引言

过敏性鼻炎以喷嚏、鼻涕、鼻痒和鼻塞为主要症状，是一种常见的慢性过敏性疾病，不仅影响学习和工作效率，还严重影响生活质量(Bro ek et al, 2017)。据估计，全球约10%~40%人群患有过敏性鼻炎，且其患病率有逐年上升的趋势(Bro ek et al, 2017)。在众多诱发过敏性鼻炎的影响因素中(Zhang et al, 2011; Yalcin et al, 2013)，气象因素最为常见(Zhang et al, 2020; Hu et al, 2020; Mu et al, 2017)，它不仅可单独影响过敏性鼻炎，还可通过影响花粉播散和污染物浓度，间接影响过敏性鼻炎的发生和发展(Bishan et al, 2020; 董群等, 2020)。

近年来，环境湿度对过敏性鼻炎的影响越来越受到关注(He et al, 2017; Duan et al, 2019)。绝对湿度(absolute humidity, AH)和相对湿度(relative humidity, RH)均可作为评价环境湿度的指标，但现有研究大多探讨了RH与鼻炎的关系(He et al, 2017; Duan et al, 2019)，且这些研究均局限于湿润地区。有研究认为，AH更能准确地反映环境湿度与健康的急性关系(Shaman and Kohn, 2009; Liu et al, 2020)，因此，AH可能更适合作为环境湿度的指标去探讨环境湿度对过敏性鼻炎的影响。甘肃地处西北内陆，以干燥气候为主，属干旱和半干旱气候特征地区(廖要明和张存杰, 2017)，但该气候环境下湿度与过敏性鼻炎的关系仍未明确。因此，本研究选择RH和AH作为环境湿度评价指标，以甘肃省兰州市、天水市和张掖市为例分析大气环境湿度与过敏性鼻炎的关系，进而为防控过敏性鼻炎的发生与发展提供科学依据。1数据与方法

1.1 数据来源

兰州市2014—2016年过敏性鼻炎日门诊数据来源于兰州市的10家大型医院，天水和张掖市2016—2018年日门诊数据分别来源于其市内最大三级甲等医院(天水市第一医院和河西学院附属张掖市人民医院)。根据国际疾病分类第10版(ICD-10)纳入病例，过敏性鼻炎的ICD-10编码为J30。同时，收集三个城市过敏性鼻炎日门诊数据同期的气象数据和大气污染物数据。气象数据来源于公开数据共享网站http://data.sheshiyuanyi.com/WeatherData/，包括：日均气温、风速和RH等。AH的计算方法与之前研究报道的方法相同，采用蒸汽压(单位：g·m^-3)的方法进行计算(Ma et al, 2020)。大气污染数据来源于国家生态环境部数据中心(http://datacenter.mee.gov.cn/)，包括：PM_2.5、NO₂和O₃的日平均浓度，其中O₃为一天中最大连续8小时浓度均值。

1.2 数据处理与分析

首先对兰州、天水、张掖过敏性鼻炎日门诊人数及相应环境因素进行描述，然后利用泊松分布的广义相加模型估计天水、兰州和张掖市的RH或AH与每日过敏性鼻炎门诊人数的关系，同时在模型中控制气象因素(气温和风速)、大气污染物(PM_2.5, NO₂和O₃)、时间趋势、星期几效应和假期效应等混杂因素。本研究使用R软件(v3.6.0)中“mgcv”软件包拟合广义相加模型。模型如下：

$ \begin{array}{l} \log E\left(Y_t\right)=\alpha+\beta \cdot R H+n s\left(T_t, 7 / \mathrm{yr}\right)+ \\ \;\;\; n s\left(T_{\mathrm{e}}, 6\right)+n s(V, 3)+n s\left(C_{\mathrm{PM}_{2.5}}, 3\right)+ \\ \;\;\;n s\left(C_{\mathrm{NO}_2}, 3\right)+n s\left(C_{{O}_3}, 3\right)+\lambda E_{\mathrm{W}}+\gamma E_{\mathrm{H}} \end{array} $

(1)

$ \begin{array}{l} \log E\left(Y_t\right)=\alpha+\beta \cdot A H+n s\left(T_t, 7 / \mathrm{yr}\right)+ \\ \;\;\; n s\left(T_{\mathrm{e}}, 6\right)+n s(V, 3)+n s\left(C_{\mathrm{PM}_{2.5}}, 3\right)+ \\ \;\;\; n s\left(C_{\mathrm{NO}_2}, 3\right)+n s\left(C_{{O}_3}, 3\right)+\lambda E_{\mathrm{W}}+\gamma E_{\mathrm{H}} \end{array} $

(2)

