[背景]多项研究发现室外气温与健康之间的关系会随着时间的推移而发生变化.但是目前大部分研究方法只是简单地把时间序列数据分为不同时间段进行分析,由于模型稳定性等原因,特别是对于小样本数据集,该方法并不能很好地用于揭示两者关系的时间变化趋势.为此,推荐使用不破坏时间序列数据的方法进行研究.[目的]介绍随时间变化的分布滞后非线性模型(DLNM),并以芝加哥市1987-1997年死亡数据为例,比较该模型与普通DLNM在研究室外气温对人群死亡影响随时间变化特征中的表现,以体现随时间变化DLNM的优势.[方法]介绍随时间变化DLNM的基本数学结构,并比较其与普通DLNM的异同.下载R软件“dlnm”程序包中内置的芝加哥市1987-1997年每日死亡和环境暴露数据(日均气温、相对湿度和可吸入颗粒物).采用随时间变化DLNM(基于类泊松回归),估计1987年和1997年的气温-死亡累积效应.采用普通DLNM(基于类泊松回归),估计1987-1997年、1987-1989年、1995-1997年、1987年和1997年的气温-死亡累积效应,并与随时间变化DLNM的结果相比较.[结果]芝加哥市1987-1997年累积0～30d的日均气温-死亡关系近似V型,19.2℃时的死亡风险最低.随时间变化DLNM分析结果显示,与死亡相对风险最低的气温值(MMT)相比,极端冷气温(日均气温第1百分位,-15.8℃)的相对危险度(RR),即冷温效应,由1987年的1.59 (95％CI:1.25～2.01)降低至1997年的1.50 (95％CI:1.13～1.98),但差异无统计学意义(P=0.756).极端热气温(日均气温第99百分位,28.9℃)的RR,即热温效应,由1987年的1.04 (95％ CI:0.85～1.28)升高至1997年的1.75 (95％CI:1.39～2.21),差异有统计学意义(P=0.001).采用普通DLNM拟合的1987-1989年和1995-1997年的冷温和热温效应,与随时间变化DLNM拟合的1987-1997年的冷温和热温效应有相似变化趋势.采用普通DLNM拟合的单一年份(1987年和1997年)与随时间变化DLNM拟合的气温-死亡累积效应相比,普通DLNM拟合结果更不稳定.[结论]随时间变化DLNM能很好地应用于时间序列分析,估计气温等环境暴露因素的健康效应的长期变化趋势.