.png)
氣溫上升,情緒下沉?! 當氣候變遷走進我們的心
吳瑞軒 國家衛生研究院國家環境醫學研究所 研究助理
蔡宗霖 中國醫藥大學公共衛生學系 助理教授
吳威德 國家衛生研究院國家環境醫學研究所 助研究員
劉奎延 國家衛生研究院國家環境醫學研究所 助研究員
張郁瑩 國家衛生研究院國家環境醫學研究所 研究助理
王淑麗 國家衛生研究院國家環境醫學研究所 研究員
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
認識氣候變遷對心理健康之影響
「永日不可暮,炎蒸毒我腸。」詩聖杜甫在〈夏夜嘆〉中描寫夏日的酷熱與煎熬;「乍暖還寒時候,最難將息。」宋代女詞人李清照則在〈聲聲慢〉裡道出氣候反覆帶來的身心不適。古人以詩抒發胸臆,卻不經意地揭示了氣溫變化與情緒起伏之間的微妙關聯 — 這正呼應現代醫學所關注的心理與氣候互動現象,亦即氣候變遷會如何地影響我們的心理健康。目前世界平均氣溫較工業化之前暖化約1℃,促使了極端氣候和環境變化 [1][2],而極端氣候事件也對民眾的健康產生重大衝擊,例如兒童是全球受氣候變化影響最嚴重的群體之一,在這樣條件下出生的孩童其健康將從嬰兒期、青春期到成年與老年都受到氣候變遷造成的影響 [2]。在環境條件持續變化下,氣溫上升可改變病原體與病媒生物的分布與繁殖條件,增加傳染性疾病的傳播風險;同時,高溫亦可能促進臭氧與懸浮微粒等空氣污染物的生成,並影響糧食產量與品質,進而導致營養不良與健康不均。此外,長期暴露於高溫與極端氣候亦會增加生理負荷與心理壓力,進一步對身心健康造成不良影響 [3][4]。隨著氣候條件的變化,憂鬱、焦慮、創傷後壓力症候群、物質使用增加(例如飲酒、吸菸或使用其他可能產生成癮及影響精神狀態的非法藥物)和自殺的比率也隨之增加 [4];以極端氣候的高溫和熱浪為例,除了影響情緒以及因行為疾患(例如注意力不足過動症、對立反抗行為或打架、說謊及破壞他人物品等相關問題)住院率上升之外 [5],也與自殺的風險增加有關 [6][7]。然而,根據世界衛生組織 (World Health Organization,WHO)於2021年發布的「氣候變化與健康研究:當前趨勢、差距和未來展望(Climate change and health research: current trends, gaps and perspectives for the future)提到,雖然有越來越多的研究探討了氣候變遷對弱勢或易感受族群(Susceptible population)的健康影響,但是對於極端氣候事件、心理健康、婦幼健康等相關主題的研究仍然不足 [8]。在2019年全球心理健康相關的疾病負擔(burden of disease)報告指出,憂鬱症佔精神疾患的失能調整生命年(disability-adjusted life-years,DALYs)比例最大(37.3%),其次是焦慮症(22.9%)和思覺失調症(12.2%)[9]。因此,本研究透過探討氣溫與因憂鬱症前往急診就醫之間的暴露—反應關係,以進一步瞭解氣候變遷下氣象因子變化對憂鬱症急性發作風險之影響,並釐清其暴露導致效應的閾值及潛在健康衝擊。
臺灣憂鬱症之氣候危害指標建置
為能有效建置可應用於推估未來氣候變遷情境下憂鬱症發病風險之氣候危害指標,本研究利用國家健康保險研究資料庫(National Health Insurance Research Database, NHIRD)中「處方及治療明細檔_門急診」及「處方及治療明細檔_住院」資料集,搜整2001~2020的20年間,新發生憂鬱症個案,亦即第一次因憂鬱症急診/住院個案,參考國際疾病標準分類碼(International Classification of Diseases, ICD)當中,ICD-9的296.X, 300.4, 311三碼,或ICD-10的 F31.X, F32.X, F33.X, F34.1四碼,定義為該疾病確診個案,並進一步結合國科會臺灣氣候變遷推估資訊與調適知識平台計畫(TCCIP)產製之網格化觀測日資料(變數包括日最低溫、日平均溫、日最高溫及降雨量,空間解析度配合NHIRD資料結構轉換為鄉鎮層級)作為個案環境暴露指標(即依個案所處時間與地點推估其實際接觸到的環境條件),以建立全臺歷史極端高低溫對憂鬱症發生率相關性迴歸模型,進而評估氣候條件變化與憂鬱症就診之間的流行病學相關性。
