介绍
根据世界卫生组织 (WHO) 的数据，世界上 99% 的人口生活在空气污染水平超过世界卫生组织指导限值的地方。世界卫生组织于2021年推出了更新的空气质量指南（AQG），并为常见空气污染物制定了新的临时目标，例如细颗粒物（PM 2.5）、二氧化氮（NO 2）、臭氧（O 3）、二氧化硫和一氧化碳，(1)基于对目标污染物死亡风险的系统审查。(2,3)将PM 2.5建议年均浓度从10微克/米3降低至5微克/米3。 (1)由于指南荟萃分析和系统评价中包含的大多数研究来自北美和欧洲，这些地区的空气污染混合物和暴露范围与其他地区不同，这将导致浓度-响应曲线的不确定性。(4)中国PM 2.5年平均水平和环境空气污染造成的死亡率远高于北美和欧洲。(5)联合国2022年可持续发展目标（SDG）报告评价中国在空气污染和相关健康方面实现可持续发展目标3和11的进展为“仍然存在重大挑战”。(6)

我国出现了空气污染与死亡率的纵向研究，主要集中于单一污染物与健康结果的单独关联或仅采用多种污染物模型进行相互调节。(7,8)很少有空气污染物是单独发生的，因此要更好地了解空气污染对过早死亡的影响，必须考虑污染物混合物和相关多种污染物共同暴露的协同效应，以建立因果关系。虽然发达国家的一些大型队列研究表明 PM 2.5、O 3和 NO 2与较高的死亡风险存在因果关系，并且 PM 2.5构成的风险最大，(9)系统评价表明长期NO 2和O 3具有全因死亡风险的证据质量被认为是中等。(2,3)此外，我们之前的研究结果表明，PM 2.5 解释了NO 2与死亡率的关联。 (10)值得注意的是，NO 2与道路交通呈正相关，而道路交通是中国等发展中国家的经济指标。然而，在调查空气污染物与健康之间关系的研究中，明显缺乏对这些潜在地区级混杂因素的调整。
专门针对高龄老人（80 岁及以上）人群，特别是百岁老人的人群有限。中国巨大的地理和人口多样性也为调查与环境健康相关的各种弱势群体和地区差异提供了机会。此前的一项研究发现，2006年至2015年中国人均氮氧化物排放不平等程度有所增加。(11)随后，作者进行了一项生态研究，基于中国 31 个省份，证明空气污染不平等影响了健康不平等。(12)尽管有这些宏观层面的数据，但我们需要个人层面的真实世界证据，以便更好地了解和改善空气污染健康差距。

首先，我们的研究利用中国最长寿人群的纵向队列研究来调查三种空气污染物：PM 2.5、NO 2和O 3的时空变化。其次，我们假设这三种空气污染物与死亡风险呈正相关，并使用多种空气污染物模型来计算空气污染物对死亡率的单独和联合健康影响。第三，我们的目的是在具有不同人口特征、生活方式和合并症的人群中识别空气污染的脆弱人群，重点关注最年长的群体。此外，我们还研究了区域层面因素可能的混杂和修改。

