Hitzebelastung in der Umgebung und Krankenhauseinweisungen wegen COPD in England: eine landesweite Einzelfallstudie im Zeitraum 2007 bis 2018 Open Access

Was bereits über das Thema bekannt ist

• • Eine Handvoll Studien hat die Auswirkungen von Hitzebelastung auf Krankenhauseinweisungen wegen chronisch obstruktiver Lungenerkrankung (COPD) untersucht, und die Ergebnisse deuten auf einen positiven Effekt hin.

Was diese Studie beiträgt

• • Wir haben die Auswirkungen von Hitzebelastung auf Krankenhauseinweisungen wegen COPD anhand landesweiter Individualdaten aus England über einen Zeitraum von 12 Jahren untersucht. Für jeden Anstieg der Sommertemperaturen um 1°C über 23,2°C steigt das Risiko einer Krankenhauseinweisung wegen COPD um 1,47%. Wir fanden schwache Hinweise auf unterschiedliche Auswirkungen nach Alter und Geschlecht, aber starke regionale Unterschiede, wobei die Bevölkerung im Norden und Südosten Englands stärker gefährdet war.

Wie sich diese Studie auf Forschung, Praxis und/oder Politik auswirken könnte

• • Nicht nur wegen der steigenden Temperaturen, sondern auch wegen der künftigen COPD-Prävalenz und der Alterung der Bevölkerung wird erwartet, dass die Belastung durch hitzebedingte Krankenhauseinweisungen wegen COPD zunehmen wird. Unsere Ergebnisse können politischen Entscheidungsträgern als Orientierungshilfe dienen, um Ressourcen zur Unterstützung der Abwehrbereitschaft und Widerstandsfähigkeit öffentlicher Gesundheitssysteme bereitzustellen.

Die chronisch-obstruktive Lungenerkrankung (chronic obstructive pulmonary disease, COPD) ist weltweit die häufigste chronische Atemwegserkrankung mit einer Punktprävalenz von 1,56% in Afrika südlich der Sahara bis 6,09% in Mitteleuropa, Osteuropa und Zentralasien im Jahr 2007 [1]. In England ist COPD eine wichtige Morbiditäts- und Mortalitätsursache mit 115 000 Notfallaufnahmen und 24 000 Todesfällen pro Jahr [2]. Die Ursachen für eine akute Exazerbation der COPD sind bekannt und umfassen Faktoren wie Geschlecht, Alter, Schweregrad der COPD und Komorbiditäten [3]. Umweltbedingte Auslöser von Krankenhauseinweisungen wegen COPD, wie z.B. die Exposition gegenüber Luftverschmutzung, wurden ebenfalls ausführlich diskutiert [4]. Es gibt zunehmend Belege für einen Zusammenhang zwischen Hitzebelastung und Krankenhauseinweisungen wegen COPD, entweder direkt oder durch Verstärkung der Auswirkungen von Faktoren wie der Ozonkonzentration, die mit diesen Ereignissen in Zusammenhang stehen [5].

Mehrere frühere Studien haben die Auswirkungen hoher Temperaturen auf Krankenhauseinweisungen wegen COPD untersucht und höhere Raten bei Hitzebelastung [6‒8] und Hitzewellen [9, 10] berichtet. Die meisten dieser Studien basieren auf aggregierten Daten (auf städtischer oder regionaler Ebene) [6, 9‒11], während nur wenige individuelle Daten berücksichtigen [7, 8]. Die Verwendung von individuellen Daten ermöglicht die Untersuchung einer möglichen Veränderung des Effekts durch individuelle Faktoren wie Alter und Geschlecht und vermeidet ökologische Verzerrungen, die entstehen, wenn Assoziationen auf Gruppenebene nicht die Assoziationen auf individueller Ebene widerspiegeln [12]. Obwohl frühere Studien die Anfälligkeit im Zusammenhang mit individuellen Faktoren wie Alter und Geschlecht bewertet haben [6, 8], sind kontextuelle Merkmale wie Grünflächen, Durchschnittstemperatur, Benachteiligung und Urbanität noch immer schlecht charakterisiert. Zwei der bisherigen Studien haben die räumliche Variation des Temperatureffekts auf Krankenhauseinweisungen wegen COPD untersucht, allerdings mit einer sehr groben geografischen Auflösung [6, 8].

In dieser landesweiten Studie, die von 2007 bis 2018 in England durchgeführt wurde, haben wir die Auswirkungen von Hitzebelastung auf Krankenhauseinweisungen wegen COPD in einem semi-ökologischen Rahmen untersucht. Wir haben die Verfügbarkeit individueller Outcome-Daten genutzt und ein Fall-Crossover-Studiendesign gewählt, das natürlich zeitkonstante Variablen auf der Ebene des einzelnen Patienten berücksichtigt. Durch das Studiendesign konnten Faktoren wie Alter, Geschlecht, Komorbiditäten, Benachteiligung sowie Lebensstilmerkmale wie körperliche Aktivität berücksichtigt werden. Wir haben auch zeitlich veränderliche Einflussfaktoren wie Luftverschmutzung und relative Luftfeuchtigkeit berücksichtigt und untersucht, wie sich der Temperatureffekt je nach Alter, Geschlecht und Ort/Region verändert. Schließlich wurde untersucht, inwieweit kontextuelle Merkmale wie Grünflächen, Benachteiligung, Urbanität und Durchschnittstemperatur zu den beobachteten regionalen Variationen der Temperatureffekte beitragen.

