首页 > 分享 > 环境因素对水痘发病影响的研究进展

环境因素对水痘发病影响的研究进展

花匠小妙招
2024-11-13 01:47

水痘是由水痘-带状疱疹病毒(varicella-zoster virus, VZV)感染引起的一种传染性极强的常见急性呼吸道传染病，主要的临床表现为皮肤黏膜出现斑疹、丘疹、疱疹等，重症水痘可引发肺炎、脑炎等并发症，严重时可导致死亡。水痘报告病例数已位居我国儿童疫苗可预防传染病的首位，主要发病人群为＜15岁的儿童，其中5~9岁的发病率最高，容易在托幼机构、学校等聚集发病，严重威胁儿童的身体健康和教学秩序，已成为备受关注的公共卫生问题[1-2]。随着水痘疫苗接种率提高，未接种疫苗的高年龄组的发病增加，出现了发病“年龄后移”的现象。

中国水痘的发病率呈上升趋势，由2005年的3.170/10万上升到2015年的33.860/10万，2016年又从35.500/10万上升到2019年的70.140/10万[3-4]。水痘好发于冬春季，每年的5―7月和10月―次年1月是中国水痘发病高峰期，报告病例数可占总病例数的80%[5]。水痘发病除了受传染源数量、传播媒介数量、人群免疫水平等影响外，也与气象因素、大气污染等暴露密切相关，研究环境因素对水痘发病的影响，可以为水痘预防提供参考依据。

1. 资料与方法

1.1 文献检索策略

采用自由词结合主题词检索的方式，严格按照系统评价和Meta分析优先报告的条目(PRISMA)在中国知网、万方、Web of Science、PubMed等数据库检索截至2021年12月31日的发表的文献。中文关键词为：水痘、气象因素、气温、相对湿度、大气压、风速、降水、日照、大气污染、颗粒物、PM10、PM2.5、SO2、NO2、CO、O3。英文关键词为：Chickenpox、Varicella、Meteorological factors、Temperature、Humidity、Atmospheric pressure、Wind speed、Rainfall、Sunshine、Air pollution、Particulate matter、PM10、PM2.5、SO2、NO2、CO、O3。

1.2 文献纳入和排除标准

纳入标准：(1)文献内容具有独立的流行病学研究结果；(2)环境暴露因素为气象因素和大气污染；(3)文献研究结局为水痘发病；(4)文献纳入语言为中、英文。排除标准：(1)环境暴露因素为室内环境和空气污染；(2)综述文献、Meta分析文献、重复文献；(3)无法获取全文的文献。

1.3 数据提取

由2位独立研究者从纳入的文献中提取数据，主要包括：第一作者及发表时间、国家/地区、研究方法、设计类型、研究因素和主要结果等。

2. 结果

2.1 文献纳入流程

检索获得文献334篇，其中气象因素相关文献274篇，大气污染相关文献60篇，删除重复文献和剔除不符合纳入标准的文献后，19篇气象因素和3篇大气污染的相关文献被纳入研究。见图 1。

图 1 文献检索流程

Figure 1. Flow diagram of articles included

2.2 文献基本情况

纳入文献来源于中国、日本、西班牙、丹麦、芬兰等国家，主要进行Spearman相关性分析和时间序列分析，时间序列分析研究主要采用广义估计方程和分布滞后非线性模型等。研究的气象因素主要为气温、相对湿度和降水，也有大气压、风速、日照等；研究的大气污染物主要为PM2.5和PM10。见表 1、表 2。

