大量流行病学证据表明，空气污染对人口健康的影响很大（Brunekreef和Holgate，2002年）。据世界卫生组织（WHO）估计，全球每年空气污染的影响约为700万人过早死亡，其中300万人是由于室外空气污染（WHO，2014年），而《柳叶刀》污染与健康委员会（Landrigan等人，2018年）将这一数字加在一起。有很好的证据表明，暴露在高污染空气中的人患缺血性心脏病（IHD）和中风等非传染性疾病的风险更高。在英国，据估计，空气污染导致约4万人过早死亡（皇家内科学院，2016年）。由于城市环境中空气污染物的暴露量普遍较高，近几十年来快速城市化的趋势往往会增加全球的负担（联合国，2018年）。空气污染也常常导致健康方面的社会经济不平等（O'Neill等人，2003年）。在英国等发达国家，社会内部的不平等会加剧健康状况不佳（Marmot，2017年）。可持续发展目标指标7.1.2（家庭获得清洁能源）、11.6.2（城市空气质量）和3.9.1（空气污染相关死亡率）反映了减少空气污染暴露的重要性。

 

经验科学证据对于评估可能有助于实现这些可持续发展目标的潜在政策干预是必要的。许多影响量化方法基于生命表方法（如（Miller and Hurley，2003）），或生命表和独立的直接发病率影响估计的组合，如Hamilton等人所用。（2015）评估英国家庭节能改造对健康的影响。这些病死率和病死率的人口学模型大多未与病死率进行详细的人群划分或整合。

 

微模拟方法已成为越来越流行的健康影响评估的建模工具（Rutter等人，2011年；Schofield等人，2018年）。它们允许通过情景建模对公共卫生政策进行评估（Zucchelli等人，2012年），并可用于可能缺少某些数据的高空间分辨率（Ballas等人，2006年；Smith等人，2011年）。包括多种疾病的微观模拟，也允许建立多种疾病的微观模型。这一点得到了（莱默等人，2016年）的证实，他们研究了澳大利亚成年人肥胖导致的糖尿病和心血管疾病（CVD）的共病性。先前的研究也评估了肥胖对心血管疾病和癌症等非传染性疾病（NCD）的负担（Webber等人，2014年），在另一项应用中，评估了剥夺对心血管疾病筛查方法的影响（Kypridemos等人，2016年）。

 

在这项工作中，我们试图开发一种灵活的建模方法（microv），能够检查各种环境影响对人群健康的影响。该模型的目的是能够以高空间分辨率综合多种暴露形式的发病率和死亡率的证据，以便评估不同环境条件变化对健康的影响。本文的目的是描述这个基于微观模拟的模型的发展，并展示它在研究英国伦敦地区人群暴露于背景PM2.5的变化，以及与缺血性心脏病（IHD）相关的发病率和死亡率（包括健康不平等）的应用。然后，我们考虑这种评估政策干预措施的建模方法的优缺点，将该模型与其他模型进行比较，并描述如何使用这些方法来调查旨在实现可持续发展目标的政策的有效性。

 

2方法

我们的微观模拟模型模拟了局部地区的个人，目前包括暴露于颗粒空气污染和社会人口状况以及人口老龄化。在这篇论文中，我们展示了它在伦敦的应用，尽管模型也被构造和参数化以评估法国雷恩人口的健康影响。模型的总体结构如图1所示，数据源如表1所示。补充数据（附录B和C）提供了模型中使用的输入数据源的进一步详细信息。

 

第一步是为被调查地区生成人口。在这里，大伦敦的初始人口是根据2011年人口普查数据（国家统计局，2018a）的更新（2015年）版本为每个低层超级产出（LSOA）水平定义的。LSOA是一个地理单位，平均人口约1500人，其中大伦敦有4835人。LSOA中的每个个体都是生成的，复制其确切的年龄和性别结构。因此，整个大伦敦大约产生850万人。为了将发病率以缺血性心脏病（IHD）患病率的形式纳入模型中，我们指定了一个三状态转换模型，其中个体可能处于以下状态之一：

 

H1。：无诊断为缺血性心脏病（IHD）

 

氢气。：被诊断为IHD（流行性IHD）

 

H3。：因故死亡。

 