材料和方法
研究人群
我们使用了中国纵向健康长寿调查（CLHLS）。据我们所知，CLHLS 项目拥有世界上最大的百岁老人样本（加上九十岁老人、八十多岁老人和 65-79 岁年轻人的兼容群体）。详细的队列设计已在前面描述过。(13)这是一个旨在研究长寿和衰老的纵向队列。该调查最初旨在研究老年人口的社会经济特征、家庭、生活方式和人口概况。CLHLS采用有针对性的随机样本设计，以确保代表性、年龄和性别分布均匀，以及80岁以上高龄老人和65-79岁年轻老人的足够子样本量。自 2002 年以来，CLHLS 的范围从 1998 年和 2000 年仅招募最年长的老人扩大到每两名百岁老人随机采访约三名附近 65-79 岁的老人，其中年龄和性别预先确定。(14)问卷设计基于国际标准，适应中国文化/社会背景，并通过试点研究和访谈进行了仔细测试。(14)健康测量分析显示评估项目具有很高的可靠性和有效性，并且超出了广泛使用的标准。(15)我们使用了 2008/2009 年 CLHLS 队列，覆盖 23 个省份的城乡。参与者于 2008 年或 2009 年入组，并大约每两年随访一次直至 2018 年。我们将基于居住区的环境暴露数据与遥感叠加。从 2008/2009 年队列中排除 3,747 名参与者后，我们纳入了 13,207 名参与者（请参阅支持信息中的补充方法）。平均年龄（87 vs 86）、女性比例（58% vs 55%）、年平均 O 3暴露量（92 vs 92 μg/m 3）和 NO 2暴露量（19 vs 17 μg/m 3 ））在纳入组和排除组之间相似。与排除的参与者相比，纳入的参与者中未受过教育的参与者更多（64% vs 55%），居住在农村地区的参与者更多（64% vs 50%），年平均 PM 2.5暴露量更高（53 vs 48 μg/m 3）参与者。

北京大学（IRB00001052-13074）和杜克大学的研究伦理委员会批准了该研究。该研究的所有参与者均已知情同意。
空气污染物暴露评估
我们使用大气成分分析组计算的0.01°×0.01°的年度PM 2.5数据。他们通过将 NASA MODIS、MISR 和 SeaWIFS 仪器的气溶胶光学深度 (AOD) 反演与 GEOS-Chem 化学传输模型相结合，估算了 1998 年至 2020 年的地面 PM 2.5 (V5.GL.02)，并随后校准到使用地理加权回归（GWR）进行全球地面观测，详见参考文献 (16)。年平均 PM 2.5估计值与地面观测结果总体一致，亚洲的决定系数 ( R 2 ) 为 0.68–0.91。(16)二氧化氮 (NO 2 ) 浓度水平的年浓度 (μg/m 3 ) 是使用针对卫星通过时间和云覆盖进行校正的土地利用回归模型在一公里空间分辨率下获得的。(17)土地利用回归模型针对卫星通过时间进行了修正，云覆盖直接用于城市地区，模型性能因地区而异，亚洲的R 2为0.52。对于农村地区，利用臭氧监测仪器卫星NO 2柱获得的表面NO 2浓度对NO 2浓度进行了调整，估算的表面浓度与地面测量值之间的相关性较原数据中皮尔逊相关系数( r ) 0.51有所改善。乘积为 0.58。(18,19)结合2013—2017年MDA8臭氧观测数据，结合并发臭氧反演、气溶胶数据，建立了基于极限梯度提升（XGBoost）算法的全国日最大8小时平均（MDA8）分辨率为0.1°×0.1°的预测模型。再分析、气象参数和土地利用数据。(20)不同年份月水平的外部模型检验R 2范围为0.60~0.87。(20)我们将空气污染物浓度与参与者的居住地进行了匹配。我们计算了参与者经历的每年环境PM 2.5、NO 2、O 3和最后一个旺季（5月至9月）环境O 3浓度。

死亡率结果评估
受试者的直系亲属在跟踪调查中报告了死亡信息。死亡日期将通过死亡证明（如有）进行验证。我们使用全因死亡率。我们测量了从第一次访谈到记录的死亡日期或最后一次访谈日期的生存时间（以月为单位）。

气候相关因素测量
2008年至2018年全国气象监测站逐日气象数据来源于中国气象局。每个研究参与者都与从距离他们住所最近的监测站收集的气象数据进行匹配。我们使用年内日平均气温的年平均值和标准差作为分析中的两个变量。死亡季节或最后一次调查月份为春季（3 月至 5 月）、夏季（6 月至 8 月）、秋季（9 月至 11 月）和冬季（12 月至 2 月）。高程数据来自SRTM 90m DEM数字高程数据库。(21)

考虑到气候和饮食差异，我们根据居住地点划分地理区域：华中地区（河南、安徽、江西、湖北、湖南）、华东地区（山东、上海、江苏、浙江、福建）、东北地区（黑龙江、吉林、辽宁）、华北（北京、天津、河北、山西、陕西）、华南（广东、广西、海南）、西南（重庆、四川）。

