《環境與職業醫學》雜志官方網站 《環境與職業醫學》雜志官方網站 白小姐一肖精选中特网 今天安徽快三推荐号码 新手玩股票怎么开户 体育彩票幸运赛车 大学生赚钱小项目 理财收益 青海体彩11选5走势图 全年公式规律尾数 福建22选5浙江风采 上证指数怎么算出来的 快乐双彩走势图

今天安徽快三推荐号码 新手玩股票怎么开户 体育彩票幸运赛车 大学生赚钱小项目 理财收益 青海体彩11选5走势图 全年公式规律尾数 福建22选5浙江风采 上证指数怎么算出来的 快乐双彩走势图

首頁> 過刊瀏覽> 正文

2020, 37(8):735-740.doi:10.13213/j.cnki.jeom.2020.20117

2014—2018年重慶市主要城區大氣PM2.5水平與居民非意外死亡的關系


重慶市疾病預防控制中心, 重慶 400042

收稿日期: 2020-03-16;  錄用日期:2020-04-22;  發布日期: 2020-09-07

基金項目: 重慶市科衛聯合醫學科研重點項目(2018ZDXM006)

通信作者: 沈卓之, Email: [email protected]  

作者簡介: 吳蕓蕓(1991-), 女, 碩士, 醫師; E-mail:[email protected]

倫理審批??已獲取

利益沖突??無申報

[背景] 大氣顆粒物污染嚴重威脅人類健康,與居民死亡密切相關。

[目的] 探討重慶市5個主要城區大氣PM2.5質量濃度(下稱濃度)與居民非意外死亡的關系。

[方法] 收集2014—2018年重慶市渝中、沙坪壩、南岸、九龍坡和江北五城區居民死因資料、大氣污染和氣象監測數據,計算五城區每日非意外死亡總數和大氣污染物日均濃度。利用廣義相加模型,控制長期趨勢和季節效應、氣象因素(平均溫度、相對濕度)及“星期幾效應”的影響,建立單污染物模型及多污染物模型,分析PM2.5單獨暴露及其與SO2、NO2、CO聯合暴露時對居民非意外死亡的短期效應,并按性別分層比較效應差異。

[結果] 2014—2018年重慶市五城區平均每日非意外死亡70人,其中男性、女性分別為41、29人;大氣PM2.5日均濃度為51 μg·m-3,超標共計299 d,占15.35%。單污染物模型顯示,PM2.5在當天及滯后1~3 d時對居民非意外死亡存在影響,在滯后1 d時效應最大,PM2.5每升高10 μg·m-3時全人群非意外死亡率增加0.62%(95% CI:0.27%~0.97%),其中男性、女性非意外死亡率分別增加0.49%(95% CI:0.09%~0.89%)、0.85%(95% CI:0.39%~1.31%),女性的效應值高于男性,效應差為0.35%(95% CI:0.13%~0.57%)。雙污染物模型顯示:分別校正SO2、NO2時,PM2.5對居民非意外死亡的效應變弱,甚至消失;校正CO時,效應增強,非意外死亡率增加至0.69%(95% CI:0.26%~1.13%)。在全污染物模型中,僅女性的非意外死亡與PM2.5存在關聯,當PM2.5每升高10μg·m-3時女性每日非意外死亡率上升0.77%(95% CI:0.10%~1.44%)。在所有多污染物模型中,女性效應值均高于男性,效應差值范圍為0.35%~0.54%。

