评估金属混合物对神经心理发育的影响：复杂性与可解释性之间的权衡

《International Journal of Hygiene and Environmental Health》：Assessing metal mixture effects on neuropsychological development: A trade-off between complexity and interpretability

本研究比较了BKMR和线性回归模型（LRM）在评估金属混合物对儿童神经心理发育影响中的作用。通过INMA队列数据，发现LRM（含交互项）与BKMR的预测结果高度相关（执行功能r=0.95，运动功能r=0.92，视觉语言功能r=0.92），表明线性模型能捕捉主要效应，且更易解释。结论支持使用简单LRM分析混合物效应，当数据复杂度较低时，其优势与复杂模型相当。

　　金属暴露对人类健康的影响一直是环境流行病学研究的重要议题。特别是在儿童早期发展过程中，金属混合物的协同作用可能对神经心理发展产生显著影响。近年来，研究人员采用多种复杂的统计方法来评估这些混合暴露的健康效应，其中贝叶斯核机回归（Bayesian Kernel Machine Regression, BKMR）作为一种先进的统计工具，因其能够识别金属混合物与健康结果之间的复杂关系而受到广泛关注。然而，BKMR的解释相对困难，因此在实际应用中，它通常与其他统计方法结合使用，以简化结果的解读。本文探讨了BKMR与传统线性回归模型（Linear Regression Models, LRM）在评估金属混合物对早期儿童神经心理发展影响方面的可行性与可解释性，并发现LRM在某些情况下能够提供与BKMR相似的结果，从而在复杂性与可解释性之间取得平衡。

在现实生活中，人类往往同时暴露于多种污染物和化学物质中。这些暴露可能来源于自然环境，如空气、食物和饮用水，也可能来自于人为活动，例如化工和制药工业、化石燃料的燃烧以及废弃物焚烧等。尽管传统的研究多关注单一化学物质对生物系统的影响，但越来越多的证据表明，混合化学物质的暴露同样重要，尤其是在低剂量情况下，即使每种物质的浓度均低于其无明显不良效应水平（NOAEL），也可能产生显著的混合效应。金属作为一类常见的环境化学物质，常常共同存在，并且其健康影响往往依赖于与其他金属的共同暴露。因此，评估金属混合物的联合效应对于理解其对健康结果的真实影响至关重要。

在儿童早期发展和妊娠期间，这种暴露尤为关键，因为这些阶段是快速生长和发育的关键时期，对环境因素的敏感性较高。已有研究表明，金属混合物的暴露可能对早产、出生体重以及儿童认知功能等方面产生影响。因此，如何准确评估金属混合物对儿童神经心理发展的影响，成为环境健康研究的重要课题。

为了定量评估混合效应，研究人员采用了多种统计方法。传统线性回归模型（LRM）因其构建和解释的简便性而被广泛使用。然而，这些模型在处理高相关性数据时可能会产生不稳定的结果。为了解决这一问题，研究者通常结合其他技术，如变量选择方法和主成分分析（PCA）等，以减少多重共线性带来的干扰。此外，非线性效应和更高阶的交互作用也可以通过在回归模型中引入多项式项或交互项来捕捉。

为克服传统LRM的局限性，研究者引入了更复杂的统计方法，如加权分位数求和（WQS）回归和量子计算（Q-gcomp）方法。这些方法能够处理高相关性的数据，并提供整体的风险评分，同时还能反映金属之间的正负效应。然而，这些方法在进行变量选择时存在一定的限制，特别是在高维数据中，它们无法有效地识别对结果影响最大的变量。因此，在处理高维数据时，采用已有的知识进行变量选择往往是最优解。

BKMR作为一种新兴的统计方法，被广泛用于评估金属混合物对健康结果的综合影响。该方法将健康结果建模为金属暴露的光滑多变量函数，并考虑了潜在的混杂因素的加性效应。这种灵活的建模方式使BKMR能够捕捉金属暴露与健康结果之间的非线性关系和复杂交互作用。此外，BKMR还具备变量选择的功能，这对于识别对结果影响较大的金属尤其有用。然而，由于BKMR的多维特性，其暴露-反应关系的解释并不容易。通常，研究结果以固定金属浓度的横截面函数形式呈现，这在一定程度上限制了其实际应用。

为了更好地理解BKMR的估计结果，本文将其与传统LRM方法进行比较，特别是考虑了交互项的模型。研究团队利用西班牙INMA队列的4岁儿童数据，分析了金属混合物对神经心理发展的影响。他们假设，在这种情况下，传统的LRM方法能够提供与BKMR方法相似的结果，同时具有更高的可解释性。

研究采用了多种统计方法来评估金属混合物对儿童神经心理发展的影响。首先，使用PCA识别了主要的神经心理发展领域，包括执行功能、运动功能和视觉与语言功能。然后，通过BKMR模型估计了暴露-反应函数，并与传统LRM模型进行比较。研究发现，BKMR和LRM在估计这些神经心理领域时，其结果具有高度一致性，Pearson相关系数达到了0.95、0.95和0.92，分别对应于执行功能、运动功能和视觉与语言功能。这些高相关性表明，BKMR和LRM在某些情况下可以提供相似的结论。

进一步分析发现，金属暴露与神经心理发展之间的关系在某些情况下呈现出非线性特征。例如，铅（Pb）的增加与所有神经心理领域的得分下降相关，而钼（Mo）的增加则与这些领域的得分上升相关。此外，硒（Se）对执行功能表现出负相关，但对运动功能和视觉与语言功能则呈现正相关。这些结果与先前研究一致，表明某些金属可能在神经心理发展中起到保护作用，而另一些则可能具有负面效应。

研究还探讨了金属之间的交互作用对神经心理发展的影响。例如，铅和硒之间的交互作用在执行功能中表现得尤为明显，铅的负面影响在高硒浓度下有所缓解。这种交互作用的发现对于理解金属混合物的复杂影响具有重要意义，但也对结果的解释提出了挑战。BKMR能够捕捉这些交互作用，但其解释过程较为复杂，而LRM虽然在处理交互项时可能无法完全捕捉这些非线性关系，但在实际应用中，其结果更易于理解和解释。

此外，研究还发现，LRM在某些情况下能够提供与BKMR相似的结论，特别是在处理金属混合物对神经心理发展的影响时。这表明，尽管BKMR在处理复杂非线性关系方面具有优势，但在实际应用中，LRM可能在解释和应用上更具优势。这一发现对于环境健康研究具有重要意义，因为它表明在某些情况下，传统方法可能已经足够有效，无需采用更复杂的模型。

然而，研究也指出了一些局限性。例如，INMA队列的样本量相对较小，可能影响统计效力。此外，采用单次尿液样本作为金属暴露的生物标志物可能存在分类误差。同时，横断面设计无法确定暴露与结果之间的因果关系。尽管如此，研究结果仍具有一定的外部效度，因为其与之前在其他人群中的研究结果保持一致，表明金属混合物对神经心理发展的影响在不同人群中可能具有相似的模式。

总的来说，本文的研究表明，在某些情况下，BKMR和LRM能够提供相似的结果，而LRM在解释和应用上更具优势。这为环境健康研究提供了一种新的视角，即在处理金属混合物对健康影响时，可以采用更简单的方法，而不必总是依赖于复杂的统计模型。此外，研究还强调了在金属暴露评估中考虑化学形态的重要性，特别是砷（As）的不同形态可能对健康产生不同的影响。这些发现对于未来的研究和政策制定具有重要的参考价值。