表 1 气象因素相关研究的基本特征

Table 1. Basic characteristics of included meteorological factors studies

序号
No. 参考文献
References 发表年份
Year of publication 国家/地区
Country/Region 研究方法
Method 气象因素
Meteorological factor 主要结果(相关性)
Results (correlation) 1 Kokaze, 等[6]
Kokaze, et al[6] 2001 日本
Japan Spearman相关分析
Spearman correlation analysis 气温
Temperature 正相关
Positive correlation 2 Wu, 等[7]
Wu, et al[7] 2007 中国台湾
Taiwan, China 广义估计方程
Generalized estimating equations 气温
Temperature 负相关
Negative correlation 3 Chan, 等[8]
Chan, et al [8] 2011 中国香港
Hong Kong, China Spearman相关分析
Spearman correlation analysis 气温、相对湿度、降水
Temperature, humidity, rainfall 相对湿度、降水负相关
Negative correlation with humidity and rainfall 4 金飒, 等[9]
Jin Sa, et al[9] 2013 中国孝感
Xiaogan, China Spearman相关分析
Spearman correlation analysis 气温、相对湿度、降水
Temperature, humidity, rainfall 无相关性
No correlation 5 韩微笑[10]
Han Weixiao[10] 2014 中国广州
Guangzhou, China 分布滞后非线性模型
Distributed lag nonlinear model 气温
Temperature 正相关
Positive correlation 6 Chan, 等[11]
Chan, et al [11] 2014 中国香港
Hong Kong, China 病例交叉研究
Case-crossover study 气温、大气压、相对湿度、风速、降水
Temperature, atmospheric pressure, humidity, wind speed, rainfall 气温、大气压正相关；相对湿度负相关
Positive correlation with temperature and atmospheric pressure; Negative correlation with humidity 7 Hervás, 等[12]
Hervás, et al[12] 2014 西班牙马洛卡
Mallorca, Spain Spearman相关分析
Spearman correlation analysis 气温、相对湿度、降水、水汽压、大气压、风速、日照
Temperature, humidity, rainfall, vapor pressure, atmospheric pressure, wind speed, sunshine 气温、水汽压负相关；风速、日照正相关
Negative correlation with temperature and vapor pressure; Positive correlation with wind speed and sunshine 8 魏晓娟, 等[13]
Wei Xiaojuan,
et al[13] 2014 中国临沂
Linyi, China Spearman相关分析
Spearman correlation analysis 气温、风速、降水、日照、大气压
Temperature, wind speed, rainfall, sunshine, atmospheric pressure 气温、日照正相关；大气压负相关
Positive correlation with temperature and sunshine; Negative correlation with atmospheric pressure 9 Yang, 等[14]
Yang, et al[14] 2015 中国上海
Shanghai, China 广义加性模型
Generalized additive model 气温
Temperature 负相关
Negative correlation 10 Harigane, 等[15]
Harigane, et al[15] 2015 日本
Japan Spearman相关分析
Spearman correlation analysis 气温、相对湿度、降水
Temperature, humidity, rainfall 气温、降水季节相关性
Seasonal correlation with temperature and rainfall 11 Yang, 等[16]
Yang, et al[16] 2016 中国济南
Jinan, China 泊松回归
Poisson regression 气温、大气压、相对湿度、风速、降水、日照
Temperature, atmospheric pressure, humidity, wind speed, rainfall, sunshine 大气压、日照、降水正相关；气温、相对湿度负相关
Positive correlation with atmospheric pressure, sunshine and rainfall; Negative correlation with temperature and humidity 12 Chen, 等[17]
Chen, et al[17] 2017 中国武汉、香港
Wuhan and Hong Kong, China 时间序列分析
Time-series analysis 气温、相对湿度和降水
Temperature, humidity, rainfall 气温、降水季节相关性
Seasonal correlation with temperature and rainfall 13 王金玉, 等[18]
Wang Jinyu,
et al[18] 2018 中国兰州
Lanzhou, China Spearman相关分析、分布滞后非线性模型
Spearman correlation analysis, distributed lag nonlinear model 气温、大气压、风速、相对湿度、降水
Temperature, atmospheric pressure, wind speed, humidity, rainfall 气温、风速、降水、相对湿度负相关；大气压正相关
Negative correlation with temperature, wind speed, rainfall and humidity; Positive correlation with atmospheric pressure 14 Sumi[19] 2018 丹麦、芬兰
Denmark, Finland 时间序列分析
Time-series analysis 气温
Temperature 季节相关性
Seasonal correlation 15 罗玲, 等[20]
Luo Ling, et al[20] 2018 中国湖北
Hubei, China Spearman相关分析
Spearman correlation analysis 气温、相对湿度、降水、日照
Temperature, humidity, rainfall, sunshine 季节相关性
Seasonal correlation 16 叶雯婧, 等[21]
Ye Wenjing,
et al[21] 2019 中国福建
Fujian, China 广义线性模型
Generalized linear model 气温、降水、风速、相对湿度、大气压
Temperature, rainfall, wind speed, humidity, atmospheric pressure 气温、相对湿度、风速负相关；降水、大气压正相关
Negative correlation with temperature, humidity and wind speed; Positive correlation with rainfall and atmospheric pressure 17 Lu, 等[22]
Lu, et al [22] 2020 中国广州
Guangzhou, China 分布滞后非线性模型
Distributed lag nonlinear model 气温、降水、大气压、风速、相对湿度、日照
Temperature, rainfall, atmospheric pressure, wind speed, humidity, sunshine 降水、大气压、日照正相关；风速负相关
Positive correlation with rainfall, atmospheric pressure and sunshine; Negative correlation with wind speed 18 俞佳珂, 等[23]
Yu Jiake, et al[23] 2021 中国温州
Wenzhou, China 线性回归、多元回归
Linear regression, multiple regression 气温、相对湿度、降水、风速
Temperature, humidity, rainfall, wind speed 降水、风速负相关
Negative correlation with rainfall and wind speed 19 邱海岩, 等[24]
Qiu Haiyan,
et al[24] 2021 中国张家港
Zhangjiagang, China Spearman相关分析、多元回归
Spearman correlation analysi, multiple regression 气温、大气压、相对湿度、降水、风速、日照
Temperature, atmospheric pressure, humidity, rainfall, wind speed, sunshine 季节相关性
Seasonal correlation

