派生因子（24 h温差、24 h气压差）的数据分布和变化范围进行统计分析，发现：处于南方地区的柳州市，3年间日平均气温最低4.6 ℃（P25 15.6 ℃），说明柳州市有近25%的日均平均气温低于16 ℃。具体见表 2。
表 2 2015—2017年气象因子数据（n = 1 096） 气象因子 最小值 最大值 P25 中位数 P75 日平均气温/℃ 4.6 33.4 15.6 23.4 27.7 24 h温差/℃ -13.9 8.1 -1.1 0.2 1.4 日平均气压/hPa 983.0 1 028.1 995.6 1 000.8 1 007.9 24 h气压差/hPa -8.5 13.6 -1.8 -0.3 1.5 相对湿度/% 33 99 66 74 82 平均风速/(m/s) 0 4.2 1.1 1.4 1.9 最高风向/(°) 23 360 68 180 293 2.3 中毒人数与气象因子的相关性分析
通常认为任意给定的某气象因子值，其对应的中毒例数均服从正态分布。故可将3年间1 096 d各气象因子数值与同日发生的急性非职业性CO中毒例数进行Pearson相关分析和多元线性回归分析。
Pearson相关分析结果发现：与急性非职业性CO中毒例数呈负相关的气象因子有当日平均气温、平均风速、24 h大气压差（r = - 0.409、- 0.269、- 0.162，P < 0.01），发病例数与当日大气压、24 h温差、相对湿度则呈正相关（r = 0.353、0.240、0.085，P < 0.01或 < 0.05），与当日最高风向无相关性（r = 0.049，P > 0.05）。
将和同日中毒例数有相关性的6个气象因子（日平均气温、相对湿度、平均风速、当日大气压、24 h温差、24 h气压差）设为自变量，将同日发生急性非职业性CO中毒的例数设为因变量，进行多元线性回归分析。使用方差膨胀因子（VIF）评估模型的多重共线性，显示日平均气温、日平均气压两个因子的VIF分别为6.305、6.895，均 > 4，表明气象因子之间有多重共线性，故进行逐步回归分析，逐步回归的结果剔除了平均气压、24 h气压差两个因子，使用VIF评估逐步回归后的多元线性回归模型，剩下的四个气象因子VIF值都在1附近，说明模型已经不再有多重共线性，方程有统计学意义（R2 = 0.285，F = 89.34，P < 0.05）；此时的回归模型显示：日平均气温、平均风速每增加1%，急性非职业性CO中毒例数会分别平均减少0.432%、0.128%；24 h温差、相对湿度每增加1%，急性非职业性CO中毒例数会分别平均增加0.292%、0.054%。总的来说，日急性非职业性CO中毒例数和气温、温差、风速的相关性较大。见表 3。
表 3 柳州市急性非职业性CO中毒例数与气象因子相关性的多元线性回归分析自变量 偏回归系数 标准误差 标准化回归系数 t值 P值 常数 14.204 1.677 8.470 < 0.01 日平均气温/℃ -0.487 0.030 -0.432 -16.236 < 0.01 24 h温差/℃ 1.004 0.092 0.292 10.966 < 0.01 相对湿度/% 0.038 0.019 0.054 2.026 < 0.05 平均风速/(m/s) -1.655 0.358 -0.128 -4.622 < 0.01 3. 讨论
急性一氧化碳中毒报道较多，特别是北方城市，但数据来源大多来自“120”急救站、疾病预防控制部门或某家医院，数据不能全面反映当地的中毒情况，有一定的局限性。本研究数据来自柳州市卫健委指定的一氧化碳中毒患者定点救治的多家医院，数据相对全面。3年的数据客观地反映了当地急性非职业性CO中毒的流行病学特征，也间接地反映了中国南方城市急性非职业性CO中毒的流行病学特征。
本次研究发现，柳州市一年四季都有急性非职业性CO中毒发生，以每年的1、2、3月及12月为高发月份，发生率几乎是一年中其他时间的5倍；每日多发生在21—24时及0—3时，与有关文献[12-13]的研究结果一致。因为冬、春季节和夜间时段，气候寒冷，家中为避寒常门窗紧闭，致空气流通不畅；又值此时人们多在室内活动、休息、洗澡或睡眠，加之夜间人们多已处于疲惫状态，精神放松，故易发生CO中毒。
室内外温度差对通风排烟有影响。在采暖期内，燃煤产生的含有CO等污染物的烟雾绝大部分经烟道或门窗缝隙排出室外，不会对人体造成伤害。对于同一个地区而言，导致CO中毒事件发生的原因是室内外通风不畅。气象条件（包括风速、气温等）直接或间接影响着大气稀释能力或室内外排气能力。
本次调查表明，日急性非职业性CO中毒发病例数与平均气温、24 h大气压差、平均风速的变化呈负相关（P < 0.01），与当日平均大气压、24 h温差、相对湿度的变化呈正相关（P < 0.01）；由于气压和气温呈高度负相关关系，故进行多元逐步线性回归分析时剔除了气压和24 h气压差这两个气象因子。回归分析结果显示，中毒例数与气温的关系最大，与有关文献[7, 12]的研究结果基本一致。根据我国推荐的静风与稳定条件下烟气抬升公式[14]，在大气层结稳定的条件下，热释放率与烟气出口、环境大气温度之差成正比，即环境气温升高时，热释放率减小，不利于烟气抬升，使污染物在室内积聚，容易导致CO中毒。风速主要影响近地面的大气污染物的扩散速度，风速越大，单位时间内污染物被输送的距离愈远，风对污染物有稀释冲淡的作用[15]；另外，气压下降，排热率降低，不利于烟气抬升，导致CO中毒的概率增大；湿度增大不利于通风排烟，不利于污染物的排放和扩散，增加CO中毒的可能性。这都与本文的研究结论一致。
