空气污染物触发白癜风网络搜索行为的时空模式与机制研究

《Scientific Reports》：Time-series analysis of vitiligo-related online search behavior in response to ambient air pollutants

本研究针对空气污染物对自身免疫性皮肤疾病的影响机制尚不明确的问题，通过分布式滞后非线性模型（DLNM）分析2019-2021年长沙市六种主要空气污染物与白癜风百度搜索指数（BSI）的时序关联。研究发现SO2暴露引发急性搜索行为反应（lag0-5），而CO则导致持续性响应（lag5-60），揭示了不同污染物通过氧化应激和慢性缺氧等差异路径影响公众健康关注度。该研究为环境健康风险实时监测提供了创新性大数据方法，为制定针对性公共卫生策略提供了科学依据。

　　

随着工业化进程加速，空气污染已成为全球性的公共卫生挑战。尽管其对呼吸系统和心血管疾病的影响已被广泛证实，但对特定自身免疫性皮肤疾病的触发机制仍属研究空白。白癜风作为一种影响全球0.5%-2%人口的慢性自身免疫性皮肤病，其发病机制涉及遗传、环境和免疫因素复杂交互，但环境污染物特别是空气污染对其影响的研究尚显不足。

在这一背景下，来自中南大学湘雅三医院皮肤科的研究团队开展了一项创新性研究，通过分析公众网络搜索行为这一实时指标，探索空气污染物与白癜风关注度的时空关联。该研究于2025年12月12日在《Scientific Reports》期刊在线发表，题为"Time-series analysis of vitiligo-related online search behavior in response to ambient air pollutants"。

研究团队采用分布式滞后非线性模型（DLNM）这一专门用于分析环境暴露与健康结局复杂时空关系的先进统计方法，对长沙市2019-2021年的每日数据进行了深入分析。数据来源包括中国环境监测总站的六种主要空气污染物（PM_{2.sub>、PM10、NO2、SO2、CO、O3）浓度数据、国家气象信息中心的气象数据，以及百度指数平台获取的白癜风相关移动搜索数据。研究通过构建单污染物和双污染物模型，控制了季节趋势、星期效应和气象因素等混杂变量，全面评估了污染物对搜索行为的滞后效应。}

3.1 数据描述

研究期间长沙市空气污染物平均浓度分别为PM_2.5（43.8μg/m³）、PM₁₀（53.3μg/m³）、NO₂（29.6μg/m³）、SO₂（6.9μg/m³）、CO（0.8mg/m³）和O₃（90.1μg/m³）。相关性分析显示多数污染物间存在正相关（除O₃外），方差膨胀因子（VIF）均低于10，表明模型不存在严重共线性问题。

3.2 空气污染物与白癜风BSI的关联

3.2.1 单污染物模型

研究发现除PM₁₀外，所有污染物均对白癜风BSI产生显著滞后效应，但时间模式存在明显差异。SO₂表现出最强的即时效应（lag0），浓度每增加10μg/m³，BSI立即上升2.03%；而CO的影响最为持久（lag5-60），每增加0.1mg/m³在lag31-37天达到峰值效应（0.74%）。PM_2.5、NO₂和O₃的影响分别出现在lag6-58、lag14-57和lag13-27天。累积效应分析显示PM_2.5、CO和NO₂在60天内的累积影响呈渐进式增加，而SO₂仅短期效应显著。

3.2.2 双污染物模型

在调整共污染物后，SO₂和CO的效应保持稳健。特别值得注意的是，SO₂在控制PM_2.5后效应估计值从2.03%增至2.55%，表明其独立影响更为突出。而CO在调整PM_2.5后效应有所减弱，提示两者可能存在共同排放源导致的效应重叠。

研究从毒理学角度对结果进行了解读：SO₂作为工业排放标志物，可能通过诱导活性氧（ROS）产生和氧化应激途径，直接损伤黑素细胞或激活炎症通路，这与其急性效应特征相符。而交通相关污染物如CO则可能通过慢性缺氧机制，逐步破坏黑素细胞线粒体功能，导致渐进性损伤，这与其持续性效应模式一致。

该研究的创新性在于将网络搜索行为作为环境健康影响的实时监测指标，建立了"环境污染-公众关注"的快速响应桥梁。从公共卫生角度看，研究结果为高风险时期发布健康预警、制定针对性防护措施提供了数据支持。对于临床实践，提示皮肤科医生应关注患者的环境暴露史，特别是在高污染地区考虑抗氧化剂等防护性治疗。

研究同时指出了若干局限性：BSI作为间接指标可能受媒体事件等因素干扰；单城市设计限制结果外推性；观察性研究无法确立因果关系；60天滞后周期可能无法捕捉更长期效应。未来需要多中心研究结合临床数据，并应用贝叶斯核机器回归（BKMR）等混合模型方法，进一步阐明污染物混合暴露的联合效应。

这项研究不仅深化了我们对空气污染物与自身免疫性皮肤病关系的理解，更重要的是展示了一种基于大数据的环境健康风险监测新范式，为构建更加精准、及时的环境健康预警体系提供了科学基础。