3.0 Q2 | meta | 兰州理工大学| 中国环境温度对心血管疾病住院风险的影响：荟萃分析

第一段–文章基本信息

文章题目：The effect of ambient temperature and risk of cardiovascular disease hospitalization in China: a meta-analysis

中文标题：中国环境温度对心血管疾病住院风险的影响：荟萃分析

发表杂志：Int J Biometeorol 

影响因子：2区，IF=3.0

发表时间：2023年7月

第二段–本文创新点和科研启发

本文创新点和科研启发

综合评估环境温度对心血管疾病住院风险的影响：该研究通过荟萃分析综合评估了环境温度与心血管疾病住院风险之间的关系，提供了比单一研究更具说服力的证据。揭示了环境温度变化对心血管疾病住院风险的显著影响，为公共卫生政策制定者提供了科学依据，帮助他们更好地应对气候变化对人群健康的影响。

揭示温度与心血管疾病风险的非线性关系：研究发现环境温度与心血管疾病住院风险之间存在非线性关系，即极端高温和低温均显著增加心血管疾病的住院风险。这一发现有助于更准确地预测和评估气候变化对心血管疾病负担的影响，提示公共卫生干预措施需要同时关注高温和低温对人群健康的潜在危害。

为公共卫生政策和临床实践提供指导：基于研究结果，提出了针对性的公共卫生建议，如在极端天气条件下加强心血管疾病高危人群的健康监测和预警。为公共卫生政策制定者和临床医生提供了实用的指导，帮助他们制定更有效的预防和干预策略，以降低心血管疾病住院风险，减轻医疗负担。

第三段-Introduction

背景

气候变化是重大公共卫生挑战，了解温度对健康的影响对预防与高温和低温相关的死亡和疾病至关重要。温度是心血管疾病（CVD）的重要风险因素，环境温度的升高和降低均与心血管疾病死亡率相关。心血管疾病是中国的首要死亡原因，且疾病负担很高。以往研究表明，寒冷和高温暴露均促成了温度与心血管疾病之间的关系。由于中国地域辽阔，南北之间存在较大的地理和气候差异，不同地区关于心血管疾病效应的研究结果存在差异。尽管已有研究广泛探讨了环境温度对心血管疾病住院的影响，但由于区域差异，该国存在较大的空间异质性。因此，单一研究无法为预防这些不良事件的健康负担和发展预防和控制措施提供全面和系统的科学依据。为此，使用荟萃分析充分利用和整合现有文献中的信息，以定量评估环境温度对中国心血管疾病相对危险度（RR）的影响至关重要，这将为制定保护公共卫生的预防措施和建立基于健康的预警系统提供科学依据。

第四段-Methods

方法

研究选择

本荟萃分析依据系统综述和荟萃分析报告条目（PRISMA）指南以及流行病学观察性研究荟萃分析（MOOSE）小组的建议进行，并基于在线可获取的注册综述方案（PROSPERO CRD42023398453）。 

我们对三个电子数据库——Web of Science、Google Scholar和中国国家知识基础设施（CNKI）——进行了系统检索，旨在找出研究中国环境温度与心血管疾病住院之间关系的流行病学研究。检索策略基于与环境温度、心血管疾病和住院相关的关键词组合。

检索分两个阶段进行。在初步调查中，我们使用了“temperature”（温度）和“cardiovascular disease”（心血管疾病）这两个关键词。在第二阶段，我们加入了第三个关键词“China”（中国），以限定研究区域。我们首先使用文章的标题和摘要筛选出与研究问题无关的研究，随后剔除了那些没有定量结果的研究。 

我们采用以下纳入标准：

1. 环境温度和体感温度作为主要的天气暴露指标。 

2. 研究观察心血管疾病的结局。

3. 研究以英文撰写且研究对象为人。

4. 研究必须在中国进行。

5. 研究必须探讨温度与心血管疾病之间的关系。

数据提取

我们提取了以下信息：作者和年份、研究时段、研究地点、主要温度暴露变量、滞后天数、冷热效应的相对危险度（RR）、95%置信区间（CI）以及海拔亚组。两位同事进行了双盲筛选，分别对选定关键词的文献进行筛选和数据提取，最后汇总结果得出最终数据。

统计分析

统计分析包括三个步骤：使用随机效应模型计算每项研究不同地点的汇总估计值；基于主要温度暴露、滞后天数、性别和年龄进行亚组分析；进行敏感性分析。在第一步中，我们通过荟萃分析汇总了所有纳入研究的相对危险度（RR）。我们使用森林图和逆方差检验来评估环境温度与心血管疾病相对危险度之间关系的异质性。由于各研究在不同地点开展，导致结果存在相当大的异质性。因此，我们对这些相对危险度进行了对数转换，并使用随机效应模型和逆方差加权法在研究间汇总这些值，然后对这些值进行指数转换，分别得出冷热效应的汇总相对危险度。结果是基于每项研究中包含的不同地点的汇总最大估计值计算得出的。