本次调查表明，柳州市非职业性一氧化碳中毒的防控形势依然严峻，必须引起高度的重视。结合本次调查结果，提出如下建议：（1）提高公众对CO中毒的认知，在每年的春、冬季要通过广播、电视、报纸、手机、互联网等媒体展开科学普及，其实几乎所有的急性CO中毒事件都可以通过公众教育得以预防[16]。（2）结合气象、大气污染物条件，加强对重点季节、重点时段CO中毒事故的预警预报。（3）CO警报器是CO中毒重要的二级预防措施[17-18]，因此，要积极提倡安装。（4）大力完善城市应急体系建设，加强快速正确的诊断和救治能力建设，以救助更多的CO中毒患者[17, 19]。
影响一氧化碳中毒的因素比较复杂，并非单一与气象因素有关，还与人们生活条件、相关社会保障水平、人们的防病意识、大气污染物等因素有关。因此，在本次调查的基础上，进一步探讨社会因素和自然因素的综合防控模式，是今后研究的发展方向。
作者声明 本文无实际或潜在的利益冲突 -
表 1 4 181例急性非职业性CO中毒患者月份分布
年份 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 总计 2015 168 226 220 13 9 4 15 8 14 19 46 370 1 112 2016 393 312 243 76 35 15 17 18 19 16 100 189 1 433 2017 367 310 329 60 12 17 13 14 8 11 212 283 1 636 合计 928 848 792 149 56 36 45 40 41 46 358 842 4 181 
下载: 导出CSV
表 2 2015—2017年气象因子数据
（n = 1 096） 气象因子 最小值 最大值 P25 中位数 P75 日平均气温/℃ 4.6 33.4 15.6 23.4 27.7 24 h温差/℃ -13.9 8.1 -1.1 0.2 1.4 日平均气压/hPa 983.0 1 028.1 995.6 1 000.8 1 007.9 24 h气压差/hPa -8.5 13.6 -1.8 -0.3 1.5 相对湿度/% 33 99 66 74 82 平均风速/(m/s) 0 4.2 1.1 1.4 1.9 最高风向/(°) 23 360 68 180 293
下载: 导出CSV
表 3 柳州市急性非职业性CO中毒例数与气象因子相关性的多元线性回归分析
自变量 偏回归系数 标准误差 标准化回归系数 t值 P值 常数 14.204 1.677 8.470 < 0.01 日平均气温/℃ -0.487 0.030 -0.432 -16.236 < 0.01 24 h温差/℃ 1.004 0.092 0.292 10.966 < 0.01 相对湿度/% 0.038 0.019 0.054 2.026 < 0.05 平均风速/(m/s) -1.655 0.358 -0.128 -4.622 < 0.01
下载: 导出CSV
-
[1] ALIOGLU Z, BOZ C, SARI A, et al. Transient tic disorder following carbon monoxide poisoning[J]. J Neuroradiol, 2004, 31(3):231-233. doi: 10.1016/S0150-9861(04)96999-4
[2] UYSAL C, CELIK S, DUZGUN ALTUNTAS A, et al. Carbon monoxide-related deaths in Ankara between 2001 and 2011[J]. Inhal Toxicol, 2013, 25(2):102-106. doi: 10.3109/08958378.2012.760020
[3] 于海玲, 悦雄, 聂冬妮, 等.北京市120院前急救一氧化碳中毒患者流行病学分析与研究[J].中华急诊医学杂志, 2019, 28(4):544-546. doi: 10.3760/cma.j.issn.1671-0282.2019.04.031 [4] 洪志恒, 李超, 杨静, 等. 2019年1月中国大陆需关注的突发公共卫生事件风险评估[J].疾病监测, 2019, 34(1):6-9. https://www.cnki.com.cn/Article/CJFDTOTAL-JBJC201901004.htm [5] 叶珊珊, 阮海林, 王瑶, 等. 2015-2017年柳州市群体性急性一氧化碳中毒的流行病学特征分析[J].职业与健康, 2020, 36(9):1241-1245. https://www.cnki.com.cn/Article/CJFDTOTAL-ZYJK202009024.htm [6] 谢静芳, 李磊, 郭文利, 等.民居CO中毒事件气象条件分析及数值模拟[J].