表 2 大气污染相关研究的基本特征

Table 2. Basic characteristics of included air pollution studies

序号
No. 参考文献
References 发表年份
Year of publication 国家/地区
Country/Region 研究方法
Method 空气污染因素
Air pollution factor 主要结果(相关性)
Result (correlation) 1 李平, 等[25]
Li Ping, et al[25] 2019 中国天津
Tianjin, China Spearman相关分析
Spearman correlation analysi PM2.5、PM10、SO2、NO2、CO PM2.5、PM10、NO2正相关
Positive correlation with PM2.5、PM10、NO2 2 Yu, 等[26]
Yu, et al [26] 2020 中国上海
Shanghai, China 分布滞后非线性模型
Distributed lag nonlinear model PM10、NO2、O3、SO2、CO PM10正相关
Positive correlation with PM10 3 Wang, 等[27]
Wang, et al [27] 2021 中国青岛
Qingdao, China 分布滞后非线性模型
Distributed lag nonlinear model PM10、PM2.5、NO2、SO2、O3 PM2.5正相关、高浓度NO2负相关、低浓度NO2正相关
Positive correlation with PM2.5, negative correlation with high concentration NO2, positive correlation with low concentration NO22.3 气象因素对水痘发病的影响2.3.1 气温

日本[6]、临沂市[13]、香港[11]、广州市[10, 22]研究显示气温升高会增加水痘的发病风险，如香港的研究显示每增加1个IQR，水痘的每日发病数增加5.190%(95% CI: 1.900~8.580)[11]。但是台湾地区[7]、西班牙马洛卡市[12]、福建省[21]、上海市[14]、兰州市[18]和济南市[16]研究显示气温升高会降低水痘的发病风险，如上海市日平均气温每升高1 ℃，水痘的门诊量减少1.330%(95% CI: 0.930~1.740)[14]。另外，有研究显示气温与水痘发病之间的相关性受到季节性的影响[15, 17, 19-20, 24]。

2.3.2 相对湿度

多数研究显示相对湿度的升高会降低水痘的发病风险[3, 6, 11, 13, 16]，但是湖北省的研究显示夏季相对湿度与水痘发病率呈正相关[20]，连云港市的研究显示春季水痘发病数与相对湿度呈负相关，而秋季和冬季呈正相关，存在季节性差异[24]。

2.3.3 降水

降水对水痘发病的影响存在较大差异，3篇文献的结果呈正相关[16, 21-22]，3篇文献的结果呈负相关[8, 18, 23]，4篇文献的结果显示相关性与季节性有关[15, 17, 20, 24]，3篇文献的结果显示没有相关性[9, 11-12]。