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)[10][11][12],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(日最低溫、日平均溫及日最高溫)與兩個對照日(即事件日之前的21或35天)的溫度進行比較。病例交叉研究法透過以自己本身作為對照,可有效排除個案潛在的干擾因素,例如性別、年齡、基因、居住地、日常生活習慣等 [13],能更為單純地瞭解氣溫變化與憂鬱症的風險關聯。此外,為探討氣溫驟變可能帶來的衝擊,參照腦心血管疾病研究 [14] 選用兩日溫差指標(升溫指標計算方式為當日最高溫 - 前一日最低溫;降溫指標則為前一日最高溫 - 當日最低溫)進行觀察。運用條件式邏輯迴歸 (Conditional logistic regression)結合分佈式滯後非線性模型(Distributed Lag Nonlinear Models , DLNM)[15][16][17],以評估氣溫與憂鬱症就診之間的相關性。同時,本研究為檢驗兒童 / 青少年族群與老年之易感受性族群在氣候變遷的極端氣候情境下是否承受較高風險,進一步依年齡進行分層(篩選0~19歲及65歲以上兩個亞族群),以評估極端高、低氣溫對不同年齡亞族群之影響程度。分析結果以勝算比(Odds ratio, OR)[18] 與95%信賴區間(95% confidence interval, 95% CI)[19] 估算相關性程度(OR>1.0且95% CI呈現顯著差異代表具有高罹病風險),進而設定使憂鬱症發生風險顯著上升之危害指標溫度閾值。
全年齡族群之溫度指標(日最低溫、日平均溫及日最高溫)與憂鬱症罹病風險相關分析結果顯示,隨著氣溫上升,罹病風險亦隨之增加(圖1a~圖3a)。然而進一步檢視各溫度指標的暴露-反應關係,可發現其效應型態並不一致。日最低溫(與夜間生理調節高度相關)及日平均溫(反映長時間暴露的累積效應)之趨勢相似。以日最低溫為例(圖1a),當日最低溫高於18°C時,風險開始上升,但隨著溫度越來越高,風險曲線呈現趨緩的情形,這是因為人體具備一定程度的自我調適功能(human self-adaptation),當面對環境變化或外在壓力時,能透過生理、心理與行為層面的調節機制,維持內在穩定(homeostasis)與功能正常運作 [20][21],亦即於中等溫度升高階段,人體可能進入生理適應或耐受期 (plateau),此時風險暫時維持平穩,然而,當情況未能獲得改善,溫度持續上升超過27°C時,生理負擔快速增加,導致罹病風險再次陡升。相較之下,日最高溫通常發生於午後,代表短時間的熱高峰暴露,人們多可透過行為避險(例如待在室內、使用空調等)降低影響,其熱效應相對較短暫且可控制,因此風險曲線呈現「穩定微幅上升」,未出現明顯的閾值或平原期(圖3a)。另兩日溫差升溫指標的分析結果亦顯示,若當日氣溫高於前一日時,憂鬱症罹病風險顯著上升(圖4a)。其暴露反應曲線趨勢與日最低溫相仿:在小幅度升溫階段,人體可能尚未完成生理與心理的調適反應,因而導致風險上升;隨著溫差進一步擴大至中等程度,個體可透過自主神經及行為性調適(如環境避險、降溫行為)維持內在穩定,風險因此趨於平緩。然而,當兩日之間氣溫陡升(例如今日最高溫與前一日最低溫差異超過17°C)時,人體的調節機制可能逐漸耗竭,導致情緒調節與神經內分泌系統失衡,使憂鬱症風險急劇增加。此時個體自我調適能力有限,顯示必要時需外部介入(如醫療或心理支持)以降低氣溫變化對心理健康之衝擊。此外,都市地區因熱島效應使夜間較不易降溫,可能進一步放大高溫對健康的衝擊;而不同地區的生活環境與社會條件,也可能影響人們對氣候變化的敏感程度。這些因素仍有待未來進一步探討釐清其影響,以利更完整之風險評估與調適策略研擬。
