医生也有60W定律?成功的医生有哪些共性?你和同事的差距是什么时候开始拉开的?
关注“科研职场说”，每天分享医生职场生存技能！
现在关注，还能限时免费领取
医学科研路径
资源哦！
在《Environmental Research: Health》期刊发表的这篇文章中，来自波士顿大学的科研团队探讨了加利福尼亚州因野火烟雾（WFS）中细颗粒物（PM2.5）污染导致的急诊科（ED）就诊情况，并研究了不同个体和社区特征对风险的影响。研究利用2012年至2019年间的全国医疗数据，分析了WFS PM2.5对急诊就诊的健康影响，尤其是在不同年龄、种族、社会脆弱性和住宅空调普及率的亚群体中。结果显示，WFS PM2.5与所有原因、非意外原因和呼吸系统疾病的急诊就诊风险增加相关，但与心血管疾病无显著关联。研究还发现，空调普及率较低的地区与更高的健康风险相关，尤其是在呼吸系统疾病方面。这些结果表明，WFS PM2.5对急诊就诊率的影响在某些亚群体中存在重要的异质性，提示需要进一步研究和政策干预以保护易感人群。
随着气候变化的加剧，美国的野火活动在过去几十年中显著增加，尤其是在加利福尼亚州。野火季节的延长与气温升高、干旱加剧以及降水和风向模式的变化密切相关。这些变化不仅直接对人类健康构成威胁，还通过野火烟雾（WFS）暴露增加了健康风险。WFS中含有的细颗粒物（PM2.5）和其他有害化学物质可能对人体生理系统产生更大的毒性。随着野火规模和强度的增加，越来越多的人口将暴露于高浓度的WFS PM2.5，这种情况在2023年夏季美国东北部的野火事件中尤为明显。因此，继续研究WFS暴露的健康风险并寻找有效的风险降低策略显得尤为重要。
WFS暴露已被证明与多种不良健康影响有关，尤其是呼吸系统疾病，如哮喘、慢性阻塞性肺病（COPD）和支气管炎。然而，关于WFS对心血管风险的影响，研究结果尚不一致。有些研究发现其与中风和缺血性心脏病等风险增加有关，而另一些研究则未能发现这种关联。此外，WFS对不同人群和社区的健康影响差异仍未得到充分探索，特别是空调（AC）使用的差异对WFS暴露影响的调节作用。AC的可用性通常与较高的社会经济地位相关，可能反映出在应对环境风险方面资源获取的不平等。了解这些关系有助于制定有针对性的干预措施和政策，以保护易感人群免受WFS的健康影响，同时解决潜在的暴露和适应能力差异。
研究发现，野火PM2.5与所有原因、非意外原因和呼吸系统疾病的急诊就诊风险增加有关，但与心血管疾病的急诊就诊风险无关。具体而言，野火PM2.5与呼吸系统疾病的急诊就诊风险增加15.17%，与非意外原因的急诊就诊风险增加2.93%。研究还发现，年龄、种族和住宅空调（AC）普及率在不同人群中的风险差异显著，尤其是空调普及率较低的地区，健康风险更高。此外，儿童（尤其是0-4岁）和20岁以上的成年人在所有原因和非意外原因的急诊就诊中表现出更高的相对风险。种族方面，黑人群体在所有原因和非意外原因的急诊就诊中表现出最高的相对风险。空调普及率较低的地区，尤其是呼吸系统疾病的急诊就诊风险显著增加。社会脆弱性指数（SVI）与急诊就诊风险之间没有明显的模式，但在某些地区，如中央海岸和中央山谷，非意外原因和呼吸系统疾病的急诊就诊风险较高。研究强调了空调普及率对野火PM2.5相关健康风险的潜在调节作用，并建议进一步研究以验证这些关系。
1. 公共卫生应对策略：研究强调了需要为高风险人群（如儿童、老年人和某些种族）制定针对性的公共卫生策略，以减少他们在野火期间的健康风险。
2. 空调普及的影响：空调的使用可能是减轻野火烟雾相关健康风险的有效手段。公共卫生政策可以考虑通过增加空调的普及率或提供空调设备的补助，来提高社区抵御野火烟雾影响的能力。