面积经济测算
我们遵循 CLHLS 居住类别：“城市”（包括“城市”和“城镇”）和“农村”。我们将道路密度定义为住宅周围5公里缓冲区内的道路长度总和。我们从 OpenStreetMap (OSM) 中过滤出 2022 年中国街道地图中的“高速公路”、“干线”、“一级”、“二级”、“三级”和“住宅区”公路类别，计算加权道路长度总和：

其他协变量和修饰符测量
我们考虑了基线特征，包括年龄、性别、婚姻状况、教育程度、吸烟状况、饮酒状况、体力活动、家庭收入、共同居住、家务频率、社交活动频率、简易精神状态检查（MMSE）、日常生活活动（ ADL）残疾和体重指数（BMI）。详细定义显示在补充方法中（参见支持信息）。

统计分析
鉴于我们队列的开放队列性质，不同受试者对分析贡献不同的人次，我们决定使用 Cox 比例风险模型来检查长期 PM 2.5、NO 2和 O 3暴露与所有-导致死亡。我们运行了一系列模型来测试关联的稳健性。第一个模型是未调整的模型（模型A），然后基于有向无环图（DAG）逐渐针对潜在的混杂因素进行调整（图S1））或结果的预测因素：年龄、性别、教育程度、家庭收入、婚姻、同居、运动、吸烟、饮酒、家务频率、社交活动频率、居住地（模型 B）、地区、年平均气温、年气温 SD、海拔、死亡季节（模型C）、道路密度、城市人均GDP、城市人口密度（模型D）、BMI、MMSE评分和ADL评分（模型E）。空气污染物在多重污染物模型（模型F至K）中进一步相互调节。考虑到三种污染物可能存在的多重共线性，并为了评估污染混合物对死亡率的共同影响，我们使用了基于分位数的g计算模型。(22)基于分位数的 g 计算使用加权分位数和使用的相同程序（与下面相同的公式）估计总体混合效应，但估计边际结构模型的参数，而不是标准回归。

ψ 相当于 g 计算估计器(23)量化暴露的联合边际结构模型，该模型估计将每项暴露同时增加一个分位数的效果。w j是每次曝光的权重（这里我们有d 次曝光）。ε 是误差项。X j q是第j次曝光的量化版本。β j是曝光j的效应大小。
为了评估非线性，我们使用限制三次样条来描述浓度-响应关系。通过分层分析检验易感人群和地区差异。我们进一步研究了过去两年和三年的空气污染暴露与死亡率之间的关联，以进行敏感性分析。我们使用 R 版本 4.2.1 进行所有分析。

结果
我们纳入了 13,207 名参与者，平均年龄为 87 岁（SD：11），其中 7634 名（57.8%）是女性。百岁老人群体中女性占 81.3%（n = 2119）。在 61,082 人年的随访期内，共有 9245 人死亡。大多数参与者没有接受过正规教育（64.1%），没有与已婚配偶住在一起（69.4%），与家人住在一起（83.4%），报告缺乏或无法进行定期锻炼（60.9%）或社交活动（89.2％），从不吸烟（66.7％），或从不饮酒（69.2％），居住在农村地区（63.9％），或没有残疾（78.7％）（表1和S1）。最年长的老人接触 PM 2.5和 NO 2的程度略高比年轻的老人。他们的居住区还存在道路较少、人均GDP较低的特点。此外，与同龄人相比，他们对家务和社交活动的参与度较低，并且 ADL 障碍和认知障碍的患病率较高（表 S1）。
 
在中国观察到空气污染水平的地理差异（表S2）。重工业地区或气候寒冷地区，如华中、华北地区、年气温变化最大、人口密度最高的地区，年均PM 2.5浓度最高。华北、东北地区、城市地区、小学以上文化程度、道路密度高、年气温变化大的地区NO 2中位数较高。旺季O 3 (μg/m 3）最高的是中国东部海拔最低、人均GDP最高、人口密度最高、年平均气温较低或年气温变化较大的地区。

