آیا قرار گرفتن طولانی مدت در معرض آلودگی هوا می تواند بر شدت COVID-19 تأثیر بگذارد؟


مطالعه اخیر منتشر شده در تحقیقات محیطی اثرات قرار گرفتن طولانی مدت در معرض آلاینده های هوا را بر مرگ و میر بیماری کروناویروس 2019 (COVID-19) بررسی کرد.

مطالعه: مواجهه طولانی مدت با آلودگی هوا و شدت مورد COVID-19: تجزیه و تحلیل داده های سطح فردی از سوئیس.  اعتبار تصویر: Lemberg Vector Studio/Shutterstock
مطالعه: مواجهه طولانی مدت با آلودگی هوا و شدت مورد COVID-19: تجزیه و تحلیل داده های سطح فردی از سوئیس. اعتبار تصویر: Lemberg Vector Studio/Shutterstock

زمینه

مطالعات متعدد نشان می‌دهد که قرار گرفتن در معرض آلاینده‌های هوا می‌تواند حساسیت به کووید-۱۹ را افزایش داده و سیر بالینی آن را تشدید کند. با این حال، اکثر مطالعاتی که تاثیر آلودگی هوا را بررسی می‌کنند، طرح‌های مطالعات اکولوژیکی را اجرا کرده‌اند. مثال‌ها شامل تحلیل‌های رگرسیونی است که ارتباط آلودگی هوا با بروز، شدت و مرگ و میر COVID-19 را ارزیابی می‌کند.

محدودیت تحلیل‌های رگرسیون اکولوژیکی در زمینه COVID-19 این است که عوامل خطر را در سطح فردی در نظر نمی‌گیرند. عوامل خطر در سطح فردی به شدت بر نتایج COVID-19 تأثیر می گذارد.

ارزیابی ملاحظات روش‌شناختی برای مطالعات اپیدمیولوژیک COVID-19 و آلودگی هوا به این نتیجه رسید که بررسی‌های اکولوژیکی در معرض سوگیری هستند.

درباره مطالعه جدید

در مطالعه حاضر، محققان بررسی کردند که آیا تغییرات آلودگی هوا در سوئیس بر شدت و مرگ و میر COVID-19 تأثیر می گذارد یا خیر. آنها مجموعه داده COVID-19 مربوط به داده‌های 2 فوریه 2020 تا 30 آوریل 2021 را از اداره فدرال بهداشت عمومی سوئیس دریافت کردند. این شامل داده‌های سطح فردی در مورد سن بیماران، وضعیت سیگار کشیدن، جنس، جنسیت، وضعیت COVID-19، بستری شدن در بیمارستان، پذیرش در بخش مراقبت‌های ویژه (ICU)، مرگ و بیماری‌های همراه بود.

علاوه بر این، این تیم اطلاعاتی را در مورد عوامل اجتماعی-اقتصادی، عوامل مرتبط با سیستم سلامت و داده های آب و هوایی در سطح شهرداری جمع آوری کرد. داده‌های آلودگی هوا برای سال‌های 2014 تا 2019 در مقیاس اروپایی با وضوح فضایی 1 کیلومتر مدل‌سازی شدند.2.

این تیم یک چارچوب مدل‌سازی زمین آماری بیزی را پیاده‌سازی کرد که داده‌های شبکه مشاهدات ملی سوئیس (NABEL) را یکپارچه کرد. در موقعیت شبکه مانیتورینگ (Eionet)، پراکسی های ماهواره ای با وضوح بالا از دی اکسید نیتروژن (NO)2) و ذرات معلق (PM)، محصولات با وضوح بالا در مورد آب و هوا، هواشناسی و پوشش زمین.

داده های اجتماعی-اقتصادی از اطلس آماری سوئیس بدست آمد. داده ها شامل شاخص های توزیع جمعیت، شرایط زندگی، زبان ملی، وضعیت شهرنشینی، شاخص های اقتصادی و توزیع مرگ و میر می باشد. علاوه بر این، اطلس همچنین برای اطلاعات مربوط به عوامل مرتبط با سیستم مراقبت های بهداشتی، مانند ظرفیت بیمارستان و تعداد کارگران، قابل دسترسی بود.