.jpg)
圖1. 日最低溫對憂鬱症風險的累積影響。勝算比(Odds Ratio, OR);整體累積關聯性(overall cumulative association)。當日最低溫達31°C時,兒童青少年族群之OR為1.886(憂鬱症罹病風險增加約89%)(圖1b),老年族群則為1.338(憂鬱症罹病風險增加約34%)(圖1c)。
.jpg)
圖2. 日平均溫對憂鬱症風險的累積影響。勝算比(Odds Ratio, OR);整體累積關聯性(overall cumulative association)。
.jpg)
圖3. 日最高溫對憂鬱症風險的累積影響。勝算比(Odds Ratio, OR);整體累積關聯性(overall cumulative association)。
.jpg)
圖4. 兩日溫差(升溫)對憂鬱症風險的累積影響。勝算比(Odds Ratio, OR);整體累積關聯性(overall cumulative association)。
年齡分層分析結果顯示(圖1b~圖3b;圖1c~圖3c),不同年齡層對溫度變化的敏感程度存在顯著差異。其中,兒童/青少年族群對環境溫度的反應較為敏感,其於相同溫度條件下之罹病風險評估值普遍高於老年族群。以日最低溫為例,當氣溫同樣達到31°C時,兒童/青少年族群的憂鬱症罹病風險約增加89%,明顯高於老年族群的34%。此結果顯示,年輕族群對氣候變化所引起的生理與心理壓力反應較為劇烈,可能與其生理調節機制尚未成熟、心理適應能力有限或日常活動時間較長、暴露機會較高等因素相關。
另一方面,兩日溫差升溫指標的分析結果呈現出不同的趨勢。於兒童/青少年與老年族群中,其效應並未達統計顯著,顯示主要的衝擊影響對象可能集中於20~64歲之成人族群。此現象可能與不同年齡層在生理調節與生活行為上的差異有關。首先,成人族群的日常活動範圍較廣、戶外暴露時間較長,在工作或通勤過程中較難即時調整環境暴露,因此對短期氣溫劇烈變化(如兩日間急遽升溫)的敏感度較高。相對地,兒童與青少年多數時間處於相對穩定的室內環境(例如學校或家庭),受環境溫差影響較小;而老年族群活動量較低、作息較規律,且多有自我防護行為(如避免外出),故其受到影響亦較有限。綜上所述,兩日溫差升溫對成人族群的心理與生理負擔可能較其他年齡層更為顯著,顯示該族群在氣候變遷下為需特別關注的潛在高風險族群。
結語
本研究結果顯示,隨著氣候變遷導致氣溫上升,特別是夜間持續高溫與兩日間急遽升溫等現象,憂鬱症等心理健康問題的罹病風險亦隨之增加。在不同年齡層中,兒童/青少年族群對高溫環境最為敏感,顯示其在氣候變遷下屬於高度易感族群,應成為心理健康促進與防護政策的優先對象。另一方面,兩日溫差快速升溫的主要影響族群為20至64歲的成人族群,顯示該年齡層在面對劇烈氣溫變化時,生理與心理負荷較高,需進一步評估其風險程度並研擬具體的調適策略。此一發現,為千年之前詩聖杜甫的鬱悶與煎熬,提供了科學角度的解讀,別有一番況味。炎熱夜晚與驟升氣溫不僅是氣象現象,更是當代公共衛生的新挑戰。面對愈加頻繁的極端氣候事件,如何維持身心的穩定與韌性,將成為未來氣候健康研究與政策制定的重要課題。
延伸閱讀
情緒也會中暑 醫曝研究:每升1度「憂鬱風險增7%」 ETtoday健康雲
心理健康也是氣候變遷行動的重點議題 TCCIP氣候變遷新聞
.png)
天氣熱呼呼,乳牛也中暑?