在模拟的第零年，使用英国2016年5岁年龄段的患病率数据作为基线（最新可用数据，来自全球疾病负担（GBD）结果工具（卫生计量与评估研究所，2019年）得出的缺血性心脏病。这也是我们模型中使用的年龄和性别特异性IHD发病率和死亡率的来源。构建GBD结果工具所采用的方法在其他地方进行了记录（GBD 2017疾病和伤害发病率和流行率合作者，2018年）。简单地说，GBD使用DISMOD-MR 2.1，一种贝叶斯元回归工具，结合常规临床数据来估计不同国家的发病率、患病率和死亡率。补充数据（附录B）提供了模型中使用的健康数据的更多细节，包括GBD结果工具输出与英国健康调查数据的比较。

 

 

 

图1。微模拟模型的模式。

 

通过进行连续的伯努利试验（随机试验有两种可能的结果），模拟人群中每个成员的健康状况逐年更新。对于处于非疾病状态（H1）的个体，最初的伯努利试验确定他/她是否患有疾病。随后，进行第二次伯努利试验，以确定个体是否死亡（移到H3状态）。对于已经处于患病状态的个人，只需要进行第二次试验。请注意，我们假设一旦确诊为IHD，一个人在死亡前仍处于曾经诊断过的IHD状态（H2），因此完全恢复到未诊断IHD状态的概率为零，即使有些IHD患者在治疗后可能变得完全无症状。计算健康状态的概率，如图1所示。这些是：

 

•健康状态下的发病概率，P（I | H1），

 

•除非IHD原因外，健康状态下的死亡率概率，PðMgjH1Þ，IHD公司

 

•疾病状态下的死亡率，P（M | H2）。

 

2.1条。发生概率

表1

 

微观模拟模型中使用的数据源和相关风险。

 

 

 

人口

 

2015

 

按年龄、性别和LSOA分列的人口[1]

 

国家统计局（2018a）

 

社会经济贫困

 

2015

 

每个LSOA的多重剥夺指数（IMD）的十分位数

 

DCLG（2015）

 

空气污染

 

2014

 

1×1km网格PM2.5年平均值（映射到LSOA）

 

里卡多能源与环境（2017）

 

一般生育率

 

2015

 

地方当局每1000名15至44岁女性的活产数量。应用于

 

每年特定于LSOA的女性人口

 

国家统计局（2018b）

 

死亡率（全因）

 

2016

 

按年龄和性别划分的时期预测（英国）

 

国家统计局（2017）

 

IHD死亡率、发病率和患病率

 

2016

 

按性别和5岁年龄段划分（英国）

 

GBD结果工具（卫生计量和评估研究所，2019年）

 

微型汽车使用的相对风险

 

相对风险

 

使用的系数

 

参考文献

 

IHD发病率

 

每10μg/m3（PM2.5）1.08

 

威尔金森等人。（2018年）

 

IHD病死率

 

每10μg/m3（PM2.5）1.21

 

威尔金森等人。（2018年）

 

全因死亡率

 

每10μg/m3（PM2.5）1.06

 

1.7剥夺最多和最少的十分位（男性）

 

1.5最大和最小剥夺十分位（女性）

 

教皇三世等人。（2002年）

 

国家统计局（2015）

 

国家统计局（2015）

 

 

 

新诊断IHD的健康转变概率P（I | H1）是由GBD结果工具得出的年龄和性别特定发病率确定的，在英国总人口中每100000人报告一次。然后，可以转换GBD输出，以给出总人口的发病概率（即，在分母中包括有和没有诊断出的IHD），P（i）。应用Bayes定理（详见补充资料附录A）可用于计算

 

未确诊者P（I | H1），as：

 

P IðjH1Þ¼ðjÞÞðÞP H1

 

ðÞ1

 

P I P IðjH1Þ¼ð-ðÞÞÞÞ1P H2

 

ðÞ2

 

P H1 I P I

2.2条。死亡率

在没有IHD的情况下，只有在不使用IHD的关键原因的假设下，才可以诊断出（IHD）的非主要原因。在这个模型的后期版本中，我们将改变这一假设，以反映那些没有被识别的IHD患者的心脏性猝死的发生。

 

从健康状态到死亡（所有非IHD原因）的转移概率PðMgjH1Þ，再次通过调用条件概率来计算：IHD公司

 

下午1点1分

P M IHDfjH1¼P高密度光纤1ÞIHDfð3Þ

 

P M IHDfjH1¼P M IHDfð4Þ

在这里，PðMgÞ是指除IHD公司

 

通过从全因死亡率（全因IHD PðMgÞ¼PðIHD公司

 

MÞ−PðMÞ），由国家统计局（ONS）发布（国家统计局，2017年）。在应用第2.4节和第2.5节所述的相对风险后进行此减法，从而避免了死亡率乘数的重复计算。假设疾病流行率和其他原因死亡率被视为独立事件，PðH1jMgÞ¼PðH1Þ和PðH2jMgÞ¼PðH2Þ：这意味着基线其他原因死亡率对于有病和无病的患者是相同的。−IHD公司IHD公司

