EXPERIENCE OF PREDICTING OF EXPECTED EXCESS MORTALITY DUE TO CLIMATE CHANGE: A CASE STUDY IN ARKHANGELSK

Full Text

Рис. 1. Схема вычисления изменений смертности, обусловленных потеплением климата (аддитивными), однако их можно изучать в рамках единой статистической модели смертности [8]. Методы Данные по смертности и среднесуточным температурам. Данные о ежедневной смертности в формате МКБ-10 по городу Архангельску за 1999-2008 годы использованы для установления корреляционных зависимостей между среднесуточными температурами и смертностью населения. Исходя из указанной в свидетельстве о смерти основной причины смерти и возраста умершего, были сформированы временные ряды ежедневной смертности по двум возрастным группам (30-64 и свыше 64 лет) и пяти диагнозам: все внешние причины; все естественные причины; ишемическая болезнь сердца (ИБС); цереброваскулярные болезни; болезни органов дыхания. Такая группировка отражает современные эпидемиологические представления о «климатозависимых» причинах смертности и позволяет изучать возрастные различия. Данные о среднесуточных температурах за указанный период были получены усреднением трех часовых измерений по метеостанции Архангельск сети Росгидромета. Регрессионная зависимость смертности от температуры. В общем виде зависимость вариаций ежедневной смертности от вариаций температуры воздуха может быть описана обобщенной линейной регрессионной моделью log E(M) = DOW + S(time) +W, (1) где log E(M) натуральный логарифм ожидаемой величины ежедневной смертности; 6 DOW = У a DOW., i=1 где DOW. набор из шести бинарных переменных, указывающих на день недели; ai соответствующие регрессионные коэффициенты; S(time) медленная функция времени, описывающая многолетний тренд и сезонную периодичность смертности [11]; W(Tg; T; ... Tma) функция, зависящая только от среднесуточных температур воздуха, взятых с лагами от нулевого (в день смерти) до некоторого максимального, после которого смертность уже «не чувствует» вариаций температуры. Выбор вида функции W зависит как от целей исследования, так и от практических соображений (простота моделирования и интерпретации). В данном исследовании использовалась сегментированная (отдельно для жары и холода) линейная модель с распределенными лагами до 50 дней включительно [1]. Достоинство этой модели в том, что она позволила численно оценить «кумулятивный» (то есть накопленный к максимальному лагу) относительный прирост смертности, обусловленный изменением температуры на 1 °С, во всем диапазоне температур воздуха, кроме экстремальных. Влияние экстремальных температур на смертность. Дни с экстремальными температурами изучались отдельно по двум причинам: 1) поскольку таких дней довольно мало (даже за 10 лет периода исследования), регрессионная зависимость (1), иначе называемая «температурная кривая смертности», теряет статистическую значимость на «хвостах», соответствующих очень высоким и очень низким температурам; 2) поскольку такие дни, как правило, встречаются не «поодиночке», а несколько подряд (волны жары/холода), избыточная смертность в периоды экстремальных температур может быть больше, чем предсказывает регрессионная модель [5]. Вследствие изменения климата изменяется как частота, так и продолжительность температурных волн. Эффект для здоровья (при той же амплитуде волны) сильно зависит от продолжительности волны [4]. Чтобы упростить прогнозирование изменений смертности, в данной работе все волны условно разделены на два «ансамбля»: короткие (от 5 до 7 дней) и длинные (более 7 дней). После этого вопрос об изменении продолжительности волн отпадает, поскольку прогнозирование делается отдельно для ансамблей коротких и длинных волн, а из-за потепления меняется только число волн в ансамбле между базовым и прогнозным двадцатилетиями (ожидаемая частота или периодичность). Влияние на смертность волн короче 5 дней оказывается статистически незначимым для популяции порядка 300 тысяч жителей [8], поэтому такие волны не изучались в данной работе. В качестве пороговых 18 Экология человека 2013.08 Экологическая безопасность Относительное изменение годовой смертности (%) в среднем между прогнозным периодом 2040—2059 годов и базовым периодом 1980-1999 Причина смерти и возрастная группа, лет Механизм I Механизм II Сумма Низкие темпера туры Высокие темпера туры Волны холода Волны жары ИБС, 30-64 -2,9* (-4,7; -1,2) 