胎盘转录组在产前邻苯二甲酸酯暴露与胎盘功能效率之间起到了机制上的桥梁作用

《Environment International》：The placental transcriptome serves as a mechanistic link between prenatal phthalate exposure and placental efficiency

火灾烟雾对加州呼吸系统疾病的影响及社会脆弱性分析，采用广义随机森林模型整合个体（年龄、性别、种族）与区域（失业率、空调普及率、种族隔离指数）27个效应修饰因素，发现PM2.5浓度每增加10μg/m3，呼吸疾病住院和急诊风险上升1.014（95%CI 1.012-1.016），且风险差异显著存在于不同空气区。通过机器学习揭示的脆弱性特征显示，儿童（0-14岁）和女性、白人和黑人群体、高失业率和低空调普及率区域面临更高风险。研究证实GRF方法在处理高维数据时的优势，为制定精准健康干预政策提供科学依据。

　　随着全球气候变化加剧，野火活动的健康负担也在不断上升，因此明确哪些人群对野火烟雾的健康影响更为脆弱变得尤为重要。本研究旨在通过机器学习方法，构建详细的加州社区脆弱性档案，揭示野火烟雾对健康的不同影响。研究团队包括来自加州大学圣地亚哥分校 Scripps 海洋研究所的 Noémie Letellier、Caitlin G. Jones-Ngo、Michael W. Cheung、Rosana Aguilera、Joan A. Casey、Jennifer Monroe Zakaras、Rebecca Sugrue、Arianne Teherani、Neeta Thakur、Harold Collard、Sheri D. Weiser 和 Tarik Benmarhnia。这些研究人员致力于探索野火烟雾对健康的影响，并识别那些在不同社会和环境条件下更容易受到伤害的特定群体。

野火不仅带来了环境破坏，还对人类健康构成重大威胁。野火烟雾中含有多种有害化学物质，包括碳氧化物、氮氧化物、多环芳烃、挥发性有机化合物、颗粒物和臭氧等。这些物质在空气中积累，可能导致呼吸系统和心血管系统的健康问题。尤其是细颗粒物（PM2.5），由于其体积小、易吸入肺部，成为影响公众健康的主要污染物之一。全球范围内，野火排放的 PM2.5 被估计导致每年约 34 万至 68 万人死亡。已有研究表明，野火烟雾与呼吸系统疾病的发生率上升密切相关，如哮喘、慢性阻塞性肺病（COPD）和肺炎等。然而，关于野火烟雾对心血管疾病的影响，研究结果则较为矛盾，部分研究未发现显著关联。

脆弱性不仅仅取决于暴露于环境危害的程度，还与个体和社区的敏感性和应对能力有关。受结构性种族主义和环境不公影响的边缘化社区，往往面临多重不利条件，包括既有的健康问题、有限的医疗资源、较差的居住条件以及缺乏应对措施的资源。尽管已有研究指出，所有来源的 PM2.5 对健康有显著影响，但专门针对野火烟雾的研究却较少，尤其是在识别特定脆弱群体方面。因此，本研究采用了一种新颖的方法，即广义随机森林（GRF），来同时分析个体和区域层面的潜在影响因素，并构建详细的脆弱性档案。

研究数据来源于加州 2006 年至 2019 年的每日医院入院和急诊科（ED）访问记录，涵盖了心血管和呼吸系统疾病。通过时间分层的病例交叉研究设计，研究者比较了野火特定 PM2.5 暴露与健康事件（如入院或 ED 访问）之间的关系。结果表明，野火 PM2.5 浓度每增加 10 微克/立方米（2 天移动平均），与呼吸系统疾病相关的入院和 ED 访问风险显著增加，其比值比（OR）为 1.014（95% 置信区间为 1.012 至 1.016）。然而，对于心血管疾病，未发现明显的关联。这种差异可能与不同疾病对 PM2.5 的敏感性不同有关。

研究进一步分析了野火 PM2.5 对健康影响的异质性，即不同个体和区域对同一暴露水平的反应可能不同。通过 GRF 方法，研究者发现，这些影响因素在不同区域的加州空气盆地（Air Basins）中表现出显著的差异。例如，在圣迭戈县，野火 PM2.5 的影响最为显著，OR 值达到 1.130（95% 置信区间为 1.111 至 1.150）。而在南海岸地区，OR 值较低，仅为 0.978（95% 置信区间为 0.967 至 0.990）。这种空间异质性可能是由于多种因素，包括医疗资源的可及性、住房条件、其他污染源的存在以及野火本身的性质（如发生时间和地点）等。

在个体层面，年龄、性别和种族/民族是重要的影响因素。研究发现，女性、15-64 岁成年人以及非西班牙裔白人和非西班牙裔黑人人群面临更高的健康风险。同时，区域层面的因素，如住房条件（如空调普及率、住房年龄）、人口结构（如黑人/白人差异指数）和经济状况（如失业率）也对野火烟雾的健康影响产生显著作用。值得注意的是，某些区域层面的因素，如高比例的非英语家庭，显示出较高的健康风险，而高比例的非西班牙裔白人则呈现出较低的风险。这种现象表明，脆弱性不仅与社会经济地位有关，还受到多种复杂因素的共同作用。

通过传统方法，研究者还发现，野火烟雾对女性、15-64 岁成年人以及白人和黑人群体的影响显著。此外，高比例的外国出生人口和高黑人/白人差异指数的区域也显示出更高的健康风险。然而，对于心血管疾病，区域层面的影响因素未能显示出显著关联，这可能与野火烟雾对心血管系统的影响较为复杂，或者研究数据的局限性有关。

本研究的一个重要发现是，野火烟雾对健康的异质性在不同空气盆地中表现出显著差异。这提示我们，单一的干预措施可能无法有效应对所有地区的健康风险，而是需要根据具体的社区特征制定针对性的策略。例如，在某些地区，提高住房条件和改善空气质量可能是关键，而在其他地区，加强健康教育和提供医疗资源可能更为重要。

此外，研究还指出，传统方法在识别影响因素时存在局限。由于影响因素众多且相互关联，单独分析每个因素可能无法全面反映脆弱性的复杂性。而 GRF 方法能够处理高维数据，并捕捉不同因素之间的交互作用，从而更准确地识别那些在野火烟雾暴露下更容易受到伤害的群体。这种方法的优势在于其灵活性和适应性，能够在不依赖于预设变量的情况下，揭示潜在的脆弱性模式。

然而，研究也存在一些局限性。例如，未考虑其他野火排放的污染物，如二氧化碳和氮氧化物，这些物质可能对健康产生额外影响。此外，研究未能评估那些无法在野火期间留在室内的人群，如农业和户外工作者，他们可能面临更高的暴露风险。这些群体通常属于边缘化社区，其工作性质决定了他们无法避免野火烟雾的暴露，从而增加了健康风险。

总的来说，本研究通过机器学习方法揭示了野火烟雾对健康影响的异质性，并强调了在不同社区和个体之间识别脆弱性的重要性。这些发现为制定更有效的公共卫生干预措施提供了依据，特别是在应对气候变化带来的野火威胁方面。未来的研究可以进一步探索这些影响因素的相互作用，并考虑更广泛的环境和社会条件，以更好地理解野火烟雾对健康的长期影响。同时，开发更精确的脆弱性指标和干预策略，将有助于减少边缘化社区的健康风险，并促进社会公平。