Impatti sulla salute dell’inquinamento atmosferico dovuto agli incendi in Brasile: uno studio nazionale su oltre 2 milioni di ricoveri ospedalieri tra il 2008 e il 2018 Leave a comment


Dati di esposizione

Dati sugli incendi

Abbiamo avuto accesso ai dati sugli incendi dell’Istituto nazionale di ricerca spaziale del Brasile – Instituto Nacional de Pesquisas Espaciais INPE (http://queimadas.dgi.inpe.br/queimadas/). I dati ottenuti contengono record di incendi boschivi, inclusa la data in cui si è verificato l’incendio e la posizione geografica. Questi dati sono derivati ​​da sette osservazioni di telerilevamento satellitare, tra cui National Ocean and Atmospheric Administration (NOAA)-18, NOAA-19, METOP-B, Moderate Resolution Imaging Spectroradiometer (MODIS) (NASA TERRA e AQUA), VIIRS (NPP-Suomi e NOAA-20), VA-16 e MSG-3. L’INPE elabora tutte le immagini provenienti da questi satelliti e quindi stima il verificarsi di incendi utilizzando un satellite specifico come riferimento. Attualmente, AQUA è il satellite di riferimento. Abbiamo contabilizzato tutti i record di incendi boschivi in ​​Brasile in base al satellite di riferimento nel periodo tra il 2008 e il 2018. Dato che ogni individuo nei dati sanitari si basa sul livello del comune (i dettagli sui dati sanitari sono forniti nella sezione “Dati sulla salute e sulla popolazione “), utilizziamo le tecniche del Sistema di informazione geografica per riassumere il numero di eventi di incendi in ogni comune brasiliano. Ci sono 5572 comuni in Brasile, che rappresentano le aree più piccole considerate dal sistema politico brasiliano. Il governo raggruppa i comuni in cinque regioni, tra cui Nord, Nord Est, Midwest, Sud Est e Sud. Nella Fig. supplementare 1, mostriamo la distribuzione spaziale di tutti i comuni e le regioni del Brasile.

Abbiamo definito il concetto di “onda selvaggia” come qualsiasi giorno in cui gli incendi registrano e PM2,5 concentrazione ha superato il 99° percentile della serie storica dal 2008 al 2018 dalla regione brasiliana (wildfire e PM2,5 dati, rispettivamente). Abbiamo utilizzato questo concetto per catturare i periodi con un numero elevato di incendi, il che ci consente di stimare gli effetti sulla salute associati a forti episodi di inquinamento atmosferico correlato agli incendi. Il concetto di onda di incendio definito nel nostro studio è simile ai concetti di eventi di inquinamento atmosferico estremo da incendi definiti in studi precedenti11,15.

Dati sull’inquinamento atmosferico

I dati sull’inquinamento atmosferico sono stati ottenuti da modelli di insieme. Abbiamo contabilizzato il PM giornaliero2,5 (μg m-3), CO (ppb), NO2 (ppb) e O3 (ppb) concentrazioni dal 2008 al 2018. I dati sono stati consultati dal Sistema Informativo Ambientale per la Salute (http://queimadas.dgi.inpe.br/queimadas/sisam/v2/dados/download/). Si tratta di un sistema di database sviluppato dall’INPE – Istituto Nazionale di Ricerche Territoriali in Brasile.

L’INPE ha ottenuto le concentrazioni giornaliere di tutti questi quattro inquinanti dall’ECMWF. L’ECMWF gestisce servizi relativi alla meteorologia e alle covariate dell’inquinamento atmosferico e implementa il servizio di monitoraggio dell’atmosfera Copernicus (CAMS) per conto dell’Unione Europea, comprese le previsioni CAMS-Reanalysis e CAMS Near Real Time (CAMS-NRT). Il servizio CAMS esegue modelli di insieme utilizzando diverse osservazioni satellitari e inventari delle emissioni tra gli altri predittori. Abbiamo ottenuto i dati con una risoluzione spaziale di 0,125° (~12,5 km) e una risoluzione temporale di 6 ore, comprese le stime giornaliere per 00, 06, 12 e 18 Universal Time Coordinated. Nelle nostre analisi, abbiamo utilizzato CAMS-Reanalysis per il periodo tra il 2008 e il 2017 e CAMS-NRT per l’anno 2018.