[結論] 重慶市主要城區大氣PM2.5濃度升高可導致居民非意外死亡風險增加,女性更易感。

關鍵詞: 細顆粒物;  非意外死亡;  廣義相加模型;  時間序列分析 

大氣污染嚴重威脅人類健康。大氣顆粒物為大氣污染物的重要組成部分,在所有健康危險因素中排名第五[1]。多項研究證實大氣顆粒物暴露會造成呼吸系統、心血管系統、內分泌系統等的健康損害[2-3]。中國歸因于大氣顆粒污染物的死亡人數約為85萬[4]。大氣顆粒物的短期暴露與居民死亡密切相關[5]。大氣細顆粒物(fine particulate matter with median aerodynamic diameter ≤ 2.5 μm,PM2.5)由于粒徑小、比表面積大、重力小,一方面容易吸附空氣中重金屬、細菌等人體有害成分,另一方面在空氣中懸浮時間長,被吸入機體的可能性大、位置深,容易進入肺泡并隨血液循環轉移至其他部位,從而導致健康損害,死亡風險增加。大量流行病學研究表明,大氣PM2.5與人群非意外總死亡率之間存在關聯[6],空氣中PM2.5每升高10 μg·m-3,我國、北美和歐洲地區居民每日非意外總死亡率分別上升0.22%、0.94%和1.23%[7]。

重慶市是我國直轄市之一,人口密集、工業發達,位于四川盆地,以山地地形為主,不利于大氣污染物排放。中國生態環境部發布的《2017年中國生態環境公報》指出,PM2.5為重慶市首要污染物[8]。PM2.5的健康風險已成為民眾關注的熱點話題,然而目前重慶市大氣PM2.5與居民健康相關的研究較為缺乏。渝中區、沙坪壩區、南岸區、九龍坡區和江北區為重慶市傳統的主城區,覆蓋人口約480萬,人口密集、經濟發達,城鎮化率在90%以上[9],與重慶市其他主要城區毗鄰,在社會發展水平、氣候地形等自然因素、大氣污染水平和環境暴露狀況等方面相當[10],對重慶市主城區具有良好的代表性。本研究采用廣義相加模型的時間序列分析方法,定量評估2014—2018年重慶市這5個主要城區PM2.5污染與人群非意外總死亡率之間的關系。

1   材料與方法

1.1   資料來源

1.1.1   死因監測資料

收集2014年1月1日—2018年12月31日重慶市渝中區、沙坪壩區、南岸區、九龍坡區和江北區常住居民死因資料,數據來源于重慶市疾病預防控制中心死因監測系統,其中根本死因按照國際疾病分類第十版(International Classification of Disease 10th Revision,ICD-10)進行編碼。剔除故意傷害死亡的數據,納入根本死因為非意外死亡(A00~R99)的個案。將非意外死亡個案按死亡時間匯總,計算五城區每日非意外死亡總數。分析前對死因資料進行嚴格質量控制,包括剔除重報、多報和誤報資料,剔除死亡人數異常升高或者降低日期的數據。本研究經重慶市疾病預防控制中心醫學倫理委員會審批通過(編號:2020005)。

1.1.2   環境與氣象監測資料

2014—2018年逐日空氣污染物監測數據來源于重慶市環保局,覆蓋5個主要城區的17個國控環保監測站點,收集的資料包括PM2.5、二氧化硫(sulfur dioxide,SO2)、二氧化氮(nitrogen dioxide,NO2)、一氧化碳(carbon monoxide,CO)質量濃度(下稱濃度),計算所有監測站點污染物濃度的日均值并納入分析。氣象監測數據來源于重慶市氣象局,主要包括日平均溫度、日平均相對濕度、日平均氣壓和日平均風速。各項空氣污染物及氣象指標缺失率均小于0.01%,缺失值以前后2 d算數平均值填補。

1.2   研究方法

1.2.1   描述性分析和相關分析

為了解研究地區非意外死亡、大氣污染和氣象條件的一般情況,對定量資料采用均數±標準差、百分位數(P25、P50、P75)、最大值和最小值進行描述性分析。采用Spearman秩相關分析日死亡數與大氣污染物、氣象因素的相關性。