Wir haben stationäre Krankenhauseinweisungen wegen COPD in England im Zeitraum 2007 bis 2018 berücksichtigt, die den Hospital Episode Statistics der UK Small Area Health Statistics Unit entnommen wurden, die vom Health and Social Care Information Centre zur Verfügung gestellt werden. Das Alter, die Postleitzahl des Wohnortes zum Zeitpunkt der Krankenhauseinweisung und das Datum der Krankenhauseinweisung waren für jeden Datensatz verfügbar. Wir haben uns nur auf Einweisungen mit einer akuten COPD-Exazerbation als Primärdiagnose konzentriert. Folgende Diagnosegruppen wurden untersucht: J40–44 nach der Internationalen Klassifikation der Krankheiten V.10 (ICD-10) [13]. Die Analyse beschränkt sich auf die Monate Juni, Juli und August.

Die täglichen Minimal- und Maximaltemperaturen wurden mit einer Auflösung von 1 km × 1 km vom britischen Met Office zur Verfügung gestellt, die Methoden sind an anderer Stelle beschrieben [14]. Kurz gesagt wird die tägliche Temperatur in jeder Rasterzelle auf der Grundlage einer entfernungsgewichteten inversen Interpolation der Beobachtungsdaten unter Berücksichtigung von Längen- und Breitengrad, Höhe, Küsteneinfluss und Anteil der städtischen Landnutzung geschätzt. Um die Tagestemperatur den Patientenakten zuzuordnen, wurden die Zentren der Postleitzahlgebiete der einzelnen Patienten räumlich mit der 1 km × 1 km Rasterzelle verknüpft, wobei eine Unschärfe von 100 m auf den Postleitzahlstandort angewendet wurde, um Governance-Anforderungen zu erfüllen. Wir haben uns auf die Tageshöchsttemperatur konzentriert, da wir an der Hitzebelastung interessiert sind, gemittelt über den Tag der Krankenhauseinweisung und die 2 Tage davor (Latenzzeiten 0–2 Tage), um die kumulativen Auswirkungen auf die Gesundheit abzuschätzen [15‒17].

Wir haben die stündlichen Konzentrationen von Ozon (O₃) und atmosphärischen Partikeln mit einem Durchmesser von weniger als 2,5 µm (PM_2,5) verwendet, die aus dem einheitlichen Modell des Met Office in µg/m³ [18] ermittelt wurden. Das Modellergebnis wird dann nachbearbeitet, um Verzerrungen durch Beobachtungsdaten zu korrigieren [18]. Für O₃ wurde der Tagesmittelwert der 8 Stunden mit der höchsten O₃-Konzentration berechnet, während für PM_2,5 der Tagesmittelwert der Konzentration verwendet wurde. Die geografische Auflösung der Luftschadstoffe beträgt 12 km × 12 km für den Zeitraum 2007–2011 und 2 km × 2 km für den Zeitraum 2012–2019. Wir haben die relative Luftfeuchtigkeit (täglich und auf einem 10 km × 10 km großen Raster) mit einem Modell angepasst, das Daten des Met Office über tägliche Beobachtungen von Wetterstationen und monatliche landesweite Daten von HadUK [14] integriert (siehe Zusatzinformation S1.1 des Originalartikels). Alle Kovariaten wurden mit einer Latenzzeit von 0 bis 2 Tagen einbezogen, um den Expositionslatenzzeiten zu entsprechen. O₃, PM_2,5 und relative Luftfeuchtigkeit wurden als lineare Terme in das Modell aufgenommen. Wir haben auch den Effekt der nationalen Feiertage durch eine Dummy-Variable berücksichtigt.

Die Auswahl dieser räumlichen Effektmodifikatoren erfolgte aufgrund der Übereinstimmung mit der Literatur [19], der Datenverfügbarkeit in England und A-priori-Hypothesen (siehe Zusatzinformation S1.3). Als Maß für die Grünfläche wurde der Anteil einer Region verwendet, der von Grünflächen wie Wäldern, Ackerland, Grasland und anderen natürlichen Vegetationsflächen bedeckt ist, wie sie in der Land Cover Map 2015 (LCM V.15) [20] klassifiziert sind. Benachteiligung wird anhand des Index of Multiple Deprivation (IMD) 2015 gemessen, der vom Ministerium für Wohnungswesen, Kommunen und örtliche Selbstverwaltung (Ministry of Housing, Communities and Local Government) zur Verfügung gestellt wird [21]. Für die Analyse wurden die IMD-Quintile verwendet. Für diese beiden Modifikatoren haben wir das Jahr 2015 als repräsentativsten verfügbaren Datenpunkt für unseren Untersuchungszeitraum gewählt. Die Urbanität (überwiegend ländlich, städtisch mit erheblichem ländlichen Anteil und überwiegend städtisch) basiert auf der Klassifizierung des Office for National Statistics von 2011 (dem letzten Jahr, für das zum Zeitpunkt der Analyse Daten vorlagen) [22]. Als Maß für die Anpassung an höhere Temperaturen wurde auch die Durchschnittstemperatur im Zeitraum 2007 bis 2018 berücksichtigt [23]. Grünfläche und Durchschnittstemperatur wurden als lineare Terme in das Modell aufgenommen. Unter Beachtung der statistischen Power und der Computerleistung wurden alle räumlichen Effektmodifikatoren auf der Ebene der untergeordneten Gebietskörperschaften (LTLA; Zusatzinformation Abb 1) berücksichtigt.