2.3.4 大气压

大气压升高造成水痘的发病率的增加[6, 16, 18, 21-22]，但是有研究发现春季和冬季的水痘发病数与大气压呈负相关，夏季和秋季的水痘发病数与大气压呈正相关[24]。

2.3.5 日照

日照时长的增加会导致水痘发病率的升高[12-13, 16, 22]，但是湖北省孝感市的研究提示春季和冬季日照时数与水痘发病率呈负相关[20]，夏季和秋季日照时数与水痘发病率呈正相关。

2.3.6 风速

除西班牙马洛卡市[12]和广州市[22]的研究认为水痘发病与风速呈正相关外，其余多数的研究认为风速升高会减少水痘的发病[18, 21, 23-24]。

2.4 大气污染对水痘发病的影响2.4.1 PM2.5

PM2.5浓度的升高增加水痘的发病风险。天津市的水痘发病与PM2.5浓度之间呈正相关(r=0.375，P=0.024)[25]。青岛市高浓度PM2.5对水痘发病影响的相对危险度为1.026(95% CI: 1.000~1.053)[26]。

2.4.2 PM10

PM10浓度与水痘发病呈正相关。天津市PM10浓度升高对水痘发病有正向影响(r=0.409，P=0.013)[25]。上海市的研究发现水痘发病风险随着PM10浓度的升高而增加，PM10浓度为500 μg/m3滞后14 d对全人群影响的相对危险度为1.130(95% CI: 1.040~1.230)[27]。

2.4.3 其他(NO2、CO、SO2、O3等)

NO2会增加水痘的发病风险[25, 27]，目前研究没有发现CO、SO2、O3等与水痘发病之间的关联，但是Yu等[26]在上海市的研究发现它们与PM10有交互作用，进而影响水痘的发病。

3. 讨论

本研究使用系统综述的方法，纳入22篇文献，探讨气象因素和大气污染等环境因素对水痘发病的影响，多数研究认为气象因素和大气污染与水痘发病之间存在关联，尤其是气温、相对湿度、PM2.5、PM10等[6-8, 10-27]，但是可能存在地区差异和季节性变化，为水痘防控提供信息，同时为呼吸道传染病的研究提供方向。

气温、相对湿度和大气压等对水痘发病的影响比较明确，但是降水、日照和风速等与水痘发病的关联需要更多的研究支持。当前研究采用的多是Spearman相关性分析，采用广义加性模型和分布滞后非线性模型可以得到气象因素对水痘发病影响的相对危险度，更准确地反映增加的发病风险。不同地区的气候存在差异，季节性也扮演重要角色，提示气象因素对水痘发病影响存在地区性差异，各地应因地制宜地采取措施。

颗粒物能够促进呼吸道病毒的传播，目前有关流行性腮腺炎、手足口病和COVID-19的研究较多[28-32]，也有少数开展大气污染对水痘发病影响的研究[33-34]，显示颗粒物和NO2等能增加水痘发病的风险。大气污染物中的颗粒物可以成为水痘病毒的载体，形成较高浓度的病毒颗粒气溶胶，促进病毒的传播。

本研究存在一定的局限性。首先，文献检索可能不全面，纳入文献为中、英文，可能有潜在的发表偏倚；其次，文献结果显示大多数文献研究结果分析较为简单，建议应多采用广义加性模型、分布滞后非线性模型等，控制混杂因素的影响，获得更具科学性与可信度的结果。气象因素与大气污染之间存在交互作用[35-36]，但是目前研究主要是气象因素或大气污染的单一效应研究，大气污染及其与气象因素的交互作用对水痘发病的影响将是未来的研究方向。

