环境空气污染对约旦三个城市每日死亡率的短期影响：一项时间序列研究

《GeoHealth》：Short-Term Effect of Ambient Air Pollution on Daily Mortality in Three Jordanian Cities: A Time-Series Study

　　摘要

本研究采用多城市时间序列分析方法（2015–2019年），研究了约旦三大城市（安曼、伊尔比德、扎尔卡）的日均全因（非意外）死亡率和粒径小于10微米（PM10）的颗粒物、二氧化氮（NO2）以及二氧化硫（SO2）的浓度。针对各城市的数据，建立了准泊松模型，用以估计每日滞后时间（0–6天）内每增加10个单位污染物浓度时死亡风险的百分比变化。此外，还构建了多污染物模型，调整了主要污染物与其他污染物之间的相互作用。分析结果显示：安曼、伊尔比德和扎尔卡的PM10平均浓度分别为68.9、49.0和78.7微克/立方米。安曼的PM10浓度接近约旦空气质量标准（JS 1140/2006）规定的年均限制值70微克/立方米，而扎尔卡的PM10浓度超过了该限制值。在安曼，PM10与死亡率呈正相关（滞后0–1天时影响为0.59%[0.22–0.96%；滞后0–5天时影响为0.98%[0.40–1.57%]）；伊尔比德和扎尔卡的PM10与死亡率之间的关联不显著。即使考虑了NO2和SO2的协同影响，安曼的PM10对死亡率的影响仍然存在（0.60%–1.19%）。分层分析表明，在安曼，PM10与死亡率之间的关联在男性和老年人中更为显著；而在扎尔卡，这种关联主要体现在女性群体中。这是约旦首次进行的全国范围时间序列研究，揭示了颗粒物污染对急性死亡风险的影响，并指出各城市间存在差异，这些差异可能与颗粒物组成、来源、暴露程度及污染标准执行情况的不同有关。这些发现为采取以颗粒物控制为主的措施以及加强对脆弱人群的风险沟通提供了依据。

**简单语言摘要**

我们利用2015年至2019年的日常数据，研究了约旦三大城市（安曼、伊尔比德、扎尔卡）空气中污染物的变化与死亡率之间的关系。研究了三种主要污染物：粒径小于10微米的颗粒物（PM10）、二氧化氮（NO2）和二氧化硫（SO2）。在安曼，颗粒物浓度较高的日子里，每日死亡人数会有轻微但明显的增加，尤其是在当天或次日。而在伊尔比德和扎尔卡，未发现污染与死亡率之间的明显关联；此外，NO2和SO2在这两个城市中对死亡率的影响也不明显。即使调整了其他污染物的影响，PM10对死亡率的影响仍然存在。研究表明，减少颗粒物污染，尤其是安曼的颗粒物污染，有助于降低死亡率；在颗粒物浓度极高的日子里，向公众发布预警可能有助于保护脆弱人群。

**1 引言**

空气污染被广泛认为是全球主要的公共卫生风险之一（Mao等人，2024年）。根据世界卫生组织（WHO）的数据，空气污染每年导致约700万人过早死亡，使其成为全球最大的环境健康风险（WHO，2019年）。《柳叶刀》污染与健康委员会的一项全面分析进一步证实了这一严重问题，估计2015年所有形式的污染导致了六分之一的死亡病例（Fuller等人，2022年）。他们的分析表明，环境空气污染是造成这些死亡的主要原因，每年导致420万至450万人死亡。空气污染相关的死亡原因包括缺血性心脏病、中风、慢性阻塞性肺疾病、肺癌和急性呼吸道感染（WHO，2021年）。在东地中海地区（EMR），大约90%的人口暴露在超过WHO推荐限值的空气污染中，导致每年约50万人过早死亡（Malkawi等人，2021年）。卫星和地面数据显示，该地区的颗粒物浓度是全球所有地区中最高的（WHO EMRO，2014年）。在中东地区，每年每10万人中有745人因空气污染而死亡，这一风险与高胆固醇或吸烟等已知风险相当或更高（Osipov等人，2022年）。尽管许多东亚地中海国家属于中低收入国家，但2019年WHO报告的空气污染相关死亡人数最多（WHO，2019年），然而研究和荟萃分析往往集中在高收入国家（Lu等人，2015年；Vodonos等人，2018年；West等人，2016年）。总之，该地区面临空气污染严重但研究关注度不足的矛盾；不过最近这方面开始受到更多学术关注（Khader，2020年）。约旦的情况典型地反映了这些区域性的空气质量挑战。随着城市化进程的加快和能源需求的增加，空气污染问题日益严重（Cimate Action，2016年）。由于国家监测系统的不足，空气污染对公共卫生的影响评估一直较为困难（Ahmad等人，2019年）。约旦环境部大约在2014年建立了空气质量监测网络，主要监测PM10、二氧化氮（NO2）和二氧化硫（SO2）等污染物，而对人体健康影响最大的细颗粒物（PM2.5）则直到2021年才被纳入监测范围。这一情况在该地区并不罕见：科威特等国家的监测能力和历史空气质量数据也较为有限（Alahmad等人，2023年），导致关于空气污染与健康关系的流行病学证据稀缺，政策制定者不得不依赖其他地区的研究结果（Faridi等人，2023年）。因此，需要生成本地化的证据来有效管理约旦的公共卫生风险。本研究通过调查约旦三大城市（安曼、伊尔比德、扎尔卡）中PM10、NO2和SO2与全因（非意外）死亡率之间的短期关联，填补了这一空白，这些城市涵盖了该国的主要城市、交通和工业环境。具体而言，研究旨在探讨不同人群中污染与死亡率关系的变化，探索污染物效应的滞后结构，并评估其他污染物对这种关联的影响。

