编辑推荐：
在流行病学研究中，评估长期暴露于环境空气污染的方法多样，不同方法对健康效应估计的影响尚不明确。研究人员对比了荷兰行政队列中基于不同方法评估黑碳（BC）等污染物暴露的空气污染死亡率效应，发现不同模型结果相关性高但效应估计值差异大，这有助于解释研究异质性。
在如今这个工业化高度发达的时代，城市的天空常常被雾霾笼罩，室外空气污染已然成为威胁人类健康的 “隐形杀手”。大量的系统评价和荟萃分析都表明，长期暴露在室外空气污染环境中，会增加人们的死亡风险。可奇怪的是，不同研究给出的死亡风险增加幅度却差异很大。这背后的原因是什么呢？其实，暴露评估方法的差异可能是 “罪魁祸首” 之一。不同研究在评估人们长期暴露于空气污染的程度时，使用的方法各不相同，从监测数据类型到建模方式都有很大区别，而这些差异究竟如何影响对健康效应的评估，此前却鲜有人深入探究。
为了揭开这个谜团，在 CLAIRE 项目（Comparison of Long - term Air Pollution Exposure assessment based on mobile monitoring, low - cost sensors, dispersion modelling and routine monitoring - based models）的框架下，研究人员开展了一项重要研究。他们以荷兰 1070 万 30 岁及以上成年人的全国队列（荷兰环境纵向研究 DUELS 队列）为研究对象，运用 8 种不同的长期空气污染暴露评估模型，这些模型在建模和监测策略、模型开发算法以及开发年份等方面都有所不同。研究人员想看看不同模型下，空气污染与自然死亡率和特定病因死亡率之间的关系有何差异。
研究结果发现，不同模型得出的暴露估计值高度相关。尽管不同模型对死亡率效应估计的方向相似，但效应估计值的大小却有很大差异。比如，黑碳（BC）每增加 1μg/m3，其与自然死亡率的风险比（HR）在 1.01 - 1.09 之间变化。而且，无论是确定性模型还是经验性固定站点和移动模型，在效应估计上都没有呈现出一致的差异。此外，对 10 年期间的模型预测相关性也很高，且得出的风险比相似。
这项研究意义重大。它表明不同的暴露模型虽然在判断空气污染与死亡率之间是否存在关联上结论相似，但效应估计值却能相差高达 1.27 倍。这一发现为解释流行病学研究中死亡率估计的异质性提供了关键线索，有助于科研人员更深入地理解空气污染对健康影响的评估差异，也为后续更精准的研究指明了方向。该研究成果发表在《Environmental Research》上。
研究人员开展这项研究用到的主要关键技术方法包括：首先是队列研究，利用荷兰环境纵向研究（DUELS）队列，该队列整合了荷兰统计局基于数字市政登记册的人口统计数据，每年更新人口的各种属性变化。其次，运用 8 种不同的长期空气污染暴露评估模型，涵盖不同的建模和监测策略。最后，使用 Cox 比例风险模型来估计自然死亡率和特定病因死亡率的风险比（HR） 。
下面详细介绍研究结果：
- 研究人群和结果：DUELS 队列包含 1070 万成年人，平均年龄 54.3 岁。在随访期间，有 945,615 人死于自然原因，其中 244,977 人死于心血管疾病，84,734 人死于呼吸系统疾病，71,622 人死于肺癌。
- 空气污染暴露：不同模型对不同污染物的估计暴露中位数和四分位数间距记录在相关表格中，还有更详细的暴露分布情况。
- 不同模型间的相关性和效应估计差异：不同模型的暴露预测通常呈现中度到高度相关，在判断与自然死亡率、呼吸系统疾病死亡率和肺癌死亡率的关联上结论基本一致。但不同模型的效应估计值差异很大，导致较高的异质性指数（I2）。
- 模型预测的时间稳定性：研究还发现模型对 10 年期间的预测相关性高，得出的风险比相似，这表明在一定时间范围内，不同模型在长期预测上具有一定的稳定性。
在研究结论和讨论部分，研究人员指出，对比的 8 种长期空气污染暴露模型在分析与自然和特定病因死亡率的关联时，虽然在判断关联是否存在上结论相似，但效应估计值在不同方法间存在很大差异，且这种差异难以通过外部验证来充分解释。在不同模型组内，不同的模型开发算法也会导致效应估计的差异。这一研究不仅让我们认识到不同暴露评估模型在空气污染与健康关系研究中的差异，更为后续的研究提供了重要参考，提醒科研人员在研究空气污染对健康影响时，要充分考虑暴露评估模型的选择，以减少研究结果的不确定性，让我们对空气污染危害的认识更加准确，为制定更有效的空气污染防控策略提供科学依据。