1.2.2   廣義相加模型

本研究采用廣義相加模型分析PM2.5對居民非意外死亡的急性效應。由于居民每日因非意外死亡為小概率事件,故采用類泊松分布作為連接函數?;竟饺缦拢?/p>

$\text{lg}\left[ E\left( {{Y}_{t}} \right) \right]=\alpha +\beta {{X}_{t}}+s\left( t, \upsilon \right)+s\left( {{Z}_{t}}, \upsilon \right)+{{D}_{\text{dow}}}。$

其中:E(Yt)為第t日非意外死亡人數的期望值;α為截距項;β為大氣污染物的回歸系數;Xt為第t日大氣污染物濃度;s(t,υ)為時間的平滑樣條函數,用于控制長期趨勢和季節效應;s(Zt,υ)為氣象變量的平滑樣條函數,用以控制氣象因素的短期效應;υ為各變量對應的自由度;Ddow為控制星期幾效應的啞變量。根據前期相關研究[11],時間自由度選擇為7年-1,氣象變量納入平均溫度、相對濕度,自由度選擇為3,由于相鄰幾天的氣象因素存在強相關性,因此僅控制了死亡當天氣象因素的混雜作用。

單污染物模型只納入PM2.5,考慮大氣污染物的滯后效應,對單日滯后0~6 d分別進行分析。在單污染物模型的基礎上,選擇最大效應對應的滯后時間,分別納入SO2、NO2、CO及全部污染物,擬合多污染物模型,分析比較PM2.5單獨暴露及與其他污染物聯合暴露時對居民非意外死亡的急性效應。本研究以超額危險度(excess risk,ER)及其95%置信區間(confidence interval,CI)作為效應指標,表示日均PM2.5每升高10 μg·m-3時,日死亡數改變的百分比。為鑒別大氣PM2.5污染的高危人群,按照性別進行分層分析,計算男女之間的效應差及其95% CI。

為驗證模型的穩定性,本研究改變了各樣條函數的自由度及類型,增加或減少其他氣象因素,結果顯示對模型最終結果無明顯影響。上述數據整理及統計分析使用R3.6.0軟件,通過“mgcv”軟件包擬合廣義相加模型。檢驗水準α=0.05。

2   結果

2.1   一般情況

重慶市五城區2014—2018年非意外死亡128364人,平均每日70人;男性共計死亡74 928人,平均每日41人,女性共計死亡53 436人,平均每日死亡29人。大氣PM2.5日均濃度為51 μg·m-3,依據GB 3095—2012 《環境空氣質量標準》日均濃度二級限值(75 μg·m-3),PM2.5超標共計299 d,占15.35%。2014—2018年重慶市五城區居民非意外死亡、大氣污染物和氣象因素一般情況詳見表 1。2014—2018年重慶市五城區大氣PM2.5濃度與非意外死亡人數均呈現季節波動,表現為冬季高夏季低;從長期趨勢來看,PM2.5濃度逐年下降,非意外死亡人數逐年上升,詳見圖 1。

表1

2014—2018年重慶市五城區居民非意外死亡、大氣污染物和氣象因素一般情況

Table1.

The distribution of daily non-accidental deaths, air pollutants, and meteorological factors in five urban districts of Chongqing from 2014 to 2018

圖 1

2014—2018年重慶市五城區PM2.5濃度(A)與非意外死亡(B)時間序列圖

Figure1.

Time-series of daily PM2.5 concentration (A) and non-accidental deaths (B) in five urban districts of Chongqing from 2014 to 2018

2.2   指標相關性分析

居民非意外死亡數與PM2.5、SO2、NO2、CO濃度及平均氣壓呈正相關,與平均溫度、風速呈負相關;PM2.5濃度與其他大氣污染物濃度、平均氣壓呈正相關,與平均溫度、風速呈負相關,以上相關性均具有統計學意義(P < 0.05)。見表 2。

表2

2014—2018年重慶市五城區居民非意外死亡數、大氣污染物濃度和氣象因素相關性分析(r

Table2.