我们使用Cochran Q检验（p值<0.05被认为具有统计学意义）来评估异质性，同时使用I²统计量（I²<25%表示低异质性，I²>75%表示高异质性）。我们还通过漏斗图和Egger检验来检查所选研究的潜在偏倚。在第二步中，我们对冷热效应进行了亚组分析，以进一步探究异质性。为了找出显著异质性的可能原因，我们进行了两个亚组分析，包括主要温度暴露和海拔。亚组结果以森林图形式呈现，通过拟合研究间的交互作用来确定亚组间的异质性。在第三步中，我们通过逐一省略研究来进行敏感性分析，以检验结果的稳健性。所有分析均使用R软件中的“meta”和“metafor”包（版本4.1.2）进行。 

证据评估

我们依据Dimitrova方法，分别对环境温度与心血管疾病住院之间以及体感温度与心血管疾病住院之间的关联进行质量和证据强度评估。

第五段-Results

结果

文献

如图1所示，从科学引文索引（SCI）中确定了33,701篇关于温度和心血管疾病的论文。其中，31,920篇在审查标题和摘要后被排除，因为暴露的温度不是环境温度或体感温度。重复的文章也被排除在外。进一步审查全文后，又有1,422篇文章被排除，因为暴露的温度不是环境温度，且结果与心血管疾病住院无关。最后，我们将一些研究中提到的中国作为研究区域的地理地点进行了限制。在纳入分析的研究中，有9项报告了寒冷效应，8项报告了高温效应。中国定西、陇南和庆阳地区的研究使用了分布式滞后非线性模型（DLNM）进行分析。 

如图2和图3所示，环境温度与心血管疾病住院相对危险度（RR）的关系的汇总效应大小分别针对寒冷效应和高温效应进行了报告。对于寒冷效应，心血管疾病住院的RR在随机效应模型中为1.2044（95%CI：1.0610—1.3671），在共同效应模型中为1.0763（95%CI：1.0473—1.1060）。对于高温效应，心血管疾病住院的RR在随机效应模型中为1.1982（95%CI：1.0166—1.4122），在共同效应模型中为1.1931（95%CI：1.1603—1.2269）。由异质性引起的纳入研究的总变异百分比更高：寒冷效应的I²为87%，高温效应的I²为93%。寒冷和高温效应的p值均小于0.01。因此，我们选择随机效应模型的结果，因为它更准确地反映了纳入研究中RR值的不一致性。 

鉴于所有纳入研究的荟萃分析存在显著的异质性，我们进行了亚组分析以更好地理解这种异质性。亚组分析针对主要温度暴露、滞后天数和海拔进行。主要温度暴露亚组分为环境温度组和体感温度组，其中9项研究对寒冷效应进行了亚组分析（图4），8项研究对高温效应进行了亚组分析（图5）。

当按主要温度暴露亚组分层时，异质性并未显著降低：寒冷效应中环境温度的I²为80%，体感温度的I²为88%；高温效应中环境温度的I²为96%，体感温度的I²为86%。在滞后亚组中存在显著的异质性（寒冷效应中0–21滞后天数的I²为89%，0–28滞后天数的I²为81%）。然而，在寒冷效应中0–27滞后天数存在中等水平的异质性（I²为56%；图6）。

相比之下，在高温效应中，0–28滞后天数存在中等水平的异质性（I²为66%），而0–21滞后天数存在显著的异质性（I²为86%；图7）。为了研究海拔对心血管疾病RR的影响，我们将所有研究分为两组，海拔低于1000米的归为0组，高于1000米的归为1组。图8显示，在寒冷和高温效应下，高海拔地区的RR均高于低海拔地区。 对纳入的研究进行了敏感性分析，以检验在依次从分析中移除每项研究时的总体效应，然后重新分析剩余的数据集。

图8和图9说明了每项研究从汇总估计大小的随机效应模型偏差。然而，当每项研究依次从分析中排除时，寒冷和高温效应的汇总估计值均未显著变化，这表明我们的分析结果具有稳健性。进行了漏斗图检验和Egger检验以评估文献中的发表偏倚。漏斗图检验未观察到显著的不对称性，而Egger检验显示寒冷效应可能存在发表偏倚，但高温效应没有偏倚的证据。

第六段–结论

结论

本研究揭示了环境温度与心血管疾病（CVD）住院之间的关系，包括寒冷和高温效应。研究结果表明，寒冷效应和高温效应均与心血管疾病的相对危险度（RR）显著相关。我们发现，中国北方和南方的潜在滞后效应存在差异。因此，未来的研究应更全面地考虑社会经济因素的影响。针对气候变化的适应性策略，应开发温度相关心血管疾病发病的早期预警模型，作为一种有效的应对措施。