La validazione per il modello globale CAMS è riportata da Inness et al.36. In particolare, per il PM2,5, la variabile di esposizione nel nostro studio, viene valutata con osservazioni a terra dell’Aerosol Robotic Network (AERONET). Ci sono oltre 500 stazioni AERONET in tutto il mondo che misurano la profondità ottica dell’aerosol spettrale (AOD) con fotometri solari a terra. Tra queste stazioni AERONET, circa 27 stazioni sono in Brasile. La convalida di Inness et al.36. stimato un bias medio e SD dai dati forniti dagli strumenti del satellite (inclusi nel modello CAMS per gli aerosol) rispetto ai dati AERONET. In Sud America, i dati degli strumenti satellitari sono leggermente più piccoli, con un bias approssimativo di -0,006 ± 0,128. Un’altra indagine mostra che le stime dei CAM in Sud America hanno un errore quadratico medio (rispetto alle stazioni AERONET) di 0,26837. Altri studi hanno dimostrato che i siti di osservazione AERONET in Sud America hanno una rappresentatività significativa per l’AOD misurato da MODIS, a bordo dei satelliti TERRA e AQUA38. È interessante notare che MODIS è uno strumento incluso nel modello CAMS. Questa associazione tra i dati AERONET e AOD di MODIS è significativa durante le stagioni di combustione della biomassa in Sud America, che il R2 (coefficiente di determinazione) per la maggior parte delle stazioni AERONET in Brasile era superiore a 0,8538.

Abbiamo calcolato la risoluzione temporale media giornaliera per ciascun inquinante. Infine, abbiamo aggregato i dati sull’inquinamento atmosferico per comune, considerando la posizione geografica della sede di ciascun comune in Brasile.

Come accennato in precedenza, in questo studio, l’esposizione definita come inquinamento atmosferico correlato agli incendi era basata sul PM2,5 concentrazione, quando ha superato il 99° percentile della serie storica. Questo punto limite è vicino allo standard di qualità dell’aria 24 ore dell’Organizzazione mondiale della sanità per il PM2,5 (25 mg m-3). L’utilizzo di questa soglia del 99% consente ai nostri risultati di essere utili per le agenzie di sanità pubblica per agire quando gli standard di inquinamento atmosferico sono più elevati. Come mostrato nella sezione “Introduzione”, la letteratura ha riportato PM2,5 come il principale inquinante emesso dagli incendi. Gli altri inquinanti sono stati inclusi nelle nostre analisi come variabili di controllo. Nella sezione “Analisi statistiche”, descriviamo il modello statistico con tutte le variabili di controllo e confondenti.

Dati meteo

I dati meteorologici sono stati recuperati anche da modelli di insieme, accessibili dall’ECMWF. I dati meteorologici includono temperatura superficiale (°C), umidità (%), velocità del vento (m/s), direzione del vento (°) e precipitazioni (mm/giorno). La temperatura, l’umidità, la velocità del vento e la direzione del vento sono state derivate dalle rianalisi Era-Interim, con una risoluzione spaziale di 0,125° e una risoluzione temporale di 6 ore. Questa rianalisi è stata eseguita dall’ECMWF. I dati sulle precipitazioni sono stati consultati dal Climate Prediction Center e dal NOAA. Questi dati hanno una risoluzione spaziale originale di 0,5° (~50 km), con interpolazione a 12,5 km e una risoluzione temporale di 6 h. Per quanto riguarda i dati sull’inquinamento atmosferico, abbiamo calcolato la risoluzione temporale media giornaliera per ogni variabile meteorologica e quindi abbiamo aggregato i dati per comune.

Dati sulla salute e sulla popolazione

I dati di ricovero ospedaliero sono stati forniti dal Ministero della Salute in Brasile. Questi dati sono stati ottenuti da database pubblicamente disponibili (https://bigdata-metadados.icict.fiocruz.br/dataset/sistema-de-informacoes-hospitalares-do-sus-sihsus) a cura del Ministero della Salute in Brasile. I dati comprendono record individuali di ricoveri ospedalieri in Brasile tra il 2008 e il 2018. L’analisi di questi dati è stata approvata dal gruppo di gestione del database.

Le informazioni sul ricovero ospedaliero includevano la data dell’evento, il comune di residenza, l’età, il sesso, la razza, il numero di giorni trascorsi in ospedale dai pazienti e la diagnosi principale secondo i codici della Classificazione Internazionale delle Malattie, versione 10 (ICD-10). Come discusso nell'”Introduzione”, gli studi di revisione sugli impatti sulla salute dell’esposizione agli incendi riportano prove coerenti sulle associazioni tra l’esposizione agli incendi e gli effetti sulla salute cardiorespiratoria10,39. Pertanto, in questo studio abbiamo esaminato le malattie respiratorie (codici ICD-10 J00-J99) e cardiovascolari (codici ICD-10 I00-I99). Nel periodo compreso tra il 2008 e il 2018, in Brasile ci sono stati 2.044.038 ricoveri ospedalieri per malattie cardiorespiratorie.

