Evidências observacionais do impacto prejudicial do ozônio inalado no sistema respiratório humano

BMC Public Health volume 23, Número do artigo: 929 (2023) Cite este artigo

191 acessos

Detalhes das métricas

A influência prejudicial do ozônio inalado no sistema respiratório humano é ambígua devido à complexidade da relação dose-resposta entre o ozônio e o sistema respiratório humano. Este estudo coleta dados de concentração de ozônio inalado e doenças respiratórias da cidade de Shenzhen para revelar o impacto do ozônio nas doenças respiratórias usando o método Generalized Additive Models (GAM) e Convergent Cross Mapping (CCM) com nível de confiança de 95%. O resultado do GAM exibe um efeito lag parcialmente significativo nas doenças respiratórias agudas no modo cumulativo. Uma vez que a análise de correlação tradicional é incapaz de capturar a causalidade, o método CCM é aplicado para examinar se o ozônio inalado afeta o sistema respiratório humano. Os resultados demonstram que o ozônio inalado tem um impacto causador significativo nas taxas de hospitalização de doenças respiratórias superiores e inferiores. Além disso, os efeitos causadores nocivos do ozônio para a saúde humana variam com o gênero e a idade. As mulheres são mais suscetíveis ao ozônio inalado do que os homens, provavelmente devido aos níveis de estrogênio e à regulação diferencial da resposta imune pulmonar. Os adultos são mais sensíveis à exposição ao ozônio do que as crianças, possivelmente devido ao fato de que as crianças precisam de mais tempo para reagir ao estresse do ozônio do que os adultos, e os idosos são mais tolerantes do que adultos e crianças, o que pode estar relacionado à hipofunção pulmonar dos idosos enquanto tem pouca correlação com a exposição ao ozônio.

Relatórios de revisão por pares

O ozônio troposférico (O3) é o poluente secundário produzido pela atividade fotoquímica de óxidos de nitrogênio e compostos orgânicos voláteis na troposfera da superfície terrestre [1]. Foi provado que o ozônio ao nível do solo se tornou o segundo poluente do ar classificado na China [2], e observações no solo mostram que nas estações quentes, o ozônio se torna o principal poluente do ar. O ozônio pode causar doenças respiratórias, como asma, pneumonia, doença pulmonar obstrutiva crônica (DPOC), etc., por meio de estudos epidemiológicos e experimentais anteriores [3,4,5,6,7,8]. Um estudo regional em Suzhou, uma cidade chinesa com alta poluição por ozônio [9], sugere que a mortalidade por doenças respiratórias está correlacionada à concentração média máxima de ozônio em 8 horas e à concentração máxima de ozônio em 1 hora. Estudos de séries temporais também indicaram que o risco de hospitalizações respiratórias ou visitas de emergência aumentaria com a exposição de curto prazo ao ozônio [10]. Foi revelado que um aumento significativo de aproximadamente 0,2-0,6% no risco de morte está associado a um aumento por 0,01 mg m-3 no ozônio ambiente em 8 h, com base na meta-análise de dados de longa data desde 1996 [ 11]. Como tem sido amplamente reconhecido, a poluição do ar afeta a saúde humana de forma diferente em diferentes regiões. Alguns estudos regionais demonstram que o ozônio inalado está associado a internações hospitalares por doenças respiratórias, de acordo com Generalized Additive Models (GAM) [12,13,14]. O ozônio tem um efeito claramente acumulativo na mortalidade por doenças respiratórias [2] e tem um impacto significativo na DPOC com ampla variação temporal e espacial [15]. Alguns outros estudos demonstram uma conexão fraca ou não significativa entre ozônio e doenças respiratórias [11, 16, 17]. Consequentemente, a doença respiratória não é consistente com a concentração de ozônio observada em locais fixos, e os efeitos do ozônio na saúde pública raramente foram avaliados independentemente de outros poluentes atmosféricos [16]. Modelos aditivos generalizados podem falhar nesses dados, levando a um grande número de observações e dados clínicos sendo excluídos para evitar um possível viés de efeito do ozônio ambiente em doenças respiratórias. Portanto, um novo método (isto é, Convergent Cross Mapping, CCM), projetado especificamente para detectar relações de causalidade a partir de pares de dados empíricos de séries temporais em ecossistemas dinâmicos não lineares [18], foi usado para resolver este problema.