Wir haben ein zeitlich stratifiziertes Fall-Crossover-Design verwendet, das üblicherweise für die Analyse der Auswirkungen von transienten Expositionen verwendet wird [24, 25]. Die Temperatur am Tag der Krankenhauseinweisungen wegen COPD (Ereignistag) wird mit der Temperatur an ereignisfreien Tagen verglichen. Beim Fall-Crossover-Design dient ein Fall als seine eigene Kontrolle. Faktoren, die sich über die Zeit nicht oder nur langsam verändern, wie z.B. Geschlecht oder Benachteiligung, werden bei diesem Design automatisch kontrolliert. Um Überschneidungen zu vermeiden, wurden Nicht-Ereignistage gewählt, die auf denselben Wochentag und Kalendermonat fallen wie der Ereignistag [26]. Auf diese Weise wurden maximal 4 Nicht-Ereignistage pro Ereignistag berücksichtigt.

Wir haben den Temperatureffekt an Ereignistagen im Vergleich zu Nicht-Ereignistagen modelliert, indem wir Bayes’sche hierarchische bedingte Poisson-Modelle mit einem festen Effekt auf die Gruppierung Ereignistag/Nicht-Ereignistag spezifiziert haben [19, 27]. Wiederholte Krankenhausaufenthalte wurden berücksichtigt, indem für jeden Patienten ein Zufallseffekt hinzugefügt wurde. Für die Hauptanalyse haben wir die relative Luftfeuchtigkeit und die nationalen Feiertage als Störfaktoren behandelt und entsprechend bereinigt, nicht aber die Luftschadstoffe, da diese als Mediatoren behandelt wurden (siehe den azyklischen gerichteten Graphen in der Zusatzinformation S1.3) [28]. Da der Effekt der Temperatur auf die Gesundheit im Allgemeinen nicht linear ist [19], haben wir stückweise lineare Schwellenwertmodelle verwendet, um flexiblere Anpassungen zu ermöglichen und gleichzeitig die Interpretation zu erleichtern. Es wurden nationale Schwellenwerte berücksichtigt, die als 50., 55. ..., 95. Perzentil der Tagestemperaturen angegeben sind. Wir haben den Schwellenwert auf der Grundlage des WAIC (Watanabe-Akaike Information Criterion) gewählt, einer vollständig Bayes’schen Schätzung der Vorhersagegenauigkeit, definiert als die logarithmische Punkt-zu-Punkt-Vorhersagedichte, korrigiert um die Überanpassung durch Korrektur der effektiven Anzahl der Parameter, wobei kleinere Werte eine bessere Anpassung anzeigen [29]. Wir haben dann zusätzliche Modelle angewandt, in denen die Auswirkungen der Hitzebelastung (Temperaturen über dem Schwellenwert) nach Geschlecht (männlich und weiblich), Alter (0–64, 65–74, > 75) und Ort/Region (LTLA) variiert wurden. Zusätzlich haben wir Luftschadstoffe in diese Modelle integriert, um die Sensitivität des Effekts zu untersuchen, wenn Luftschadstoffe als Störfaktoren auftreten. Zur Modifikation des räumlichen Effekts wurde der Besag-York-Mollié-Prior verwendet, der eine lokale Abhängigkeit zwischen benachbarten LTLA annimmt [30]. Wir haben dieses Modell mit und ohne die räumlichen Effektmodifikatoren angepasst und gleichzeitig um die Störfaktoren bereinigt. Das Modell ist in der Zusatzinformation S1.2 detailliert beschrieben. Die Ergebnisse werden als Mediane und 95%-Kredibilitätsintervalle (95%-KrI: 95% Wahrscheinlichkeit, dass die wahren Werte innerhalb dieses Intervalls liegen) der prozentualen Zunahme des Risikos einer Krankenhauseinweisung für jeden Temperaturanstieg von 1°C über dem Schwellenwert angegeben [31]; zusätzlich werden die A-posteriori-Wahrscheinlichkeiten für eine positive prozentuale Zunahme angegeben. Für das räumlich variierende Risiko haben wir ebenfalls die A-posteriori-Wahrscheinlichkeiten angegeben, mit denen das prozentuale Krankenhauseinweisungsrisiko höher ist als das durchschnittliche prozentuale Krankenhauseinweisungsrisiko.

