PM2.5组分长期暴露与缺血性脑卒中的关联：中国队列研究揭示重金属混合暴露的协同效应

本研究通过前瞻性队列分析中国宁波29,926名居民数据，采用土地利用回归模型和自适应弹性网络(AENET)方法，首次系统评估PM2.5中15种化学成分与缺血性脑卒中(IS)的关联。发现汞(Hg)、铊(Tl)等重金属与IS风险正相关，而硒(Se)、镉(Cd)呈负相关，构建的环境风险评分(ERS)显示多污染物协同效应显著增强IS风险（HR=1.429），为大气污染精准防控提供新证据。

　　

【研究背景】
在全球疾病负担中，脑卒中高居致残和致死的第二位，而大气细颗粒物(PM_2.5)被认为是重要环境风险因素。尽管既往研究证实PM_2.5整体质量浓度与缺血性脑卒中(IS)存在关联，但PM_2.5作为复杂混合物，其数千种化学成分的毒性差异显著。现有研究多聚焦单一组分，对多污染物协同作用的认识存在方法论局限——传统统计模型难以解决组分间高度共线性、非线性交互作用等问题。更关键的是，中国作为煤炭消费大国，PM_2.5中重金属组分（如铅、汞、硒等）污染特征显著，但长期暴露于这些组分与IS的关联仍存争议。

【研究方法】
宁波市疾病预防控制中心等机构研究人员基于宁波鄞州普通人群队列（2015-2022），纳入29,926名基线无脑卒中居民。通过土地利用回归模型估算PM_2.5及15种组分（包括硫酸盐、重金属等）的个体暴露水平，采用自适应弹性网络(AENET)从135个预测变量（含主效应、平方项和交互项）中筛选关键组分并构建环境风险评分(ERS)。通过Cox比例风险模型评估关联性，并利用限制性立方样条分析暴露-反应关系。

【主要结果】

1. 单污染物模型：
   汞(Hg)每IQR增加使IS风险升高44.1%，而镉(Cd)、锑(Sb)、硒(Se)和铵盐(NH₄⁺)呈保护效应。两污染物模型进一步识别砷(As)、铍(Be)、镍(Ni)、铊(Tl)的正向关联。

2. 多组分协同效应：
   AENET筛选出8个关键预测因子，包括铅(Pb)、硒(Se)、铊(Tl)的主效应，铍(Be)、镉(Cd)、硒(Se)的平方项，以及铍×汞、镉×硒的交互项。ERS每IQR增加使IS风险增加42.9%，显著强于PM_2.5整体效应。

3. 暴露-反应关系：
   砷、铍、汞等呈现倒U型曲线，镉、铅呈U型曲线，硒呈倒J型，表明重金属存在阈值效应。

【研究意义】
该研究创新性应用机器学习方法解决环境混合暴露评估难题，首次揭示PM_2.5中源自土壤扬尘/燃煤（铅、硒、镉）和有色金属冶炼（铊、铍、汞）的6种重金属是IS关键风险组分。发现硒与镉的拮抗作用、铍与汞的协同作用等新型交互机制，为制定基于污染源头的精准防控策略提供依据。论文发表于《Ecotoxicology and Environmental Safety》，对发展中国家大气污染相关健康风险评估具有重要参考价值。

【技术亮点】
1）土地利用回归模型实现PM_2.5组分空间精细化暴露评估；
2）AENET算法突破传统模型对多组分共线性和交互作用的分析瓶颈；
3）环境风险评分(ERS)量化混合暴露效应，较单组分分析更具公共卫生指导意义。