 

从疾病状态到死亡的转移概率是条件IHD死亡率和其他原因死亡率的总和：

 

P MðjH2Þ¼P MðIHDjH2ÞþP M IHDfjH2ð5Þ

 

P MðjH2Þ¼P Hð2jMP HIHDð2ÞP MÞðIHDÞP H 2jMP HIHDfð2P MÞIHDfð6Þ

P MðjH2Þ¼P MððÞÞP M IHDfð7ÞP HIHD公司2

 

以上是根据与上述相同的推理得出的，PðH2jMgIHD公司

 

二分之一磅

Þ¼PðH2Þ；这意味着：假设ðgÞÞ¼1和IHD死亡率P氢气IHD公司

 

只有在流行状态下才有可能：P（H2 | MIHD）=1。

 

最后，通过从单位中减去转移概率，计算出给定年份内保持相同健康状态的概率。例如，非偶发疾病的概率由以下公式给出：Pð~IjH1Þ¼1−PðIjH1Þ。该模型允许预测潜在死亡率的变化；但是，使用了一个简化的假设，即保持基准年（2016年）的死亡率不变。一旦一个人死了，他们将从随后的计算中删除。

 

2.3条。出生和迁移

根据当地政府提供的2015年英国国家统计局（ONS，2018b）公布的2015年英国国家统计局一般生育率（GFR——每1000名15-44岁女性的活产率）将新生儿加入模拟人口中（国家统计局，2018b）。GFRs适用于每个模拟年结束时特定于LSOA的15-44岁女性人口的规模。补充数据附录C中提供了更多详细信息。在目前的实施中，每年（包括城市内部和进出城市）的人口迁移都假定为零。这一简化假设的部分原因是每年必须根据非常大的LSOA到LSOA迁移概率矩阵更新LSOA数据的复杂性和不确定性。对于短期评估而言，这是一个合理的假设，但对于长期分析而言，这种假设越来越不安全。

 

2.4条。社会经济贫困

通过将死亡率乘以英国国家统计局（ONS，2015）发布的英格兰和威尔士分析得出的相对风险，考虑了贫困的影响（补充数据附录C中提供了地图）。这些数据表明多重剥夺指数（IMD）的十分位数与死亡率风险之间存在广泛的线性关系，其中十分位1是最贫困的（代表人口中最贫困的10%）。在男性中，IMD最贫困的十分之一的死亡风险是最贫困十分之一的男性的1.7倍；女性的相应数字是1.5。因此，为了调整IMD十分位的LSOA的总体平均风险（平均IMD十分位为5.5），j（j=1，2，…10），我们应用了一个相对风险，如下所示：

 

RR deprð；男性Þ¼1:7=9ð8Þð5：5个−j型Þ

 

RR deprð；女性Þ¼1:5=9ð9Þð5：5个−j型Þ

剥夺的相对风险也适用于IHD死亡率，尽管由于缺乏经验证据而不适用于IHD发病率。

 

2.5条。空气污染

2018年发表的关于空气污染对空气污染影响的关键文献综述。我们假设，空气污染对诊断IHD的转移概率P（I | H1）的影响，可以用与PM2.5浓度（我们称之为RR（发病率））相关的疾病发病风险的流行病学研究来表示。在诊断为IHD的人群中，死亡（任何原因）的相对风险P（M | H2）是基于对报告了空气污染对人们在诊断为IHD事件（RR（病死率））后的生存率（“病死率”）影响的研究的回顾。对于当前的分析，我们假设这些相对风险为1.08和1.21/10

 

PM2.5分别增加μg/m3。

 

空气污染对各种原因死亡总风险的影响的相对风险来自已公布的证据，假设PM2.5增加10μg/m3为1.06（Pope III等人，2002年）。在未考虑死亡风险的情况下，考虑了IHD对死亡的影响。

 

用于计算特定区域相对风险的PM2.5浓度基于2014年1×1km网格模拟背景空气污染浓度（DEFRA，2015），采用ADMS污染扩散模型。其他地方报告了更多详细信息（Ricardo Energy and Environment，2017年），并在补充数据附录C中绘制了年度平均空气污染图。绘制了模型网格值，以提供每个LSOA的平均暴露量。使用x（基本情况和替代方案）与英国人口加权平均浓度（μ）之间的差值，将LSOA水平下的年平均污染物浓度x输入到相对风险计算中。相对风险适用于所有需要估计影响的状态转换。例如，对于疾病发生率，PM2.5暴露的相对风险计算如下：