气象与环境学报, 2010, 26(1):63-67. doi: 10.3969/j.issn.1673-503X.2010.01.014 [7] 张军, 张济, 周林, 等. 2007-2012年济南市非职业性一氧化碳中毒事件资料分析[J].预防医学论坛, 2013, 19(6):451-453. https://www.cnki.com.cn/Article/CJFDTOTAL-YXWX201306024.htm [8] 张文增, 王霄晔, 高永军, 等. 2006-2013年度北京市非职业性一氧化碳中毒事件报道[J].现代预防医学, 2016, 43(6):997-1000. https://www.cnki.com.cn/Article/CJFDTOTAL-XDYF201606012.htm [9] 赵宜静, 杨敏娟, 胡昕冬, 等. 385例非职业性一氧化碳中毒流行病学特征分析[J].中华劳动卫生职业病杂志, 2013, 31(4):287-288. doi: 10.3760/cma.j.issn.1001-9391.2013.04.012 [10] 张德山, 宋广生, 丁谊, 等.北京非职业性一氧化碳中毒气象条件分析[J].气象科技, 2009, 37(6):705-708. doi: 10.3969/j.issn.1671-6345.2009.06.013 [11] 林果为, 王吉耀, 葛均波.实用内科学[M]. 15版.北京:人民卫生出版社, 2017:740. [12] DU T, ZHANG Y, WU J S, et al. Domicile-related carbon monoxide poisoning in cold months and its relation with climatic factors[J]. Am J Emerg Med, 2010, 28(8):928-932. doi: 10.1016/j.ajem.2009.06.019
[13] IQBAL S, CLOWER J H, HERNANDEZ S A, et al. A review of disaster-related carbon monoxide poisoning:surveillance, epidemiology, and opportunities for prevention[J]. Am J Public Health, 2012, 102(10):1957-1963. doi: 10.2105/AJPH.2012.300674
[14] 邹长伟, 黄虹, 余冠明.环境影响评价中烟气抬升公式的应用比较研究:以某发电厂项目为例[J].环境科学与技术, 2006, 29(6):69-71. https://www.cnki.com.cn/Article/CJFDTOTAL-FJKS200606026.htm [15] 吴兑, 邓雪娇.环境气象学与特种气象预报[M].北京:气象出版社, 2001:288-297. [16] JANÍK M, UBLOVÁ M, KUČEROVÁŠ, et al. Carbon monoxiderelated fatalities:a 60-year single institution experience[J]. J Forensic Leg Med, 2017(48):23-29. http://www.ncbi.nlm.nih.gov/pubmed/28419893
[17] HAMPSON N B, PIANTADOSI C A, THOM S R, et al. Practice recommendations in the diagnosis, management, and prevention of carbon monoxide poisoning[J]. Am J Resp Crit Care Med, 2012, 186(11):1095-1101. http://www.ncbi.nlm.nih.gov/pubmed/23087025
[18] HAMPSON N B, WEAVER L K. Residential carbon monoxide alarm use:opportunities for poisoning prevention[J]. J Environ Health, 2011, 73(6):30-33. http://www.questia.com/read/1G1-245116238/residential-carbon-monoxide-alarm-use-opportunities
[19] 张艳杰, 杜敢琴, 郭金朋, 等.高压氧对一氧化碳中毒迟发脑病干预作用[J].中华急诊医学杂志, 2018, 27(7):794. doi: 10.3760/cma.j.issn.1671-0282.2018.07.017 -
期刊类型引用(1)
1. 潘少媚，尹强兵，彭志敏，彭涛，林亦嘉，苏世标. 2020年深圳市罗湖区黄金珠宝加工行业职业病危害现状调查. 中国工业医学杂志. 2021(06): 535-537 . 
百度学术
其他类型引用(0)
计量
- 文章访问数: 263
- HTML全文浏览量: 78
- PDF下载量: 25
- 被引次数: 1
