在回收各种类型废弃物过程中，工人接触到的真菌、细菌、灰尘和内毒素的类型及其具体种类，以及由此引发的系统性炎症反应

《Ecotoxicology and Environmental Safety》：Species-resolved exposure to fungi and bacteria, dust, and endotoxin during recycling of diverse waste types and systemic inflammatory response in workers

儿童青少年绿度与空气污染对端粒长度的影响及中介效应研究，发现绿度（SAVI500m）增加3.32%延长LTL，PM2.5、PM10、NO2、SO2、CO分别缩短2.26%、5.20%、9.90%、7.64%、6.61%。PM10、NO2、SO2、CO中介效应占比37.90%-68.69%。

　　绿色环境与空气污染对儿童和青少年白细胞端粒长度（LTL）的影响一直是环境健康研究中的重要议题。本研究通过一项横断面研究，探讨了绿色环境和空气污染在这些群体中的关联性，并进一步分析了空气污染在绿色环境与LTL关系中的中介作用。研究结果表明，绿色环境暴露与更长的LTL呈正相关，而空气污染中的PM_2.5、PM₁₀、NO₂、SO₂和CO则与更短的LTL有关。此外，PM₁₀、NO₂、SO₂和CO在绿色环境与LTL的关联中表现出显著的中介效应，分别解释了37.90%至68.69%的总效应。这一发现不仅丰富了绿色环境与LTL关系的研究，还为城市规划和环境政策提供了新的视角。

### 绿色环境与LTL的关联

绿色环境通常指的是植被覆盖率高的区域，如草地、森林、公园和花园等。近年来，多项研究表明，较高的绿色环境暴露可能带来一系列健康益处，包括减轻压力、改善心理健康、增强社会凝聚力以及促进身体活动等。这些健康益处可能间接影响端粒长度。端粒是染色体末端的保护结构，其长度与细胞衰老密切相关。随着每一次细胞分裂，端粒都会逐渐变短，而端粒长度的缩短可能预示着更高的疾病风险和更早的衰老过程。

在本研究中，通过使用土壤调整植被指数（SAVI）、归一化差植被指数（NDVI）和增强植被指数（EVI）来评估个体的绿色环境暴露。这些指数来源于NASA的Terra卫星上的中分辨率成像光谱仪（MODIS），具有250米的空间分辨率和16天的时相分辨率。SAVI和NDVI分别通过近红外波段（NIR）和红光波段（Red）的反射率计算，而EVI则进一步考虑了蓝光波段（Blue）的反射率以及大气阻力和植被背景调整因子。这些指标的值范围在-1到1之间，数值越高表示植被越密集。

研究结果显示，SAVI_500?m的四分位数（IQR）增加与LTL的延长存在显著关联，增幅为3.32%（95%置信区间[CI]: 1.17%，5.51%）。这一发现支持了绿色环境对端粒长度的积极作用。然而，空气污染中的多种污染物，如PM_2.5、PM₁₀、NO₂、SO₂和CO，与LTL的缩短存在显著关联。例如，PM_2.5的IQR增加与LTL缩短相关，幅度为2.26%（95% CI: -4.32%，-0.16%），而PM₁₀的IQR增加与LTL缩短相关，幅度为5.20%（95% CI: -7.48%，-2.85%）。

### 空气污染对LTL的影响

空气污染对LTL的影响已被广泛研究，尤其是在新生儿和成年人中。空气污染物，如PM_2.5、PM₁₀、NO₂、SO₂和CO，能够诱导氧化应激和炎症反应，从而加速端粒的缩短。然而，对于儿童和青少年群体，相关的研究仍较为有限，且结果存在不一致。

在本研究中，空气污染对LTL的影响主要体现在以下方面：PM_2.5、PM₁₀、NO₂、SO₂和CO的暴露与LTL的缩短存在显著关联。研究还发现，这些污染物在绿色环境与LTL的关联中起到了中介作用，即它们可能削弱绿色环境对LTL的积极影响。例如，PM₁₀的中介比例为68.69%，NO₂为62.04%，SO₂为37.90%，CO为41.92%。相比之下，PM_2.5并未表现出显著的中介效应。

### 绿色环境与空气污染的相互作用

研究还探讨了绿色环境与空气污染之间的相互作用。结果表明，绿色环境和空气污染的暴露之间存在显著的交互作用。具体而言，当绿色环境较低且空气污染较高时，LTL显著缩短。这表明，空气污染可能在一定程度上抵消了绿色环境对LTL的积极作用。这种交互作用可能与绿色环境对空气污染物的吸附和过滤能力有关，如通过干沉积、扩散和修改等过程，绿色环境可能有助于减少空气污染物的浓度，从而降低其对端粒的负面影响。