Correlation analysis of daily non-accidental death, air pollutants, and meteorological factors in five urban districts of Chongqing from 2014 to 2018 (r)

2.3   PM2.5對居民非意外死亡的急性效應

總體來看,PM2.5在當天及滯后1~3 d時對居民非意外死亡存在影響,在滯后1 d時效應最大,PM2.5每升高10 μg·m-3時,居民每日非意外死亡率上升0.62% (95% CI:0.27%~0.97%)。男性在當天及滯后1~2 d時存在效應,而女性滯后時間更長,在滯后1~3 d時存在效應,男性、女性均在滯后1 d時效應最強,PM2.5每升高10 μg·m-3時,男、女非意外死亡率分別上升0.49%(95% CI:0.09%~0.89%)、0.85%(95% CI:0.39%~ 1.31%),女性的效應值高于男性,效應差為0.35% (95% CI:0.13%~0.57%)。見圖 2。

圖 2

單污染模型中PM2.5每升高10 μg·m-3時不同人群非意外死亡的ER

Figure2.

ERs of non-accidental deaths by gender groups for a 10μg·m-3 increase of PM2.5 in single-pollutant models

在單污染物模型的基礎上,選取滯后1 d,分別納入SO2、NO2、CO以及全部污染物建立多污染物模型。結果顯示在雙污染物模型中:單獨校正CO時,PM2.5對居民非意外死亡的效應上升0.69%(95% CI:0.26%~1.13%);分別校正SO2和NO2時,PM2.5的效應變弱,甚至消失。在全污染物模型中,PM2.5的效應變弱,僅女性的非意外死亡與PM2.5存在關聯,PM2.5每升高10 μg·m-3時女性非意外死亡率上升0.77%(95% CI:0.10%~1.44%)。在所有多污染物模型中,女性效應值均高于男性,效應差值范圍為0.35%~0.54%。見表 3。

表3

多污染模型中PM2.5濃度每升高10 μg·m-3時不同人群非意外死亡的ER

Table3.

ERs of non-accidental deaths by gender groups for a 10 μg·m-3 increase of PM2.5 in multi-pollutant models ?單位(Unit): %

3   討論

本研究利用廣義相加模型,分析2014—2018年重慶市五城區大氣PM2.5與居民非意外死亡之間的關系。結果顯示,大氣PM2.5濃度升高造成居民非意外死亡率增加,且效應具有滯后性。在當天及滯后1~3 d時,PM2.5對居民非意外死亡存在影響,且在滯后1 d時效應最大,滯后時間與成都[12]、廣州[13]、石家莊[14]等地研究結果一致。當大氣PM2.5每升高10 μg·m-3時,重慶地區居民每日非意外死亡率上升0.62%(95% CI:0.27%~0.97%),該結果接近西南地區平均效應[7],與廣州(0.55%,95% CI:0.24%~0.86%) [15]較為一致,但是高于北京(0.25%,95% CI:0.11%~0.38%) [16]、上海(0.31%,95% CI:0.26%~0.35%) [17]和全國272個城市的平均效應(0.22%,95% CI:0.15%~0.28%) [7]。比較各地區相關研究發現,PM2.5對人群健康影響存在地區差異,可能與不同地區PM2.5的來源及成分、濃度、人群結構及生活習慣等因素有關。這提示為制定符合本地區實際情況的健康策略,開展本地區大氣污染物濃度與居民健康關系的研究尤為必要。

2014—2018年重慶市五城區大氣PM2.5日均濃度為51 μg·m-3。在全國74個城市中,2017年重慶市空氣質量綜合指數排名第39位[18],空氣質量處于全國平均水平。有研究指出,在重慶城區大氣PM2.5組分中,Zn、As、Pb、Cd等有害物質累積程度高,燃煤、交通、工業污染嚴重,燃煤為主要污染源,大氣二次污染明顯[19-20]。相關部門應針對主要污染源,協調控制一次污染物的排放,一方面降低大氣PM2.5濃度,另一方面減少其他污染物排放,降低PM2.5吸附的二次轉化組分濃度,減輕對居民健康的影響。