1,8 (-0,3; 3,9) -0,5* (-0,9; -0,2) 0 -1,7 (-4,4; 1,1) ИБС, >65 -4,8* (-7,5; -2,0) 3,3 (-0,5; 7,1) -0,4* (-0,7; -0,2) 0 -1,8 (-6,6; 2,9) Цереброваскулярные болезни, 30-64 -3,9* (-6,1; -1,6) 0,8 (-0,3; 1,8) 0 0 -3,1* (-5,6; -0,6) Цереброваскулярные болезни, >65 -4,7* (-7,5; -2,0) 1,0 (-0,2; 2,2) -0,4* (-0,8; -0,2) 0,5* (0,0; 1,0) ,6* ,7 6) СО ^ сТ -(-Болезни органов дыхания, 30-64 -3,5* (-5,5; -1,5) -0,9 (-1,9; 0,1) -0,5* (-1,1; -0,3) 0 -4,8* (-7,2; -2,6) Болезни органов дыхания, >65 -2,6* (-4,1; -1,1) -0,04 (-0,10; 0,01) 0 0 -2,6* (-4,1; -1,1) Все естественные причины, 30-64 -0,7* (-1,3; -0,2) 0,4 (-0,1; 0,9) -0,3* (-0,5; -0,1) 0 -0,6 (-1,4; 0,2) Все естественные причины, >65 -1,6* (-2,5; -0,7) 0,3 (-0,1; 0,6) -0,4* (-0,6; -0,2) 0,2* (0,0; 0,4) -1,5* (-2,5; -0,5) Все внешние причины, 30-64 -3,6* (-5,7; -1,5) 1,3 (-0,2; 2,9) -0,5* (-0,9; -0,3) 0 -2,8* (-5,5; -0,2) Все внешние причины, >65 -2,6* (-4,1; -1,1) 1,0 (-0,2; 2,1) 0 0 -1,6 (-3,5; 0,3) Примечания: в скобках указан 95 % ДИ. Нули означают, что не было установлено статистически значимого возрастания смертности во время температурных волн. * статистически значимый прирост на 95 % уровне значимости. температур для идентификации холодовых и тепловых волн взяты 3 % и 97 % процентили многолетнего распределения среднесуточных температур в базовом периоде. При вычислении относительных приростов смертности на одну «среднестатистическую» короткую и длинную волну использован анализ дисперсии независимых выборок из распределения ежедневной смертности в период 1999-2008 годов [9, 10]. Климатический прогноз. После предварительного тестирования более чем 20 сопоставимых МОЦАО были отобраны 16 моделей, показавших наиболее качественный расчет современного климата, которые и составили мультимодельный ансамбль, где каждая МОЦАО представлена единственным расчетом. Результат усреднения по мультимодельному ансамблю при одинаковом внешнем воздействии (использовался наиболее пессимистичный сценарий IPCC A2) дал прогноз климатических изменений [2]. При региональном прогнозе для Архангельской области использовались расчетные климатические поля из архива данных о температуре приземного воздуха суточного разрешения в узлах регулярной сетки 2,5° на 2,5° за периоды 1980-1999 и 2040-2059 годов. Прогноз смертности. Изменение смертности со временем оценивалось независимо по двум «механизмам», показанным в табл. 1. Механизм I обусловлен регрессионной зависимостью между температурой воздуха и смертностью и может быть в общем виде выражен уравнением (2), связывающим относительное изменение смертности AE по модели (1) с эволюцией температурного режима от базового периода Wh к прогнозному Wf при допущении постоянства установленных функций «доза ответ» на протяжении всего периода прогнозирования: eWf eWh *E(M) = w (2), Для каждой календарной даты правая часть этого уравнения является функцией температуры в базовый период Th и ожидаемого в прогнозный период изменения суточной температуры, соответствующей заданной Th (эта величина в климатологии называется суточной температурной аномалией). Однако для расчета относительного изменения годовой смертности удобнее суммировать не по календарным датам, а по процентилям распределения среднесуточных температур в базовом периоде T, I = 0, 1, ..., 99: (3), где M. = M(T). Относительное изменение смертности между базовым и прогнозным периодами из-за меняющихся параметров распределения температурных волн (Механизм II в табл. 1) состоит из четырех слагаемых, соответствующих четырем ансамблям волн: короткие и длинные волны жары; короткие и длинные волны холода. Каждое слагаемое имеет вид: где RR усредненный по ансамблю относительный прирост смертности, N средняя длина волны в данном ансамбле (в днях), п} и nh ожидаемые числа волн в данном ансамбле в течение прогнозного и базового двадцатилетних периодов. Результирующее изменение смертности получается суммированием по двум описанным выше механизмам. Результаты Все вычисления были проделаны независимо для десяти показателей смертности (5 укрупненных диагнозов по двум возрастным группам). U-образные температурные кривые смертности были установлены для всех 10 показателей, кроме респираторных заболеваний, для которых смертность монотонно снижалась во всем диапазоне температур, что нами было показано в работе [1]. Важная особенность полученных U-образных кривых