空气污染与社区获得性肺炎病原谱的关联：一项前瞻性多中心队列研究

《Pneumonia》：Air pollution is associated with a distinct pathogen spectrum in community-acquired pneumonia: a prospective multicentre cohort study

　　

背景：社区获得性肺炎（community-acquired pneumonia, CAP）是全球感染性疾病的首要死因，其发病率和病程受空气污染暴露影响。然而，关于空气污染如何影响CAP患者的微生物学发现，目前所知甚少。 方法：研究人员从一项前瞻性、多中心CAP研究（CAPNETZ）中招募患者。空气污染数据按城市层面收集，考虑了纳入前一个月的数据。采用广义线性混合效应逻辑回归模型检验痰液病原体检测及细胞计数与空气污染的关联，模型调整了临床混杂因素、中心层面异质性及气象数据。内部验证采用集成特征选择（Ensemble Feature Selection, EFS）方法。 结果：在4,446例有可用痰标本的合格患者中，1,581例检出潜在病原体，4,014例有完整的痰细胞计数数据。肺炎链球菌（Streptococcus pneumoniae）的检出与既往较高水平的二氧化硫（SO2）暴露（OR 1.75, p = 0.008）和一氧化碳（CO）暴露（OR 1.57, p = 0.02）相关。大肠杆菌（Escherichia coli）在暴露于高水平二氧化氮（NO2）（OR 2.75, p = 0.004）和较高温度（OR 1.51, p = 0.03）的患者中更常被检出，而细颗粒物（PM2.5）暴露增加（OR 0.37, p = 0.001）则与其检出减少相关。此外，SO2暴露影响了获得诊断相关痰培养的可能性，并与高白细胞计数的检出几率升高相关（OR 1.18, p = 0.02）。这些结果在很大程度上得到了EFS的证实，尤其是对于S. pneumoniae和E. coli的检出。 结论：空气污染暴露与CAP患者中独特的病原谱相关。这些发现可能对流行病学和临床背景下微生物学数据的解读产生影响，并强调了将空气污染暴露视为混杂因素的重要性。需要在具备高质量环境、微生物学和抗菌药物耐药性数据的人群中进行进一步验证。 研究注册：德国临床试验注册库（German Clinical Trials Register, DRKS），DRKS-ID：DRKS00005274，注册日期：2013-09-11。

研究背景与目的

下呼吸道感染，包括社区获得性肺炎（community-acquired pneumonia, CAP），仍然是全球感染性死亡的主要原因。空气污染暴露已被证明可增加CAP住院率和死亡率。尽管实验和转化研究表明空气污染可能通过破坏呼吸道屏障功能、改变肺泡巨噬细胞功能、改变免疫反应及引起呼吸道微生物组失调等途径影响宿主-病原体相互作用，但空气污染如何影响CAP患者微生物学发现的临床证据仍然有限。现有临床研究大多聚焦于单一病原体或污染物，未能捕捉环境和宿主因素的复杂性。因此，研究人员利用一项大规模、多中心、前瞻性的德国CAP队列（CAPNETZ），探究空气污染对常规痰标本微生物学发现的影响。

研究方法概述

本研究基于CAPNETZ前瞻性观察性多中心研究，纳入2003年至2017年间招募的10,158例经影像学和临床确诊的CAP患者。排除标准包括免疫抑制、院内肺炎和活动性肺结核。最终分析纳入4,446例有可用痰标本的患者。空气污染数据来源于哥白尼大气监测服务全球再分析资料（Copernicus Atmosphere Monitoring Service global reanalysis, EAC4），包含一氧化碳（CO）、二氧化氮（NO₂）、臭氧（O₃）、二氧化硫（SO₂）、细颗粒物（PM_2.5）和黑碳（black carbon, BC）六种污染物变量，以及气压、相对湿度和最高日温三种气象协变量。环境暴露数据按招募中心所在城市及周边区域、结合人口和距离加权进行分配，采用31天中位值作为空气污染暴露指标，7天中位值作为气象暴露指标。主要结局为痰标本中特定病原体的检出（二元结局），次要结局包括总体痰培养阳性率和痰细胞计数。研究人员拟合了广义线性混合效应逻辑回归模型，以招募中心为随机截距，并逐步纳入季节、临床协变量（年龄、治疗场所、既往抗生素使用、CURB-65评分、体重指数、性别、吸烟状态、呼吸系统疾病或恶性肿瘤诊断、疫苗接种状态）以及环境变量。同时采用集成特征选择（Ensemble Feature Selection, EFS）方法进行内部验证。敏感性分析包括不同暴露时间窗（7天、15天）和多重插补法（multiple imputation by chained equations, MICE）。

