编辑推荐：
为解决多队列暴露组研究中环境暴露数据缺失问题，研究人员对欧洲 2000-2020 年 33 个外部暴露组因子（含 NO?、PM?.?、温度、绿地等）开展时空建模与关联分析。发现多数因子相关性弱（R<0.4），暴露表面稳定性高，部分因子呈显著趋势变化，为流行病学研究提供关键数据支撑。
欧洲外部暴露组时空特征研究：环境因子关联与动态演变解析
在探索环境与人类健康关系的征程中，我们宛如在迷雾中寻找灯塔。环境暴露并非孤立存在，空气污染物（如 NO?、PM?.?）、噪声、温度、绿地等多种因子交织成复杂的网络，共同影响着人体健康。然而，长期以来，跨欧洲的多队列暴露组研究面临着关键挑战：缺乏时空覆盖充分、标准化的环境暴露数据，且不同暴露因子间的复杂关联尚未清晰，暴露表面的时间稳定性也未明确。这些问题如同绊脚石，阻碍着我们深入理解环境与健康的真实联系。
为冲破这一困境，来自荷兰等多国研究机构的科研团队开展了一项具有里程碑意义的研究。该研究聚焦欧洲地区（涵盖 EU27 部分国家、英国、挪威等），构建了 2000-2020 年期间 33 个外部暴露组因子的高分辨率时空模型，包括物理化学环境（如空气污染物、温度、噪声）、建成环境（绿地、不透水表面、夜间灯光）等，旨在揭示各因子的时空关联、稳定性及趋势变化。研究成果发表于《Environment International》，为环境流行病学领域注入了新的活力。
关键技术方法
研究采用了多维度的技术策略。在数据建模方面，针对空气污染物（NO?、PM?.?、PM??、O?）、温度和噪声，开发了新型精细空间分辨率模型。例如，空气污染物建模结合了地理加权回归（GWR），利用监测数据、卫星观测和交通数据等预测浓度分布；温度建模基于随机森林算法，整合地表温度（LST）、植被指数（NDVI）等多源数据。对于建成环境因子，如绿地（NDVI、MSAVI）、不透水表面，借助遥感数据和土地利用地图进行处理。此外，通过皮尔逊相关分析（Pearson’s R）评估因子间相关性，利用人口加权均值分析时间趋势。
研究结果
3.1 暴露因子空间相关性
在欧洲尺度上，多数环境因子呈现弱相关性（R<0.4）。值得注意的是，NO?与建成环境因子（如不透水表面、夜间灯光）存在中等至强相关性（R=0.65-0.75），而 O?与 NO?、PM 呈负相关（R=-0.37 至 - 0.10）。噪声指标（如 Lden、Lnight）之间高度相关（R>0.99），但与其他因子相关性较弱（R=-0.23-0.28）。国家层面的分析显示，部分因子相关性异质性显著，如 O?与温度在欧洲尺度呈正相关，但多数国家内为负相关。
3.2 暴露表面时间稳定性
多数因子的年平均暴露表面在时间上表现出强稳定性。2000 年与 2019/2020 年的相关性分析显示，除 O?（R=0.66）外，其他因子均呈现强至极强相关性（R>0.84）。以 NO?为例，2000-2019 年的空间分布相关性达 0.89，PM?.?为 0.80。然而，部分国家的特定因子稳定性较低，如斯洛伐克的 O?和 PM??、荷兰的 PM?.?。
3.3 暴露因子时间趋势
空气污染物方面，2000-2019 年欧洲整体空气污染物浓度呈下降趋势。NO?、PM??、PM?.?的人口加权浓度均降低，其中 NO?在 2010-2019 年降幅更显著（-6.5 μg/m3）。但 O?变化复杂，荷兰、西班牙等国浓度上升，东欧部分国家下降。温度呈现上升趋势，2005-2020 年欧洲人口加权平均温度升高 0.6°C，立陶宛、拉脱维亚等国增幅超 2°C。建成环境方面，绿地指数（NDVI、MSAVI）和不透水表面面积均呈增加趋势，分别反映植被覆盖变化和城市扩张，而夜间灯光污染趋势因国而异，丹麦、荷兰等国有所减少。
结论与讨论
本研究首次对欧洲大范围外部暴露组因子的时空关系进行了全面解析，揭示了其低至中等的相关性、较高的时间稳定性及显著的趋势变化。研究结果表明，多暴露流行病学分析具有可行性，且暴露评估与健康研究随访期的轻微时间错位影响有限。空气污染物的下降趋势与温度升高的发现，为环境政策评估和气候变化健康影响研究提供了重要依据。然而，研究也存在局限性，如食物环境和社会环境数据的缺失、噪声历史数据不足等。未来需进一步拓展暴露因子覆盖范围，完善跨区域数据整合，以更全面地揭示环境与健康的复杂关联。该研究不仅为欧洲地区的环境健康研究奠定了数据基础，也为全球暴露组学研究提供了方法借鉴，助力于制定更精准的公共卫生策略，守护人类健康与环境的和谐共生。