 

RR发病率ðÞ¼RR PMð2:5；发病率Þð=10ð10Þ十−μÞ

表1提供了模型中使用的所有相关风险的详细信息。

 

2.5.1条。模拟场景

为了说明如何使用该模型来估算改变PM2.5浓度的潜在干预措施的效果，已运行了四种模拟情景，一种是将浓度保持在基线水平（2014年），三种是改变水平，反映理论干预：

 

A） 世卫组织：遵守世界卫生组织指南（世卫组织，2005年）（即环境室外PM2.5年平均值不超过10μg/m3–仅影响PM2.5 N 10μg/m3的LSOA）

 

B） NECD（国家排放上限指令）：英国根据欧盟指令2016/2284/EU减少排放量，导致大伦敦的基线浓度降低3.6μg/m3（GLA，2017年）

 

C） 无蚁：完全清除人为来源的PM2.5。

 

假设这些干预措施会导致受影响LSOA内PM2.5水平在模拟初始化（零年）时瞬时降低。在整个模拟过程中，PM2.5水平随时间保持不变。然后，使用三种情景模型运行的结果与基本情景情景下的结果相比较，估算了每种情景下空气污染暴露变化对死亡率和IHD流行率的影响：

 

ΔIHD患病率¼Nscenarioscenariodiseased−Nbase cases diseased基本情况11

 

人口非人口情景基本情况

 

                      ¼Ndeaths−Ndeathsð12Þ

 

Δ死亡率情景基本情况

 

                       n人口n人口

 

在PM2.5排放减少的情况下，停止滞后适用于与死亡率相关的相对风险。这就说明了PM2.5的减少并不能带来立竿见影的健康效益。对于全因死亡率，我们采用了美国环境保护局（US EPA，2010）建议的滞后时间。虽然滞后结构中存在一些不确定性，但使用平滑函数来反映减少PM2.5的效益的30%发生在第一年，50%发生在第2-5年，20%发生在第6-20年。对于IHD死亡率，使用指数衰减曲线，如戒烟证据所示（Lightwood和Glantz，1997）。

 

2.6条。计算和模型输出

仿真软件是用pythonv3.6编写的（vanrossum和Drake，2011）。每年对伦敦800万人口进行伯努利试验是一个相对计算密集的过程，通常需要高性能计算（HPC）设施来允许多个（通常为100个）LSOA的群体进行并行处理。一个典型的LSOA的模拟产生一个大约30kb的文件，在2.9ghz处理器上运行50年的模拟大约需要一分钟。这意味着，如果不进行并行处理（对于多个策略场景，模拟时间更长），大伦敦将需要大约3天半的时间。模型输出一个数据库，其中包含模拟人群中每个个体的年度健康状况（包括活的和死的）。此数据存储在压缩的逗号分隔值（'中。csv.gz版'每个LSOA的文件。并行处理再次用于将数据聚合为年龄、性别、剥夺十分位和年份分层输出文件——100个LSOA为240 KB。后处理脚本用于汇总和绘制结果；然后可以根据需要进行进一步的分析，以计算新的疾病病例数、流行人口数、死亡人数以及按人口组和年份划分的生命损失年数。输出也可以在地理信息系统（GIS）或统计编程软件中处理。

 

三。结果

通过模拟英国伦敦市空气污染对人口健康的影响，说明了该模型的应用。空气污染可以作为可持续发展的一个标志，作为实现低碳经济的措施，例如减少运输或工业对大气排放的影响，从而减少空气污染，包括改变气候的污染物。因此，模拟空气污染变化对健康的人口影响，可用于量化向低碳经济过渡的健康共同利益，并提供有价值的见解，以了解在何处以及向谁采取政策干预措施，以减少与空气污染有关的发病率和死亡率。假设基本情况为暴露于2014年的PM2.5浓度；如第2.5.1节所述，模拟了三个理论上的反事实情况。在应用于特定政策评估时，反事实通常是通过使用排放扩散模型或类似方法评估特定政策可能导致的相应浓度变化来确定的，但这里我们模拟了几个PM2.5减排情景来说明这一原理。

 

图2展示了模型的应用，该模型显示了在基本情况下IHD流行率如何随时间的推移而演变，以及减少颗粒空气污染对IHD流行率随时间变化的影响（如使用公式（11）计算的）。结果显示了工作年龄人群（15-64岁）并进行了分组