沙尘暴长期暴露对心脏代谢疾病风险的影响：一项超过220万人的队列研究

本研究针对沙尘暴(SDS)长期暴露对心脏代谢疾病(CMDs)的影响这一证据空白，利用机器学习模型(XGBoost)评估个体暴露水平，通过加速失效时间(AFT)模型发现高SDS暴露显著提前糖尿病(TR:0.784)、心血管疾病(TR:0.732)等CMDs发病时间，为制定针对脆弱人群的公共卫生策略提供了重要科学依据。

　　

随着气候变化的加剧，全球沙尘暴(Sand and Dust Storms, SDS)的发生频率和强度日益增加，已成为影响公共健康的重大环境问题。这些风暴携带大量空气动力学直径小于10μm (PM₁₀)和小于2.5μm (PM_2.5)的颗粒物，可使PM₁₀浓度超过500μg/m3，对呼吸系统和心血管系统构成严重威胁。尽管已有研究证实SDS与心血管事件的短期关联，但其对心脏代谢疾病(Cardiometabolic Diseases, CMDs)——包括血脂异常、糖尿病、高血压和心血管疾病——的长期影响仍缺乏充分证据。中国西北地区作为全球SDS最频繁发生的区域之一，特别是塔克拉玛干沙漠周边，其独特的环境条件使当地居民面临更高的健康风险，但相关人群研究仍较为有限。

为深入探究SDS长期暴露对CMDs发病风险的影响，来自新疆医科大学医学工程技术系的研究团队开展了一项大规模队列研究，成果发表在《Environment International》上。研究人员利用2019-2023年间中国西北地区2,260,855名成年参与者的健康筛查数据，通过三种机器学习模型（极端梯度提升XGBoost、分类提升CatBoost和轻量梯度提升LightGBM）估计个体水平的SDS暴露情况，并采用加速失效时间(Accelerated Failure Time, AFT)模型分析SDS暴露与CMDs风险之间的关联。

研究团队整合了106个气象站的官方沙尘天气记录和多种环境变量（包括PM₁₀、PM_2.5浓度、风速、温度、气压、湿度等），利用机器学习算法预测个体的SDS暴露水平。XGBoost模型在预测性能上表现最佳（AUROC: 0.960），被选为主要分析工具。通过AFT模型评估SDS暴露与CMDs发病时间的关联，并采用限制立方样条(Restricted Cubic Spline, RCS)分析剂量反应关系。研究还进行了分层分析和多种敏感性检验以确保结果的稳健性。

3. 结果

3.1. 研究人群特征

最终纳入分析的2,260,855名参与者平均年龄为38.93岁，平均BMI为23.84kg/m2，女性占59.6%。大多数参与者具有中学或高中学历(60.77%)，饮食以肉类平衡为主(92.20%)，不运动者占92.06%，不吸烟者占85.64%，不饮酒者占89.13%。

3.2. 机器学习模型性能

XGBoost算法在预测沙尘暴事件方面表现最优，AUROC为0.960，平均精度(AP)为0.775，F1分数为0.701，准确度(ACC)为0.945。SHAP分析显示，PM₁₀浓度、区域纬度、平均相对湿度、PM_2.5浓度和12:00的PM₁₀浓度是预测SDS事件最重要的五个环境指标。

3.3. SDS暴露与CMDs的关联

长期暴露于SDS显著缩短了CMDs的发病时间。在调整多种协变量后的模型2中，与暴露最低三分位组相比，最高暴露组参与者血脂异常(时间比[TR]: 0.854, 95%CI: 0.848–0.860)、糖尿病(TR: 0.784, 95%CI: 0.776–0.793)、高血压(TR: 0.914, 95%CI: 0.906–0.922)和心血管疾病(TR: 0.732, 95%CI: 0.714–0.752)的发病时间均显著提前。RCS分析揭示了SDS暴露与CMDs发病时间之间存在非线性关系(非线性P<0.001)。每增加10次年度沙尘暴事件，血脂异常、糖尿病、高血压和心血管疾病的发病时间分别缩短3.0%、6.4%、3.7%和5.3%。

3.4. 分层分析与效应修饰

分层分析显示，SDS暴露对CMDs发病时间的影响存在群体差异。男性中SDS暴露显著缩短血脂异常和高血压的发病时间，而女性中主要影响糖尿病和心血管疾病。与≥50岁参与者相比，SDS暴露在<50岁参与者中显著缩短心血管疾病的发病时间。超重/肥胖个体(BMI≥25kg/m2)中，SDS暴露对血脂异常和心血管疾病发病时间的缩短效应尤为明显。此外，饮酒者、吸烟者和有CMDs家族史的人群中，SDS暴露也显著缩短了CMDs的发病时间。

4. 讨论与结论

本研究首次系统评估了长期SDS暴露对CMDs发病风险的影响，发现高水平SDS暴露与CMDs发病时间提前存在显著关联。敏感性分析证实了结果的稳健性，机器学习模型的应用为个体水平环境暴露评估提供了新方法。

研究发现PM₁₀浓度、区域纬度、平均相对湿度等是预测SDS事件的关键指标，这与沙尘暴的物理特性相符——沙尘暴与极高的颗粒物浓度相关，PM_2.5水平可达40-1700μg/m3，PM₁₀占总PM的10%-60%。大气条件如相对湿度对风暴严重程度有重要影响，而低纬度地区(如塔克拉玛干沙漠周边)更易发生SDS事件。

机制上，沙尘颗粒可能深入肺泡进入血液循环，引发氧化应激和炎症反应。动物研究表明，沙尘暴暴露与心率增加、平均血压升高和心脏收缩力降低相关。沙尘暴日与对照日之间，高敏C反应蛋白(hs-CRP)、白细胞介素-6(IL-6)和白细胞(WBCs)水平存在显著差异，这些炎症标志物均是心血管疾病的已知风险因素。此外，PM还可能促进内脏脂肪组织炎症和胰岛素抵抗，增加2型糖尿病风险。

研究的群体差异发现具有重要公共卫生意义。男性中SDS主要影响血脂异常和高血压，而女性中主要影响糖尿病和心血管疾病，这可能与雌激素对血管健康和脂代谢的保护作用有关。超重/肥胖个体、吸烟饮酒者以及有CMDs家族史的人群对SDS暴露更为敏感，表明不健康生活方式和遗传因素可能增加环境暴露的脆弱性。

本研究存在一些局限性：依赖居住地址而非实际活动轨迹评估环境暴露；缺乏不同粒径PM的浓度数据；未充分考虑室内污染物的潜在影响。然而，研究基于大样本规模、包含广泛协变量、聚焦SDS高发地区、开发高性能机器学习模型以及进行全面敏感性分析等优势，为结论提供了有力支持。

综上所述，这项研究提供了SDS长期暴露对CMDs有害影响的首个证据，表明SDS显著缩短CMDs发病时间，且在年轻人群、有CMDs家族史和不健康生活习惯者中效应更为明显。这些发现深化了对SDS与CMDs关系的理解，强调了控制和减轻沙尘暴污染的必要性，为SDS频发地区的脆弱人群制定公共卫生干预措施提供了科学依据。