2008年至2018年十年间，所有参与者居住地年均PM 2.5（μg/m 3 ）由57.2变化为39.4，2013年达到峰值59.6。年均NO 2（μg/m 3）由9.3变化为7.7，2011年达到峰值12.0。旺季O 3 (μg/m 3 )从109.7变化到120.8，2017年达到峰值122.9(图1 )。此外，年O 3 (μg/m 3 )从92.8变化到96.8，2017年达到峰值100.1。基线时，年平均PM 2.5暴露水平达到WHO AQG的个体比例为0% ，年平均PM 2.5为24.2%。平均 NO 2，​​旺季 O 为 0.2%3 . 2018年，PM 2.5所占比例仍为0% ，NO 2增加至31.4%，O 3变为0% 。去年（死亡或截尾）和最近旺季 O 3的 PM 2.5、NO 2和 O 3的平均水平（SD）分别为 52.8 (15.8)、19.0 (13.8)、92.0 (11.9)、分别为110(21.2)μg/m 3和110(21.2)μg/m 3 。年均PM 2.5、NO 2和O 3相互正相关，PM 2.5和NO 2的皮尔逊系数（95% CI）为0.37（0.35，0.38），PM 2.5的皮尔逊系数（95% CI）为0.06（0.04，0.07）对于NO 2和O 3 ，为0.16（0.15，0.18）。
图1

图1 2006年至2019年参与者居住地周围空气污染变化趋势。 (a) 注：缩写：AGQ——空气质量指南。(b) 2013 年 9 月，中国国务院出台了一项名为“大气十条”的政策。该政策提出了产业结构调整、推广清洁能源等十项大气污染防治措施。2018年6月，中国国务院印发了《打赢蓝天保卫战三年行动计划》，旨在减少污染物排放主要大气污染物和温室气体排放，减少大气高污染天数。

PM 2.5、NO 2、年平均 O 3和旺季 O 3每增加10 μg/m 3的全因死亡风险比 (HR)分别为 1.24 (1.22, 1.27)、1.20 (1.16, 1.24)在完全调整的单一污染物模型中，分别为 0.87（0.86，0.89）和 0.89（0.87，0.90）（表 2）。对地理区域进行调整后，PM 2.5的 HR (95% CI)显示出大幅增加 [1.15 (1.13, 1.16) 至 1.22 (1.2, 1.24)]。NO 2的 HR (95% CI)调整道路密度、城市人均GDP和城市人口密度后也大幅增加[1.06（1.04，1.08）至1.21（1.17，1.25）]。然而，当额外调整 PM 2.5 [1.06 (1.03, 1.10)] 时，这种关联性大大降低。另一方面，O 3的 HR没有显着变化，在不同调整的模型中仍然小于 1（表 2）。

三污染物模型中 PM 2.5 、NO 2和年平均 O 3的 HR 分别为 1.22 (1.2, 1.25)、1.05 (1.02, 1.09)、0.88 (0.86, 0.9)和 1.27 (1.25, 1.3)， PM 2.5、NO 2和旺季 O 3分别为 1.08 (1.05, 1.12) 和 0.85 (0.84, 0.86) 。根据基于分位数的 g 计算模型，当所有三种空气污染物同时增加十分之一时，死亡率的 HR (95% CI) 为 1.07 (1.05, 1.09)。PM 2.5和 NO 2都具有正权重，并且 PM 2.5的权重明显大于 NO 2的权重（0.82 vs 0.18）。相比之下，O 3的权重为负 (−1)。
PM 2.5的受限三次样条是超线性的（下凹），这意味着与高浓度相比，低浓度的风险变化更大。我们发现 NO 2与死亡率之间的关联存在微妙的曲率，当 NO 2暴露水平较高时，边际效应会更明显。年 O 3的 HR在 O 3水平低于 88 μg/m 3时增加，随后当 O 3水平增加超过 110 μg/m 3时降低至小于 1 。同样，当 O 3时，旺季 O 3的 HR降至小于 1高于约110μg/m 3 (图2 )。非线性 Wald 统计数据的 p 值均小于 0.0001，表明三种污染物与死亡率之间存在非线性关联。
图2

