忽冷忽熱真”傷心”! 淺談高低溫對臺灣腦心血管疾病之影響
陳保中 國家衛生研究院國家環境醫學研究所 特聘研究員
臺灣大學公共衛生學院 教授
王淑麗 國家衛生研究院國家環境醫學研究所 研究員
吳威德 國家衛生研究院國家環境醫學研究所 助研究員
林靜君 臺灣大學公共衛生學院 專案助理教授
蔡宗霖 國家衛生研究院國家環境醫學研究所 博士後研究員
吳瑞軒 國家災害防救科技中心 專案佐理研究員
氣候變遷對腦心血管健康之威脅
氣候變遷是21世紀最嚴重的全球健康威脅因素之一，2012年全球疾病負擔報告(Global Burden of Disease, GBD)指出，綜觀1990-2010年死亡原因，中風為第二大常見死因[1]，而氣候條件是促使中風發生的重要影響因子 [2][3][4][5][6] 。
過去已有許多分析氣候條件與民眾死亡率有關研究指出，溫度高低變化與死亡率、就醫率呈現顯著相關性，並呈現U型、V型、J型的非線性關係(代表高、低溫之影響程度更為劇烈) [7][8][9][10]。歐洲地區德國研究即發現，缺血性中風之高發病風險時間點，其與溫度急遽的上升與下降有關[11]；西班牙研究也認為暴露於高溫及低溫條件下，將會明顯提高心臟血管發病的死亡風險[12]。位於亞州地區的伊朗，針對境內拉什特地區(Rasht)調查結果顯示，低溫與心臟血管疾病病患死亡率間具顯著相關，並呈現反向J型溫度-死亡率關係[13]；日本研究更指出，高、低溫變化特別對於女性中風、缺血性中風及出血性中風等發病風險，具更明顯的關聯性[14] 。另於北美洲波多黎各調查首都聖胡安市結果發現，中風(相對風險=16.80)及心臟血管疾病(相對風險=16.63)為熱帶城市夏季最主要的致死原因[15]。
伴隨著全球暖化日益嚴重，以及極端氣候出現頻率增加，對於臺灣這個擁有豐富地形的海島型國家的影響將更加明顯。2020年一項探討室內溫度對臺灣老年人心臟血管疾病相關急診就診累積影響之研究，發現於熱季節(5-10月)時，當室內溫度持續降溫，或於寒冷季節，室內溫度持續升溫的情境下，兩者均會增加心臟血管疾病所導致之急診就診風險[16]。另一跨國研究結果顯示高溫和寒冷與任何心臟血管原因、缺血性心臟病、中風和心臟衰竭導致的死亡風險增加有關，在每1,000例心臟血管死亡中，分別有2例和9例超額死亡可歸因於極端炎熱和寒冷氣候條件，即因外界溫度變化造成額外的人口死亡，由此觀之，暴露於極熱和極冷的溫度與多種常見腦心血管疾病導致的死亡風險增加有關[17]。因此，在劇烈的環境氣候變遷下，極端溫度與腦心血管健康之間的交叉點值得我們深入研究。
臺灣腦心血管疾病氣候危害指標建立
過去的研究大多以死亡率為研究終點，但死亡事件只反應了疾病的最終結果，無法精確了解疾病發生的過程，對於尚未死亡的個案評估亦會有所缺漏。為了可進一步了解腦心血管疾病發病過程與變數之相關性，本研究搜整新發生個案，並結合本計畫國科會臺灣氣候變遷推估資訊與調適知識平台計畫(TCCIP)之2001-2020年網格化觀測日資料(變數包括平均溫、最高溫、最低溫及降雨量，空間解析度為全台0.01度網格)，用以建立全臺歷史極端高低溫對腦心血管疾病發生率關聯性迴歸模型，希冀建置出可應用於推估未來氣候變遷下腦心血管疾病發病風險之氣候危害指標。
本研究設計採用病例交叉研究法(Case-crossover study)搭配時間分層法(time-stratified strategy)，每個發病個案都會以自己無發病時當對照組，將疾病發病日的溫度與對照日(即事件日之前的21或28天)的溫度進行比較。此研究設計方法可改善性別、年齡與抽菸習慣等短期內不隨時間變化變項的干擾[18]，並可依年齡層、健康狀況或生活方式因子等特徵來評估極端高低溫對亞族群組的影響[19][20] 。