式中：Y_t为第t日过敏性鼻炎门诊病例数；E(Y_t)为第t日门诊病例数期望值；α代表截距；β、λ和γ表示回归系数；RH表示相对湿度，AH表示绝对湿度，T_e表示环境气温，V表示平均风速，ns表示自然样条函数，T_t为时间变量，E_W为“星期几效应”(星期一到星期天)，E_H为“假期效应”(法定节假日为1，非法定节假日为0)。参考相关研究，模型中引入了以下混杂因素：采用每年7个自由度(7/yr)的自然样条函数拟合时间趋势来控制时间和季节趋势对日门诊人数的影响(樊琳等, 2019)；采用自由度等于6的3天滑动平均气温和自由度等于3的3天滑动平均风速来控制气象因素潜在的非线性和滞后性的混杂效应(Chen et al, 2017)；以往研究发现污染物的2天滑动平均浓度常对过敏性鼻炎产生最大的影响估计(Lee et al, 2015)，因此，本研究采用自由度等于3的2天滑动平均污染物浓度控制大气污染物对每日过敏性鼻炎门诊人数的影响，并使用哑变量控制“星期几效应”和“假期效应”(樊琳等, 2019)。

考虑到RH和AH对每日门诊人数可能存在潜在的滞后影响，本研究还进行了滞后效应分析。单天滞后效应选择单天滞后0~7天分析，累积效应选择累积滞后1~7天分析。结果用RH每降低1%(AH每降低1 g·m^-3)，过敏性鼻炎日门诊人数的超额危险度(excess risk，ER)值来表示。此外，本研究进行了季节分层分析，进而探讨环境湿度对日门诊人数影响的季节差异。为评估大气污染物与环境湿度对过敏性鼻炎日门诊人数的交互影响，本研究采用双变量响应面模型分析大气污染物和AH对过敏性鼻炎日门诊人数的联合作用。模型如下：

式中：te代表双变量响应面函数；AH_t代表最强效应滞后日的绝对湿度，AP_lag01代表累计滞后1天(lag01)的大气污染物(PM_2.5，NO₂和O₃)，其他变量及参数解释与式(2)相同。

采用赤池信息量准则对回归模型进行因子选择与优度检验，并根据广义相加模型估算出气象因素的回归系数β，计算相对危险度及其95%置信区间。一般来说，相对危险度为1以上表示暴露是危害作用，1以下则表示保护作用。

2 结果分析 2.1 过敏性鼻炎日门诊人数变化特征

本次研究纳入兰州(2014—2016年)、天水(2016—2018年)、张掖(2016—2018年)过敏性鼻炎门诊确诊人数共计26 477人，其中兰州为17 412人、天水为4 143人、张掖为4 922人(图 1)。兰州每日最高门诊人数为170人，日均为16人；天水最高日门诊人数为66人，日均为4人；张掖最高日门诊人数为61人，日均为4人。三个城市的数据显示，每年8—9月为过敏性鼻炎门诊高峰期。

2.2 兰州、天水、张掖市气象因素及大气污染物特征

表 1为2014—2016年兰州、2016—2018年天水和张掖市气象因素及大气污染物特征。三个城市中，张掖湿度最低，其日均RH和AH分别为45.85%和4.58 g·m^-3；天水湿度最高，其日均RH和AH分别为64.51%和8.13 g·m^-3。对于气温而言，天水日均气温最高(12.48℃)，兰州日均气温最低(8.58℃)。兰州和天水PM_2.5质量浓度均超过国家《环境空气质量标准》(GB3095—2012) 二级限值标准(35 μg·m^-3)，兰州市NO₂浓度超过该标准的二级限值标准(40 μg·m^-3)。图 2为兰州、天水、张掖地区RH及AH变化特征，可见两者均有显著的季节性差异，呈现夏季高、冬季低的特征。

2.3 RH、AH与过敏性鼻炎的关系

图 3表明湿度越小，对鼻炎的危害作用越大；湿度越大，对鼻炎的作用越小，甚至为保护作用。图 3a~3c，三个城市RH与过敏性鼻炎日门诊人数之间皆呈负相关，即过敏性鼻炎日门诊人数随着RH降低而增加。在单天滞后和累积效应方面，除张掖RH在单天滞后7天时与日门诊人数无显著关系外，三个城市的过敏性鼻炎日门诊人数在所有滞后天数均随着RH降低而增加(表 2)。具体而言，在累积滞后6天时，兰州RH与过敏性鼻炎关系最强，而天水、张掖均在累积滞后7天时RH对过敏性鼻炎的效应最大。RH每降低1%，兰州、天水、张掖过敏性鼻炎日门诊人数分别增加1.36%、2.30%和1.50%。图 3d~3f为AH与过敏性鼻炎日门诊人数之间的暴露反应关系，结果提示兰州、天水、张掖三个城市的AH与过敏性鼻炎日门诊人数呈现负相关趋势，提示AH降低可能会引起过敏性鼻炎日门诊人数增加。表 2为AH对日门诊人数的单独滞后效应和累积滞后效应。在最强效应滞后日，AH每降低1 g·m^-3，兰州、天水及张掖过敏性鼻炎日门诊人数分别增加14.92%、16.00%和13.98%。