陳怡璇 農業部畜產試驗所北區分所 副研究員
凃柏安 農業部畜產試驗所遺傳生理組 研究員
施意敏 農業部畜產試驗所東區分所 研究員
柯美如 國家災害防救科技中心 專案佐理研究員
大家有沒有覺得現在天氣越來越怪了?一下熱到爆,一下又突然變冷。其實不只是人類怕熱,乳牛更怕熱!天氣太熱,牠們會很不舒服,嚴重的話甚至會生病或死亡,這就是我們常說的「熱緊迫」(Heat Stress, HS)。隨著地球暖化越來越明顯,乳牛遇到熱緊迫的情境也變多了,本篇就是要好好了解怎麼幫助牠們散熱,例如調整牠們的飼糧、改善牠們的生活環境,甚至從基因上選出比較耐熱的牛。更重要的是,我們要及早發現乳牛的不適,這樣才能趕快幫牠們降溫舒緩。
要怎麼知道天氣對乳牛來說有多熱呢?學者建立了一個叫做「溫濕度指數」(Temperature-Humidity Index, THI)的工具。這個指數把環境中的溫度結合空氣中的濕度一起計算,可以更客觀準確地判斷乳牛是不是處在熱緊迫下。不過,不同乳牛的身體狀況不太一樣,像是正在產乳的牛(泌乳牛)和沒有產乳的牛(乾乳牛),牠們對熱的反應與耐受度就不一樣。所以,我們需要知道針對泌乳牛和乾乳牛,分別對THI忍受的門檻是多少,才能在正確的時間採取降溫措施,減緩熱緊迫對乳牛生理的負面影響及維持產乳表現。
農業部畜產試驗所(以下簡稱畜試所)首度分析乳牛的生理反應並整合產乳數據,探討泌乳牛和乾乳牛的體溫、呼吸頻率還有排汗程度會如何隨著環境THI升高而改變。同時分析,不同泌乳階段(泌乳初期、中期與末期),牛乳產量會不會因為天氣太熱而減少。本研究已發表於國際期刊[1],本文主要引述該發表論文之內容。
熱浪來襲,乳牛的身體會說話
乳牛是恆溫動物,天氣一熱,乳牛的身體會開始出現一些變化。例如:牠們可能會食慾下降、躺著休息的時間變少、呼吸變快(喘氣),甚至開始流口水和排汗,同時牠們的體溫也會升高。這些都是乳牛在告訴我們:「我好熱啊!」
畜試所研究[1]發現,當THI超過70時,泌乳牛的體溫就會明顯上升(圖1a),其他研究也有類似的發現[2]。但是乾乳牛的體溫要到THI大約79(圖1b)才會明顯上升。這可能是因為牠們沒有生產牛乳,身體產生的熱比較少。不過要注意的是,即使乾乳牛比較耐熱,太熱的天氣還是會影響到牠們下一胎次的產乳量,甚至對肚中的小牛有負面影響。
(a)泌乳牛
.png)
(b)乾乳牛
.png)
圖1. 泌乳牛 (a) 和乾乳牛 (b) 的直腸溫度隨著平均溫濕度指數(Temperature-Humidity Index, THI)而改變。
黑色實線表示折線迴歸擬合線,黑色虛線表示依變數出現顯著變化的臨界點。
除了體溫,呼吸頻率也是觀察乳牛是否過熱的重要指標。畜試所發現[1],泌乳牛在THI達到66左右就會開始明顯喘氣(圖2a),這比體溫開始上升的THI還低,表示呼吸頻率可能是一個更早期的熱緊迫警訊。但是乾乳牛的呼吸頻率要到THI大約82才會明顯增加(圖2b),再次說明牠們比較耐熱。有趣的是,生產胎次不同的乳牛,牠們喘氣的程度也會不一樣。
(a)泌乳牛
.png)
(b)乾乳牛
.png)
圖2. 泌乳牛(a)和乾乳牛(b)的呼吸頻率隨著平均溫濕度指數(Temperature-Humidity Index, THI)而改變。
黑色實線表示折線迴歸擬合線,黑色虛線表示依變數出現顯著變化的臨界點。
排汗也是乳牛散熱的方式之一。畜試所的研究發現[1],泌乳牛在THI大約68的時候,排汗的程度會開始有明顯的變化(圖3a),乾乳牛排汗的THI門檻大約是73(圖3b)。不過,當天氣更熱的時候,牠們排汗的增加速度反而會變慢,表示排汗的散熱方式不會沒有限制的一直持續進行。此外,我們發現天氣越熱,各個泌乳階段的乳牛產乳量都會下降(表1)。這提醒我們,在炎熱的天氣裡,更要特別注意幫乳牛降溫,才能維持牠們的產乳量。
(a)泌乳牛
.png)
(b)乾乳牛
.png)