中風成因可受腦血管病變及心血管疾病影響，因此設定中風為本次研究之目標疾病，以同步了解氣候條件變化於腦/心血管所造成的衝擊。研究族群觀察全臺2001年~2020年中風患者，從「全民健保處方及治療明細檔_門急診」篩選第一次中風急診個案，參考美國疾病控制和預防中心 (CDC)/國家慢性病預防和健康促進中心(NCCDPHP)/心臟病和中風預防部 (DHDSP)之國際疾病標準分類碼(International Classification of Diseases, ICD)(ICD-9: 430-434, 436-438 ; ICD10: I60-I69)，定義為該疾病確診個案，採用條件邏輯迴歸(Conditional Logistic Regression)模式來建立模型，探討目標疾病事件發生與變數相關性，以Odds ratio(OR)與95% confidence interval(CI)估算相關性程度。並以個案發病時溫度(平均溫、最高溫、最低溫)，依每度溫度進行獨立個案分層分析，以每日溫度計算發生風險找出(1) 最適溫度:為罹病最低風險溫度，即風險反折點(反折點以下溫度，分析方式改為溫度越低風險越高); (2)低風險溫度區間: OR<1.1 (代表罹病風險增加比例低於10%); (3)高風險溫度: OR>2.0 (代表罹病風險高於兩倍)，以確立各地區因不利溫度引起的中風相關證據，並提供後續模式建立非線性曲線分析的折點設定資訊。
研究成果顯示溫度與中風風險之間呈現U形反應曲線，與過去心血管疾病死亡率曲線類似[17]，如圖一所示全臺及四個不同地區每度平均溫度獨立分層分析結果。在氣象條件方面從均溫來看，全臺避免中風最適溫度為20°C (低風險區間為19-27°C)。進一步細究四個不同地區，北部地區最適溫度為18°C(低風險區間為17-24°C)，中部地區最適溫度為18~19°C(低風險區間為18-26°C)，南部地區最適溫度為21°C(低風險區間為20-27°C)，東部地區最適溫度為20°C(低風險區間為20-26°C)，呈現出越往南部人體最適溫度越高的情形，凸顯出各地區民眾因外界環境差異，而對於平均溫度表現出不同的生理條件適應性。另氣候條件最高溫閾值分析顯示，全臺中風急診最高溫高風險閾值溫度為34°C，代表當最高溫高於34°C，中風罹病風險將急遽上升，氣候條件最低溫的分析結果則指出，最低溫高風險閾值溫度為6°C(圖2)。
圖1. 日平均溫度與中風急診風險
圖2. 2001-2020全臺氣候條件最高溫(左)與最低溫(右)與中風急診風險閾值溫度
細分至四個地區進行觀察，氣候條件最高溫之高風險閾值溫度於四個地區均相同，但隨著地區向南移動，氣候條件最低溫之高風險閾值溫度逐漸提高，說明各區域對於低溫的耐受性實有所差異，亦即南部地區民眾因平日生活於較溫暖的氣候條件，一旦溫度驟降，其所受到的中風威脅將遠高於其他地區民眾。溫度高於和低於最適溫度時罹病風險都會增加，原因是人體在高溫環境下，出汗和皮膚血流量同時增多，容易造成脫水、血液濃縮和膽固醇濃度增加、血液黏稠度升高，進而使中風風險提高[21]。反之人體處於低溫環境會造成周邊血管收縮、血壓上升、血液黏稠度增加，加重心臟負荷；同時血液中纖維蛋白原數值與膽固醇也會升高，導致發炎反應以及血液濃縮，引起血栓的現象[21]。因此，利用氣候資料建立臺灣腦心血管疾病氣候危害指標，界定臺灣各地區影響避免中風最適溫度及最高溫與最低溫中風急診高風險閾值，有助於後續極端溫度情境下中風預防及急診發生之健康調適建議策略擬定。
結論與建議
氣候變遷導致極端氣候事件發生頻率增加，極端高低溫情境均會進而提高腦心血管疾病罹病風險。為建立可用於評估腦心血管疾病風險之依據，本研究初步解析全臺腦血管疾病發病之潛在溫度閾值，以期應用於規劃氣候危害下健康衝擊效應之調適策略。除極端高、低溫對心血管疾病的衝擊外，每日晝夜溫差及其時間變化對死亡風險、死亡比例、心臟血管疾病的發病率等，也具有顯著影響[23][24]，後續將需進一步進行分析及確認其對人體健康風險之影響關係。本研究建立2001-2020年每日鄉、鎮、區尺度之氣候資料庫及病例對照研究設計方式，後續將更全面性應用於探討其他心血管疾病與不同氣候危害驅力因子變項的關聯性，希冀能整合評估及產製健康調適規劃所需之科學依據。
