[论文解读] A Source-Oriented Approach to Coal Power Plant Emissions Health Effects

Kevin Cummiskey, Chanmin Kim+4 more|arXiv (Cornell University)|Feb 26, 2019

Air Quality and Health Impacts参考文献 20被引用 7

一句话总结

本研究采用源导向方法，将美国783座燃煤电厂的排放与美国东部Medicare受益人在缺血性心脏病（IHD）住院情况相关联。利用InMAP空气质量模型将邮政编码分类为高暴露或对照组，并应用倾向得分匹配法调整混杂因素，研究发现，在东北部（IRR=1.08）和东南部（IRR=1.06）存在燃煤燃烧排放与IHD风险增加的显著关联，但在工业中西部地区由于暴露对比度有限，未发现显著关联。

ABSTRACT

There is increasing focus on whether air pollution originating from different sources has different health implications. In particular, recent evidence suggests that fine particulate matter (PM2.5) with chemical tracers suggesting coal combustion origins is especially harmful. Augmenting this knowledge with estimates from causal inference methods to identify the health impacts of PM2.5 derived from specific point sources of coal combustion would be an important step towards informing specific, targeted interventions. We investigated the effect of high-exposure to coal combustion emissions from 783 coal-fired power generating units on ischemic heart disease (IHD) hospitalizations in over 19 million Medicare beneficiaries residing at 21,351 ZIP codes in the eastern United States. We used InMAP, a newly-developed, reduced-complexity air quality model to classify each ZIP code as either a high-exposed or control location. Our health outcomes analysis uses a causal inference method - propensity score matching - to adjust for potential confounders of the relationship between exposure and IHD. We fit separate Poisson regression models to the matched data in each geographic region to estimate the incidence rate ratio for IHD comparing high-exposed to control locations. High exposure to coal power plant emissions and IHD were positively associated in the Northeast (IRR = 1.08, 95% CI = 1.06, 1.09) and the Southeast (IRR = 1.06, 95% CI = 1.04, 1.08). No significant association was found in the Industrial Midwest (IRR = 1.02, 95% CI = 1.00, 1.04), likely the result of small exposure contrasts between high-exposed and control ZIP codes in that region. This study provides targeted evidence of the association between emissions from specific coal power plants and IHD hospitalizations among Medicare beneficiaries.

研究动机与目标

• 评估特定燃煤电厂排放对缺血性心脏病（IHD）住院率的健康影响。
• 通过使用倾向得分匹配等因果推断方法，解决观察性空气污染研究中的混杂问题。
• 通过基于来源的暴露分类，评估燃煤产生的PM2.5与总PM2.5相比是否具有不同的健康效应。
• 通过分离单个燃煤电厂造成的健康负担，提供具有政策相关性的证据。
• 考察在暴露对比度较低的地区，燃煤排放与IHD关联的区域差异。

提出的方法

• 采用简化复杂度的空气质量模型——空气污染干预模型（InMAP），估算783座燃煤电厂排放对21,351个邮政编码区域PM2.5的影响。
• 基于燃煤燃烧排放的相对影响，利用InMAP输出对每个邮政编码进行‘高暴露’或‘对照’分类。
• 使用倾向得分匹配法平衡高暴露与对照邮政编码之间的可观测协变量，以减少混杂偏倚。
• 在三个地理区域（东北部、工业中西部、东南部）对匹配后的数据分别拟合泊松回归模型，以估计IHD的发病率比（IRRs）。
• 在二次分析中调整环境PM2.5质量，以评估燃煤特异性效应是否独立于总PM2.5。
• 通过验证暴露排序的稳健性，确保仅相对暴露排序重要，而非模型绝对准确性，因为暴露分类为二元分类。

实验结果

研究问题

• RQ1 高暴露于燃煤电厂排放是否与缺血性心脏病（IHD）住院率增加存在显著关联？
• RQ2 燃煤排放与IHD的关联在不同美国地区如何变化，特别是在暴露对比度较低的地区？
• RQ3 混杂因素在多大程度上偏倚了观察到的关联？倾向得分匹配法在多大程度上有效缓解了这种偏倚？
• RQ4 燃煤燃烧排放的健康影响能否与总PM2.5质量区分开来，从而提示来源特异性毒性？
• RQ5 在因果推断中使用简化复杂度模型（如InMAP）是否会影响暴露分类的有效性？

主要发现

• 在东北部，高暴露于燃煤电厂排放与IHD住院率增加1.08倍相关（95%置信区间：1.06–1.09），表明存在统计学上显著的关联。
• 在东南部，IHD的发病率比为1.06（95%置信区间：1.04–1.08），表明与燃煤燃烧排放存在显著正相关。
• 在工业中西部地区，未发现显著关联（IRR=1.02，95%置信区间：1.00–1.04），可能由于高暴露与对照邮政编码之间的暴露差异较小。
• 倾向得分匹配方法成功平衡了高暴露组与对照组之间的协变量，减少了分析中的混杂偏倚。
• 研究发现，工业中西部地区仅有1.4%的邮政编码处于燃煤排放影响最高的10%范围内，表明暴露对比度有限，统计效能降低。
• 在调整环境PM2.5质量的二次分析中，发现燃煤特异性效应可能部分独立于总PM2.5，尽管此类解释的假设仍需进一步验证。