О некоторых подходах к вычислению рисков температурных волн для здоровья

Файл статьи: 
УДК: 
613.1: 616 02
Авторы: 

Д.А. Шапошников, Б.А. Ревич

Организация: 

Институт народнохозяйственного прогнозирования РАН, 117418, г. Москва, Нахимовский проспект, 47

Аннотация: 

Рассматриваются методы оценки влияния факторов окружающей среды на здоровье населения, которые за по-следние несколько лет стали общепринятыми в мировой практике. Основное внимание уделено современным подходам к вычислению рисков дополнительной смертности больших групп населения во время волн холода и жары. Обсужда-ются основные этапы прямого эпидемиологического исследования: определения температурных волн; формулировка статистических гипотез; спецификация моделей; чувствительность статистических критериев и статистическая достоверность полученных результатов. По результатам многолетних исследований авторов в различных городах России построены логистические кривые вероятности получения значимых результатов оценки риска на малых выборках. В качестве температурных порогов для идентификации температурных волн рекомендуется использовать процентили многолетних распределений среднесуточных температур воздуха, поскольку такие пороги соответствуют представлению об экстремальных (для данной местности) температурах и дают сопоставимые результаты по ожидаемому количеству волн в различных климатических зонах. Показано, что Пуассоновская обобщенная линейная модель ежедневной смертности является наиболее распространенным методом вычисления рисков, обусловленных неблагоприятными факторами окружающей среды. В регрессионной модели рекомендуется учитывать явную зависи-мость смертности от времени и загрязнения воздуха. Учет метеорологических условий, влияющих на тепловой баланс (влажность воздуха и скорость ветра) достигается либо включением их в модель в явном виде, либо использованием биоклиматических индексов; исследования в этом направлении продолжаются. При вычислении рисков необходимо учитывать временные лаги между волнами экстремальных температур и откликом смертности. Выявлено, что ми-нимальная численность населения типичного города, для которого еще возможно получить статистически значимые оценки риска ансамблей волн жары, приближается к 200 тыс. чел.

Ключевые слова: 
смертность населения, температурные волны, анализ временных рядов, оценка риска, распределение Пуассона, обобщенная линейная модель, смешивающие факторы
Шапошников Д.А., Ревич Б.А. О некоторых подходах к вычислению рисков температурных волн для здоровья // Анализ риска здоровью. – 2018. – № 1. – С. 22–31. DOI: 10.21668/health.risk/2018.1.03
Список литературы: 
  1. Второй оценочный доклад Росгидромета об изменениях климата и их последствиях на территории Российской Федерации. Раздел 1. Наблюдаемые изменения климата. – М.: Федеральная служба по гидрометеорологии и мониторингу окружающей среды, 2014. – С. 18–235.
  2. Клещенко Л.К. Волны тепла и холода на территории России // Анализ изменений климата и их последствий: сборник трудов Всероссийского научно-исследовательского института гидрометеорологической информации – Мирового центра данных / под ред. В.Н. Разуваева, Б.Г. Шерстюкова. – 2010. – № 175. – С. 76–91.
  3. Guidelines on the definition and monitoring of extreme weather and climate events: Draft version – first review by TT-Dewce desember 2015 [Электронный ресурс] // World Meteorological Organization. – 2016. – 62 p. [Электронный ресурс]. – URL: https://www.wmo.int/pages/prog/wcp/ccl/opace/opace2/documents/Draftversi... (дата обращения: 12.10.2017).
  4. Radinovic D., Curic M. Criteria for heat and cold wave duration // Theor. Appl. Climatol. – 2012. – Vol. 97, № 3–4. – P. 505–510.
  5. Ревич Б.А., Шапошников Д.А. Особенности воздействия волн жары и холода на смертность в городах с резко-континентальным климатом // Сибирское медицинское обозрение. – 2017. – № 2. – С. 84–90.
  6. Ревич Б.А., Шапошников Д.А. Волны холода в южных городах европейской части России и преждевременная смертность населения // Проблемы прогнозирования. – 2016. – № 2. – C. 125–131.
  7. Волны жары в южных городах европейской части России как фактор риска преждевременной смертности населения / Б.А. Ревич, Д.А. Шапошников, М.А. Подольная, Т.Л. Харькова, Е.А. Кваша // Проблемы прогнозирования. – 2015. – № 2. – С. 56–67.
  8. Shaposhnikov D., Revich B. Towards meta-analysis of impacts of heat and cold waves on mortality in Russian North // Urban. Climate. – 2016. – Vol. 15. – P. 16–24. DOI: 10.1016/j.uclim.2015.11.007
  9. Anderson G.B., Bell M.L., Peng R.D. Methods to calculate the heat index as an exposure metric in environmental health research // Environ. Health Perspect. – 2013. – Vol. 121, № 10. – P. 1111–1119. DOI: 10.1289/ehp.1206273
  10. Report on Wind Chill Temperature and Extreme Heat Indices: Evaluation and Improvement Projects [Электронный ресурс]. – Washington, DC: Federal Coordinator for Meteorological Services and Supporting Research, 2003. – URL: http://solberg.snr.missouri.edu/gcc/OFCMWindchillReport.pdf (дата обращения: 08.09.2017).
  11. Рябенко Е.A. Прикладной статистический анализ данных. Обобщения линейной регрессии [Электронный ресурс]. – 2016. – URL: http://www.machinelearning.ru/wiki/images/a/a6/Psad_otherreg.pdf (дата обращения 13.06.2017).
  12. Richiardi L., Bellocco R., Zugna D. Mediation analysis in epidemiology: methods, interpretation and bias // Int. J. Epidemiol. – 2013. – Vol. 42, № 5. – P. 1511–1519. DOI: 10.1093/ije/dyt127
  13. Gasparrini A., Armstrong B. The impact of heat waves on mortality // Epidemiology. – 2011. – Vol. 22, № 1. – P. 68–73. DOI: 10.1097/EDE.0b013e3181fdcd99
  14. Mortality Related to Air Pollution with the Moscow Heat Wave and Wildfire of 2010 [Электронный ресурс] / D. Shaposhnikov, B. Revich, T. Bellander [et al.] // Epidemiology. – 2014. – Vol. 25, № 3. – P. 359–364. – URL: https: //www.ncbi.nlm.nih.gov/pubmed/24598414 (дата обращения: 08.09.2017).
  15. Gasparrini A. Distributed lag linear and non-linear models in R: the package dlnm // Journal of Statistical Software. – 2011. – Vol. 43, № 8. – P. 1–20. DOI: 10.18637/jss.v043.i08
  16. Schwartz J. The distributed lag between air pollution and daily deaths // Epidemiology. – 2000. – Vol. 11. – P. 320–326.
  17. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. 2016 [Электронный ресурс] // R. Core. Team. – 2017. – URL: http://www.R-project.org/ (дата обращения: 18.12.2017).
  18. Does Temperature Modify the Association between Air Pollution and Mortality? A Multicity CaseCrossover Analysis in Italy / M. Stafoggia, J. Schwartz, F. Forastiere, C.A. Perucci, and the SISTI Group // Am. J. Epidemiol. – 2008. – Vol. 167, № 12. – P. 1476–1485. DOI: 10.1093/aje/kwn074
  19. Pope C.A. 3-rd, Hill R.W., Villegas G.M. Particulate air pollution and daily mortality on Utah’s Wasatch Front // Environ Health Perspect. – 1999. – Vol. 107, № 7. – P. 567–573.
Получена: 
07.03.2018
Принята: 
15.03.2018
Опубликована: 
30.03.2018

Вы здесь