**2 数据与方法**

2.1 人口与研究区域

本研究在约旦的主要省份——安曼、伊尔比德和扎尔卡进行，时间跨度为2015年1月1日至2019年12月31日。约旦属于干旱至半干旱气候类型，2015年人口约为950万（统计局，2022年）。这些省份是该国人口最多的地区，占总人口的约75%；其中安曼约有400万居民，伊尔比德和扎尔卡分别约有180万和140万居民。

2.2 数据来源

2.2.1 环境温度数据

环境温度数据来自欧洲中期天气预报中心（CAMS ERA5）再分析数据集（Hersbach等人，2020年），该数据集提供了0.25°×0.25°网格上的小时温度估计值，并进行时间平均处理得到每日温度。每省的数据均根据其行政边界进行了裁剪，以得出具有代表性的日均温度。因此得到的温度时间序列完整无缺失数据。

2.2.2 空气质量数据

PM10、NO2和SO2的日空气质量数据来自约旦环境部（MoEnv）。图1显示了空气质量监测站的位置、名称和坐标。在2015–2019年间，这三个省份共有12个监测站处于运行状态（安曼7个，伊尔比德2个，扎尔卡3个），每个站点均监测这三种污染物。PM10采用贝塔衰减法检测；NO2和SO2分别采用化学发光法和紫外荧光法检测。如果某个站点在研究期间的数据完整性低于75%，则将该站点的数据从分析中剔除以确保城市平均值的可靠性。当某个站点的某一天数据缺失时，使用其他站点的平均值进行插补，插补时使用的比例因子为该站点年均值与其余站点年均值的比值（Katsouyanni等人，2001年）。如果所有站点在某一天都数据缺失，则该日的日均浓度值保持为缺失状态。每个城市的日均浓度值是通过对该城市所有有效站点的测量值进行平均计算得出的。

2.2.3 死亡数据

安曼、伊尔比德和扎尔卡的日均死亡数据来自约旦内政部（MoI），时间跨度为2015–2019年。数据包括性别、年龄、出生日期和居住城市等信息，用于统计30岁以上人群的非意外死亡人数。数据按性别（女性和男性）和年龄（<65岁和≥65岁）进行分层。分析仅使用了经过匿名处理的汇总数据，未使用可识别的个人信息，因此无需伦理审批。