本研究顯示,校正共存污染物SO2、NO2、CO之后,與單污染物模型相比,PM2.5對居民非意外死亡的效應出現變化,具體表現為校正SO2、NO2時PM2.5的效應變弱,甚至消失,校正CO時效應增強。這可能是由于PM2.5與其他污染物之間相關系數均在0.65以上,相關性較高,污染物之間存在共線性,因此影響模型中效應值的估計。此外,PM2.5與其他污染物之間可能存在交互作用。大氣中SO2、NO2等污染物易發生二次轉化,生成硫酸鹽、硝酸鹽、銨鹽等水溶性離子吸附在PM2.5表面[19],這些離子對人群健康具有明顯影響[21],因此PM2.5與其他大氣污染物對居民健康的影響可能存在協同效應,提示在研究PM2.5健康效應時應考慮其他污染物的影響。

本研究結果顯示,PM2.5對女性非意外死亡的影響大于男性,與合肥[22]、珠三角[23-24]以及一項基于中國17個城市研究[25]的結果一致。推測其原因:一方面,重慶市女性吸煙率較男性低[26],研究顯示空氣污染對非吸煙者的效應高于吸煙者[27],因而女性更為敏感;另一方面,由于激素狀態差異等因素,女性氣道反應性強于男性,導致女性更易感[28]。

本研究存在一定局限性。首先,用固定監測點的空氣污染物濃度代替個體暴露水平,存在一定的暴露測量誤差;其次,由于缺乏室內空氣污染物監測的相關數據,所以未考慮室內空氣污染對人群健康的影響。下一步研究中,應考慮室內污染物情況并對暴露水平進行校正,結合個體暴露研究進展,進一步深入探討PM2.5對人群非意外死亡的影響。

綜上,本研究對2014—2018年重慶市五城區非意外死亡及環境數據進行分析,提示PM2.5濃度升高可導致居民非意外死亡風險增加,對女性的影響更為明顯。建議相關部門繼續加強大氣污染治理工作,制定健康干預策略,重點保護高危人群,降低大氣PM2.5對居民健康的影響,提高居民生活質量。

表1

2014—2018年重慶市五城區居民非意外死亡、大氣污染物和氣象因素一般情況

Table 1

The distribution of daily non-accidental deaths, air pollutants, and meteorological factors in five urban districts of Chongqing from 2014 to 2018

圖 1

2014—2018年重慶市五城區PM2.5濃度(A)與非意外死亡(B)時間序列圖

Figure 1

Time-series of daily PM2.5 concentration (A) and non-accidental deaths (B) in five urban districts of Chongqing from 2014 to 2018

表2

2014—2018年重慶市五城區居民非意外死亡數、大氣污染物濃度和氣象因素相關性分析(r

Table 2

Correlation analysis of daily non-accidental death, air pollutants, and meteorological factors in five urban districts of Chongqing from 2014 to 2018 (r)

圖 2

單污染模型中PM2.5每升高10 μg·m-3時不同人群非意外死亡的ER

Figure 2

ERs of non-accidental deaths by gender groups for a 10μg·m-3 increase of PM2.5 in single-pollutant models

表3

多污染模型中PM2.5濃度每升高10 μg·m-3時不同人群非意外死亡的ER

Table 3

ERs of non-accidental deaths by gender groups for a 10 μg·m-3 increase of PM2.5 in multi-pollutant models ?單位(Unit): %

參考文獻

[1]

COHEN A J, BRAUER M, BURNETT R, et al. Estimates and 25-year trends of the global burden of disease attributable to ambient air pollution:an analysis of data from the Global Burden of Diseases Study 2015[J]. Lancet, 2017, 389(10082):1907-1918.