此外，研究还发现，绿色环境对LTL的影响在儿童中更为显著，而对青少年的影响相对较弱。这可能是因为儿童正处于快速发育阶段，对环境因素更为敏感。相比之下，青少年的户外活动时间较少，因此暴露于绿色环境和空气污染的程度较低。

### 研究方法与数据来源

本研究在广西壮族自治区的柳州市进行，时间跨度为2018年2月至5月。柳州市是一个重要的工业城市，尤其以汽车制造业闻名，人口超过400万。尽管工业特征明显，但该市仍以高城市绿化率著称，被列为国家级“绿色城市”。研究采用多阶段分层抽样方法，从柳州市的三个主要城区（城中区、鱼峰区和柳南区）中随机选取了八所学校（三所小学、三所初中和两所高中），以确保样本的代表性。

研究对象包括6-18岁的儿童和青少年，共招募了1388名参与者。其中，173名因DNA质量不佳或缺乏血液样本被排除，另有64名因地址数据不完整被剔除，最终纳入分析的样本为1151人。所有参与者均需满足居住在柳州市至少一年、无严重健康问题（如神经系统疾病或先天性心脏病）以及家长或监护人同意等条件。

绿色环境和空气污染的暴露评估基于参与者在学校和家庭地址的数据。绿色环境的暴露通过SAVI、NDVI和EVI计算，而空气污染的暴露则通过中国高空气污染物（CHAP）数据集进行估算。这些数据集结合了卫星遥感、气象数据和土地利用信息，具有较高的准确性。

### 结果的稳健性分析

为了验证研究结果的稳健性，研究团队进行了多项敏感性分析。首先，使用广义线性模型（GLM）替代自然对数变换，结果显示绿色环境与LTL的正相关关系仍然存在。其次，通过使用不同的径向缓冲区（如SAVI_250?m、SAVI_1000?m和SAVI_2000?m）评估绿色环境暴露，结果保持一致。此外，使用NDVI和EVI作为绿色环境的替代指标，同样支持了绿色环境与LTL的正相关关系。

研究还排除了入学第一年的学生（如小学一年级、初中一年级和高中一年级），以减少因在校时间不足而导致的暴露偏差。结果显示，绿色环境与LTL的关联依然显著。此外，研究团队进一步调整了住宅区作为随机效应，使用线性混合模型进行分析，结果与主模型一致。结构方程模型（SEM）分析也表明，空气污染在绿色环境与LTL的关联中起着关键的中介作用，而身体活动和BMI并未表现出显著的中介效应。

### 研究的局限性与未来方向

尽管本研究提供了重要的证据，但仍存在一些局限性。首先，横断面设计无法明确因果关系，因此研究结果应谨慎解释。其次，空气污染的暴露评估仅限于室外，未考虑室内污染，这可能导致暴露分类的偏差。此外，虽然研究使用了多种植被指数（SAVI、NDVI和EVI）来评估绿色环境，但这些指标无法区分植被类型和质量，因此无法进一步探讨其对LTL的具体影响。

研究还发现，空气污染与绿色环境的关联可能受到土地利用模式的影响，而非单纯的因果关系。因此，未来的研究应采用更明确的空间方法，以更好地区分这些因素。此外，CO、NO₂和SO₂的暴露评估具有较粗的空间分辨率（10?km × 10?km），这可能掩盖了微环境中的差异，从而影响结果的准确性。未来的研究应使用更高分辨率的数据，以更精确地评估这些污染物的影响。

最后，研究仅在柳州市进行，因此其结果的普遍性可能受到地域因素的限制。未来的研究应扩大样本范围，涵盖更多城市和地区，以验证这些发现的广泛适用性。

### 结论

本研究的结果表明，绿色环境的暴露与儿童和青少年的LTL呈正相关，而空气污染中的多种污染物与LTL缩短有关。此外，PM₁₀、NO₂、SO₂和CO在绿色环境与LTL的关联中表现出显著的中介作用，说明空气污染可能削弱绿色环境对LTL的积极影响。这些发现强调了在城市规划中整合绿色环境以减少空气污染暴露的重要性，从而可能降低未来与年龄相关的疾病风险。未来的研究应进一步探索这些关系的潜在机制，并采用更精确的方法评估绿色环境和空气污染的交互作用。