全氟烷基物质暴露与心血管-肾脏-代谢综合征的关联研究：基于可解释机器学习的风险预测与机制解析

本研究针对全氟烷基和多氟烷基物质(PFAS)暴露与心血管-肾脏-代谢综合征(CKM)的关联这一环境健康领域重要问题，通过分析NHANES队列1953例样本数据，首次发现全氟辛烷磺酸(PFOS)与CKM呈显著正相关(OR=1.10)，并构建了AUC达0.90的神经网络预测模型，采用SHAP方法解析关键风险因素，为PFAS环境管控和CKM早期筛查提供了重要工具。

　　

在当代工业化进程中，全氟烷基和多氟烷基物质(PFAS)这类"永久性化学物质"正引发全球健康警报。作为广泛应用于食品包装、消防泡沫等领域的合成化合物，PFAS以其极强的化学稳定性在环境中持久存在，并通过生物累积作用进入人体。近年研究显示，这些物质可能与心血管疾病、糖尿病、肾功能障碍等多种慢性病相关，仅在欧洲经济区造成的疾病负担就高达520-840亿欧元。更令人担忧的是，美国心脏协会最新提出的心血管-肾脏-代谢综合征(CKM)概念，揭示了这三种系统疾病间的复杂交互作用——该综合征影响着近90%美国成年人，并成为2021年首要死亡原因。

面对PFAS暴露与CKM关联的研究空白，创伤与化学中毒国家重点实验室的研究团队开展了一项突破性研究。通过分析2015-2020年美国国家健康与营养调查(NHANES)的1953名参与者数据，研究人员首次系统评估了PFAS暴露与CKM的关联性，并开发出基于机器学习的风险预测工具。这项发表在《Science of The Total Environment》的研究，不仅填补了环境健康领域的重要知识缺口，更为公共卫生决策提供了科学依据。

研究采用多项关键技术方法：基于NHANES队列的横断面数据分析；在线固相萃取结合高效液相色谱-同位素稀释-串联质谱(HPLC-ID-MS/MS)检测血清PFAS浓度；应用8种机器学习算法构建预测模型；采用SHAP值进行模型可解释性分析。

【研究设计及人群】
研究选取NHANES数据库中具有完整CKM诊断分期、PFAS检测数据和协变量的1953名成人参与者，其中CKM组1777例，非CKM组176例。通过美国心脏协会标准进行CKM分期，发现CKM组以1-2期为主(>80%)，且该组人群年龄更大、男性比例更高、代谢指标更差。

【基线特征】
数据显示CKM组血清总PFOS浓度显著高于非CKM组(12.64 vs 10.30 ng/mL)。多阶段回归模型揭示，调整混杂因素后，PFOS每增加1 ng/mL与CKM风险升高10%相关(OR=1.10, 95%CI:1.04-1.16)。限制性立方样条模型证实这种关联呈线性趋势。

【讨论】
这项开创性研究首次建立PFOS暴露与CKM的直接联系。神经网络模型展现出最优预测效能(AUC=0.90)，SHAP分析确认总PFOS浓度为最关键预测因子。研究创新性地将环境暴露评估与多系统疾病预测相结合，其临床价值体现在：为高危人群筛查提供便捷工具；证实PFOS是独立于传统危险因素的新风险指标；为PFAS环境管控政策提供量化依据。

【结论】
该研究强化了PFAS健康危害的流行病学证据，首次阐明PFOS暴露与CKM的剂量-反应关系，开发的预测模型兼具高准确性(准确率0.83)和临床实用性。作者建议将PFOS纳入CKM风险评估体系，并强调需通过纵向队列验证发现。研究成果对减轻全球CKM疾病负担、推动健康老龄化具有重要意义，也为制定PFAS环境标准提供了关键科学依据。

研究团队特别致谢国家重点研发计划(2017YFC0907301)和创伤与化学中毒国家重点实验室自主课题(2025SKLCDC-01)的资助。论文通讯作者为Yuyan Xu，第一作者Zidan Zheng完成了主要数据分析与论文撰写工作。