Für die Berechnung des Anteils, der der Studiengruppe zurechenbar ist, wurde um die räumliche Dimension der Hitzebelastung erweitert [32]. Zunächst wurde das kumulative relative Risiko (RR_s) für eine hitzebedingte Krankenhauseinweisung wegen COPD in der s-ten (s.) LTLA berechnet. Anschließend wurde der zurechenbare Anteil berechnet: AF_s = (RR_s − 1)/RR_s. Wenn n_s die Anzahl der Krankenhauseinweisungen an Tagen über 23,2°C und N_s die Gesamtzahl der Krankenhauseinweisungen ist, dann ist AF_s(n_s/N_s) der Anteil, der der Studienpopulation zuzuschreiben ist, d.h. die Anzahl der Krankenhauseinweisungen wegen COPD, die auf sommerliche Hitzebelastung zurückzuführen sind. In unserer Bayes’schen Formulierung waren wir in der Lage, alle zufallsvariablenspezifischen Unsicherheiten in unseren Schätzungen zu propagieren.

Wir haben die Hauptanalyse für die Latenzzeiten 0, 1 und 2 unabhängig voneinander wiederholt. Wir haben auch B-Splines verwendet, um den Temperatureffekt zu modellieren und die Linearitätsannahme oberhalb des Schwellenwertes zu untersuchen.

Alle Analysen werden mit Numerical Inference for Hierarchical Models Using Bayesian and Likelihood Estimation (NIMBLE) [33] durchgeführt. Der Code zur Durchführung der Analyse ist online unter https://github.com/gkonstantinoudis/COPDTempSVC verfügbar.

Wir haben 1 570 288 COPD-Krankenhausdatensätze aus England für den Zeitraum 2007 bis 2018 abgerufen. Nach der Eliminierung von doppelten Datensätzen, Datensätzen mit Wohnsitz außerhalb Englands, Datensätzen, die sich nicht auf die Sommermonate bezogen, und Datensätzen, für die wir keine Nicht-Ereignistage auswählen konnten, standen 320 411 Datensätze für die Analyse zur Verfügung (Abb 1).

Die mittlere Höchsttemperatur in ganz England ist von 19,42°C im Jahr 2007 auf 22,20°C im Jahr 2018 gestiegen (Zusatzinformation Tab. S1). Der Median der maximalen Temperaturbelastung beträgt bei Latenzzeit 0 20,91°C für Ereignistage und 20,39°C für Nicht-Ereignistage, bei Latenzzeit 1 20,97°C für Ereignistage und 20,94°C für Nicht-Ereignistage, bei Latenzzeit 2 20,92°C für Ereignistage und 20,90°C für Nicht-Ereignistage und bei Latenzzeiten von 0–2 Tagen 20,93°C für Ereignistage und 20,92°C für Nicht-Ereignistage (Zusatzinformation Tab. S2). Die Verteilung der Kovariaten auf Ereignis- und Nicht-Ereignistage und die räumliche Verteilung der Effektmodifikatoren auf der LTLA-Ebene sind in den Tabellen S2–S5 und Abbildungen S2–S5 der Zusatzinformation (des Originalartikels) zu finden.

Im Modell, das um die relative Luftfeuchtigkeit und die nationalen Feiertage korrigiert wurde, war das 80. Perzentil der Temperatur (23,2°C) der Schwellenwert, der den WAIC-Wert minimierte (Zusatzinformation Tab. S6). Wir fanden einen Anstieg des Risikos einer Krankenhauseinweisung wegen COPD um 0,37% (95%-KrI 0,09–0,65%) für jeden Temperaturanstieg um 1°C im Bereich unter 23,2°C (Zusatzinformation des Originalartikels Tab. S6). Dagegen war der Effekt oberhalb von 23,2°C mit 1,46% (95%-KrI 1,19–1,71%) höher (Zusatzinformation des Originalartikels Tab. S6). Alle nachfolgenden Analysen wurden mit dem 80. Perzentil der Temperatur als Schwellenwert durchgeführt.

In den unbereinigten Modellen variiert die prozentuale Zunahme des Risikos einer Krankenhauseinweisung für jeden Temperaturanstieg von 1°C über dem Schwellenwert zwischen 0,92% (95%-KrI 0,25–1,63%) bei Frauen im Alter von 64 Jahren und jünger bis zu 1,56 % (95%-KrI 0,94–2,20%) bei Frauen im Alter von 65 bis 74 Jahren (Abb. 2 und Zusatzinformation Tab. S6). Nach Bereinigung um die relative Luftfeuchtigkeit und nationale Feiertage sind die Effekte etwas höher und reichen von 1,14% (95%-KrI 0,39–1,84%) bei Frauen im Alter von 64 Jahren und jünger bis zu 1,75% (95%-KrI 1,13–2,41%) bei Männern im Alter von 65 bis 74 Jahren (Abb. 2 und Zusatzinformation Tab. S7). Zusätzlich reduziert die Berücksichtigung der Luftverschmutzung den beobachteten Effekt erheblich (Abb 2 und Zusatzinformation Tab. S7).

Die regionale Variation des Effekts der Hitzebelastung auf die Krankenhauseinweisungen wegen COPD ist in Abbildung 3 dargestellt. Das Risiko einer Krankenhauseinweisung wegen COPD beträgt weniger als 1,31% für jede Zunahme der Hitzebelastung um 1°C im Südwesten (linkes oberes Feld, Abb 3). Im Gegensatz dazu ist die Bevölkerung im Südosten anfälliger: Die Wahrscheinlichkeit, dass die Auswirkungen der Hitzebelastung größer sind als im nationalen Durchschnitt, liegt zwischen 0,6 und 1 (Abb 3, oben rechts). Nach Berücksichtigung von Grünflächen, Benachteiligung, Urbanität und Durchschnittstemperatur wird die beobachtete Abweichung des Temperatureffekts leicht abgeschwächt (Abb 3, unten).