2.2.4 统计分析

应用时间序列回归模型，研究了安曼、伊尔比德和扎尔卡每日空气污染物浓度与日均非意外死亡人数之间的短期关联。分析采用了广义线性模型（GLMs），并结合准泊松分布来处理每日死亡人数的过度离散现象（Bhaskaran等人，2013年）。通过加入日历时间的自然三次样条函数来控制长期和季节性趋势。每年时间样条的自由度（df）是通过基于准Akaike信息准则（qAIC）、残差自相关的Ljung-Box检验以及不同df规格下污染物系数的稳定性来确定（Bhaskaran等人，2013年）。最终选择的df值是在模型拟合度和残差诊断方面最简洁的选项。温度被作为唯一的气象混杂因素纳入模型。为了考虑温度的影响，模型中使用了两个自然样条函数来分别表示寒冷和炎热天气（Stafoggia等人，2013年）。对于寒冷天气，模型中加入了1–6天范围内的自然三次样条函数，并在温度分布的25百分位处设置了一个内部节点；对于炎热天气，模型加入了0–1天范围内的自然样条函数，并在温度分布的75%和90%百分位处设置了两个内部节点。通过区分寒冷和炎热天气，模型能够解释极端温度对死亡率的影响。同时，模型还考虑了一周中不同天的影响。研究了空气污染对死亡率的滞后效应，假设前几天的暴露会影响到当前的死亡率。分析的滞后结构包括单日滞后（0至6天）和平均滞后（即时：0–1天，延迟：2–5天，长期：0–5天）。作为敏感性评估，计算了每种污染物每增加10个单位浓度时的最小可检测效应（MDE），这代表了在给定城市死亡率和暴露变异性的情况下能够可靠检测到的最小效应（Bloom，1995年；Mair等人，2020年）。为了评估线性暴露-响应假设的合理性，通过使用带有惩罚项的样条函数（PM10、NO2、SO2的自然三次样条，自由度为3）重新拟合了所有污染模型，并通过准似然F检验进行比较。如果F检验的p值大于0.05，则可以认为非线性模型不能更好地描述数据，因此拒绝非线性假设。为了减少共线性影响并评估独立效应，构建了多污染物模型，使用了具有最低qAIC值的多日滞后模型。多污染物分析采用了与单污染物模型相同的结构，但增加了对其他污染物的调整。计算了各城市特定的皮尔逊相关矩阵，以评估污染物之间的共变关系，并有助于解释多污染物模型。最后，对不同子群体（性别和年龄）进行了分层分析，以探讨脆弱人群的情况。结果以每增加10个单位污染物浓度时的风险百分比增量（即IR = (RR-1) × 100）和95%置信区间（CI）的形式呈现。数据同化、预处理和可视化工作使用Python（版本3.8.19）完成。统计分析是在R语言（版本4.3.1；R统计计算基金会，奥地利维也纳，https://cran.r-project.org/）中使用的“mgcv”（混合GAM计算工具包）包进行的。

3 结果

所有三个城市都使用了每年4个自由度（df）的日历时间样条函数，该选择基于敏感性分析、Ljung-Box检验以及系数稳定性，如辅助信息S1的图S1–S3所示。表1展示了研究区域和期间内输入变量的描述性统计信息。本研究分析了46,071例死亡病例。2015年至2019年间，安曼的日均死亡率为15.8例（标准差4.6例/天，总计28,924例），伊尔比德为4.1例（标准差2.1例，共计7,414例），扎尔卡为5.3例（标准差2.4例，共计9,733例）。PM10的平均浓度在安曼为68.9 μg/m3（接近约旦年度标准JS 1140/2006规定的70 μg/m3限制，且峰值远高于24小时内的120 μg/m3上限），伊尔比德为49.0 μg/m3（总体上低于年度限制，但偶尔会超过120 μg/m3），扎尔卡为78.7 μg/m3（频繁超出年度限制）。NO2的平均浓度分别为安曼22.7 ppb、伊尔比德18.3 ppb和扎尔卡18.5 ppb；SO2的平均浓度分别为安曼8.7 ppb、伊尔比德8.9 ppb和扎尔卡8.2 ppb——每个城市的浓度都远低于JS的年度（NO2 50 ppb，SO2 40 ppb）和24小时（NO2 80 ppb，SO2 140 ppb）标准。季节性变化和时间序列图见辅助信息S1的图S4和S5。总体而言，扎尔卡的颗粒物污染负担最重且持续时间最长，安曼接近阈值并伴有明显的峰值，而伊尔比德的污染相对较低。表1显示了2015–2019年间研究城市安曼、伊尔比德、扎尔卡的死亡率、空气污染物和温度的描述性统计信息。

