美国宾夕法尼亚州环境中和社区特征与放射学上显示的鼻窦炎症之间的关联

《Environmental Epidemiology》：Associations of environmental and community features with radiologic sinus inflammation in Pennsylvania, USA

本研究通过丹麦人群队列探讨长期空气污染暴露与COVID-19死亡率关联中的混杂偏倚，发现使用患者队列（感染或住院）可能导致低估污染风险，应用逆概率加权（IPW）可部分纠正，提示 collider bias影响患者队列研究结论。

　　本研究通过利用丹麦全国范围内的注册数据，探讨了在患者为基础的队列研究中，长期暴露于空气污染与新冠死亡率之间关联的估计可能受到“碰撞偏差”（collider bias）的影响。碰撞偏差是一种在统计学中常见的偏倚类型，它发生在当研究者对一个变量进行条件分析时，该变量是两个原本独立因素的共同结果，从而在分析中错误地建立了这两个因素之间的虚假联系。在本研究中，由于队列研究主要针对确诊或住院的新冠患者，而这些患者可能具有不同的社会经济特征，因此可能会导致对空气污染与新冠死亡率之间真实关联的低估。

在研究方法上，我们采用了基于注册的队列研究设计，涵盖了372万多名30岁及以上丹麦居民，追踪时间从2020年3月1日到2021年4月26日。我们首先估计了长期空气污染暴露（如细颗粒物PM2.5和二氧化氮NO2）与新冠死亡率之间的风险比（hazard ratio, HR），然后通过计算相对风险比（relative hazard ratio, RHR）来评估碰撞偏差的影响。RHR是通过比较一般人群中未条件分析得到的风险比与限制到新冠感染者或住院患者中的条件分析结果而得出的。如果RHR偏离1，则表明在患者队列中，空气污染与新冠死亡率之间的关系可能被碰撞偏差所扭曲。

研究结果显示，尽管在一般人群中空气污染与新冠死亡率之间存在显著的关联，但在仅限于新冠感染者或住院患者的子队列中，这种关联被显著低估。例如，对于每增加0.55 μg/m3的PM2.5暴露，一般人群中新冠死亡率的风险比为1.23（1.04–1.44），而在新冠感染者中该风险比下降至1.08（0.93–1.26），在住院患者中进一步下降至1.04（0.87–1.24）。这表明，在患者队列中，空气污染与新冠死亡率之间的关联可能被碰撞偏差所掩盖。

为了减少碰撞偏差的影响，我们应用了逆概率加权（inverse probability weighting, IPW）方法。IPW通过根据个体被纳入研究的概率对数据进行加权，从而构建一个接近目标人群的“伪人群”。这一方法利用了外部数据（如2017年的丹麦国家健康调查）来估计个体被纳入患者队列的概率，并将其作为权重进行调整。通过应用IPW，我们观察到对空气污染与新冠死亡率之间关联的估计有所增加，尽管这些变化并不显著。例如，在新冠感染者子队列中，PM2.5的RHR从0.97（0.84–1.12）调整为1.19（1.05–1.35），而在住院患者子队列中，PM2.5的RHR从0.92（0.75–1.11）调整为1.12（0.95–1.33）。类似的变化也出现在NO2暴露的分析中。

这些结果表明，当研究仅限于新冠感染者或住院患者时，碰撞偏差可能会导致对空气污染与新冠死亡率之间真实关联的低估。因此，使用IPW等方法调整碰撞偏差，对于提高患者队列研究的准确性至关重要。此外，本研究还指出，尽管已有多种方法用于评估和调整碰撞偏差，但在实际应用中仍存在一定的局限性。例如，某些风险因素（如社会行为、职业暴露或遗传易感性）可能未被充分考虑，从而导致即使在调整后，仍然存在一定的偏差。

本研究的意义在于，它不仅揭示了碰撞偏差在患者队列研究中的影响，还为未来研究提供了一种方法论上的参考。通过使用RHR和IPW，研究人员可以更准确地评估空气污染对新冠死亡率的影响，并避免因选择偏差而导致的错误结论。同时，本研究也强调了在进行空气污染与新冠相关性研究时，需要充分考虑不同人群之间的差异，以及选择偏差可能带来的影响。这些发现对于提高公共卫生政策的科学依据，以及推动更精准的环境流行病学研究具有重要意义。

在讨论部分，我们进一步分析了碰撞偏差的潜在机制。例如，心血管疾病（CVD）等风险因素可能与空气污染和新冠严重程度都存在真实关联，但在患者队列中，由于条件变量（如住院）的存在，这些因素之间的关系可能被扭曲。这可能导致在患者队列中，空气污染与新冠死亡率之间的关联被低估。此外，我们还指出，不同国家和地区的研究结果可能存在差异，这可能是由于不同的数据定义、研究设计或社会经济背景所致。例如，某些研究可能使用特定的死亡定义（如仅记录新冠相关的死亡），而其他研究可能采用全因死亡率作为主要结局指标。这种差异可能影响结果的可比性和准确性。

在实际应用中，IPW作为一种调整碰撞偏差的方法，其有效性依赖于外部数据的代表性和条件概率模型的准确性。然而，即使应用了IPW，某些污染（如NO2）在新冠感染者中的RHR仍未能完全回归到1，这表明碰撞偏差的调整仍然存在一定的挑战。可能的原因包括城市与农村地区在NO2暴露上的显著差异，这种差异可能与调查样本中的非响应模式相关。因此，在解释基于患者队列的研究结果时，研究人员需要格外谨慎，尤其是在面对某些污染物（如NO2）的关联性可能被低估的情况下。

本研究的局限性也值得进一步探讨。首先，RHR方法依赖于将患者队列中的估计结果与一般人群中的估计结果进行比较，而一般人群的估计结果可能受到其他混杂因素的影响。其次，我们仅考虑了个体和区域层面的协变量，但可能忽略了某些重要的个体行为因素，如吸烟、运动习惯或社交行为，这些因素可能对新冠死亡率的估计产生影响。第三，尽管我们使用了IPW方法，但该方法的效果可能受到外部数据代表性的限制，尤其是在某些污染物（如NO2）的估计中，仍存在一定的偏差。最后，由于新冠研究的复杂性，包括病例确认、疫苗接种策略和病毒传播的时空变化，这些因素可能对研究结果产生影响，因此在解释和比较不同研究结果时需要谨慎。

综上所述，本研究通过实证分析揭示了在患者为基础的队列研究中，碰撞偏差可能对空气污染与新冠死亡率之间关联的估计产生显著影响。我们提出并验证了使用IPW方法调整碰撞偏差的有效性，为未来研究提供了新的思路和方法。同时，本研究也强调了在进行空气污染与新冠相关性研究时，需要充分考虑不同研究设计的局限性，并采取适当的方法调整选择偏差，以确保研究结果的准确性和可靠性。这些发现不仅有助于提高对空气污染健康影响的理解，也为公共卫生政策的制定提供了科学依据。