Wir haben schwache Hinweise darauf gefunden, dass die Bevölkerung in Gebieten mit einem höheren Anteil an Grünflächen, einer höheren Durchschnittstemperatur und einem höheren Grad an Urbanität widerstandsfähiger gegen hitzebedingte Krankenhauseinweisungen wegen COPD ist (Tab 1). Erhöhen wir den Anteil der Grünflächen in einer LTLA um 1%, so ändert sich der räumliche Effekt der Hitzebelastung um -1,46% (95%-KrI -6,99%; 4,39%) (Tab 1). Für jede Erhöhung der mittleren Temperatur um 1°C pro LTLA ändert sich der räumliche Effekt der Hitzebelastung um –0,41% (95%-KrI -1,49%; 0,71%) (Tab 1). Der räumliche Effekt der Hitzebelastung in städtischen LTLA mit signifikanten ländlichen und überwiegend städtischen LTLA variiert um -0,79% (95%-KrI -3,10%; 1,51%) bzw. -1,57% (95%-KrI -4,16%; 0,96%) im Vergleich zu überwiegend ländlichen LTLA (Tab 1).

Tab 1 . Mediane und 95%-KrI der prozentualen Veränderung des räumlichen Risikos für hitzebedingte Krankenhauseinweisungen aufgrund von Grünflächen, Durchschnittstemperaturen, dem IMD und der Urbanität sowie die Wahrscheinlichkeit, dass diese prozentuale Veränderung größer ist als 0.

Wir fanden, dass 1851 (95%-KrI 1576–2079) Krankenhauseinweisungen wegen COPD mit Temperaturen über 23,2°C pro Jahr assoziiert waren. Dies entspricht 7,8% (95%-KrI 6,7–8,8%) aller Krankenhauseinweisungen wegen COPD in den Sommermonaten von 2007 bis 2019. Der Anteil der Krankenhauseinweisungen wegen COPD aufgrund von Temperaturen über dem Schwellenwert weist eine klare räumliche Struktur auf und liegt in den East Midlands, im Osten Englands, in London und im Südosten über 8%, im Südwesten dagegen unter 5% (Abb 4).

Die Latenzzeit mit dem größten Einfluss war die Latenzzeit 1 mit einem Risiko von 1,37% (95%-KrI 1,14–1,58%) für eine Krankenhauseinweisung wegen COPD für jede Erhöhung der Hitzebelastung um 1°C. Für die Latenzzeiten 0 und 2 war die Punktschätzung immer noch positiv, aber in geringerem Maße, nämlich 0,71% (95%-KrI 0,50–0,93%) bzw. 1,01% (95%-KrI 0,78–1,24%), was wahrscheinlich auf die Korrelation mit den Temperaturen für die Latenzzeit 1 zurückzuführen ist. Die Linearitätsannahme oberhalb des Schwellenwertes von 23,2°C erscheint vernünftig (Zusatzinformation des Originalartikels Abb. S6).

Dies ist die erste landesweite Fall-Crossover-Studie in England, die die kurzfristigen Auswirkungen von Hitzebelastung auf Krankenhauseinweisungen wegen COPD untersucht. Nach Berücksichtigung von Störfaktoren deuten die Ergebnisse darauf hin, dass das Risiko einer Krankenhauseinweisung wegen COPD um 1,47% (95%-KrI 1,19–1,73%) pro 1°C Zunahme der Hitzebelastung steigt, wobei PM_2,5 und O₃ nachweislich als Mediatoren dieses Zusammenhangs gelten. Wir fanden schwache Hinweise auf eine Effektmodifikation durch Geschlecht und Alter. Die zurechenbare Belastung durch Hitzebelastung weist eine klare regionale Struktur auf, wobei die Gebiete East Midlands, Ostengland, London und der Südosten am stärksten betroffen sind. Unter der Annahme eines kausalen Zusammenhangs könnten 7,8% (95%-KrI 6,7–8,8%) der Krankenhauseinweisungen wegen COPD im Zeitraum 2007 bis 2018 auf die Hitzebelastung in den Sommermonaten zurückgeführt werden.

Die größte Stärke unserer Studie ist die Verfügbarkeit von Postleitzahlen, wodurch die höchste räumliche Auflösung für die Verknüpfung mit Expositions- und Störfaktoren genutzt werden kann. Es wird erwartet, dass eine solche geografische Auflösung die Fehlklassifikation aufgrund einer räumlichen Verschiebung zwischen dem Ergebnis und der Exposition/dem Verursacher minimiert. Die Verfügbarkeit von individuellen Ergebnisdaten minimiert auch die ökologische Verzerrung [12] und garantiert gleichzeitig eine hohe statistische Aussagekraft aufgrund des bevölkerungsbasierten Charakters der Studie. Wir haben die Krankenhausdaten von NHS Digital analysiert, die fast alle Krankenhauseinweisungen im öffentlichen Sektor in England zwischen 2007 und 2018 abdecken.

