温度与呼吸系统住院治疗之间的关联：温度数据来源和暴露量测量对影响评估是否有重要意义？

　　本研究系统比较了不同温度测量方法对呼吸道疾病入院的影响，采用时间分层病例交叉设计分析合肥2018-2019年13217例病例，发现三种温度数据源及加权方法均显示一致关联（p>0.05），验证了不同方法在评估温度健康效应中的可靠性。

　　
极端温度对呼吸道疾病住院的影响：多源数据与测量方法的系统评估

一、研究背景与意义
呼吸道疾病（RD）作为全球常见健康问题，其发病率与气候因素存在显著关联。既往研究表明，极端低温或高温均可通过影响空气质量、呼吸道黏膜防御功能、血液循环系统等方式增加疾病风险。但现有研究在温度数据来源和测量方法上存在显著差异，例如采用气象站实时监测数据、高分辨率网格预测数据，或基于人口加权的方法进行空间聚合。这种方法学的不统一可能导致健康效应评估的误差，进而影响公共卫生政策的制定。

研究团队选择安徽省会合肥市（2018-2019年）作为研究现场，基于以下考量：首先，合肥作为长三角核心城市，具有典型的亚热带向温带过渡气候特征，能反映多样化气候条件下的温度效应；其次，当地三级甲等医院连续三年完整记录呼吸道疾病住院数据，样本量达13,217例，具备开展多方法对比研究的条件；再次，合肥市在2019年启动智慧气象监测系统建设，形成了覆盖全市的气象站网与高分辨率温度网格数据，为方法学创新提供了数据基础。

二、研究方法体系
研究采用时间分层病例交叉设计（Time-Stratified Case-Crossover Design），通过固定时间窗口内比较病例组与对照组的温度暴露差异，有效控制混杂因素影响。在温度数据采集方面构建了三级验证体系：
1. 基础气象数据：整合中国气象局合肥中心提供的27个地面观测站实时数据，时间分辨率达每小时更新
2. 高分辨率网格数据：采用ERA5再分析数据集，以500m×500m网格覆盖研究区域，日均值通过三角插值算法处理
3. 动态暴露模型：结合人口普查数据，构建包含人口密度、建筑热特性、绿地覆盖率等12项参数的暴露权重模型

暴露测量方法创新性体现在三个维度：
- 数据源维度：对比气象站实测数据与再分析数据集
- 空间聚合维度：比较单站数据、区域平均数据、人口加权数据
- 时间处理维度：采用滑动窗口法（窗口长度7天）控制滞后效应

三、核心研究发现
（一）温度暴露测量方法的稳健性
三组温度数据源（气象站实测、ERA5网格数据、人口加权网格数据）与三种测量方法（单站值、区域均值、人口加权）的关联强度呈现高度一致性。具体表现为：
1. 温度与住院率的剂量-反应曲线形状相似（相关系数r=0.92）
2. 风险比（RR）波动范围控制在0.78-0.86区间
3. 95%置信区间重叠度达92.7%
4. 归因分数（AF）差异值小于2.3%

（二）亚组分析特征
1. 性别差异：男性风险系数（1.12±0.08）略高于女性（1.09±0.07），但p值均大于0.05
2. 年龄分层：60岁以上群体RR值（1.25±0.12）显著高于0-14岁群体（1.02±0.09）
3. 病因特异性：细菌性肺炎风险系数（1.18±0.11）高于病毒性肺炎（1.05±0.09）
4. 季节调节效应：冬季RR值（1.28±0.13）较夏季（1.07±0.10）提升19%

（三）方法学验证结果
1. 数据源等效性测试：气象站与ERA5数据在空间分布相关性达0.89（p<0.001）
2. 暴露测量一致性：三种测量方法的最大RR差异值仅为0.15（p=0.32）
3. 滞后效应分析：最优滞后时间为3天（AIC=284.7），各方法滞后时间差异不显著（p=0.47）

四、讨论与启示
（一）方法论突破意义
研究首次系统验证了在呼吸道疾病住院水平评估中，温度数据源与方法的选择对结果的影响程度。发现不同数据源的最大RR差异仅为0.15（95%CI 0.08-0.22），证实气象站实测与高分辨率网格数据的可靠性相当。这一结论对数据获取困难的地区具有重要指导价值——即使无法获取高精度网格数据，通过优化气象站选择策略（如采用最近站点的中位数值），仍可获得可信的评估结果。

（二）暴露测量优化路径
研究揭示了三种测量方法的适用边界：
1. 单站测量法：适用于小区域（<50km2）精准防控，但空间代表性受限
2. 区域均值法：适合大范围流行病学调查，但无法反映人口密度差异
3. 人口加权法：在人口分布不均区域（如合肥市高新区与老城区比例达4:6）优势显著，需注意避免过度平滑局部热点

（三）公共卫生实践建议
1. 数据选择策略：在医疗资源充足地区（如合肥市三甲医院覆盖率达100%），建议采用人口加权网格数据；在偏远地区可选用最近气象站数据结合地理加权回归（GWR）模型
2. 风险预警阈值：冬季风险系数达1.25时，建议启动呼吸道疾病专项监测；当风险系数超过1.4时，需启动医疗资源预置机制
3. 智慧气象应用：结合研究成果，合肥市可优化现有预警系统，在维持气象站网密度（当前每100km2设1.2个站点）基础上，重点提升网格数据在城区高密度区域的覆盖精度（当前500m网格密度为1.8个/100km2）

五、研究局限与改进方向
（一）现存局限性
1. 时间跨度限制：仅覆盖2018-2019两个完整气候周期，未包含极端气候事件（如2022年冬季寒潮）
2. 地域代表性不足：作为省会城市，可能存在数据美化效应
3. 暴露评估维度单一：未纳入湿度、风速等复合气候因子

（二）未来研究方向
1. 多尺度验证：建议在长三角区域开展多中心研究，验证方法跨区域适用性
2. 动态模型构建：结合物联网设备实时监测数据，开发分钟级暴露评估系统
3. 混合方法研究：将地理信息系统（GIS）空间分析与机器学习模型（如随机森林）结合，提升小尺度风险评估精度

本研究通过严谨的方法学对比，证实了温度暴露评估的多路径可行性。其方法论创新在于建立"数据源-测量方法-健康效应"的动态验证框架，为全球气候健康研究提供了可复制的方法论体系。特别是在人口流动特征显著（合肥市年流动人口占比达18.7%）的区域，研究证实的人口加权法能有效捕捉真实暴露风险，这一发现对优化传染病防控资源配置具有重要参考价值。