该文发表于《Frontiers in Environmental Health》，聚焦印度热浪健康风险长期被严重低估这一公共卫生问题。研究背景在于，印度处于热带纬度且大部分地势低平，夏季长期暴露于高温和湿热环境之中。随着全球变暖持续推进，多地环境温度正在逼近甚至跨越人体热调节（thermoregulation）可有效维持的范围。高温尤其在高湿条件下会削弱机体通过出汗散热的能力，当核心体温升至约37 °C以上时，热衰竭、热射病、器官损伤和死亡风险都会显著上升。然而，印度仅约8%的人口可以使用空调，意味着绝大多数人群在夏季暴露于生理上不安全的热环境中。尽管全球与南亚尺度研究一再提示热相关死亡迅速增加，但印度热浪死亡负担仍主要依赖热射病或灾害统计，明显低估了真实规模，难以为地区级应对、资源配置和精准干预提供依据。
正是在这一背景下，研究人员以公开数据为基础，尝试建立覆盖全印度、分辨率达到地区层面的热浪诱发超额死亡估算框架。文章指出，此前学术文献中的相关估计主要停留在两类尺度：一类是将印度作为单一国家单元纳入的全球或多国模型研究，另一类是最多覆盖10个城市的城市级分析。这两类研究均不足以支持次国家尺度的规划与行动。为弥补这一缺口，研究人员借助de Bont et al.针对印度10个城市开展的多城市流行病学研究，将其中经验估计得到的热浪—死亡关系向全国765个地区外推，从而首次形成印度全国范围内的地区级热浪诱发超额死亡估计。这一工作的重要意义在于，不仅给出了热浪死亡负担的数量级，也揭示了其在空间上的高度集聚性，为地方高温行动计划、卫生资源投放和灾害管理体系建设提供了证据基础。
在方法上，研究主要采用了5个关键技术步骤。首先，利用印度民事登记系统（CRS）2020年地区级死亡率与2024年人口预测，计算各地区基线每日全因死亡数。其次，依据柯本–盖格气候分类（Köppen–Geiger climate classification），将全国各地区与de Bont et al.研究中的10个代表城市进行气候带匹配，并继承相应热浪—死亡风险系数。再次，参照2008—2019年历史温度分布，以各地区温度超过本地第97百分位定义热浪，设置单日热浪与连续5日热浪两种情景。随后，将持续时间特异性风险系数施加于地区基线死亡，估算热浪事件中的超额死亡，并汇总至州级和国家级。最后，研究通过调整地区—城市匹配规则，结合海拔和地理邻近性进行敏感性分析，以检验结果稳健性。样本与数据来源主要包括印度CRS、官方人口估计及预测，以及既有同行评议流行病学研究中的城市级风险系数。
二、Spatial concentration of mortality burden 在“死亡负担的空间集中性”部分，研究发现热浪相关超额死亡在印度分布极不均衡，少数人口大州承担了不成比例的负担。5日热浪情景下，北方邦（Uttar Pradesh）约有8,056例超额死亡，居全国首位；其后依次为比哈尔邦（Bihar，约3,615例）、中央邦（Madhya Pradesh，约2,964例）、拉贾斯坦邦（Rajasthan，约2,664例）和古吉拉特邦（Gujarat，约2,354例）。这5个州合计占印度总人口的43%，却承担了超过60%的全国热浪超额死亡。研究据此认为，热浪死亡负担不仅取决于气候暴露强度，还深受人口规模和基线死亡水平影响，体现出显著的人口学脆弱性。
三、District-level and state-level mortality variation 在“地区级和州级死亡差异”部分，研究展示了5日热浪下地区层面的显著异质性。部分地区在单次5日热浪中可新增180至300余例死亡，其中超额死亡最高的地区为Ahmedabad（约307例）、Jaipur（约265例）和Surat（约261例）；Prayagraj、Patna、Lucknow、Kanpur Nagar、Azamgarh、Agra和Bareilly等地区也均超过180例。研究认为，这些高负担地区兼具较高基线死亡水平与其所继承的气候带特异性热浪风险系数，表明单个地区在一次热浪事件中的死亡增量，已可与官方统计中某些整州全年热相关死亡数相当甚至更高。
