近年来，PM2.5空气污染成为公众关注焦点，大气污染对健康转变和死亡率的影响日益突出。PM2.5污染对健康的影响有多大？健康状况的恶化是否会影响到劳动供给，会造成多大的经济损失？人口学关注不同年龄、性别、社会经济状况人群的健康状况。因而，从人口学角度，运用人口学的技术、方法和数据研究PM2.5健康效应具有重要意义。

　　空气污染的健康危险度评价，即估算在某种暴露情况下对特定人群产生不良健康效应的概率，是政府制定大气污染治理政策的重要依据。这一课题跨医学、环境科学和人口学等学科，要求将健康人口数据和环境暴露危害数据联系起来综合考虑。暴露—反应关系将空气质量的变化（每增加一单位PM2.5浓度）和人群健康效应终端（死亡率、患病率、住院率等）的变化联系起来，是定量评价空气污染对健康损失的关键。

　　以往研究者多采用时间序列研究和病例交叉研究的方法，观察短时间（一天或数天）大气污染高暴露水平对人群患病率、死亡率上升的影响。然而这类方法可能仅仅反映的是大气污染对已有心肺疾患等敏感弱势人群的影响，而不能反映污染长期暴露对全体人群的健康效应。队列研究是公认的评价大气污染长期暴露对人群健康影响较为理想的方法。人口学中，把在同一时期内发生某种同样人口活动的人称为“一个队列”。在危险度评价中，该方法需要根据个体暴露于大气污染的程度将选定人群分组，测量和比较这些人群组的死亡率和疾病患病率。队列设计研究周期长，人力物力投入大。目前，得到国际公认的有关队列研究，只有20世纪90年代美国哈佛大学六城市研究和美国癌症协会的研究。这两项研究都是将大规模的队列研究数据纳入多因素Cox比例风险模型中进行分析，结果表明：在控制了吸烟等其他个人的风险因素的条件下，死亡率风险和细颗粒物（PM）之间具有稳健的统计关联。目前，这两个前瞻性队列研究已经经历了广泛的再分析检验和扩展，证实了这两项研究的可靠性。

　　目前，我国相关的定量评价工作虽已有初步的探索，但与发达国家比较，PM2.5对人群长期慢性积累的影响缺乏大规模的队列研究数据。在缺乏历史暴露数据的条件下如何估算是该研究的难点所在。有国内学者利用Meta分析，对国内外文献研究的结果进行系统、定量的综合分析，得到大气污染浓度每升高一个单位（如10ug/m3），人群不良健康效应发生的相对危险度（%）的均数和95%可信限，并将分析结果应用于我国各城市大气污染健康效应评价。然而，国内外人群暴露—反应关系存在较大差异，有必要应用人口学的视角和方法，充分利用国内外有限的数据资料，相对合理地估算不同年龄、性别、社会经济状况人群健康受PM2.5的影响。