заключается в их асимметричности относительно медианы распределения среднесуточных температур: их минимум 19 Экологическая безопасность Экология человека 2013.08 наблюдался при температурах 16,6—17,8 °С для естественных причин и 20,1—21,2 °C для внешних, что соответствует примерно 92 и 97 % процентилям этого распределения. Это означает, что смертность от естественных причин растет с повышением температуры лишь во время 30 самых жарких дней в «среднестатистическом» году, когда люди испытывают тепловой стресс (для внешних причин еще меньше — лишь около 10 самых жарких дней в году). Во все остальные дни года смертность, наоборот, растет при понижении температуры. Вычисленные в работе относительные риски смертности во время холодовых волн были почти все статистически значимы (для 7 из 10 показателей смертности), в то же время лишь для 2 из 10 показателей были установлены статистически значимые приросты смертности во время волн жары [1]. Вероятно, население Архангельска больше страдает от волн холода, чем от волн жары. Это также повлияло на прогнозы изменения смертности в связи с потеплением климата. Важным результатом является полученная аппроксимация суточной температурной аномалии T(future)-T(baseline) как функции температуры в базовом периоде Th. На рис. 2 эта зависимость аппроксимируется двумя линейными функциями с точкой излома 13,5 °С, это средняя летняя температура в Архангельске. Видно, что потепление зимой выражено сильнее, чем летом. Использованный для климатического прогноза мультимодельный ансамбль также позволяет вычислить ожидаемые в будущем числа температурных волн п. Как показали вычисления, по сравнению с базовым периодом ожидаемое в 2040—2059 годах число коротких холодовых волн уменьшится с 8 до 1,8 (0; 4), а число длинных холодовых волн уменьшится с 7 до 0,5 (0; 4). В то же время число коротких тепловых волн возрастет с 12 до 18 (12; 18); а длинных с 6 до 15 (6; 30). Здесь и далее в скобках указаны границы 95 % доверительных интервалов (ДИ) оценочных значений. Столь значительный рост числа длинных волн связан с тем, что многие «короткие» волны перейдут в разряд «длинных». -—1 .-1-1-1-1-0-27 -22 -17 -12 -7 -2 3 8 1В 18 23 Т (baseline) нижний 95%ДИ ^^всреднеезнач. ^—верхний 95%ДИ Рис. 2. Принятая в работе аппроксимация зависимости суточной температурной аномалии T(future)-T(baseline) от температуры в базовом периоде T(baseline) На основании регионального климатического прогноза были вычислены ожидаемые относительные изменения смертности. В табл. 1 все оценки приведены отдельно для холодового и теплового стресса, что соответствует нисходящему и восходящему участкам температурных кривых смертности для Механизма I либо волнам холода и тепла для Механизма II. Результирующие приросты смертности (сумма по обоим механизмам) изображены на рис. 3. Смертность по всем показателям снижается по мере потепления, причем для 6 из 10 показателей снижение смертности оказалось статистически значимым с учетом как неопределенности климатического прогноза, так и неопределенностей установленных регрессионных зависимостей смертности от температуры. Например, зная вклады двух возрастных групп в общую смертность, можно вычислить, что для всех возрастов смертность от всех естественных причин в Архангельске должна снизиться на 1,9 % (главным образом за счет снижения смертности от ИБС у пожилых людей старше 64 лет), а смертность от всех внешних причин — снизиться на 2,6 % (здесь, наоборот, основной вклад вносит первая возрастная группа). Рис. 3. Относительные изменения среднегодовой смертности (в процентах) в прогнозном периоде 2040—2059 годов по сравнению с базовым периодом 1980 — 1999 для двух возрастных групп и пяти групп причин смерти Обсуждение результатов Важнейшим результатом настоящей работы можно считать вывод о том, что относительный вклад Механизма II в результирующее изменение смертности гораздо меньше, чем вклад Механизма I. В первом приближении влиянием температурных волн на ожидаемое изменение смертности вообще можно пренебречь. Данное исследование является единственным, где сделана попытка сравнить влияние этих двух механизмов, хотя нам известны работы, исследующие либо первый, либо второй механизм связи потепления климата со смертностью. Прогноз изменения смертности по Механизму I был сделан в [3, 6, 7]. В последней работе исследовались лишь три летних месяца, так что