延伸閱讀
[氣候搖滾同學會Podcast] 體育賽事殺手，運動好手挑戰再+1
https://tccip.ncdr.nat.gov.tw/podcast_one.aspx?pid=20231227141124
天氣熱也是中風高峰期！水喝太少、情緒暴躁易促發？1症狀出現快就醫，潮健康健康科普
https://blog.coolhealth.com.tw/2022/07/13/brain-stroke-and-hot-weather
注意低溫及早晚溫差大，嚴防心血管疾病猝發!~由內到外5個重點保命，衛生福利部焦點新聞
https://www.mohw.gov.tw/cp-5265-66155-1.html
.png)
你在乎嗎？淺談心理學如何看待氣候風險認知與溝通
陳玲瑤 國家災害防救科技中心 專案佐理研究員
前言
野火、水災、乾枯的大地，近年來各地的天災新聞越來越常出現在媒體上，尤其目前正值北半球夏季，美國、歐洲、中東、東亞，包括臺灣等地出現異常高溫，酷熱難耐！研究顯示氣候變遷、暖化趨勢已無法避免，除了鼓勵各國致力於減碳工作來降低暖化程度，也倡導各領域採取系統性的調適行動，以因應越來越極端的氣候與相關的負面衝擊[1]。
近年氣候調適的工作隨著各地氣候災害越趨頻繁而受到更多注目，但面臨政治、經濟、社會等多重因素的挑戰，進程仍然緩慢。本文就心理學領域觀察到的幾個面向，淺談人類為什麼對氣候風險、調適工作顯得無感或被動，並提供一些溝通上的小撇步。
氣候風險，Who Cares?
氣候調適是為了因應當前的氣候衝擊，像是高溫、強降雨對社會或生態的負面影響，以及面對未來幾十年可能出現更極端的氣候事件，規劃並執行適當的因應措施，以減輕負面的衝擊。簡單來說，調適是為了讓我們與環境在未來有適應負面氣候衝擊的韌性，並保有我們期待與規劃的生活品質與狀態。但，這麼重要的工作，為什麼不容易推動與執行呢?
由於氣候是長時間的平均天氣狀態，動輒幾十年的時間尺度，人們或許覺得重要，卻不是優先處理的議題，反而認為眼前的災害、問題才需要立即花心力去應對。為什麼人們無法理性地對長期威脅採取行動呢?
其中很大一部分與人類的演化有很大的關係。由於早期的人類需要躲避立即的傷害，像是被野生動物獵殺，生死存亡之際必須做出立即的求生決定，生理演化上讓人類大腦在處理眼前的危機時最有效率，但這樣的進化結果讓人類在面對時間尺度較長的議題時，像是未來的健康風險或是氣候變遷等問題，就無法做出合理的決策或行動，這種現象在心理學上稱為認知偏誤(cognitive bias) [2]。例如我們都知道適當運動有益身心健康，並能有效防範未來生病體弱的情況，但通常我們都覺得有比未來健康更需要優先處理的事，像是躺在沙發滑手機紓壓一下，或是優先加班處理公事要緊。氣候的議題也是如此：十年、二十年、甚至五十年後會發生的災難，嗯…晚一點再說，先處理我眼前、明天或是明年會遇到的麻煩吧。
認知偏誤讓人們習慣處理眼前事物 (圖：Shutterstcok)
上述的認知偏誤普遍存在於社會組織不同層級中的個人與決策者。以氣候治理上來說，短期或例行的防減災容易被視為首要工作，而忽略未來氣候風險可能為社會、經濟與生態帶來的巨大衝擊，為氣候調適工作帶來認知上的挑戰。
如何克服我們內建的認知偏誤呢? 好消息是人類也具備推估未來的科學工具與想像未來的能力，能夠運用科學方法對未來的氣候衝擊做出合理的推估。另外，以人類社會制度的發展來說，比較健全的公民社會相對有空間讓公民團體去策勵相關權責單位，為了此刻的社會與未來的世代做更好的資源規劃。再者，我們是群體生物，會有互相比較的心態與模仿的行為，如果能多參考進步且可行的調適參考範例，我們更有可能行動起來！
怎麼鼓勵更多調適行動?