3. 健康系统准备：医疗系统需要准备好应对野火季节可能增加的急诊需求，特别是在呼吸系统疾病方面。
总的来说，这项研究为理解野火烟雾对人群健康的影响提供了重要的证据，尤其是在识别高风险人群和潜在干预措施方面，具有显著的临床意义和公共卫生价值。
1. 数据收集与来源：研究利用了加州2012年至2019年间的急诊科（ED）就诊记录。这些记录来自加州卫生保健访问和信息部门，包含患者的基本信息和诊断代码。环境预测变量为Zip代码区域（ZCTA）级别的每日WFS PM2.5浓度，数据由Childs等人通过机器学习方法建模得出。
2. 研究设计：采用时间分层病例交叉设计和分布滞后非线性模型来估计WFS PM2.5与急诊科就诊相对风险之间的关联。将病例天与参照天匹配，以控制季节性混杂因素。
3. 变量与指标：主要健康结果是急诊科就诊的变化率，按原因、年龄、性别和种族进行汇总。研究还分析了空调（AC）普及率、社会脆弱性和气候区域等社区特征如何影响WFS PM2.5与健康结果之间的关系。
4. 统计分析：使用条件泊松回归模型和自然立方B样条来处理PM2.5暴露响应关系和滞后响应函数。模型调整包括温度、相对湿度和美国假期等潜在混杂因素。5. 敏感性分析：检查了包括线性与非线性暴露项、气象变量在内的模型配置对结果的稳健性。
数据解读
图1：2012年至2019年5月至11月加利福尼亚州季节性野火特定PM2.5、急诊就诊率、空调普及率和社会脆弱性指数的分布
图1通过分析2012年至2019年5月至11月加利福尼亚州的野火特定PM2.5、急诊就诊率、空调普及率和社会脆弱性指数的空间分布，研究揭示了这些因素在地理上的差异性及其可能的公共健康影响。
A. 为了展示加利福尼亚州在野火季节（5月至11月）特定PM2.5的空间分布，作者按邮政编码区域（ZCTA）绘制了每日平均浓度图。结果显示，PM2.5浓度最高的区域位于该州的中部和北部。
B. 为了分析加利福尼亚州野火季节每千人急诊就诊的年度发生率，作者按ZCTA绘制了分布图。结果表明，全州范围内急诊就诊率存在差异。
C. 为了展示加利福尼亚州空调普及率的分布，作者按ZCTA绘制了空调普及率图。结果显示，沿海地区的空调普及率最低。
D. 为了展示加利福尼亚州ZCTA级别的社会脆弱性指数分布，作者绘制了分布图。结果表明，该州中部地区的社会脆弱性指数最高。
图2：季节性野火特定PM2.5暴露对加州2012-2019年急诊就诊的影响
图2表明，季节性野火特定PM2.5的暴露与加州急诊就诊的增加之间存在显著的关联，且这种关联在高暴露水平下更为明显。
A. 为了评估野火特定PM2.5暴露与急诊就诊之间的关系，作者比较了滞后0-7天的95百分位暴露与无暴露情况下的急诊就诊风险比，并提供了95%置信区间。结果显示，野火特定PM2.5的暴露与急诊就诊之间存在显著关联。
B. 为了进一步探讨野火特定PM2.5暴露与急诊就诊之间的关系，作者绘制了暴露-反应曲线，并在图中用橙色标示了95百分位的暴露水平。结果表明，随着PM2.5暴露水平的增加，急诊就诊的风险也随之增加。
图3：2012-2019年，加州特定人群亚组因野火特定PM2.5暴露对急诊就诊的影响
图3研究了在加州，野火特定的PM2.5暴露对不同人群亚组急诊就诊的影响，分析了不同年龄、种族、空调普及率、社会脆弱性得分及加州气候区域的风险比及95%置信区间。
A. 通过分析不同年龄组在野火特定PM2.5暴露下的急诊就诊风险比，结果显示，95百分位数的野火特定PM2.5暴露与无暴露相比，不同年龄组的急诊就诊风险比存在差异。
B. 通过分析不同种族组在野火特定PM2.5暴露下的急诊就诊风险比，结果显示，95百分位数的野火特定PM2.5暴露与无暴露相比，不同种族组的急诊就诊风险比存在差异。