图 2. 空气污染物和死亡率的样条曲线。注：所有模型均针对年龄、性别、教育程度、家庭收入、婚姻、同居、运动、吸烟、饮酒、家务频率、社交活动频率、居住地、地区、气温年均值、气温年标准差、海拔、季节进行调整死亡人数、道路密度、城市人均国内生产总值、城市人口密度、体重指数、简易精神状态检查分数、日常生活活动核心。

分层分析发现，与年龄最大的老年人相比，PM 2.5和 NO 2对 80 岁以下老年人的死亡率具有更强的有害关联。女性和男性的 HR 没有显着差异。那些已婚且目前与配偶同住、吸烟较多、饮酒较多、目前正在锻炼、每天做家务、MMSE 得分较高且没有 ADL 障碍的人，与 PM 2.5 和 NO 2 相关的死亡风险高于其自己对应物（图S2）。
与PM 2.5升高相关的死亡风险在华南地区[HR (95% CI): 2.24, (2.07, 2.44)]和西南地区[2.19 (2.05, 2.34)]高于其他地区，且呈上升趋势随着年平均气温的升高和年气温SD的降低。PM 2.5的 HR在东北地区变得不具有统计显着性[1.00 (0.91, 1.12)]。年O 3仅在华南地区(包括广东、广西、海南)[1.14(1.07,1.21)]和年平均气温最高和年SD最低的地区HR大于1。NO 2的心率我国东部地区较高[1.37(1.30,1.44)],且随气温年标准差增大而增大。此外，与城市地区相比，PM 2.5在农村地区的 HR 略高。我们没有观察到 PM 2.5或 NO 2的 HR随着道路密度、人均 GDP 或人口密度的增加呈线性趋势（图 3）。

图 3. 按地区特征分层的空气污染物与死亡率之间的关联。单位：温度-摄氏度(°C)、海拔-米、加权道路长度-5公里半径内的米、人均GDP-人民币、人口密度-每平方公里人口。

讨论
在我们研究的一万名老年人中，平均PM 2.5和旺季O 3水平未达到世界卫生组织指导方针的临时目标一。相比之下，自2015年以来，年均NO 2已达到AQG水平。研究发现，PM 2.5是三种污染物中最主要的死亡风险因素。有趣的是，年龄最大的老年人比 80 岁以下的老年人更不容易受到 PM 2.5和 NO 2的影响。空气污染物与死亡率之间的关联在中国不同地区也存在差异，并受到温度、道路密度、人均 GDP 和人口的影响密度。

过去几十年来，中国为减少空气污染做出了政策努力，包括2013年发布的大气十条和2018年的蓝天保卫战。这些努力使中国的空气质量得到了显着改善，环境暴露在我们的研究参与者在 2013 年至 2019 年期间从 59.6 µg/m 3大幅下降至 39.4 µg/m 3 。根据可持续发展目标11.6.2的数据报告者世界卫生组织的数据， 2010年至2019年中国PM 2.5年平均水平（μg/m 3）（95% CI）从47.18（44.59-49.38）下降至38.15（95% CI）。总地区为36.69～39.42），城市地区为49.53（46.83～51.71）～40.17（38.57～41.56），农村地区为39.34（37.15～41.47）～31.13（29.81～32.34）。(5)然而，尽管有所下降， 2019年采样地区PM 2.5平均水平仍高于世界卫生组织临时目标之一的35 μg/m 3。大部分地区的空气质量指标均高于世界卫生组织空气质量指南第二个中期目标25 μg/m 3。