圖3. 泌乳牛(a)和乾乳牛(b)的排汗率隨著平均溫濕度指數(Temperature-Humidity Index, THI)而改變。黑色實線表示折線迴歸擬合線,黑色虛線表示依變數出現顯著變化的臨界點。
表1. 在不同溫濕度指數(THI)閾值下,處於泌乳早期、泌乳中期和泌乳末期不同熱緊迫(HS)程度的
乳牛的日產乳量(公斤/天/頭,平均值 ± 標準偏差)。
.jpg)
1早期:泌乳天數 ≤ 60天;中期;泌乳天數在 61 – 150天;晚期;泌乳天數在151-305天。
2Thermoneutral zone.不同上標字母(a–c)表示同欄資料間達顯著差異(P < 0.05),顯示乳量隨 THI變化而有顯著差異。
當然,THI只是一個參考指標,實際情況還會受到風速、日照等其他環境因素的影響。有風的時候,即使THI比較高,乳牛也可能比較舒服。所以,良好的通風設備對於幫乳牛散熱非常重要。另外,提供足夠乾淨的飲水和電解質也有助於乳牛透過排汗和喘氣來降溫。
總結
泌乳牛和乾乳牛對於這些生理反應的THI門檻確實不同,泌乳牛因為生產牛乳會產生比較多的熱,所以比較怕熱,牠們的體溫、呼吸頻率和排汗程度在比較低的THI就會開始出現變化。相反地,乾乳牛因為沒有生產牛乳,身體產生的熱比較少,所以相對耐熱。這份研究告訴我們,為了乳牛的健康和產乳量,針對泌乳牛,當THI達到66-67就應該開始採取降溫措施;而對於乾乳牛, THI可以達到73再開始。在全球氣候變遷的背景下,為乳牛制定有效的降溫策略至關重要,才能及早並精準的減緩熱緊迫造成的負面影響,優化乳牛的生長、繁殖與生產管理策略。
延伸閱讀
《國家氣候變遷科學報告2024:現象、衝擊與調適》
農業部 農政與農情:高溫環境對乳牛生理和泌乳影響
TCCIP & 國立科學工藝博物館 高溫線上特展
TCCIP電子報第63期:氣候變遷下-乳牛的熱壓力指數持續上升
TCCIP電子報第74期:應用臺灣氣候變遷資料於乳牛熱緊迫及乳量損失之推估
參考文獻
文獻一
[1] Haustein, K., et al. (2017). A real-time Global Warming Index. Scientific reports, 7(1), 15417.
[2] Watts, N., et al. (2019). The 2019 report of The Lancet Countdown on health and climate change: ensuring that the health of a child born today is not defined by a changing climate. Lancet. 394, 1836-1878.
[3] Romanello, M., et al. (2021). The 2021 report of the Lancet Countdown on health and climate change: code red for a healthy future. Lancet. 398, 1619-1662.
[4] Ruszkiewicz, J.A., et al. (2019) Brain diseases in changing climate. Environ Res. 177, 108637.
[5] Chan, E. Y. Y., et al. (2018). Association between Ambient Temperatures and Mental Disorder Hospitalizations in a Subtropical City: A Time-Series Study of Hong Kong Special Administrative Region. Int J Environ Res Public Health. 15(4), 754.