DOI: 10.1016/S0140-6736(17)30505-6
[2]

TALBOTT E O, RAGER J R, BENSON S, et al. A case-crossover analysis of the impact of PM2.5 on cardiovascular disease hospitalizations for selected CDC tracking states[J]. Environ Res, 2014, 134:455-465.

DOI: 10.1016/j.envres.2014.06.018
[3]

LU F, XU D, CHENG Y, et al. Systematic review and metaanalysis of the adverse health effects of ambient PM2.5 and PM10 pollution in the Chinese population[J]. Environ Res, 2015, 136:196-204.

DOI: 10.1016/j.envres.2014.06.029
[4]

Institute of Health and Metrics (IHME). GBD 2017, ambient particulate matter pollution, both sexes, all ages, 2017, deaths[EB/OL].[2020-03-04]. https://vizhub.healthdata.org/gbd-compare/.

[5]

李林, 周啟星.不同粒徑大氣顆粒物與死亡終點關系的流行病學研究回顧[J].環境與職業醫學, 2015, 32(2):168-174, 180.

[6]

夏鐘, 王欣童, 郁莎燕, 等.應用Meta分析研究中國不同區域PM2.5污染與人群非意外總死亡率的關系[J].環境污染與防治, 2019, 41(8):891-895.

[7]

CHEN R, YIN P, MENG X, et al. Fine particulate air pollution and daily mortality. A nationwide analysis in 272 Chinese cities[J]. Am J Respir Crit Care Med, 2017, 196(1):73-81.

DOI: 10.1164/rccm.201609-1862OC
[8]

中華人民共和國生態環境部. 2017年中國生態環境狀況公報[EB/OL].[2020-03-04]. http://www.mee.gov.cn/hjzl/sthjzk/zghjzkgb/201805/P020180531534645032372.pdf.

[9]

重慶市統計局.重慶統計年鑒2019[EB/OL].[2020-06-21]. http://tjj.cq.gov.cn/tjnj/2019/indexch.htm.

[10]

劉永林, 孫啟民, 鐘明洋, 等.重慶市主城區PM2.5時空分布特征[J].環境科學, 2016, 37(4):1219-1229.

[11]

樊琳, 顧清, 曾強.廣義相加模型在大氣污染流行病學研究中的應用進展[J].環境與職業醫學, 2019, 36(7):676-681.

[12]

曾婕, 陳劍宇, 周亮, 等.成都市大氣PM2.5相關的老年人超額死亡風險評估[J].江蘇預防醫學, 2019, 30(2):147-149, 162.

[13]

石同幸, 董航, 楊軼戩, 等.廣州市中心城區冬季大氣PM2.5污染狀況與居民每日死亡的關系[J].環境與健康雜志, 2015, 32(6):477-481.

[14]

陳浪, 趙川, 關茗洋, 等.石家莊市大氣顆粒污染物濃度與居民死亡率的時間序列分析[J].中華疾病控制雜志, 2018, 22(3):272-277.

[15]

WU R, ZHONG L, HUANG X, et al. Temporal variations in ambient particulate matter reduction associated short-term mortality risks in Guangzhou, China:a time-series analysis (2006-2016)[J]. Sci Total Environ, 2018, 645:491-498.

DOI: 10.1016/j.scitotenv.2018.07.091
[16]

LI T, YAN M, SUN Q, et al. Mortality risks from a spectrum of causes associated with wide-ranging exposure to fine particulate matter:a case-crossover study in Beijing, China[J]. Environ Int, 2018, 111:52-59.

DOI: 10.1016/j.envint.2017.10.023
[17]

FANG X, FANG B, WANG C, et al. Relationship between fine particulate matter, weather condition and daily nonaccidental mortality in Shanghai, China:a Bayesian approach[J]. PLoS One, 2017, 12(11):e0187933.