2.4 亚组分析

表 3为不同季节下环境湿度(RH和AH)在最强效应滞后日对过敏性鼻炎门诊人数的影响。不同地区和季节，环境湿度对过敏性鼻炎门诊人数的影响存在一定差异。结果显示，兰州市环境湿度对过敏性鼻炎的风险在冬季较高，超额危险度(ER)值显著高于其他季节。而天水和张掖环境湿度对过敏性鼻炎的风险则在夏季高于其他季节。对比AH和RH两者对过敏性鼻炎日门诊人数估计的ER值，可见以AH计算的ER值变化显著高于RH，提示在研究湿度对过敏性鼻炎的影响时，AH较RH更为敏感。

2.5 湿度与大气污染物对过敏性鼻炎影响的交互作用

如图 4所示，大气污染物及低湿度均会影响过敏性鼻炎日门诊人数。大气PM_2.5、NO₂、O₃浓度和低湿度对敏性鼻炎日门诊人数的影响存在显著交互作用，这种效应在张掖最为显著。随着环境湿度的降低和各大气污染物浓度的升高，过敏性鼻炎发病风险增加。尽管该结果在兰州、天水市不尽相同，但均提示低湿是过敏性鼻炎发病的重要危险因素，并在高浓度的污染物下风险更高。

3 结论与讨论

本文利用兰州、天水、张掖市多年过敏性鼻炎日门诊人数与气象数据，分析了环境湿度对过敏性鼻炎的影响，发现三个城市过敏性鼻炎发生高峰期为8—9月，这与天津的一项研究结果相似(袁卫玲等, 2019)。夏秋季节天气多变，9月进入秋季，风速高，湿度逐渐降低，极易引起许多过敏原如花粉等的扩散，进而导致过敏性鼻炎的发生风险增加，并显著高于其他时段。本研究结果进一步为过敏性鼻炎的防控提供了科学依据。

安徽合肥的一项研究发现高、低RH均可能引发过敏性鼻炎，但低RH的风险较高(Duan et al, 2019)。本文也发现低湿会导致过敏性鼻炎日门诊人数的显著增加，但高湿的影响不显著。这可能与本文的研究区域较低日均湿度有关。甘肃省地处我国的干旱半干旱区域，兰州、天水、张掖作为其典型代表城市，日均RH分别为57.4%、64.5%、45.9%，而安徽合肥地区日均RH为75.8%，不同的湿度水平可能导致了该结果的差异。天水市AH和RH对过敏性鼻炎的最大效应值均高于兰州、张掖。这可能与兰州、张掖常年干旱，降水量低，进而导致当地居民对低湿度有一定的适应性有关。而天水相对湿润，强降水量发生概率高，居民可能对低湿环境更加敏感，因此环境湿度与过敏性鼻炎的关系更强(杨银等, 2019)。有研究发现低湿可降低鼻黏膜对过敏原的屏障作用，有利于过敏原的扩散(Jones and Harrison, 2004)，从而导致鼻损伤。同时，干燥环境会导致鼻出血(Danielides et al, 2002)和鼻黏膜受损，从而促进空气中的过敏原进入机体，导致喷嚏、流涕等症状发生。尽管如此，本研究结果也再一次证实，干燥低湿环境可促进过敏性鼻炎的发生和加重。

此外，刘华悦等(2019)、Hu et al(2020)研究发现RH与过敏性疾病的发生有关，但关于AH与过敏性疾病的研究相对较少(翟文慧, 2014)。因此，本研究探讨了AH与RH两个湿度指标对过敏性鼻炎的影响，结果显示两个指标均与其呈负相关，且两个模型的拟合度均达到60%以上，说明AH与RH均可作为湿度的特征性指标用于评价环境湿度对过敏性鼻炎的影响。尽管如此，本研究发现AH对过敏性鼻炎的效应估计值比RH的效应估计值更大，提示在探讨湿度对过敏性鼻炎的影响时AH比RH更加灵敏。因此，在未来的研究中，应该重视AH在环境湿度与健康效应研究方面的应用，尤其是在干旱环境中的应用(Zhang et al, 2014)。

综上所述，本研究选择地处干旱半干旱地区的三个城市作为研究地域，结果均表明低湿环境可能会促使过敏性鼻炎的发作，且有一定的滞后效应。因此，为预防其发生和发展，干旱及半干旱地区居民可适当增加室内空气湿度，并在室外做好防护，以便减轻过敏性鼻炎的加重和发生。尽管如此，本研究作为横断面研究，在解释湿度影响过敏性鼻炎的因果关系上还存在一定的局限，在未来的研究中还需加强人群队列的建立，进而明确过敏性鼻炎和湿度的关系及机制。