图2展示了单一污染物模型中空气污染物对总死亡率的影响。在安曼、伊尔比德和扎尔卡（2015–2019年）中，时间序列广义线性模型（GLMs）显示，只有在安曼，PM10与总死亡率之间存在小幅但统计学上显著的短期关联（每增加10 μg/m3的PM10：滞后0–1小时时为0.59%，0.22–0.96%；滞后2–5小时时为0.48%，0.00–0.96%；滞后0–5小时时为0.98%，0.40–1.57%）。在伊尔比德和扎尔卡，PM10的效应较小且未达到统计学显著性。基于样条的暴露-反应模型并未显著提升模型的拟合度。对于所有污染物和城市，准似然F检验均未显示出统计学上的非线性偏离（见辅助信息S1的表S1）。这些结果表明没有强有力的非线性证据，支持在主要模型中使用线性污染物项。为了评估不同城市的统计效力，我们计算了每种污染物和滞后窗口的MDE（均方误差）。安曼的MDE最小（约为0.05%），表明即使是很微弱的关联也能被检测到。伊尔比德和扎尔卡需要更大的真实效应（分别为超过0.15%和超过0.1%）才能达到统计显著性。这些结果见辅助信息S1的表S2–S4。对于NO2和SO2，城市特定的估计值在零附近波动，且在各个滞后或累积窗口内均无统计学显著性。总体而言，安曼的死亡率信号主要受短期滞后的PM10影响，而在其他城市或NO2/SO2中没有一致的关联。

3.1 分层分析

在图4所示的分层分析中，统计学上显著的正面关联仅限于特定的城市-污染物-滞后组合。在安曼，男性中的PM10与总死亡率在滞后0–1小时（0.73%，0.25–1.21%）和滞后0–5小时（1.14%，0.38–1.91%）之间存在关联。在扎尔卡，女性中的PM10在滞后2–5小时（2.12%，0.53–3.73%）和滞后0–5小时（2.56%，0.62–4.54%）具有显著性。其他性别-污染物-累积滞后组合未显示出统计学上的效应。在图3所示的年龄分层分析中，统计学上显著的关联仅限于少数城市-污染物-年龄-滞后组合。在安曼，老年人（≥65岁）组中，PM10与总死亡率在滞后0–1小时（0.59%，0.16–1.02%）相关；年轻人群（<65岁）或NO2/SO2未观察到显著关联。在伊尔比德，年轻人组中，NO2在滞后0小时（9.26%，0.74–18.50%）立即显示出关联。在扎尔卡，年轻人和老年组均未观察到显著关联。其他年龄-污染物-累积滞后组合未显示出统计学上的效应。

3.2 多污染物分析

选择累积滞后0–5小时作为多污染物分析的主要暴露窗口，因为该窗口为所有污染物-城市组合提供了最低的qAIC值。城市间的污染物相关性通常较弱（见辅助信息S1的图S6）。在安曼，PM10与NO2的相关性较弱（r = 0.19），与SO2的相关性中等（r = 0.45）。表2显示了多污染物分析结果。在伊尔比德，PM10与NO2的相关性中等（r = 0.36），与SO2的相关性较弱（r = 0.24）。在扎尔卡，PM10与NO2和SO2均无相关性（r = 0.08和r = 0.02），而NO2和SO2之间的相关性较强（r = 0.72）。总体而言，这些模式表明PM10的估计值受多重共线性的影响有限，除了扎尔卡中NO2和SO2之间的强相关性。因此，多污染物调整导致的微小变化并未改变各城市特定效应的总体解释。在安曼，PM10的估计值保持一致为正值，从单一污染物模型的0.98%增加到加入NO2调整后的1.07%，再增加到包含SO2或NO2 + SO2时的1.19%，表明PM10的关联是稳健的，并非由共污染物混淆所致。相比之下，安曼的NO2和SO2估计值不稳定且不精确（例如，加入NO2调整后SO2的估计值上升至0.70%，但置信区间较宽）。在伊尔比德，PM10的估计值在模型间波动于0.72%至1.19%之间，而NO2的估计值从4.47%降至低至0.24%，反映出不确定性及共性变异性。在扎尔卡，所有模型中PM10的估计值均为零（-0.43%至-0.22%），而NO2和SO2的波动范围广泛（例如，NO2从-1.48%至-5.88%），没有一致的规律。总体而言，多污染物模型确认了安曼中PM10的稳健关联，而NO2和SO2的估计值不精确，伊尔比德和扎尔卡的关联结果不明确。表2显示了2015–2019年间安曼、伊尔比德和扎尔卡的空气污染物与死亡率之间的关系。


