《Environment International》:Socioeconomic inequalities in the urban external exposome: A population-based study from Bulgaria
编辑推荐:
在少数考察城市外部暴露组(urban external exposome)中社会经济不平等的研究之一,研究人员评估了保加利亚城市4640名成年人的九种环境因素的居住暴露情况。研究人员通过城市特异性潜在剖面分析(latent profile analyses)和
在少数考察城市外部暴露组(urban external exposome)中社会经济不平等的研究之一,研究人员评估了保加利亚城市4640名成年人的九种环境因素的居住暴露情况。研究人员通过城市特异性潜在剖面分析(latent profile analyses)和综合指数(composite indices)识别了高风险暴露组(exposome)剖面。研究人员发现社会经济地位(socioeconomic status, SES)与高风险暴露组剖面之间的关联在不同城市间存在差异。外部暴露组(external exposome)的不同操作化定义(operationalizations)可能影响关于不平等的结论。
研究背景与问题提出
暴露组(exposome)框架旨在捕捉环境暴露的总体及其与内部生物过程的相互作用(Vermeulen et al., 2020; Wild, 2012)。在城市背景下,外部暴露组(urban external exposome)反映了化学、自然及建成环境因素共同形成的复杂暴露组合(exposure constellations)(Robinson et al., 2018)。尽管环境正义研究关注环境暴露在 socioeconomic groups 间的分布,但该视角尚未充分整合进暴露组研究中(Neufcourt et al., 2022)。现有文献存在三个主要缺口:第一,研究多依赖单一暴露分析(如单独分析空气污染、噪声、绿地),低估了累积负担并掩盖了社会经济模式差异;第二,关于如何推导外部暴露组剖面尚无共识,现有策略如综合指数(composite indices)、聚类算法或降维技术各有局限,基于模型的潜类别与剖面分析(latent profile analysis, LPA)在暴露组研究中应用有限;第三,现有环境正义研究主要集中在北美和西欧,东欧证据有限。保加利亚作为欧盟人均GDP最低且环境负担较重的国家,急需考察外部暴露组内风险在社会经济群体间的分布,这对实现可持续发展目标10至关重要。基于此,研究人员旨在探讨保加利亚四大城市中成年人高风险城市外部暴露组剖面的社会模式,并评估不同外部暴露组操作化定义(LPA剖面 vs 综合指数)对社会经济不平等识别的影响,假设高风险剖面在低社会经济地位群体中更普遍(多重危境假说 multi-jeopardy hypothesis)。
主要关键技术方法
本研究为横断面研究,在保加利亚五大城市(索菲亚、普罗夫迪夫、瓦尔纳、布尔加斯、鲁塞)开展。采用分层抽样设计确保样本反映年龄、性别、教育、种族的人口构成及环境异质性,于2023年8月至10月招募4640名成年居民,要求居住现址至少一年。环境暴露基于居住地住址GPS坐标赋值,涵盖九项指标:空气污染物(NO2、PM2.5、PM10)、交通噪声、绿地、蓝空间(blue space,定义为至最近水体距离)、不透水面(impervious surface)、步行性(walkability)及夜间灯光(nighttime light),数据源自欧洲模型、监测站及哥白尼土地监测服务等。社会经济地位(SES)指标包括个体层面(感知收入充足度、教育程度、就业状态、族裔)与区域层面(邻里教育与就业比例合成指数)。统计分析采用城市特异性LPA识别暴露剖面,以AIC、BIC、熵(entropy)等准则确定最优剖面数;通过逻辑回归(logistic regression)分析SES与高风险剖面关联,并采用随机效应荟萃分析(random-effects meta-analyses)汇总城市间结果;敏感性分析对比LPA与综合指数(deciles求和)的结果差异,使用R及Mplus软件完成分析。
研究结果
3.1. Sample characteristics
总样本量4640人,年龄18-90岁(均值50.4,标准差17.5),95.8%为保加利亚族,57.0%完成中等教育。各城市样本在社会人口学及九项环境暴露均值上均存在显著差异(p<0.001),如索菲亚NO2均值26.8 μg/m3,绿地12.8%,而鲁塞相应为23.5 μg/m3及14.1%。
3.2. Pairwise correlations between exposures
各城市暴露间Spearman相关模式相似。NO2与PM2.5、PM10呈正相关,不透水面(impervious surface)与空气污染物、夜间灯光、步行性(walkability)正相关;绿地与多数有害暴露负相关;蓝空间(blue space)与空气污染物在多数城市负相关,但在索菲亚呈正相关。相关性强度存在城市间差异。
3.3. Environmental profiles
城市特异性LPA选定索菲亚、普罗夫迪夫、瓦尔纳、布尔加斯为三剖面,鲁塞为两剖面(基于拟合指数与可解释性)。识别出的一致高风险外部暴露组剖面特征为:PM2.5、PM10、NO2高于均值,交通噪声高,绿地中度至低,夜间灯光高,不透水面广,步行性高,蓝空间距离因城而异。其均值超WHO指南值(PM2.5: 5 μg/m3, PM10: 15 μg/m3, NO2: 10 μg/m3, 噪声: 53 dB Lden),分类概率均>91%。
3.4. Association between SES indicators and the high-risk external exposome profiles
SES与高风险剖面关联城市间异质性强。索菲亚个体SES无显著关联,区域SES正向关联高风险;普罗夫迪夫中等/困难收入及高等教育正向关联高风险;瓦尔纳中等收入负向关联,高等教育负向关联,非保加利亚族正向关联,区域SES负向关联(唯一城市);布尔加斯仅区域SES正向关联;鲁塞失业、中等/困难收入、非保裔负向关联高风险,区域SES正向关联。荟萃汇总显示中等/困难收入与低风险剖面相关,区域SES越高越易属高风险剖面。敏感性分析Holm校正后部分Plovdiv关联不再显著;对比综合指数法,LPA与综合指数方向大致一致但存差异,如Varna区域SES在LPA为负向而在指数为正向。
讨论与结论翻译
讨论部分指出,不利环境条件通过空气污染、噪声、夜间灯光、不透水面、低绿地及高步行性的共存而累积,单一暴露法低估劣势。高风险剖面多位于内城,虽高步行性但与高密度、土地混合利用相关。SES关联异质且非线性,区域SES比个体指标更一致,挑战了“低SES必承高环境风险”的普适假设,反映保加利亚历史城市发展与土地利用配置而非单纯剥夺梯度。LPA较综合指数能识别离散暴露机制与非线性交互,避免加和稀释劣势组合。政策需从单一污染物转向多风险分区与综合评估,警惕紧凑城市设计中交通排放与密封面等负担集中,需配套交通宁静与绿基设施。
结论部分翻译如下:
与环境正义研究中普遍假设相反,高风险环境剖面的社会经济分布并未遵循低SES群体系统性暴露于有害条件的一致梯度,且城市间差异显著。这表明环境不正义是由城市发展及土地利用配置在地方上建构的,凸显了在环境健康研究与城市规划中采用场所敏感的多暴露(place-sensitive multi-exposure)方法的重要性。在方法论上,研究发现关于暴露组不平等的结论对暴露剖面如何操作化敏感;基于模型的潜在剖面(latent profile)方法能捕捉被加性综合指数掩盖的结构化暴露剖面。未来需开展基于健康结局的研究以确定这些外部暴露组剖面如何转化为差异性疾病风险。