研究结果

一般人群特征与模型构建

在4,446例合格患者中，4,014例可用于痰培养阳性和细胞计数分析，1,581例可用于病原体检测分析。患者中位年龄约60岁，以男性为主，约三分之一为现吸烟者，多数为住院患者。最常检出的六种微生物为：肺炎链球菌（Streptococcus pneumoniae）、流感嗜血杆菌（Haemophilus influenzae）、副流感嗜血杆菌（Haemophilus parainfluenzae）、白色念珠菌（Candida albicans）、金黄色葡萄球菌（Staphylococcus aureus）和大肠杆菌（Escherichia coli）。

病原谱与痰液特征与空气污染的关联

在痰病原谱分析中，S. pneumoniae的检出与较高的SO₂暴露（比值比[odds ratio, OR] 1.75, p = 0.008）和CO暴露（OR 1.57, p = 0.02）呈正相关。H. influenzae的检出增加与PM_2.5暴露升高相关（OR 1.44, p = 0.02），而H. parainfluenzae的检出与较高的SO₂水平呈负相关（OR 0.67, p = 0.02）。E. coli的检出在高NO₂暴露（OR 2.75, p = 0.004）和较高温度（OR 1.51, p = 0.03）下更频繁，而高PM_2.5暴露（OR 0.37, p = 0.001）则与其检出减少相关。S. aureus的检出与环境变量无显著关联。在探索性分析中，C. albicans的检出随NO₂（OR 1.9, p = 0.04）和湿度（OR 1.68, p = 0.002）升高而增加，而高SO₂暴露则大幅降低其检出（OR 0.09, p < 0.001）。在痰液特征方面，较高的SO₂暴露降低了获得阳性痰培养的几率（OR 0.82, p = 0.02），但增加了检出高白细胞计数的机会（OR 1.18, p = 0.02）。尿液中肺炎球菌抗原阳性与较高的CO暴露（OR 2.42, p < 0.001）和较高湿度（OR 1.3, p = 0.04）相关。

联合空气污染暴露揭示S. pneumoniae和E. coli的独特检出模式**

通过热图展示两种污染物联合暴露下的病原体检出比例。对于S. pneumoniae，同时暴露于高SO₂和高CO的患者群体中检出比例最高（36%，总样本为15%），而两者均低暴露的群体中检出比例最低（4.2%）。对于E. coli，高PM_2.5伴低NO₂暴露的集群检出比例最低（0%-2.5%，总体为7.6%），而相反暴露模式的集群检出比例最高（15%-17%）。联合暴露比单一污染物能更清晰地划分检出风险梯度。

内部验证与敏感性分析

集成特征选择（EFS）方法基本支持逻辑回归的主要发现，尤其在S. pneumoniae（SO₂和CO排名第1和第2）和E. coli（NO₂和PM_2.5排名第2和第3）的模型中。对于H. influenzae和H. parainfluenzae的模型存在一些不一致。敏感性分析采用不同的暴露时间窗和多重插补法（MICE），总体上支持主要关联的方向和解释。

讨论与结论

据研究人员所知，这是首个在前瞻性多中心CAP队列中探究空气污染与病原谱关联的研究。主要发现包括：第一，S. pneumoniae和E. coli的痰液检出与空气污染暴露存在强关联，且联合两种污染物暴露有助于将患者分层为高、低检出频率群组，表明空气污染暴露是一个多因素的复杂交互作用。第二，空气污染与痰培养阳性率及高白细胞计数相关，这对诊断流程具有方法论意义。

研究讨论了各病原体特异性关联的可能机制。S. pneumoniae与CO和SO₂的关联与既往文献一致，且尿液抗原阳性结果的佐证支持了其临床相关性。E. coli与NO₂的正向关联可能与其适应含氮化合物的代谢能力有关，而与PM_2.5的负向关联则与实验研究中PM_2.5抑制E. coli生长速率的发现相符。H. influenzae与PM_2.5的关联也得到先前研究的支持。C. albicans与SO₂的强烈负向关联与硫抑制酵母生长的实验证据一致。SO₂暴露与更高白细胞计数和更低培养阳性率的关联提示，空气污染相关的炎症增强可能改变了细菌负荷与临床疾病之间的关系。

研究人员指出，本研究未发现O₃和BC与病原体检出的显著关联，这可能与O₃的广谱抗菌作用以及BC对生物膜影响的复杂性有关。研究局限性包括：使用卫星再分析资料的柱总量值作为暴露代理可能导致暴露错分；根据招募中心而非居住地址分配暴露数据；以及在高收入国家进行的发现可能不直接适用于中低收入国家。研究优势在于使用了大型、特征明确的前瞻性多中心CAP队列，同时分析了多种污染物与多种病原体的关联，并通过回归分析和机器学习技术增强了结果的稳健性。

研究结论翻译

研究人员识别出CAP患者中与空气污染暴露相关的独特病原谱。这些发现表明，空气污染可能影响流行病学和临床背景下微生物学数据的解读，并强调了将空气污染暴露视为混杂因素的重要性。需要在具备高质量环境、微生物学和抗菌药物耐药性（antimicrobial resistance, AMR）数据的人群中进行进一步验证，同时需要更多机制性研究来阐明这些关联背后的生物学通路。