4 讨论

本研究提供了首个基于约旦的数据，将短期环境空气污染变化与每日死亡率联系起来。仅在安曼识别出适度但精确的PM10效应（每增加10 μg/m3的PM10，滞后1小时时为+0.47%；滞后0–1小时时稍高），而伊尔比德和扎尔卡未显示一致关联，NO2和SO2的效应通常为零。通过使用多年死亡率和空气质量数据，并采用考虑季节性和温度的协调模型，分析了稳健的、特定于城市的估计值。这些发现与国际研究（Liu等人，2019年；Orellano等人，2020年）和区域研究（Amini等人，2019年）的结果一致，强调了颗粒物是这一背景下急性死亡率的主要驱动因素。通过填补WHO/EMRO（Tobías等人，2025年）强调的证据空白，这项工作为评估约旦的《环境空气质量标准》（JS 1140/2006）提供了基础，并为在高污染事件期间减少颗粒物暴露提供了针对性策略。城市间的差异可能反映了污染组成和来源的不同（安曼的交通/城市混合污染与扎尔卡的粉尘/工业污染以及伊尔比的更多自然粉尘），暴露测量方法的不同（安曼的监测更密集、人口更多，因此统计效力更强），以及标准超标情况的不同（安曼接近JS 1140/2006规定的年度限制，而扎尔卡偶尔超过24小时限制）。MDE大小的差异有助于解释城市间的异质性。安曼的MDE较小，因此有足够的效力检测到微弱的PM10-死亡率关联。相比之下，伊尔比德尤其是扎尔卡的MDE较大，表明只有相对较大的效应才能被检测到。因此，这些城市未观察到显著关联可能与统计效力有限有关，而非没有效应。区域的评论表明，健康风险可能因颗粒物的组成和来源不同而有所差异（例如Tobías等人，2025年）。这一观点与观察到的城市间对比一致，扎尔卡的PM10浓度最高（78.7 μg/m3），但未检测到急性死亡关联，而安曼（68.9 μg/m3）则显示出显著关联。这些差异可能反映了来源贡献的差异，包括安曼中与交通相关的排放影响较大。尽管关于粉尘事件的文献报告了它们对地中海地区医疗服务的短期影响（Middleton等人，2008年），但这些影响转化为急性死亡结果的程度可能取决于颗粒物的特性和背景。尽管分层分析的结果有所不同，但它们总体上指出老年人更脆弱，这与更广泛的证据一致（Wang等人，2023年），并且在不同城市之间存在一些性别特异性差异。总体而言，这些结果支持优先控制颗粒物污染，尤其是在安曼，同时认识到即使在未检测到短期死亡率信号的情况下，扎尔卡持续的颗粒物负担也会引发慢性健康问题。污染物之间的相关性在城市间通常较弱，反映了不同的排放特征。在安曼，PM10与NO2和SO2的相关性从弱到中等（r = 0.19–0.45），而在伊尔比德PM10与NO2的中等相关性（r = 0.36）和与SO2的弱相关性（r = 0.36）。在扎尔卡，PM10与这两种气体基本无关（r < 0.10），而NO2和SO2之间的相关性较强（r = 0.72），这与工业共同排放一致。安曼中PM10与SO2的弱相关性也解释了在调整SO2后PM10估计值的增加，反映了负向混淆而非多重共线性。总体而言，这些模式表明PM10的关联稳健，并支持多污染物模型的稳健性。我们的发现意味着减少颗粒物污染将改善约旦城市的健康状况。即使在安曼，每增加10 μg/m3的PM10仅导致约0.5%的短期死亡率增加，也会在人口规模上产生显著影响；应用于安曼每年约5,800例非意外死亡，持续降低10 μg/m3的PM10浓度每年可避免数十例死亡。政策建议包括使国家标准和实践与当前证据保持一致。约旦的JS 1140/2006对PM10的限制（年度70 μg/m3；24小时120 μg/m3）低于2021年WHO的指导值，安曼（接近年度限制）和扎尔卡（超过限制）经常出现24小时超限；因此有必要收紧颗粒物标准。优先措施应针对PM来源（交通和道路粉尘、建筑和工业排放），并在粉尘/风暴事件期间发布公共警告——这一方法在东地中海地区的风险沟通评论中也有体现（Tobías等人，2025年）。除了暴露水平和颗粒物组成的差异外，医疗保健的可及性差异也可能导致城市之间的观察到的异质性。安曼拥有约旦最多的三级和专科医院，紧急护理和重症监护服务也更为丰富，而伊尔比德和扎尔卡则更多地依赖数量较少的公立和地区医院。急性护理的便利程度、应急响应能力以及公共设施的拥挤程度可能会影响污染相关的心血管或呼吸系统事件发生后的短期生存率，从而可能改变观察到的污染与死亡率之间的关联。尽管我们在本研究中没有直接量化医疗保健基础设施或可及性，但在解释城市之间的差异时，这些背景因素非常重要，值得在未来的工作中进行专门研究。这项研究具有时间序列空气污染研究通常所具有的局限性：来自有限数量监测点的城市平均水平可能会误分类个体暴露情况，特别是在伊尔比德和扎尔卡，尽管我们进行了合理的插补处理；我们仅观测了PM10、NO2和SO2（未测量的PM2.5和臭氧可能会产生混淆或共同作用）。根据研究设计，我们估计的是急性（短期）风险，而不是长期影响；由于结果仅限于30岁及以上的成年人，并且缺乏死因信息，因此这些发现可能不适用于更年轻的人群或由外部原因导致的死亡。模型选择（时间和温度的样条函数、滞后窗口）遵循该领域的标准实践（Dominici等人，2002年；Gasparrinia等人，2010年），但残留的季节性、社会时间事件或自相关性的控制不完全可能会对估计结果产生轻微影响。与任何观察性设计一样，这些关联不能证明因果关系；可能存在某种形式的死亡“转移”现象。另一个局限性是，我们缺乏关于各城市医疗保健基础设施、紧急护理能力和个体治疗可及性的详细数据。因此，我们将医疗系统差异视为可能导致城市间异质性的因素之一的讨论是一种推测性观点，应被视为生成假设的视角，而不是因果解释。范围和背景也很重要：这三个最大的城市可能无法代表约旦干旱、多沙气候中的较小或农村地区；尽管如此，我们的估计结果大体上与国际证据一致。研究时间段（2015-2019年）早于COVID-19时期，因此这些发现作为未受封锁时期异常影响的基准。未来在约旦和东地中海地区的进一步研究应扩大污染物覆盖范围（特别是PM2.5和臭氧），利用更密集的网络或高分辨率模型来精确测量暴露情况，分析特定原因的死亡率，并通过队列研究来补充时间序列设计。Tobías等人（2025年）明确鼓励该地区的多城市合作，这将提高研究的精确度和可比性，有助于确认和细化我们报告的模式。