Unsere Studie hat einige Einschränkungen. Erstens spiegelt die Temperatur am Wohnort nicht die tatsächliche Temperaturbelastung einer Person wider, da Menschen im Laufe des Tages unterschiedlichen Temperaturen ausgesetzt sind. Hinzu kommt, dass die vom Met Office angegebene Außentemperatur nicht die tatsächliche Temperatur im Haus widerspiegelt. In Übereinstimmung mit den meisten Studien auf diesem Gebiet und in Ermangelung genauerer Daten über die individuelle Belastung wurde jedoch die Außentemperatur als Proxy für die individuelle Belastung verwendet. Um eine flexible Anpassung zu ermöglichen, wurde ein lineares Schwellenwertmodell verwendet. Für komplexere Beziehungen können mehrere Schwellenwerte erforderlich sein. Die WAIC-Analyse legt jedoch nahe, dass die Annahme der Linearität ausreichend ist. Obwohl wir die wichtigsten umweltbedingten Faktoren berücksichtigt haben, die zu Krankenhauseinweisungen wegen COPD beitragen, konnten wir andere potenzielle Störfaktoren (z.B. saisonale Allergien und Pollenflug) aufgrund fehlender Daten nicht bewerten. Außerdem könnte die Exposition gegenüber anderen Luftschadstoffen wie NO₂ und SO₂ die beobachtete Beziehung ebenfalls beeinflussen. Wir haben uns entschieden, eine Anpassung für PM_2,5 und O₃ vorzunehmen, da diese einen größeren Einfluss auf Krankenhauseinweisungen wegen COPD zu haben scheinen und um eine mögliche Kollinearität mit anderen Schadstoffen zu vermeiden.

Unsere Ergebnisse können mit Studien verglichen werden, die Krankenhauseinweisungen wegen COPD und Umgebungstemperaturen während der wärmsten Monate untersuchten [6, 11, 34, 35]. Unsere Studie stimmt mit einer US-amerikanischen Studie mit 12,5 Millionen Teilnehmern überein, die einen Anstieg der Krankenhauseinweisungsrate wegen COPD um 4,7% (95%-KrI 3,9–5,5%) bei Latenzzeit 0 für jeden Anstieg der durchschnittlichen Tagestemperatur um 5,6°C zwischen Mai und September feststellte [6]. Unsere Studie steht auch im Einklang mit einer Fall-Crossover-Studie in Brasilien, die einen Anstieg der Wahrscheinlichkeit einer Krankenhauseinweisung um 5% (95%-KrI 4–6%) für jeden Anstieg der Durchschnittstemperatur um 5°C (Latenzzeiten 0–3) während der 4 wärmsten Monate berichtete [11]. Im Gegensatz dazu wurde in einer New Yorker Studie ein Anstieg des COPD-Risikos um 7,64% pro 1°C Anstieg der mittleren Tagestemperatur über 32°C festgestellt [35]. Eine Studie in 12 europäischen Städten berichtete über einen Anstieg der Gesamtzahl der respiratorischen Krankenhauseinweisungen (die meisten davon COPD) um 4,5% (95%-KrI 1,9–7,3%) bzw. 3,1% (95%-KrI 0,8–5,5%) in mediterranen bzw. nordkontinentalen Städten für jede Erhöhung der maximalen messbaren Temperatur (Latenzzeiten 0–3 Tage) um 1°C über das 90. Perzentil [36]. Eine Studie aus Taiwan berichtete über eine negative Korrelation zwischen der durchschnittlichen Tagestemperatur und COPD-Notfallaufnahmen, aber über einen 14%igen Anstieg der COPD-Notfallaufnahmen bei einer Tagestemperaturspanne von mehr als 9,6°C [34].

Wir fanden schwache Hinweise auf eine Veränderung der Wirkung durch Alter und Geschlecht, aber regionale Unterschiede in der Anfälligkeit. Eine frühere Studie aus Brasilien berichtete über eine höhere Rate von Krankenhauseinweisungen wegen COPD bei Frauen und älteren Menschen [11]. In den Modellen, die um die relative Luftfeuchtigkeit und nationale Feiertage bereinigt wurden, war die Altersgruppe der 65- bis 74-Jährigen am stärksten gefährdet, was mit einer früheren Studie aus den USA übereinstimmt [6]. Eine gewisse räumliche Variabilität zwischen Regionen oder Bezirken wurde auch in früheren Studien in Brasilien und den USA beobachtet, möglicherweise aufgrund sozioökonomischer Merkmale oder der Exposition gegenüber höheren durchschnittlichen Sommertemperaturen [6, 11]. In unserer Studie erklärten Grünflächen, Durchschnittstemperatur, Benachteiligung und Urbanität einen Teil der beobachteten Variationen in der regionalen Anfälligkeit, aber der Nachweis eines Effekts war nicht eindeutig.