[1]李意兰, 陈纯, 刘艳慧, 等. 广州市2014-2018年学校传染病突发公共卫生事件分析[J]. 中国热带医学, 2020, 20(1): 35-38. DOI: 10.13604/j.cnki.46-1064/r.2020.01.08.Li YL, Chen C, Liu YH, et al. Public health emergencies of infectious events in schools in Guangzhou, 2014-2018[J]. China Trop Med, 2020, 20(1): 35-38. DOI: 10.13604/j.cnki.46-1064/r.2020.01.08.[2]鲍武波, 党露希, 祝明清, 等. 2011-2018年武汉市某区水痘流行特征分析[J]. 公共卫生与预防医学, 2019, 30(6): 67-70. DOI: 10.3969/j.issn.1006-2483.2019.06.017.Bao WB, Dang LX, Zhu MQ, et al. Epidemiological characteristics of varicella in a district of Wuhan, 2011-2018[J]. J Public Health Prev Med, 2019, 30(6): 67-70. DOI: 10.3969/j.issn.1006-2483.2019.06.017.[3]董蒲梅, 王淼, 刘燕敏. 2016-2019年中国水痘流行病学特征[J]. 中国疫苗和免疫, 2020, 26(4): 403-406. DOI: 10.19914/j.cjvi.2020.04.011.Dong PM, Wang M, Liu YM. Epidemiological characteristics of varicella in China from 2016 to 2019[J]. Chin J Vaccines and Immun, 2020, 26(4): 403-406. DOI: 10.19914/j.cjvi.2020.04.011.[4]随海田, 李锦成, 王淼, 等. 2005-2015年中国水痘流行病学特征[J]. 中国疫苗和免疫, 2019, 25(2): 155-159. DOI: 10.19914/j.cjvi.2019.02.009.Sui HT, Li JC, Wang M, et al. Varicella epidemiology in China, 2005-2015[J]. Chin J Vaccines and Immun, 2019, 25(2): 155-159. DOI: 10.19914/j.cjvi.2019.02.009.[5]武晶晶, 张先慧, 刘晓雪, 等. 2008-2017年济南市水痘流行病学特征分析[J]. 现代预防医学, 2018, 45(19): 3488-3491, 3495.Wu JJ, Zhang XH, Liu XX, et al. Epidemiological characteristics of Varicella in Jinan, 2008-2017[J]. Modern Preventive Medicine, 2018, 45(19): 3488-3491, 3495.[6]Kokaze A, Yoshida M, Sekine Y, et al. The magnitude of variation in temperature within a year has an effect on the seasonal variations of chickenpox incidence in Japan[J]. Epidemiol Infect, 2001, 126(2): 269-277. DOI: 10.1017/s0950268801005246.[7]Wu PY, Li YC, Wu HD. Risk factors for chickenpox incidence in Taiwan from a large-scale computerized database[J]. Int J Dermatol, 2007, 46(4): 362-366. DOI: 10.1111/j.1365-4632.2006.03050.x.[8]Chan JY, Tian L, Tian L, et al. Hospitalizations for varicella in children and adolescents in a referral hospital in Hong Kong, 2004 to 2008: a time series study[J]. BMC Public Health, 2011, 11: 366. DOI: 10.1186/1471-2458-11-366.[9]金飒, 孙国运, 邱明, 等. 湖北省孝感市2009-2012年水痘发病与环境因素的相关性分析[J]. 皮肤性病诊疗学杂志, 2013, 20(4): 288-290. DOI: 10.3969/j.issn.1674-8468.2013.04.023.Jin S, Sun GY, Qiu M, et al. The epidemiology of varicella and its correlation with environmental factors in Xiaogan City during 2009-2012[J]. J Diagn Ther J Dermatol-Venereol, 2013, 20(4): 288-290. DOI: 10.3969/j.issn.1674-8468.2013.04.023.[10]韩微笑. 2009~2013年广州市气温对常见传染病的短期影响: 基于分布滞后非线性模型的研究[D]. 济南: 山东大学, 2017.Han WX. Short-term Impacts of Temperature on Major Infectious Disease in Guangzhou City, 2009-2013-a study based on distributed lag nonlinear models[D]. Jinan: Shandong University, 2017.[11]Chan JY, Lin HL, Tian LW. Meteorological factors and El Nino Southern Oscillation are associated with paediatric varicella infections in Hong Kong, 2004-2010[J]. Epidemiol Infect, 2014, 142(7): 1384-1392. DOI: 10.1017/S0950268813002306.