5 结论

在这项来自约旦的首个全国性时间序列研究中，我们发现安曼的PM10短期增加与全因死亡率之间存在微小但显著的关联——这种关联在同一天或第二天尤为明显，并且在多污染物模型中仍然存在——而伊尔比德和扎尔卡并未显示出一致的PM10效应，NO2/SO2在各城市的效应通常为零。城市间的异质性可能反映了颗粒物组成和来源、暴露测量和统计功效的差异，以及超标频率的差异。分层分析表明老年人更容易受到影响，不同城市还存在一些性别特定的模式。这些结果支持优先考虑针对颗粒物的控制措施（交通/道路尘埃、建筑和工业排放），加强现有标准的遵守情况，并在PM浓度高的时段发布针对性的健康警告。继续投资于监测、改进暴露评估和特定原因的分析将有助于阐明机制并指导干预措施。总体而言，我们在约旦特定情况下的风险估计为健康影响评估和实际空气质量行动提供了证据基础，特别是在安曼，以减少可避免的死亡。

致谢

作者感谢中东和北非气候变化与健康GeoHealth Hub提供的支持。该GeoHealth Hub是通过美国国立卫生研究院Fogarty国际中心（NIH/FIC）的Grant 5U2RTW012228和U01TW012237项目建立的。

利益冲突

作者声明与本研究无关的利益冲突。

数据可用性声明

温度数据来自Copernicus气候数据存储库（https://cds.climate.copernicus.eu/datasets/reanalysis-era5-single-levels/）。空气质量数据由约旦环境部（MoEnv）发布在（https://moenv.gov.jo/EN/List/Daily_Rates_OF_Air_Pollutants）。死亡率数据来自约旦内政部（MoI），根据数据共享协议提供；这些数据不是公开可获取的，但可以直接从MoI请求。用于建模、数据预处理和可视化的代码存档在Zenodo中（Ramadan，2025年）。