人類的成長生活經驗百百種，面對不同問題，採取的因應態度與行動都不一樣，譬如有些地區的人民雖然有受到天災侵擾的經驗，像是淹水或是高溫熱浪的影響，但研究調查顯示實際上會採取行動預防天災或是採取調適行動的家戶比例偏少[3]。
且研究發現，那些採取預防行動的人通常有比較高的自我效能(self-efficacy)，這樣的人對自身能力的主觀評價較高，也對達成任務有較高的信念，因為過往有類似的成功經驗，或是身邊有成功的案例，所以認為自己是有能力採取行動並能成功預防風險與災害[4]。
上述的幾項線索給我們一個很好的啟示：在調適規劃與行動設計上，一開始可能不要有太高的執行門檻，讓參與者有初步的正向經驗，感受自己能貢獻一己之力，這樣的正向經驗就能持續鼓舞未來更多與更具挑戰的調適行動。
另一方面，要促使人們行為改變通常也意味著要提供足夠的動機，在氣候變遷的議題上，我們常常看到許多文字跟影像呈現驚人與負面的資訊，像是今年高溫又破歷史紀錄，熱死多少人、因極端降雨損失多少生命財產的案例等，這樣的資訊的確帶給我們警訊與憂慮，不過當人們不斷地接受著負面的訊息，很有可能產生自我麻痺(psychic numb)的效果，或是產生否認(denial)的情緒，因為當人認為無能為力時，心理上的衝擊必須透過否認的保護機制來讓自己如常地生活下去，有點像是「只要我認為不存在的風險，就不會對我造成威脅」的心態[5]。
所以在溝通氣候風險與調適的時候，我們除了必要地引述有科學基礎的數據來告知溝通對象相關風險，我們也需要提供帶有希望的訊息與願景，因為正面的情緒不只能讓人們產生行為改變的動機，有希望的願景更能鼓舞人們持續改變行為，過載的負面資訊恐怕讓人落入自我麻痺與否認的情緒中而無所作為。
有希望的願景更能鼓舞人們持續改變行為 (圖：Shutterstcok)
大尺度地來看氣候議題，其複雜性來自科學、政治、社會、經濟等面向的互相疊加，而以心理學的角度來說，風險認知的障礙、自我效能與心理保護機制的反應皆可能出現在各種層級的角色身上：國家政策決策者、立法者、執行者以及一般民眾。心理學微觀地分析氣候議題並回應了一些對人性的觀察，善用心理學的見解也能帶給氣候調適工作一些啟發。
延伸閱讀
TCCIP電子報第45期：氣候風險溝通與認知-臺灣漁民考量氣候變遷風險案例分享
https://tccip.ncdr.nat.gov.tw/km_newsletter_one.aspx?nid=20210118112750
主題一 參考文獻
[1] Lozano, R., et al. (2012). Global and regional mortality from 235 causes of death for 20 age groups in 1990 and 2010: a systematic analysis for the Global Burden of Disease Study 2010. The lancet. 380, 2095-2128.
[2] Alpérovitch, A., et al. (2009). Relationship between blood pressure and outdoor temperature in a large sample of elderly individuals: the Three-City study. Archives of internal medicine. 169, 75-80.
[3] Pan, W.-H., et al. (1995). Temperature extremes and mortality from coronary heart disease and cerebral infarction in elderly Chinese. The Lancet. 345, 353-355.
[4] Shinkawa, A., et al. (1990). Seasonal variation in stroke incidence in Hisayama, Japan. Stroke. 21, 1262-1267.
[5] Turin, T. C., et al. (2008). Higher stroke incidence in the spring season regardless of conventional risk factors: Takashima Stroke Registry, Japan, 1988–2001. Stroke. 39, 745-752.
[6] Woodhouse, P. R., et al. (1993). Seasonal variation of serum lipids in an elderly population. Age and ageing. 22, 273-278.
[7] Anderson, B. G. and Bell, M. L. (2009). Weather-related mortality: how heat, cold, and heat waves affect mortality in the United States. Epidemiology (Cambridge, Mass.). 20, 205.
[8] Curriero, F. C., et al. (2002). Temperature and mortality in 11 cities of the eastern United States. Am J Epidemiol. 155, 80-7.