[12]Hervás D, Hervás-Masip J, Nicolau A, et al. Solar radiation and water vapor pressure to forecast chickenpox epidemics[J]. Eur J Clin Microbiol Infect Dis, 2015, 34(3): 439-446. DOI: 10.1007/s10096-014-2243-3.[13]魏晓娟, 张晓丽. 临沂市重点传染病与气候的相关性研究及预测模型分析[J]. 社区医学杂志, 2014, 12(16): 24-27.Wei XJ, Zhang XL. Correlation study and prediction model analysis of key infectious diseases and climate in Linyi City[J]. J Communtity Med, 2014, 12(16): 24-27.[14]Yang YY, Chen RJ, Xu JH, et al. The effects of ambient temperature on outpatient visits for varicella and Herpes zoster in Shanghai, China: a time-series study[J]. J Am Acad Dermatol, 2015, 73(4): 660-665. DOI: 10.1016/j.jaad.2015.07.015.[15]Harigane K, Sumi A, Mise K, et al. The role of temperature in reported chickenpox cases from 2000 to 2011 in Japan[J]. Epidemiol Infect, 2015, 143(12): 2666-2678. DOI: 10.1017/S095026881400363X.[16]Yang YQ, Geng XY, Liu XX, et al. Association between the incidence of varicella and meteorological conditions in Jinan, Eastern China, 2012-2014[J]. BMC Infect Dis, 2016, 16: 179. DOI: 10.1186/s12879-016-1507-1.[17]Chen BN, Sumi A, Wang L, et al. Role of meteorological conditions in reported chickenpox cases in Wuhan and Hong Kong, China[J]. BMC Infect Dis, 2017, 17(1): 538. DOI: 10.1186/s12879-017-2640-1.[18]王金玉, 李盛, 马汉平, 等. 2008-2016年兰州市日均气温与水痘发病的关联陛研究[J]. 中华预防医学杂志, 2018, 52(8): 842-848. DOI: 10.3760/cma.j.issn.0253-9624.2018.08.013.Wang JY, Li S, Ma HP, et al. Research on the relationship between the daily mean temperature and the daily cases of varicella during 2008-2016 in Lanzhou, China[J]. Chin J Prev Med, 2018, 52(8): 842-848. DOI: 10.3760/cma.j.issn.0253-9624.2018.08.013.[19]Sumi A. Role of temperature in reported chickenpox cases in northern European countries: Denmark and Finland[J]. BMC Res Notes, 2018, 11(1): 377. DOI: 10.1186/s13104-018-3497-0.[20]罗玲, 黎明. 湖北省水痘发病情况与气象因素的关系研究[J]. 中国全科医学, 2018, 21(9): 1114-1117. DOI: 10.3969/j.issn.1007-9572.2018.00.062.Luo L, Li M. Association between incidence of chickenpox and meteorological factors in Hubei Province, China[J]. Chin Gen Prac, 2018, 21(9): 1114-1117. DOI: 10.3969/j.issn.1007-9572.2018.00.062.[21]叶雯婧, 陈彩粼, 杨林, 等. 福建省2006-2015年度呼吸道传染病与气候因素关联分析[J]. 医学理论与实践, 2019, 32(7): 959-962. DOI: 10.19381/j.issn.1001-7585.2019.07.009.Ye WJ, Chen CL, Yang L, et al. Analysis of the association between intestinal infectious diseases and climate factors of Fujian Province in 2006-2015[J]. J Med Theory Pract, 2019, 32(7): 959-962. DOI: 10.19381/j.issn.1001-7585.2019.07.009.[22]Lu JY, Zhang ZB, He Q, et al. Association between climatic factors and varicella incidence in Guangzhou, Southern China, 2006-2018[J]. Sci Total Environ, 2020, 728: 138777. DOI: 10.1016/j.scitotenv.2020.138777.[23]俞佳珂, 陈小春, 钟佩佩, 等. 温州市儿童水痘流行特征与气象因素的相关性研究[J]. 国际流行病学传染病学杂志, 2021, 48(1): 38-42. DOI: 10.3760/cma.j.cn331340-20200630-00213.Yu JK, Chen XC, Zhong PP, et al. Relationship between epidemiological characteristics of pediatric varicella and meteorology in Wenzhou[J]. Inter J Epidemiol Infect Dis, 2021, 48(1): 38-42. DOI: 10.3760/cma.j.cn331340-20200630-00213.[24]邱海岩, 沈艳, 邵海枫, 等. 张家港市水痘发病与季节气象因素相关性分析[J]. 