ее результаты нельзя непосредственно сравнить с нашими. В первых двух исследовались температурные кривые во всем диапазоне годовых температур. Например, J. С. Ciscar с соавт. [8] показали, что к 2080 году по сценарию A2 в Европе 20 Экология человека 2013.08 Экологическая безопасность ожидается повышение летней смертности на 1—3 % при одновременном снижении зимней на 1,5—5 %, так что результирующее изменение прогнозируется отрицательным, что вполне согласуется с нашими результатами по Механизму I. Что же касается Механизма II, лишь в одном опубликованном исследовании предпринята попытка оценить изменение смертности из-за изменяющихся характеристик температурных волн. К сожалению, это было сделано только для волн жары, так что, естественно, прогнозируется рост климатически обусловленной смертности [11]. Интересно, что авторы этой работы подчеркивают огромные различия климатических прогнозов по различным моделям, что было подтверждено и в нашем исследовании, так как основным источником неопределенности эпидемиологического прогноза является межмодельный разброс температурных полей, особенно для летних месяцев (см. рис. 2). Несмотря на значительные неопределенности, можно обозначить две основные причины прогнозируемого снижения среднегодовой смертности при потеплении климата: зимой потепление гораздо сильнее, чем летом; дней с «холодовым» стрессом в году во много раз больше, чем с «тепловым», о чем свидетельствует сильно выраженная асимметрия температурных кривых смертности. Тем не менее во время волн жары смертность резко возрастает, и поэтому Всемирная организация здравоохранения (ВОЗ) в ряде документов указывает на необходимость внедрения в странах планов действий по защите здоровья населения от климатических изменений. В России письмом от 18 апреля 2012 года N 14-3/10/2-3936 Министерства здравоохранения и социального развития Российской Федерации и Методическими рекомендациями Роспотребнадзора МР 2.1.10.0057-12 «Оценка риска и ущерба от климатических изменений, влияющих на повышение уровня заболеваемости и смертности в группах населения повышенного риска» предусмотрены разработка и утверждение региональных планов действий по защите здоровья населения от воздействия жары с учетом особенностей субъектов Российской Федерации. Первый такой план действий в России в рамках указанного выше проекта ВОЗ разработан для Архангельской области. Этот план включает такие элементы, как системы достоверного и своевременного оповещения (системы оперативного оповещения о необходимости защиты здоровья от жары, включая экстренные оповещения, определение критериев для принятия мер и оповещения о рисках); планы информирования населения о воздействии жары на здоровье (какая информация распространяется, для кого и когда) и другие межсекторальные профилактические мероприятия. Публикация подготовлена в ходе совместного проекта Европейского бюро ВОЗ и Министерства окружающей среды, охраны природы и ядерной безопасности Федеративной Республики Германия «Защита населения от последствий изменения кли мата в Европе». Координаторы проекта д-р Б. Менне (B. Menne) и д-р Дж. Нурс (J. Nurse). Авторы выражают благодарность за финансовую поддержку, полученную от ФРГ, от Российского фонда фундаментальных исследований и Программы Президиума РАН «Фундаментальные науки — медицине». Авторы признательны международному сообществу разработчиков климатических моделей за предоставление данных для анализа; участникам Программы диагноза и сравнения климатических моделей (PCMDI) за сбор и хранение модельных данных CMIP3; Рабочей группе по объединенным моделям (ШОСМ) Всемирной программы исследований климата (WCRP) — за организацию деятельности по анализу модельных расчетов. Архив данных WCRP CMIP3 поддерживается Управлением по науке Министерства энергетики США.

About the authors

D A Shaposhnikov

Institute for National Economic Forecasts of Russian Academy of Sciences

Moscow, Russia

B A Revich

Institute for National Economic Forecasts of Russian Academy of Sciences

Moscow, Russia

V P Meleshko

Voeikov Main Geophysical Observatory

Saint Petersburg

V A Govorkova

Voeikov Main Geophysical Observatory

Saint Petersburg

T V Pavlova

Voeikov Main Geophysical Observatory

Saint Petersburg

Zh L Varakina

Northern State Medical University

Email: ravenzh@land.ru
Arkhangelsk, Russia

References

Supplementary files