基于贝叶斯分布式滞后交互模型的空气污染孕期暴露与健康结局关联研究：多修饰因子指数化建模新方法

本研究针对孕期空气污染暴露与出生/儿童健康关联的异质性难题，创新性提出分布式滞后交互模型（DLIM-IM），通过贝叶斯框架同步估计修饰因子指数权重与暴露-时间-响应函数。该方法解决了传统固定权重指数的局限性，在模拟中显著优于现有方法，并成功应用于科罗拉多出生队列（PM2.5与出生体重）和墨西哥PROGRESS队列（PM2.5与代谢指标）分析，为环境流行病学中的复杂交互效应建模提供了新范式。

　　

空气污染对母婴健康的影响已成为全球公共卫生焦点，大量证据表明孕期PM_2.5暴露与不良出生结局及儿童健康风险相关。然而，这些关联存在显著人群异质性——传统分布式滞后模型（DLM）虽能刻画暴露时间窗，但难以解析多因素共同修饰效应的复杂机制。现有方法或依赖单一修饰因子（如Demateis等2024年DLIM），或需预设固定权重指数（如EnviroScreen），既可能忽略关键修饰因子，又无法量化各因素的相对贡献。这一方法学瓶颈严重制约精准风险评估和脆弱人群识别。

针对这一挑战，科罗拉多州立大学统计系Danielle Demateis领衔的研究团队在《Biostatistics》发表创新性解决方案。研究者提出分布式滞后交互模型（DLIM-IM），首次实现多连续修饰因子的数据驱动式指数化建模。该模型通过贝叶斯分层框架同步估计：1）基于样条交叉基的暴露-时间-响应函数；2）Dirichlet先验约束的修饰因子权重。针对高维修饰空间，进一步引入 spike-and-slab 先验实现变量选择。这种双重建模策略既保持模型简约性，又能识别关键修饰因子，为环境-健康关联的异质性研究开辟新路径。

关键技术方法包括：1）构建加权修饰指数m^*=m′ρ，其中ρ服从Dirichlet分布；2）采用自然样条基双向扩展暴露时间与修饰指数维度；3）对高维场景实施基于Gamma-Dirac混合分布的修饰因子选择；4）通过Metropolis-Hastings算法进行后验抽样。分析数据来自科罗拉多行政出生记录（n=393,204）和墨西哥PROGRESS队列（n=272），PM_2.5暴露数据分别源自EPA降尺度模型和地面监测网络。

【模拟验证】
通过三种权重场景（等权重/差异权重/稀疏权重）的系统模拟显示：在SNR=0.5的中等信号下，DLIM-IM的修饰指数RMSE（0.008）显著优于固定指数模型（0.027）；当真实权重稀疏时，选择模型将非零权重的PIP（后验包含概率）提升至0.59-0.81，而噪声变量PIP均<0.5。暴露-时间响应函数估计的覆盖率达95%（标称水平），且置信区间宽度缩减40%。

【科罗拉多出生队列应用】
分析14项社区脆弱性指标时，模型成功识别5个关键修饰因子：非裔人口比例（ρ=0.22，PIP=0.81）、低教育水平（0.19，0.75）和哮喘住院率（0.14，0.74）贡献最大。与传统固定权重HSF指数相比，数据驱动指数揭示更精细的敏感期差异——低HSF（32分）群体在孕5-18周和20-37周呈现双峰型风险窗，而固定指数模型仅检出孕晚期效应。

【PROGRESS队列应用】
整合四种压力指标（CRISYS/EPDS/STAI/感知压力）构建的终身压力指数显示：高压群体（m^*=0.56）在产后12-16月出现PM_2.5与HDL的显著关联（β=0.34，95%CI:0.12-0.58），各压力源权重均衡（ρ≈0.23-0.28），证实心理负荷对环境毒性效应的协同放大作用。

这项研究在方法学层面突破了三重限制：1）首次实现多修饰因子的动态权重估计，克服固定指数的主观偏误；2）通过贝叶斯变量选择增强模型可解释性；3）开发开源R包dlimIM促进方法推广。实际应用中，该方法既能优化环境健康风险评估（如精准识别脆弱社区），又能解析生物-社会-心理因素的复杂互作，为制定靶向干预策略提供量化依据。未来研究可拓展至非连续型暴露、时变权重估计等更复杂场景，进一步推动环境健康学科的精准化发展。