医学动物防制, 2021, 37(5): 442-445. DOI: 10.7629/yxdwfz202105009.Qiu HY, Shen Y, Shao HF, et al. Correlation analysis on seasonal and meteorological factors and chickenpox incidence grouped by seasons in Zhangjiagang[J]. J Med Pest Control, 2021, 37(5): 442-445. DOI: 10.7629/yxdwfz202105009.[25]李平, 孙梅青, 李彭辉, 等. 天津市武清区环境空气PM2.5与急性呼吸道感染性疾病的关联研究[J]. 实用预防医学, 2019, 26(7): 775-780. DOI: 10.3969/j.issn.1006-3110.2019.07.003.Li P, Sun MQ, Li PH, et al. Association between ambient air PM2.5 and acute respiratory tract infectious disease in Wuqing District, Tianjin[J]. Pract Prev Med, 2019, 26(7): 775-780. DOI: 10.3969/j.issn.1006-3110.2019.07.003.[26]Yu HJ, Wang YJ, Peng Q, et al. Influence of coarse particulate matter on chickenpox in Jiading District, Shanghai, 2009-2018: a distributed lag non-linear time series analysis[J]. Environ Res, 2020, 190: 110039. DOI: 10.1016/j.envres.2020.110039.[27]Wang Z, Li X, Hu P, et al. Influence of air pollutants on varicella among adults[J]. Sci Rep, 2021, 11(1): 21020. DOI: 10.1038/s41598-021-00507-z.[28]Hao JY, Yang ZY, Huang SQ, et al. Association between short-term exposure to ambient air pollution and the incidence of mumps in Wuhan, China: a time-series study[J]. Environ Res, 2019, 177: 108660. DOI: 10.1016/j.envres.2019.108660.[29]Zhang M, Zhu Y. Association between particulate matter pollution and the incidence of mumps in 31 provinces from China[J]. Environ Sci Pollut Res Int, 2021, 28(37): 51210-51216. DOI: 10.1007/s11356-021-14287-6.[30]Gu SN, Li DC, Lu BB, et al. Associations between ambient air pollution and daily incidence of pediatric hand, foot and mouth disease in Ningbo, 2014-2016: a distributed lag nonlinear model[J]. Epidemiol Infect, 2020, 148: e46. DOI: 10.1017/S0950268820000321.[31]Ji XY, Huang LY, Song J, et al. Short-term effects of meteorological factors, air pollution, and sunspot on childhood hand, foot, and mouth disease in Tianjin, China: a new time series regression, 2014-2018[J]. Environ Sci Pollut Res Int, 2020, 27(29): 37022-37035. DOI: 10.1007/s11356-020-09794-x.[32]Copat C, Cristaldi A, Fiore M, et al. The role of air pollution (PM and NO2) in COVID-19 spread and lethality: a systematic review[J]. Environ Res, 2020, 191: 110129. DOI: 10.1016/j.envres.2020.110129.[33]Jones RM, Brosseau LM. Aerosol transmission of infectious disease[J]. J Occup Environ Med, 2015, 57(5): 501-508. DOI: 10.1097/jom.0000000000000448.[34]Jayaweera M, Perera H, Gunawardana B, et al. Transmission of COVID-19 virus by droplets and aerosols: a critical review on the unresolved dichotomy[J]. Environ Res, 2020, 188: 109819. DOI: 10.1016/j.envres.2020.109819.[35]Huang CH, Lin HC, Tsai CD, et al. The interaction effects of meteorological factors and air pollution on the development of acute coronary syndrome[J]. Sci Rep, 2017, 7: 44004. DOI: 10.1038/srep44004.[36]Niu ZC, Qi YJ, Zhao PQ, et al. Short-term effects of ambient air pollution and meteorological factors on tuberculosis in semi-arid area, northwest China: a case study in Lanzhou[J]. Environ Sci Pollut Res Int, 2021, 28(48): 69190-69199. DOI: 10.1007/s11356-021-15445-6.