与发达国家不同，本研究中NO 2变化较小，自2014年以来年均水平低于WHO AQG 10 μg/m 3水平。NO 2 2006年至2011年有所增加，2011年以来有所下降。变化趋势与另一项研究的结果相似，该研究估计2005年至2011年的年平均增长率为0.348±0.132μg/m 3 ， 2012年至2019年的年平均下降率为
0.312±0.188μg/m 3。(24)
O 3增加，而PM 2.5减少。O 3通过复杂的自由基链式反应化学形成。减少O 3前体排放和减少颗粒污染之间存在潜在的权衡。(25)中国大陆大部分地区的旺季臭氧浓度也高于世界卫生组织2021年指南的第一个临时目标：100 μg/m 3（目标2：70；空气质量指数：60 μg/m 3）。(26)在我们的研究中，2015年之前旺季平均O 3保持在108 μg/m 3左右，并在2017年增加至123 μg/m 3左右。另一项研究显示，2013年中国大陆MDA8臭氧人口加权中位浓度预测为89.34 μg/m 3 ， 2019年达到100.96 μg/m 3 。(26)差异可能是由于采样地区、O 3来源和估算方法的不同造成的。我国《环境空气质量标准》（GB3095-2012）目前尚无O 3长期年度限量。NO 2和O 3尚未纳入WHO SDG相关指标报告。

去年PM 2.5的范围为14.8-133.0 μg/m 3，最低水平高于WHO AQG目标。浓度-反应曲线显示死亡风险增加没有安全阈值。约 60 μg/m 3内的陡峭关系表明在相对较低的暴露范围内比在高范围的暴露范围内具有更强的关联性。去年全年NO 2平均值为1.2～109.0μg/m 3，最低值低于世界卫生组织AQG标准。死亡风险也随着NO 2浓度的增加而增加，并且也没有阈值。这应该是指南更新的新证据。值得注意的是，NO 2的来源主要是交通。道路密度与 NO 2呈正相关，与死亡率呈负相关[第四个四分位数与第一个四分位数的 HR (95% CI)：0.72 (0.66, 0.78)]。道路密度、人均 GDP 和人口密度在之前的大多数 NO 2研究中都被忽视了。旺季O 3范围为20至182 μg/m 3，最低水平低于WHO AQG水平。较高的 O 3与较低的平均死亡风险相关[HR (95% CI)：年度 O 3为 0.87 (0.86, 0.89) ，旺季 O 3为 0.89 (0.87, 0.90) ]。先前关于长期 O 3的证据死亡风险适中。基于九项研究的汇总结果显示，全年 O 3暴露增加与全因死亡率之间没有显着关联，HR 为每 10 μg/m 3 0.97（95% CI：0.93，1.02） ，且异质性较大。(27)最近的一项基于队列的荟萃分析发现，长期 O 3与全因死亡率之间存在正相关[HR(95% CI)：1.014，对于 10 nmol mol –1增量的暖季 O 3为 1.014、1.009–1.019 ]。(28)然而，该荟萃分析使用了截至2022年的大规模O 3暴露健康风险研究，并未覆盖亚洲、非洲或拉丁美洲地区。基于另一项中国队列的最新研究发现， O 3每增加 10 μg/m 3，全因死亡率的 HR 为 1.18（95% CI：1.13，1.23） 。(29)他们的人口平均年龄为 57.7 岁（SD：10.4），而我们的研究人口平均年龄为 80 岁。O 3暴露的不同来源和分辨率可能是导致矛盾结果的其他原因。此外，在约小于110μg/m 3的低范围内，较高的O 3与较高的死亡风险相关，然后在O 3的高范围内HR降低至小于1 。在高浓度臭氧（超过100μg/m 3 ）暴露人群中，绝大多数居住在中国最发达的东部地区。我们怀疑可能存在残余的社会经济混乱。此外，NO 2之间的关联在过去的两三年中，随着暴露时间窗口的延长，死亡率逐渐减弱，而 PM 2.5和 O 3的死亡率则保持稳定（表 S3）。关于空气污染物和死亡率之间单独关联的更多讨论在扩展讨论中（请参阅支持信息中的扩展讨论）。