DOI: 10.1371/journal.pone.0187933
[18]

中華人民共和國生態環境部. 2014-2018年中國生態環境狀況公報[EB/OL].[2020-03-04]. http://www.mee.gov.cn/hjzl/.

[19]

余家燕, 王軍, 許麗萍, 等.重慶城區PM2.5化學組分特征及季節變化[J].環境工程學報, 2017, 11(12):6372-6378.

DOI: 10.12030/j.cjee.201703096
[20]

焦姣, 姬亞芹, 白志鵬, 等.重慶市顆粒物PM10/PM2.5中元素污染特征和來源[J].南開大學學報(自然科學版), 2013, 46(6):8-13, 19.

[21]

LI P, XIN J, WANG Y, et al. Association between particulate matter and its chemical constituents of urban air pollution and daily mortality or morbidity in Beijing City[J]. Environ Sci Pollut Res, 2015, 22(1):358-368.

DOI: 10.1007/s11356-014-3301-1
[22]

LEI R, ZHU F, CHENG H, et al. Short-term effect of PM2.5/O3 on non-accidental and respiratory deaths in highly polluted area of China[J]. Atmos Pollut Res, 2019, 10(5):1412-1419.

DOI: 10.1016/j.apr.2019.03.013
[23]

YANG C, PENG X, HUANG W, et al. A time-stratified casecrossover study of fine particulate matter air pollution and mortality in Guangzhou, China[J]. Int Arch Occup Environ Health, 2012, 85(5):579-585.

DOI: 10.1007/s00420-011-0707-7
[24]

LIN H, LIU T, XIAO J. Mortality burden of ambient fine particulate air pollution in six Chinese cities:results from the Pearl River Delta study[J]. Environ Int, 2016, 96:91-97.

DOI: 10.1016/j.envint.2016.09.007
[25]

陳仁杰.復合型大氣污染對我國17城市居民健康效應研究[D].上海: 復旦大學, 2013.

http://d.wanfangdata.com.cn/thesis/Y2702417

[26]

沈卓之, 丁賢彬, 毛德強, 等.重慶市2014年成年人吸煙、戒煙行為及認知現狀調查[J].中華流行病學雜志, 2015, 36(11):1236-1243.

DOI: 10.3760/cma.j.issn.0254-6450.2015.11.011
[27]

POPE III C A, BURNETT R T, TURNER M C, et al. Lung cancer and cardiovascular disease mortality associated with ambient air pollution and cigarette smoke:shape of the exposure-response relationships[J]. Environ Health Persp, 2011, 119(11):1616-1621.

DOI: 10.1289/ehp.1103639
[28]

CLOUGHERTY J E. A growing role for gender analysis in air pollution epidemiology[J]. Environ Health Persp, 2010, 118(2):167-176.

DOI: 10.1289/ehp.0900994
上一張 下一張
上一張 下一張

[基金項目] 重慶市科衛聯合醫學科研重點項目(2018ZDXM006)

[作者簡介]

[收稿日期] 2020-03-16

【點擊復制中文】
【點擊復制英文】
計量
  • PDF下載量 (77)
  • 文章訪問量 (224)
  • XML下載量 (2)
  • 被引次數 (0)

目錄

2014—2018年重慶市主要城區大氣PM2.5水平與居民非意外死亡的關系

導出文件

格式

內容

導出 關閉
《環境與職業醫學》雜志官方網站 今天安徽快三推荐号码 新手玩股票怎么开户 体育彩票幸运赛车 大学生赚钱小项目 理财收益 青海体彩11选5走势图 全年公式规律尾数 福建22选5浙江风采 上证指数怎么算出来的 快乐双彩走势图 今天安徽快三推荐号码 新手玩股票怎么开户 体育彩票幸运赛车 大学生赚钱小项目 理财收益 青海体彩11选5走势图 全年公式规律尾数 福建22选5浙江风采 上证指数怎么算出来的 快乐双彩走势图