The Impact of Extreme Temperatures on Years of Life Lost from Neurodegenerative Diseases in Hangzhou, China

Resumo Técnico: O Impacto das Temperaturas Extremas nos Anos de Vida Perdidos por Doenças Neurodegenerativas em Hangzhou, China

Definição do Problema
As doenças neurodegenerativas (DND), incluindo a doença de Alzheimer, a doença de Parkinson e a esclerose lateral amiotrófica, representam uma crescente crise de saúde pública global, tendo ultrapassado as doenças cardiovasculares como a principal causa da carga global de doenças. Embora as mudanças climáticas sejam reconhecidas como um gatilho ambiental significativo para o início e progressão das DND, as pesquisas existentes sofrem de limitações significativas. Estudos anteriores frequentemente dependem da mortalidade como um endpoint único, carecendo de avaliações abrangentes utilizando métricas de carga sensíveis, como os Anos de Vida Perdidos (YLL). Além disso, a literatura atual apresenta resultados inconsistentes ou contraditórios em relação à associação entre fatores climáticos e DND, com heterogeneidade substancial entre subtipos de doenças e regiões geográficas. Há uma necessidade crítica de investigar os efeitos não lineares e retardados de temperaturas não otimizadas sobre a carga de doenças das DND, particularmente em ambientes urbanos subtropicais.

Metodologia
Este estudo realizou uma análise de série temporal de dados de Hangzhou, China, cobrindo o período de 1º de janeiro de 2014 a 31 de dezembro de 2021. A pesquisa integrou três fontes primárias de dados:

1. Dados de Mortalidade: Óbitos diários por DND obtidos do sistema de vigilância de mortalidade do CDC de Hangzhou, verificados através de um processo de auditoria de três níveis.
2. Dados Meteorológicos: Temperatura média diária e umidade relativa do Escritório Meteorológico de Hangzhou.
3. Dados de Poluição do Ar: Concentrações de O₃, PM₂.₅, PM₁₀, SO₂, NO₂ e CO de 11 estações de monitoramento de nível nacional.

O estudo calculou o YLL com base nas tabelas de vida padrão do Global Burden of Disease (GBD) 2019. Para analisar a associação entre a temperatura média diária e o YLL relacionado às DND, os autores empregaram um Modelo Linear Generalizado (GLM) combinado com um Modelo Não Linear de Defasagem Distribuída (DLNM).

• Estrutura do Modelo: Uma função de ligação quasi-Poisson foi utilizada para considerar a distribuição de Poisson do YLL diário. O modelo ajustou variáveis de confusão, incluindo sazonalidade, tendências de longo prazo (usando splines cúbicas naturais), umidade relativa, concentrações de poluentes atmosféricos, efeitos do dia da semana e efeitos de feriados.
• Configuração de Lag e Nós: O período máximo de defasagem (lag) para os efeitos da temperatura foi definido em 14 dias. Os termos de cross-basis de temperatura utilizaram 5 graus de liberdade com nós posicionados nos percentis 10, 75 e 90 da distribuição de temperatura.
• Estratificação: As análises foram estratificadas por gênero (masculino/feminino) e status de população urbana.
• Análise de Sensibilidade: A robustez do modelo foi testada reexecutando a análise com quatro nós de temperatura (percentis 10, 50, 75 e 90).

Principais Resultados
O estudo identificou uma relação exposição-resposta não linear, em forma de U, entre a temperatura ambiente e o YLL relacionado às DND, com uma temperatura de mortalidade mínima (MMT) de aproximadamente 19°C.

• Padrões Temporais:

  • Calor: Altas temperaturas desencadearam efeitos adversos imediatos, com o risco relativo (RR) subindo rapidamente dentro de um lag de 0 a 5 dias. O efeito cumulativo do calor extremo (percentil 99) atingiu o pico em um lag de 4 dias e tornou-se estatisticamente insignificante além de 12 dias.
  • Frio: Baixas temperaturas exerceram um efeito retardado distinto. Os impactos negativos tornaram-se estatisticamente significativos após um lag de 6 dias, atingindo o pico entre 10 e 20 dias. O efeito cumulativo do frio extremo (percentil 1) permaneceu significativo até o lag de 14 dias.

• Risco Cumulativo (RR) no Lag 0–14:

  • Frio Extremo: Elevou significativamente o risco de YLL para todos os grupos. Homens apresentaram o maior risco (RR = 2,432; IC 95%: 1,238–4,775), seguidos por residentes urbanos (RR = 2,194) e mulheres (RR = 1,862).
  • Calor Extremo: Impôs um risco maior às mulheres (RR = 2,263; IC 95%: 1,524–3,362) em comparação aos homens (RR = 1,724; IC 95%: 1,122–2,648) em um lag de 0 a 4 dias.

• Disparidades de Gênero e Urbanas:

  • O frio extremo apresentou um risco cumulativo maior para os homens, enquanto o calor extremo afetou desproporcionalmente as mulheres.
  • Verificou-se que ambos os extremos de temperatura agravam a carga de doença entre residentes urbanos.

• Análise de Sensibilidade: O ajuste dos nós de temperatura para quatro níveis confirmou a estabilidade dos resultados do modelo, com apenas variações menores nas larguras dos intervalos de confiança que não alteraram as conclusões substantivas.

Significância e Alegações
Os autores afirmam que este estudo fornece evidências empíricas confiáveis sobre a carga de saúde relacionada à temperatura das DND em cidades subtropicais da China. Ao utilizar o YLL em vez de simples contagens de mortalidade, a pesquisa oferece uma avaliação mais abrangente da carga da doença. Os achados destacam perfis temporais distintos para o calor (agudo/imediato) e para o frio (retardado/cumulativo), bem como disparidades específicas de gênero na suscetibilidade.

O artigo afirma que esses achados apoiam o desenvolvimento de estratégias de adaptação climática direcionadas e intervenções de saúde pública de precisão. Especificamente, os resultados sugerem que as estratégias de prevenção de saúde em cidades subtropicais devem ser diferenciadas por gênero e considerar os tempos de lag específicos associados à exposição ao frio e ao calor para mitigar efetivamente os efeitos adversos das temperaturas extremas em pacientes com doenças neurodegenerativas. O estudo reconhece as limitações relativas ao seu desenho ecológico (falta de dados ao nível individual) e especificidade geográfica, mas mantém que os resultados são robustos dentro do contexto estudado.