Einige Abweichungen unserer Ergebnisse im Vergleich zu früheren Studien können mehrere Erklärungen haben. Frühere Studien, die höhere Effektschätzungen berichteten, hatten eine gröbere geografische Auflösung (Stadt- oder Landkreisebene), was zu einer unzureichenden Adjustierung für Störfaktoren führte, da Störfaktoren in hoher geografischer Auflösung variieren können [11, 34, 36, 37]. Unterschiede in der Definition des Ergebnisses können ebenfalls zu Diskrepanzen führen, da in früheren Studien die jeweils herrschende Temperatur [35, 36] oder die Tagestemperaturspanne [34] verwendet wurde, während andere Studien, die unserem Ansatz näher stehen, den Tagesmittelwert [6, 11] verwendeten. Entscheidungen bezüglich der Wahl des Temperaturschwellenwerts, der Monate der warmen Jahreszeit und der Latenzzeiten können ebenfalls einen Teil der beobachteten Unterschiede in den Effektschätzungen erklären. In den meisten früheren Studien wurde die Luftverschmutzung berücksichtigt [6, 35, 36], während wir dies nicht taten, da wir davon ausgingen, dass die Luftverschmutzung ein Mediator ist [28]; als wir die Luftverschmutzung in das Modell aufnahmen, war der Effekt der Hitzebelastung deutlich geringer.

Akute COPD-Episoden sind nicht nur mit respiratorischer und systemischer Entzündung assoziiert, sondern auch mit kardiovaskulären Komorbiditäten und können durch Hitzebelastung ausgelöst werden [36]. Die Exposition gegenüber der Umgebungswärme kann zu einer Wärmeabgabe durch Hyperventilation führen und bei Patienten mit vorbestehender COPD eine dynamische Hyperinflation und Dyspnoe auslösen [6, 11]. Das in unserer Studie beobachtete höhere Risiko einer Krankenhauseinweisung wegen COPD in der Altersgruppe der 65- bis 74-Jährigen könnte darauf zurückzuführen sein, dass diese gebrechliche Bevölkerungsgruppe nicht in der Lage ist, überschüssige Wärme durch Kreislaufanpassung abzuleiten, und dass die Exposition gegenüber extremen Temperaturen ihr Risiko erhöht, einen pulmonalen Gefäßwiderstand zu entwickeln, der sekundär zu einer peripheren Blutstauung oder Hypovolämie führt [36]. Darüber hinaus haben ältere Menschen ein höheres Risiko für kardiovaskuläre Begleiterkrankungen, von denen man annimmt, dass sie das Risiko von Krankenhauseinweisungen wegen COPD im Zusammenhang mit Hitzebelastung erhöhen. Diese Beweise sind jedoch nicht eindeutig [36]. Wir fanden auch einen schwachen schützenden Effekt höherer Durchschnittstemperaturen, was auf eine schützende Anpassung an die Hitze hindeutet, die möglicherweise mit Unterschieden im Wohnungsbestand oder im Verhalten bei heißem Wetter zusammenhängt [11]. Wir fanden schwache Hinweise auf eine erhöhte Widerstandsfähigkeit der Bevölkerung in stärker benachteiligten Gebieten und in Gebieten mit einem höheren Grad an Urbanität. Obwohl diese Beweise nicht eindeutig sind, könnten demografische Unterschiede wie z.B. ethnische Zugehörigkeit mögliche Faktoren sein, die den beobachteten Effekt aufheben.

Frühere Studien, die sich mit zukünftigen Trends bei COPD, Bevölkerungsdemografie und Temperaturveränderungen befassten, sagten eine Zunahme der COPD-Prävalenz, einen Anstieg des Durchschnittsalters der Bevölkerung und höhere globale Temperaturen voraus [38‒40]. Es sollten Mittel bereitgestellt werden, um die Abwehrbereitschaft und Widerstandsfähigkeit des öffentlichen Gesundheitswesens zu unterstützen, z.B. durch die Entwicklung oder Ausweitung von Hitzewarnungen, um der zunehmenden Anzahl hitzebedingter Krankenhauseinweisungen wegen COPD zu begegnen.

Wir danken Hima Daby, Gajanan Natu, Eric Johnson und Bethan Davies für ihre Hilfe bei der Erfassung, Speicherung, Aufbereitung und Verwaltung der Daten. Alle Autoren danken für die infrastrukturelle Unterstützung der Abteilung für Epidemiologie und Biostatistik durch das NIHR Imperial Biomedical Research Centre (BRC). Hospital Episode Statistics data are copyright © 2021, reused with the permission of NHS Digital. Alle Rechte vorbehalten. Die Daten der Hospital Episode Statistics wurden von NHS Digital bezogen.

GK und MB konzipierten die Studie. MB überwachte die Studie. GK entwickelte das ursprüngliche Studienprotokoll und diskutierte es mit MB, CM, AMV-C, JB und AG. GK entwickelte das statistische Modell, bereitete die Kovariatendaten vor und leitete die Erfassung der Hospitalisierungsdaten. MB validierte den Code. GK führte die gesamte Analyse durch und schrieb den ersten Entwurf. Alle Autoren trugen dazu bei, die Arbeit zu ändern und die Ergebnisse kritisch zu interpretieren. Alle Autoren lasen und genehmigten die endgültige Fassung zur Veröffentlichung. GK ist als Gewährsmann für den Gesamtinhalt verantwortlich.