O 3和二次PM 2.5都是通过挥发性有机化合物(VOC) 和氮氧化物(NOx) 的化学链式反应产生的污染物。当污染物之间的相关性较高或使用不同方法或以不同空间分辨率评估污染物暴露时，两种污染物模型可能难以解释。(2)在审查中，在指定针对 NO 2调整的两种污染物模型的研究中，PM 2.5的总体 RR远低于单一污染物估计值 [两种污染物模型中的 1.02 (95% CI 1.00, 1.04) 与 1.07 (95% CI) 1.05，1.08）在单一污染物模型中]。分别基于七项研究，调整 O 3后 RR 保持稳定：1.08（95% CI 1.04，1.11）。(2)在一些研究中，在调整共污染物后， NO 2或O 3与死亡率之间的关联会减弱，但在其他研究中则不会。(3)在我们的研究中，调整旺季O 3后PM 2.5的HR有所增加，调整PM 2.5后NO 2的HR显着衰减，调整PM 2.5或NO后O 3的HR变化不大2 . 在我们之前的研究中，在不调整道路密度的情况下调整 PM 2.5后，NO 2与死亡率之间的关联甚至变得不显着。(10)我们的 PM 2.5、NO 2和 O 3数据的不同来源可能会限制可比性。PM 2.5与NO 2之间的相关性不是很强，Pearson 系数最高为0.37 。我们还注意到，在中国的另一项全国性研究中，在调整 PM 2.5 后， NO 2的死亡率 HR甚至翻了一番。 (30)如上所述，人口年龄、空气污染源和分辨率可能导致不一致。在我们的研究中， PM 2.5仍然是与死亡率相关的主要污染物。使用美国医疗保险数据的一项研究还表明，PM 2.5在 PM 2.5、NO 2和 O 3中风险最大。 (9)荷兰的 LIFEWORK 研究发现，在 PM 2.5、NO 2等五种成分的混合物中，PM 2.5是与死亡率呈正相关的最相关因素。(31)

我们还看到空气污染死亡风险因个人水平特征而改变。人们认为，生活在较低社会经济地位（SES）的个人面临更高的风险。社会经济地位较高的人往往在生活习惯和资源、医疗保健获取和减少空气污染暴露方面拥有更多优势。在我们的研究中，相对较年轻的人、与配偶同住或没有认知障碍或 ADL 障碍的人，出人意料地更容易受到 PM 2.5和 NO 2的影响。这可能与那些年轻和健康的参与者通过更多的户外活动更多地接触环境空气污染有关。另一个可能的原因可能是困扰老年人口的其他健康问题掩盖了空气污染物的影响。香港的一项研究还发现，年轻群体的风险较高，并表示这可能是由于健康幸存者效应所致(32)那些幸存下来的人更有抵抗力。据报道，不同年龄的浓度-反应关系也不同。挪威的一项研究发现，年轻受试者中 NO 2因各种原因死亡的风险从 40 μg/m 3开始增加，而在年轻受试者中，这种关系在浓度范围 (2–73 μg/m 3 )内呈线性关系。最古老的年龄组。(33)男性因 PM 2.5和 NO 2死亡的风险均高于女性，但均不显着，这与香港之前的一项研究一致，(32)而美国的一些研究报告了显着的性别差异。(34,35)世界卫生组织报告称，中国环境空气污染造成的年龄标​​准化死亡率（95% CI）（每10万人）男性较高，为82.69（64.83-102.8），而女性为48.41（37.58-60.46）。(5)在我们的研究中，家庭收入较高的人的死亡风险受空气污染的影响较小。但我们还发现，受过高等教育的人感染 PM 2.5或 NO 2的风险并不较低。随着教育水平的提高，PM 2.5的分层 HR呈现非线性趋势，表明最高和最低教育组的关联性较弱，中等教育组的关联性较强。我们进一步发现，两个教育群体的 PM 2.5风险差异仅存在于女性中，男性中不存在。在美国，受教育程度较低的人因接触空气污染而死亡的风险较高。(36)在三个拉丁美洲城市中，这些协会的教育水平并没有一致的差异。(37)另一个不一致之处是不同国家的人口和社会经济地位指数不同。例如，不同种族的空气污染风险存在很大差异(34)在美国人口中，种族可能不是其他国家的重要因素。在我们的研究中，对于不同的生活方式，重度吸烟者受到 PM 2.5和 NO 2的影响更大，重度饮酒者受到 PM 2.5的影响更大。
地区层面的SES可以与个体SES相互作用，并在与健康的关联中发挥作用。PM 2.5对死亡率的影响大小在农村地区略大于城市地区，并且在道路密度较低和人口密度较低的地区往往更大。在中国这样的发展中国家，道路密度较高的地区和城市地区的空气污染程度可能较高，但通常也拥有较丰富的社会资源和较高的经济水平。一方面，居住在这些地区的居民可以对空气污染有更高的认识，并采取更多的方法来减少个人接触空气污染。另一方面，交通便利的地方良好的医疗卫生等丰富的社会资源可以降低居民的死亡率。

