编辑推荐：
为解决空气污染物暴露误分类问题，研究人员基于丹佛健康启动队列，利用岭回归、LASSO 和 OLS 回归模型，结合户外 BC、PM?.?及住房特征预测室内 BC。结果显示岭回归表现最佳，模型含户外 PM?.?、硬地板和宠物，可辅助评估个人暴露。
室内空气污染如同隐形杀手，时刻威胁着人类健康。尽管室外空气质量监测与治理已取得一定进展，但人们 90% 的时间都在室内度过，其中 70% 是在家中，婴幼儿和儿童在室内的时间占比更高。然而，大多数空气污染流行病学研究依赖室外暴露数据，这就导致当使用反映环境浓度的数据来评估个人暴露时，可能出现暴露误分类的问题，尤其是对于社会经济地位较低的人群，面临的风险更为突出。黑碳（BC）作为细颗粒物（PM?.?）的重要成分，是不完全燃烧的产物，可作为交通相关空气污染（TRAP）的指标，其空间分布异质性强，季节波动明显，冬季浓度往往较高，且与癌症、呼吸系统疾病和心血管功能障碍等健康问题密切相关。因此，准确评估室内黑碳暴露对于理解其健康影响至关重要，但住宅室内空气质量监测难以获取具有代表性的样本，亟需可靠的统计方法来预测室内黑碳浓度。
在这样的背景下，美国科罗拉多大学的研究人员开展了相关研究，旨在通过分析户外黑碳、PM?.?浓度以及住房特征，建立预测住宅室内黑碳的模型，为估计个人空气污染暴露提供支持。该研究成果发表在《Indoor Environments》上。
研究人员主要采用了以下关键技术方法：以丹佛健康启动队列（Healthy Start cohort）为研究对象，该队列是一项在科罗拉多大学医院产科门诊招募的具有种族多样性的母婴纵向队列研究。在 2018 年春季、夏季和 2019 年冬季，研究人员在 27 个家庭中部署了配对的室内外低成本空气采样器（UPAS），进行为期一周的采样，收集 PM?.?和黑碳等数据。同时，通过问卷调查获取住房特征信息，如建筑类型、地板类型、供暖和制冷方式等。采用透射法分析滤膜中的黑碳，运用岭回归（Ridge）、LASSO 和普通最小二乘法（OLS）回归技术构建预测模型，并通过留一法交叉验证（LOOCV）评估模型的预测准确性。
研究结果
测量数据与住房特征
研究共收集了 73 对室内外滤膜样本，经数据清洗后，最终纳入 39 个来自 27 个家庭的测量数据。冬季数据因监测器在低温下缺乏足够的防风雨性能导致高变异性和采样时间不完整而被全部排除。分析发现，家中有宠物与黑碳浓度存在显著关联（p=0.03），而地毯和脏的补充取暖方式因数据同质性高未进一步分析。春夏季室内外黑碳浓度无显著差异，但冬季室内黑碳浓度显著低于其他季节。
模型性能
通过比较不同模型的预测性能，岭回归的最小二乘误差（LSE）模型表现最佳，其平均平方预测误差（MPSE）为 0.050。LASSO 模型选择了户外 PM?.?、家中有宠物和有两种以上硬地板作为预测因子。最终的推断模型包含这三个变量，解释了约 28% 的室内黑碳浓度变异性。其中，户外 PM?.?浓度每增加一定量，室内黑碳浓度相应增加；家中有宠物和有两种以上硬地板的家庭，其对数转换后的室内黑碳浓度分别有一定程度的升高。
研究结论与讨论
该研究表明，在缺乏室内监测的情况下，户外 PM?.?浓度、住房特征如硬地板和家中有宠物等信息可帮助预测室内黑碳水平。岭回归模型因能保留更多协变量信息，在处理多重共线性问题上更具优势，是预测室内黑碳的有效工具。尽管模型的 R2 为 28%，解释力有待提高，但研究为利用调查数据和环境监测数据预测住宅室内暴露提供了新方向，有助于减少流行病学研究中的暴露误分类，为评估公共健康风险和制定针对性干预措施提供了科学依据。未来研究可进一步纳入更多影响室内空气质量的变量，如通风方式、与交通道路的距离等，以提高模型的预测能力。同时，随着低成本监测技术的发展，结合个人监测数据可更全面地评估黑碳暴露。