GK wird durch ein MRC Skills Development Fellowship [MR/T025352/1] unterstützt. MB wird durch ein Stipendium der National Institutes of Health unterstützt [R01HD092580-01A1]. Die Infrastruktur für diese Forschung wurde vom National Institute for Health Research Imperial Biomedical Research Centre (BRC) bereitgestellt. AG wird vom Medical Research Council-UK (Grant ID: MR/R013349/1), dem Natural Environment Research Council UK (Grant ID: NE/R009384/1) und dem Horizon 2020 Project Exhaustion der Europäischen Union (Grant ID: 820655) unterstützt. Die Arbeit wurde teilweise vom MRC Centre for Environment and Health unterstützt, das vom Medical Research Council finanziert wird (MR/S019669/1, 2019–2024). JB dankt für die Finanzierung durch das Forschungs- und Innovationsprogramm Horizont 2020 der Europäischen Union unter der Finanzhilfevereinbarung Nr. 865564 (European Research Council Consolidator Grant EARLY-ADAPT), für die Unterstützung durch das spanische Ministerium für Wissenschaft und Innovation im Rahmen des Programms «Centro de Excelencia Severo Ochoa 2019–2023» (CEX2018- 000806-S) und für die Unterstützung durch die Generalitat de Catalunya im Rahmen des CERCA-Programms. Die Arbeit der britischen Small Area Health Statistics Unit wird von Public Health England (PHE) beaufsichtigt und von PHE als Teil des MRC-PHE Centre for Environment and Health finanziert, das auch vom Medical Research Council des Vereinigten Königreichs unterstützt wird (Zuschussnummer: MR/L01341X/1), und das National Institute for Health Research (NIHR) durch seine Health Protection Units (HPRUs) am Imperial College London in Environmental Exposures and Health und in Chemical and Radiation Threats and Hazards, sowie durch Health Data Research UK (HDR UK). Dieses Papier gibt nicht unbedingt die Ansichten von Public Health England, dem National Institute for Health Research oder dem Department of Health and Social Care wieder.

Die Aufnahme einer Karte (einschließlich der Darstellung von Grenzen) oder eines geographischen oder ortsbezogenen Hinweises bedeutet nicht, dass BMJ eine wie auch immer geartete Meinung über den rechtlichen Status eines Landes, eines Territoriums, einer Gerichtsbarkeit oder eines Gebiets oder seiner Behörden vertritt. Jede derartige Äußerung ist ausschließlich die der jeweiligen Quelle und wird von BMJ nicht gebilligt. Die Karten werden ohne jegliche ausdrückliche oder stillschweigende Garantie zur Verfügung gestellt.

Keine Interessenskonflikte gemeldet.

Diese Studie, an der Menschen teilnehmen, wurde vom London-South East Research Ethics Committee (Referenz 17/LO/0846) genehmigt und unterliegt der nationalen Forschungsethik. Der Datenzugriff auf vertrauliche Patienteninformationen ohne Zustimmung wurde von der Health Research Authority-Confidentiality Advisory Group gemäß Verordnung 5 der Health Service (Control of Patient Information) Regulations 2002 («Section 251 Support») genehmigt – HRA CAG-Referenz: 20/CAG/0028.

Nicht in Auftrag gegeben; externes Peer Review.

Die SAHSU hat keine Erlaubnis, Daten an Dritte weiterzugeben. Aus Gründen der Reproduzierbarkeit haben wir Daten simuliert und den für die Analyse verwendeten Code auf https://github.com/gkonstantinoudis/COPDTempSVC bereitgestellt.

Dieser Inhalt wurde von dem/den Autor(en) zur Verfügung gestellt. Er wurde nicht von der BMJ Publishing Group Limited (BMJ) überprüft und wurde möglicherweise nicht von Fachkollegen begutachtet. Alle erörterten Meinungen oder Empfehlungen sind ausschließlich die des Autors/der Autoren und werden vom BMJ nicht gebilligt. BMJ lehnt jede Haftung und Verantwortung ab, die sich aus dem Vertrauen auf den Inhalt ergibt. Wenn der Inhalt übersetztes Material enthält, übernimmt BMJ keine Gewähr für die Richtigkeit und Zuverlässigkeit der Übersetzungen (einschließlich, aber nicht beschränkt auf lokale Vorschriften, klinische Richtlinien, Terminologie, Medikamentennamen und Medikamentendosierungen) und ist nicht verantwortlich für Fehler und/oder Auslassungen, die sich aus der Übersetzung und Anpassung oder anderweitig ergeben.

SAHSU ist nicht befugt, Daten an Dritte weiterzugeben. Aus Gründen der Reproduzierbarkeit haben wir die Daten simuliert und den für die Analyse verwendeten Code unter https://github.com/gkonstantinoudis/COPDTempSVC zur Verfügung gestellt.

Garyfallos Konstantinoudis, Cosetta Minelli, Ana Maria Vicedo-Cabrera, Joan Ballester, Antonio Gasparrini, Marta Blangiardo: Ambient heat exposure and COPD hospitalisations in England: a nationwide case-crossover study during 2007–2018. Thorax. 2022 Nov;77(11):1098–1104 (DOI: 10.1136/thoraxjnl-2021-218374). © Die Autor(en) (oder deren Arbeitgeber) 2023. Veröffentlicht von BMJ. (Übersetzung; Zustimmung des Patienten zur Veröffentlichung gekürzt), lizensiert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/deed.de).