尽管我们的研究中北方PM 2.5高于南方，但 PM 2.5对死亡率的影响大小南方大于北方，这与另一项针对中国老年人口使用同一队列的研究一致65 岁或以上。(7)在我们的研究中， O 3也仅在南部地区有害。中国北方和南方之间不同的地理特征、气候和生活方式可以发挥作用。按温度分层时，PM 2.5和 O 3在温度较高和温度变化较小的地区均表现出较高的风险。南方地区冬季开窗频率通常高于北方，这会影响室内空气污染暴露，尤其是O 3，室内外浓度差异很大。另一项针对 40 岁或以上中国男性的研究发现，北方人的患病风险高于南方人。(38)与我们的研究设计相比，他们对不同的省份进行了抽样调查，仅包括男性，并调查了更年轻的人​​口。

个人层面、地区层面的社会经济地位和空气污染是相互交织的。(39)挪威的一项多层次队列研究发现，在空气污染与死亡率之间的关联中，社区层面的社会剥夺的影响独立于个人社会剥夺，而且比个人的社会剥夺更强。(40)我们还发现地理区域对PM 2.5和O 3的效果影响较大，道路密度、GDP、人口密度和温度对PM 2.5和NO 2的效果影响较大。残余面积级混杂因素可能有助于解释分层分析的混合结果。这些差异需要进一步验证，并需要对亚群和特定背景进行更多敏感性分析。它还表明除了总体目标之外还需要专门的标准。

我们的研究有几个优点。我们使用了一大群最年长的个体，并在多个地理区域进行了长达 10 年的随访。我们在很长一段时间内考虑了多种空气污染物。我们调整了各种可能的个人和地区层面的混杂因素，如年龄、性别、个人社会经济地位、个人吸烟、其他个人生活方式，以及地区层面的环境和经济混杂因素，如道路密度、人均 GDP、气候地区和温度。

然而，我们的研究也存在一些局限性。首先，我们使用来自卫星数据的环境空气污染数据，这可能无法准确代表真实的暴露情况。其次，空气污染物使用了不同的数据源和估计方法，这可能限制了多污染物模型的可比性。第三，我们使用了全因死亡率，这限制了我们测试特定原因死亡率的能力。此外，我们没有考虑可能导致混淆的合并症。最后，我们的样本主要由 80 岁或以上的参与者组成，大多数居住在农村地区，这可能会限制我们研究结果的普遍性。

结论
我们的研究提供了与世界卫生组织 AQG 相比的真实世界证据，有助于更好地理解和解决可持续发展目标 3.9 和 11.6 中概述的指标，特别关注特定人群和地区的高龄成年人。我们观察到目前的 PM 2.5、O 3水平与世界卫生组织的空气质量指南 (AQG) 水平之间存在显着差距，这突出表明需要继续努力减少 PM 2.5暴露。此外，尽管道路密度增加，但优先采取旨在维持低 NO 2水平的措施至关重要。为了充分理解个人和地区层面的社会经济地位与空气污染带来的风险之间的关系，有必要进行进一步的研究。