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。
国际上的健康危险度评价，一般选择死亡作为健康终端评价PM2.5污染对居民健康影响的慢性效应。用人口学视角和方法来研究健康、死亡的度量是其他学科不可替代的。人口预期寿命是其中最重要指标之一。这一指标本身涉及一批人和同期人的概念，不是死亡年龄的简单平均。《人口学学科体系研究》一书指出：“在众多社会科学、自然科学中只有人口学才能真正研究人口预期寿命的科学度量问题。”用于估算预期寿命的人口学基础方法——生命表方法，无论在纯人口学领域还是人口健康、人口经济的交叉领域应用均广泛，其优势主要体现在以下几点。
其一，生命表的编制未必需要真实的队列资料，实际中很少编制真实队列生命表，大多是假想队列生命表。它是根据某一特定时期（一年或连续几年）实际死亡率资料编制，反映一个假定出生队列按照这一特定时期的死亡水平将经历的整个生命过程。因此，它能够较好地反映某个特定时期的死亡状况。在人口学视野下PM2.5健康效应评估研究中，基于暴露—反应关系模型，计算得到的归因于PM2.5分年龄分性别死亡数和健康基年的分年龄分性别死亡数，可以作为编制生命表的主要数据资料。
其二，去死因生命表（cause eliminated life table）可用于分析某种死因对人口健康、寿命的影响。由于其研究结果不受人口年龄结构影响，适用于做不同地域不同时点的分析比较。我们可以编制生命表，分别估算居民各年龄别预期寿命值和假设无大气颗粒物污染情况下的预期寿命值，其中后者采用去死因生命表的方法进行估计。以有无大气PM2.5污染场景下的生命表为基础，可以得出这两种场景下预期寿命差值和损失人年数。
其三，单或多衰减生命表可用于对社会经济过程进行分析。根据生命表原理，还可编制反映人口流动过程的流动生命表，反映人们一生工作时间状况的工作寿命表，进而得到流动预期寿命、预期工作年数等。死亡率研究的生命表是单衰减生命表，而应用于劳动就业的工作生命表则是多衰减生命表。这些生命表是分析人口经济状况的内在规律的有力工具。从劳动力供给的角度考虑PM2.5污染健康效应时，我们可以将死亡率与劳动参与率结合起来，编制工作生命表，计算出人口的平均预期工作年数。进一步，以有无大气PM2.5污染场景下的生命表为基础，得出这两种场景下的工作生命表，进而得到平均预期工作年数的差值，以此反映PM2.5污染通过死亡终端对劳动力就业损失的影响。
此外，有必要用人口学技术对健康基线资料进行可靠性评估与鉴别。国内PM健康研究编制生命表所用的分年龄死亡率，大多直接来源统计年鉴、人口普查或者卫生部监测数据。健康基线资料的准确性对评价结果影响很大。死亡资料相对于患病资料而言准确度较高。但无论是统计年鉴、人口普查或者卫生部监测数据的分年龄分性别死亡率都存在漏报，尤其婴儿死亡率是死亡率研究领域中最不易调查准确的指标之一。而作为生命表起始年龄组的死亡率的估计误差会导致整个生命表指标产生误差，最终影响平均预期寿命的估计。人口学者可结合卫生部监测数据，采用留存率方法、寇尔曼德模型生命表及布拉斯罗吉特转换，对人口普查、抽样调查的死亡漏报、年龄死亡概率模式、寿命水平进行重新评估推算。
人口学应用于PM2.5健康效应研究思路可概括为以下几点：首先，在已有流行病学队列研究分析成果基础上，采用国际上通用的危险度评价方法，建立PM2.5大气污染与不同人群死亡的暴露—反应关系的流行病学模型；更进一步，通过结合调整、重新评估后的死亡数据，应用人口学的生命表技术，即单或多衰减生命表、去死因生命表，对PM2.5大气污染对居民健康影响进行定量研究和估计；与此同时，编制工作生命表，从劳动力供给的角度考虑PM2.5污染通过死亡终端对劳动力就业损失的影响。具体估计结果可表示为每增加一单位PM2.5浓度，预期寿命的损失人年数和预期工作寿命的损失人年数，或者PM2.5浓度下降带来的整体预期寿命和预期工作寿命收益人年数。
由此可见，人口学的技术、方法和数据能够为这一交叉领域研究提供支持。尤其是随着人口问题从控制人口数量拓展到提高人口质量，人口学的一系列特征变量如死亡率（预期寿命）、人口结构等，与人口健康密切相关。人口学的队列分析方法、人口预测方法、生命表方法等能发挥其他学科不可替代的作用。用人口学的视角和方法来研究相关问题，将人群健康效应及其经济影响、环境保护综合考虑，这不仅为政府治理大气污染的社会经济政策提供依据，而且对于有关健康转变的人口理论研究也具有重要意义。