فقط بیماران بستری در بیمارستان در آنالیزها وارد شدند. دو پیامد برای شدت کووید-19، بستری در ICU و مرگ اندازه‌گیری شد. تجزیه و تحلیل تک متغیره ارتباط پذیرش و مرگ در ICU را با ویژگی‌های فردی در سطح بیمار ارزیابی کرد. برای مدلسازی چند متغیره، بیمارانی که اطلاعاتی در مورد جنسیت و شهرداری نداشتند از مطالعه خارج شدند. بیماری های همراه به گروه های صفر، یک، دو و سه یا بیشتر دسته بندی شدند.

تجزیه و تحلیل ها به طور جداگانه برای دو مقیاس زمانی انجام شد – اولین موج COVID-19 (قبل از اکتبر 2020) و سری زمانی کلی. انتخاب متغیر بیزی (BVS) برای شناسایی عوامل مرتبط با پیامدها استفاده شد. احتمال NO2 و PM2.5 گنجاندن در مدل های چند متغیره به طور جداگانه مورد ارزیابی قرار گرفت.

یافته ها

محققان 28540 بیمار بستری شده با COVID-19 را مورد تجزیه و تحلیل قرار دادند. از این تعداد، 5849 مورد نیاز به بستری در بخش مراقبت های ویژه (ICU) داشتند و 5234 نفر در اثر عفونت جان باختند. انجمن های تک متغیره نشان داد که سن بالا شانس بستری شدن در ICU و مرگ را افزایش می دهد. مذکر بودن نیز با احتمال ابتلا به کووید-19 شدید همراه بود. احتمال پیامدهای بیماری شدید (ICU و مرگ) زمانی که بیماران همبود بودند افزایش یافت.

احتمال ابتلا به دیابت و چاقی کمتر بود اما برای سرطان و بیماری‌های مزمن کلیوی و قلبی عروقی شانس بیشتری داشت. بیمارانی که هیچ گونه بیماری قبلی نداشتند 70 درصد کمتر در بخش مراقبت های ویژه بستری و 80 درصد کمتر احتمال داشت که بمیرند. پیامدهای شدید COVID-19 در طول موج اول COVID-19 در مقایسه با کل دوره متفاوت بود.

خطر بستری شدن در ICU در موج اول 25.1 درصد در مقایسه با 20.5 درصد به طور کلی بود. به طور مشابه، خطر مرگ و میر در موج اول (20.5٪) بیشتر از کل دوره (18.3٪) بود. BVS پیش بینی کننده های مرتبط با شدت بیماری را شناسایی کرد. شانزده مدل برازش داده شد که مربوط به ترکیب دو نتیجه، دو دوره، دو آلاینده هوا (NO2 و PM2.5، و دو نوع مدل (مکانی و مستقل).

نویسندگان خاطرنشان کردند که مدل‌های فضایی بهتر از مدل‌های غیرمکانی مستقل عمل می‌کنند. نتایج حاصل از مدل‌های فضایی چند متغیره مشابه نتایج حاصل از تحلیل تک متغیره بود. سن بالا و جنس مرد با افزایش شانس بستری شدن در ICU و مرگ، صرف نظر از مقیاس آلاینده یا زمانی مرتبط بود.

NO بالاتر2 غلظت شانس هر دو پیامد را در موج اول افزایش داد، در حالی که PM بالا بود2.5 غلظت فقط خطر مرگ را افزایش می دهد. نویسندگان خاطرنشان کردند که میزان ضرایب رگرسیون مرتبط با آلودگی کمتر از عوامل خطر فردی است.

در موج اول، دمای هوای بالاتر خطر هر دو پیامد را کاهش داد و شانس پذیرش در بخش مراقبت‌های ویژه در شهرداری‌هایی که پنج نفر یا بیشتر در یک خانوار زندگی می‌کردند افزایش یافت.

نتیجه گیری

به طور خلاصه، یافته‌ها نشان داد که قرار گرفتن در معرض آلاینده‌های هوا تنها در طول موج اول همه‌گیری، زمانی که سیستم بهداشت ملی آمادگی کمتری داشت، با شدت COVID-19 مرتبط بود.

قابل توجه، ویژگی‌های سطح فردی عوامل مهم مرتبط با پیامدهای (شدید) در همه مدل‌ها بودند. به طور کلی، یافته‌ها به بهبود درک ما از تأثیر قرار گرفتن در معرض آلاینده‌های هوا بر عوارض و مرگ‌ومیر COVID-19 کمک می‌کند.



منبع