analisi statistiche

Abbiamo applicato un disegno di studio case-crossover stratificato nel tempo utilizzando modelli di regressione logistica condizionale. Il disegno di questo studio si basa su un indicatore binario variabile per giorni caso/controllo per confrontare l’esposizione (PM correlato a incendi boschivi)2,5 in ondate di incendi) nel giorno dell’evento sanitario (ricovero ospedaliero; giorno del caso) con l’esposizione nei giorni senza evento (giorni di controllo). Abbiamo utilizzato un campionamento stratificato nel tempo per selezionare i giorni di esposizione di riferimento, che sono stati abbinati al giorno della settimana, al mese e all’anno solare del ricovero ospedaliero. Ciò consente il confronto dell’esposizione il giorno di un evento sanitario il lunedì di gennaio del 2008, ad esempio, con le esposizioni di tutti gli altri lunedì di gennaio del 2008. È interessante notare che in questo disegno di studio, ogni periodo di caso ha tre o quattro periodi di controllo.

Abbiamo scelto di condurre un’analisi abbinata, perché l’esposizione all’inquinamento atmosferico legata agli incendi è un evento episodico. Inoltre, l’approccio di corrispondenza incorpora alcuni vantaggi. In primo luogo, dato che i periodi di abbinamento erano vicini nel tempo, l’approccio riduce gli effetti di confusione relativi all’andamento stagionale controllando i fattori di rischio dipendenti dal tempo, inclusi il giorno della settimana, la stagione e le tendenze a lungo termine tramite l’abbinamento. Inoltre, le persone che hanno avuto l’evento di salute sono state definite come i propri controlli, consentendo il controllo di tutti i potenziali fattori confondenti a livello individuale (ad es. rapidamente.

Abbiamo utilizzato il modello di regressione logistica condizionale per stimare l’odds ratio (OR) per i ricoveri ospedalieri associati a PM correlato a incendi boschivi2,5 in ondate di incendi rispetto allo sfondo. Abbiamo aggiustato il modello per diverse variabili di controllo/confondimento, inclusi altri inquinanti atmosferici emessi da incendi boschivi (CO, NO2, e O3), variabili meteorologiche (temperatura, umidità relativa, precipitazioni, velocità del vento, direzione del vento), variabile topografica rappresentata dall’elevazione, termini spaziali (latitudine, longitudine, stato e una variabile binaria che rappresenta i comuni capoluoghi), e una salute variabile che indica il numero di giorni che i pazienti trascorrono in ospedale.

Nell’analisi primaria, abbiamo applicato il modello logistico condizionale sopra descritto per ciascun gruppo di risultati di salute: malattie respiratorie e malattie cardiovascolari. Abbiamo tenuto conto delle medie mobili per incendi boschivi, inquinanti atmosferici e variabili meteorologiche. Abbiamo considerato cinque medie mobili, tra cui media mobile di 1 giorno, media mobile di 2 giorni, …, media mobile di 5 giorni.

Abbiamo condotto numerose analisi di modificazione degli effetti e sensibilità stratificando le analisi per sesso, età (0-5 anni, 35-64 anni e >64 anni), escludendo dal modello gli inquinanti di controllo (CO, NO2, e O3), escludendo la razza, escludendo alcuni termini spaziali (stato e latitudine/longitudine) e tenendo conto dei ricoveri ospedalieri cardiorespiratori (ricoveri ospedalieri cardiovascolari e respiratori insieme). Abbiamo applicato la media mobile per ciascuna di queste stratificazioni (analisi dei sottogruppi). Tutte le analisi statistiche sono state eseguite in R, utilizzando il pacchetto statistico Survival (funzione clogit).

L’analisi primaria e tutte le analisi di sensibilità sono state condotte individualmente per ciascuna delle cinque regioni brasiliane (l’Appendice 1 mostra la distribuzione spaziale di queste regioni). Abbiamo eseguito questa analisi dei sottogruppi per regione per catturare l’eterogeneità regionale del paesaggio in Brasile (ad esempio, foresta amazzonica, foresta atlantica, Pantanal, ecc.), Che è fortemente correlata agli eventi di incendi. Quindi, gli OR specifici per regione sono stati meta-analizzati per stimare i ricoveri ospedalieri medi nazionali associati a PM correlato a incendi boschivi2,5 in ondate di fuoco selvaggio. Abbiamo tenuto conto della variabilità intra e interregionale applicando una meta-analisi di regressione con effetti casuali.

Riepilogo dei rapporti

Ulteriori informazioni sul disegno di ricerca sono disponibili nel Riepilogo dei rapporti di ricerca sulla natura collegato a questo articolo.



Source link

Lascia un commento

Il tuo indirizzo email non sarà pubblicato.