[6] Burke, M., et al. (2018). Higher temperatures increase suicide rates in the United States and Mexico. Nature climate change. 8, 723-729.
[7] Kim, Y., et al. (2019). Suicide and Ambient Temperature: A Multi-Country Multi-City Study. Environ Health Perspect. 127, 117007.
[8] WHO. (2021). Climate change and health research: current trends, gaps and perspectives for the future.
https://apps.who.int/iris/handle/10665/353062.
[9] Collaborators, G.B.D.M.D., (2022). Global, regional, and national burden of 12 mental disorders in 204 countries and territories, 1990-2019: a systematic analysis for the Global Burden of Disease Study 2019. Lancet Psychiatry. 9, 137-150.
[10] Maclure M. (1991). The case-crossover design: a method for studying transient effects on the risk of acute events. American journal of epidemiology, 133(2), 144–153.
[11] Janes, H., Sheppard, L., & Lumley, T. (2005). Case-crossover analyses of air pollution exposure data: referent selection strategies and their implications for bias. Epidemiology (Cambridge, Mass.), 16(6), 717–726.
[12] Tobias, A., Kim, Y., & Madaniyazi, L. (2024). Time-stratified case-crossover studies for aggregated data in environmental epidemiology: a tutorial. International journal of epidemiology, 53(2), dyae020.
[13] Tsai, S.-S., et al., (2003). Relationship between air pollution and daily mortality in a tropical city: Kaohsiung, Taiwan. J. Toxicol. Environ. Health, Part A. 66, 1341-1349.
[14] Kono, M., et al. (2025). Impact of rapid temperature fluctuations on acute stroke risk: a nationwide case-crossover study from 2001 to 2020. The Lancet regional health. Western Pacific, 57, 101546.
[15] Breslow, N. E., & Day, N. E. (1980). Statistical methods in cancer research. Volume I - The analysis of case-control studies. IARC scientific publications, (32), 5–338.
[16] Gasparrini, A., Armstrong, B., & Kenward, M. G. (2010). Distributed lag non-linear models. Statistics in medicine, 29(21), 2224–2234.
[17] Gasparrini A. (2014). Modeling exposure-lag-response associations with distributed lag non-linear models. Statistics in medicine, 33(5), 881–899.
[18] Szumilas M. (2010). Explaining odds ratios. Journal of the Canadian Academy of Child and Adolescent Psychiatry = Journal de l'Academie canadienne de psychiatrie de l'enfant et de l'adolescent, 19(3), 227–229.
[19] Altman, D. G. (1991). Practical Statistics for Medical Research. Chapman & Hall/CRC.
[20] Lim C. L. (2020). Fundamental Concepts of Human Thermoregulation and Adaptation to Heat: A Review in the Context of Global Warming. Int. J. Environ. Res. Public Health., 17(21), 7795.
[12] Sedilla, K. B. and Maeda, T. (2022). Autonomic thermoregulatory responses and subjective thermal perceptions upon the initiation of thermal behavior among resting humans in hot and humid environment. J. physiol. anthropol., 41(1), 35.
文獻二
[1] Po-An Tu, Yi-Hsin Yeh, Yi-Hsuan Chen, Jen-Wen Shiau, Tsung-Yi Lin, Banhazi, Thomas, Ming-Kuew Yang. (2023). Stage-Specific Milk Yield Losses and Associated Sweating, Respiration, and Rectal Temperature Responses Under Varying THI Thresholds in Lactating and Dry Cows. J. Dairy Sci. 108(2): 2023-2035. https://doi.org/10.3168/jds.2024-25392
[2] Mohammad Abdul Islam, Suzanne Lomax, Amy K. Doughty, Md. Rafiqul Islam, Peter C. Thomson, Caroline E. F. Clark.(2023). Revealing the Diversity of Internal Body Temperature and Panting Response for Feedlot Cattle under Environmental Thermal Stress. Sci. Rep. 13: 4879. https://doi.org/10.1038/s41598-023-31801-7
喜歡這一期的文章嗎? 給作者一個讚!