[9] Rodrigues, M., et al. (2019). Effects of extreme temperatures on cerebrovascular mortality in Lisbon: a distributed lag non-linear model. International journal of
biometeorology. 63, 549-559.
[10] Zanobetti, A. and Schwartz, J. (2008). Temperature and mortality in nine US cities. Epidemiology (Cambridge, Mass.). 19, 563.
[11] Kyobutungi, C., et al. (2005). Absolute temperature, temperature changes and stroke risk: a case-crossover study. European journal of epidemiology. 20, 693-698.
[12] Iñiguez, C., et al. (2021). Contrasting patterns of temperature related mortality and hospitalization by cardiovascular and respiratory diseases in 52 Spanish cities. Environmental research. 192, 110191.
[13] Moghadamnia, M. T., et al. (2018). The effects of apparent temperature on cardiovascular mortality using a distributed lag nonlinear model analysis: 2005 to 2014. Asia Pacific Journal of Public Health. 30, 361-368.
[14] Matsumoto, M., et al. (2010). Cumulative effects of weather on stroke incidence: a multi-community cohort study in Japan. Journal of Epidemiology. 20, 136-142.
[15] Méndez-Lázaro, P. A., et al. (2018). Climate change, heat, and mortality in the tropical urban area of San Juan, Puerto Rico. International journal of
biometeorology. 62, 699-707.
[16] Jung, C. C., et al. (2020). Cumulative effect of indoor temperature on cardiovascular disease-related emergency department visits among older adults
in Taiwan. Sci Total Environ. 731, 138958.
[17] Alahmad, B., et al. (2023). Associations between extreme temperatures and cardiovascular cause-specific mortality: Results from 27 countries. Circulation. 147, 35-46.
[18] Tsai, S.-S., et al. (2003). Relationship between air pollution and daily mortality in a tropical city: Kaohsiung, Taiwan. Journal of Toxicology and Environmental
Health, Part A. 66, 1341-1349.
[19] Bateson, T. F. and Schwartz, J. (1999). Control for seasonal variation and time trend in case-crossover studies of acute effects of environmental exposures.
Epidemiology. 539-544.
[20] Jaakkola, J. (2003). Case-crossover design in air pollution epidemiology. European Respiratory Journal. 21, 81s-85s.
[21] Liu, C., et al. (2015). Cardiovascular response to thermoregulatory challenges. American Journal of Physiology-Heart and Circulatory Physiology. 309, H1793-H1812.
[22] Kysely, J., et al. (2009). Excess cardiovascular mortality associated with cold spells in the Czech Republic. BMC public health. 9, 1-11.
[23] Lee, W., et al. (2018). Mortality burden of diurnal temperature range and its temporal changes: a multi-country study. Environment international. 110, 123-130.
[24] Kang, Y., et al. (2021). Long-term temperature variability and the incidence of cardiovascular diseases: a large, representative cohort study in China.
Environmental Pollution. 278, 116831.
主題二 參考文獻
[1] Pörtner, H.-O., Roberts, D.C., Poloczanska, E.S., Mintenbeck, K., Tignor, M., Alegría, A., Craig, M., Langsdorf, S., Löschke, S., Möller, V., Okem, A. (2022). IPCC, 2022: Summary for Policymakers. In H.-O. Pörtner, D.C. Roberts, M. Tignor, E.S. Poloczanska, K. Mintenbeck, A. Alegría, M. Craig, S. Langsdorf, S. Löschke, V. Möller, A. Okem, B. Rama (Eds.), Climate Change 2022: Impacts, Adaptation and Vulnerability. Contribution of Working Group II to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change (pp. 3–33). Cambridge University Press, Cambridge, UK and New York, NY, USA, doi:10.1017/9781009325844.001.
[2] Kahneman, D. (2012). Thinking, Fast and Slow. Penguin Books.
[3] Soane, E., Schubert, I., Challenor, P., Lunn, R., Narendran, S., & Pollard, S.(2010). Flood perception and mitigation: The role of severity, agency, and experience in the purchase of flood protection, and the communication of flood information. Environment and Planning A, 42, 3023–3038. http://doi.org/10.1068/a43238
[4] van Valkengoed, A., Steg, L. (2019). The Psychology of Climate Change Adaptation. Cambridge: Cambridge University Press. doi:10.1017/9781108595438
[5] Flothmann, S. (2019). The inconvenient mind: Psychological insights part one. Mindworks, Greenpeace East Asia.
喜歡這一期的文章嗎? 給作者一個讚！