该部分还进一步使用洛伦兹曲线（Lorenz curve）和基尼系数（Gini coefficient）刻画热浪死亡负担的不平等性。地区层面、按人口加权的基尼系数为0.215，提示中度不均等；前100个地区仅占全国人口31%，却承担44%的5日热浪超额死亡。州级层面，研究以州人口与人均地区生产总值（Gross State Domestic Product, GSDP）计算总GDP后，构建按GDP加权的洛伦兹曲线，得到基尼系数0.432，约为人口加权值的两倍。这说明热浪死亡负担在经济较弱州中高度集中。死亡负担最高的5个州承担全国66%的超额死亡，但仅贡献29%的GDP，形成死亡负担与经济能力之间2.3倍的不成比例关系。研究据此强调，热浪风险并非简单按人口比例分布，而是结构性集中于财政适应能力相对较弱的地区。
四、Role of climate and altitude 在“气候与海拔的作用”部分，研究人员通过纳入海拔和地理距离的敏感性分析，评估地区—城市匹配策略对结果的影响。结果显示，无论采用何种合理替代匹配规则，全国和州级结论均基本一致，说明总体空间格局较稳健。低海拔、湿热地区在不同分配方案下均表现出较高超额死亡；与此同时，一些高海拔地区一旦本地气温超过历史极端阈值，也会出现较高死亡负担。研究据此指出，相对于本地气候常态的温度偏离程度，可能与热浪死亡风险塑造有关，但作者明确表示，这一线索仅为初步提示，因为现有分析仍建立在多项近似假设之上，尚需后续研究进一步验证。
五、Interpretation of risk magnitude 在“风险量级的解释”部分，研究人员强调，所有估计均建立在一个核心假设之上，即10个研究城市得到的热浪—死亡风险系数可适用于气候相似地区。在该假设下，超过极端阈值的温度增量会转化为显著死亡增加。单日与5日情景之间的巨大差异进一步突出了持续高温暴露的危害性：5日情景使用的是独立估计的、持续时间特异性的风险系数，并非由单日系数线性放大而来，因此更能反映连续高温引起的热应激累积效应。文章还给出一个说明性情景：若每个地区每年夏季经历5次、每次5天的热浪，则全国超额死亡可达约150,000例/年。但作者明确说明，这不是年度预测，只是用于呈现重复热暴露在国家尺度上可能带来的数量级后果。
六、Consistency with existing literature 在“与既有文献的一致性”部分，文章指出，本研究得到的地区级估计与既往南亚及印度热相关死亡研究的方向和数量级总体一致。既有全球和区域研究普遍认为南亚是全球最易受极端高温影响的地区之一。Zhao et al.估计南亚每年约有111,000例热浪相关死亡，且印度占1990—2019年全球热浪相关死亡的约20.7%，居各国之首；Vicedo-Cabrera et al.和Gasparrini et al.也都记录到中低收入地区热归因死亡上升明显，而南亚负担尤重。Xu et al.的长期预测则进一步表明，在高排放情景下，随着越来越多人口暴露于超过历史安全界限的热条件中，印度未来热相关死亡可能显著攀升。研究因此认为，其地区级结果与现有证据体系是相互印证的。
讨论部分进一步指出，GDP加权基尼分析揭示了显著的环境不公正：死亡负担最高的5个州承担了全国66%的热浪超额死亡，却只贡献29%的GDP，这意味着最缺乏适应投资能力的地区，恰恰面临最严重的热死亡风险。研究据此认为，印度既有以城市为中心的高温行动计划模式，虽然具有示范作用，但尚不足以应对这种跨州、结构性的脆弱性集中格局。研究还提出，未来工作若能开展印度农村特异性热死亡研究、更新2020年后的CRS死亡数据、采用蒙特卡洛模拟（Monte Carlo simulation）传播不确定性，并将湿球温度或湿度校正暴露指标纳入风险刻画，将显著提升估计精度。此外，若利用本文建立的超额死亡框架评估高温行动计划的减害效果，也可为干预有效性提供更直接证据。
