《Environmental Advances》:Environmental Exposures and Healthy Ageing: Global Evidence on PM2.5 and Green Space Availability
编辑推荐:
研究人员分析了全球数据,以评估PM2.5(细颗粒物)空气污染和绿地可用性对不同地缘政治和社会经济背景下健康老龄化结局的协同效应。采用基于人群的方法,分析了来自183个世界卫生组织(WHO)成员国的全球数据。该研究主要利用单因素方差分析(A
研究人员分析了全球数据,以评估PM2.5(细颗粒物)空气污染和绿地可用性对不同地缘政治和社会经济背景下健康老龄化结局的协同效应。采用基于人群的方法,分析了来自183个世界卫生组织(WHO)成员国的全球数据。该研究主要利用单因素方差分析(ANOVA)来确定这两种环境因素对60岁健康调整预期寿命(HALE)的影响,并进行了线性回归分析。结果显示,低收入国家(LICs)的PM2.5浓度(34.2 μg/m3)高于高收入国家(HICs)(18.5 μg/m3)。然而,PM2.5对60岁HALE的影响效应量在HICs中最大(0.166),在LICs中最小(0.040)。HICs拥有更大的绿地面积(54.69 m2/人),因此与其他国家相比,与HALE的正相关性最强。在所有国家中,PM2.5解释了60岁HALE变异的63.5%,而绿地可用性解释了23.5%。混合效应回归分析显示,这两种环境变量对HALE的联合影响共同解释了约46%的变异。讨论指出,全球范围内,强有力的国际空气污染控制至关重要,同时通过城市规划和环境保护扩大绿地可及性,以促进健康老龄化。重要的是,针对国家收入分层量身定制的策略是不可或缺的。
**论文解读:全球视野下PM
2.5与绿地可用性对健康老龄化的影响**
**研究背景与问题**
随着全球人口老龄化加速,环境因素对老年健康的影响日益受到关注。细颗粒物(PM
2.5)空气污染和城市绿地可用性被认为是影响老龄化进程的关键环境因子,但现有研究多局限于单一国家,且孤立考察这些因素,缺乏对二者协同效应的全球评估。这种碎片化研究限制了结果的普遍性,难以指导全球政策行动。此外,不同收入水平国家的社会经济背景差异可能调节环境暴露与健康老龄化的关系,但此前缺乏系统性跨国比较。因此,本研究旨在利用全球数据,评估PM
2.5和绿地可用性对健康老龄化的协同效应,并探讨收入分层的影响。
**研究方法**
研究人员采用基于人群的横断面设计,利用世界卫生组织(WHO)和联合国数据库,纳入183个WHO成员国的公开数据。健康老龄化指标为60岁健康调整预期寿命(HALE),环境暴露变量为年均PM
2.5浓度(2010–2019年)和人均绿地面积(2000–2020年,每十年测量一次)。主要统计方法包括:单因素方差分析(ANOVA)计算效应量η
2,评估各因素对HALE的影响强度;线性回归模型引入对数变换和滞后变量(PM
2.5滞后1–9年,绿地滞后0–20年),以捕捉时间效应,并以Durbin-Watson检验确保无自相关。按世界银行收入分类将国家分为高收入(HICs)、中高收入(UMICs)、中低收入(LMICs)和低收入(LICs)四组,分别进行亚组分析。
**研究结果**
**1. PM
2.5和绿地暴露的全球分布**
ANOVA结果显示,LICs的PM
2.5浓度均值最高(34.2 μg/m
3),HICs最低(18.5 μg/m
3);而人均绿地面积在HICs最大(54.69 m
2/人),LMICs最小(31.59 m
2/人)。HALE在HICs最高(16.94岁),LICs最低(12.26岁)。
**2. PM
2.5对健康老龄化的影响**
Pearson相关分析显示,总体而言,PM
2.5与HALE呈负相关(r = -0.322,p < 0.001),但效应量因收入分层而异。单因素方差分析表明,PM
2.5的效应量在HICs最大(η
2 = 0.166),在LICs最小(η
2 = 0.040)。线性回归模型进一步揭示,仅HICs组中PM
2.5对HALE的预测模型显著(F = 8.508,p < 0.001),解释63.5%的变异(R
2 = 0.635),而其他收入组模型不显著。滞后效应分析表明,PM
2.5对HALE的负面影响在13年(约73岁)以内显著,不同收入组有特定时间阈值。
**3. 绿地面积对健康老龄化的影响**
绿地面积与HALE呈正相关,效应量在HICs最大(η
2 = 0.165),LICs最小(η
2 = 0.085)。仅UMICs组的回归模型显著(F = 4.462,p = 0.020),解释23.5%的HALE变异。年龄特异性分析显示,绿地面积的正向影响在HICs中从75岁开始显著,在UMICs中从77岁开始显著,而在LMICs和LICs中无显著关联。
**4. 混合效应模型**
将PM
2.5和绿地面积同时纳入线性回归,最佳模型包含PM
2.5当前年和滞后9年、绿地当前年、滞后10年和滞后20年,整体R
2 = 0.463,表明两种环境因素共同解释46.3%的HALE变异,模型显著(F = 21.696,p < 0.001)。
**讨论与结论**
研究证实,PM
2.5暴露与健康预期寿命缩短强相关,而绿地可用性具有保护作用,且二者联合效应不可忽视。高收入国家PM
2.5效应量最大,可能与老年人口比例高、教育水平高导致敏感性增加有关;低收入国家尽管PM
2.5浓度高,但效应量小,可能归因于人口结构年轻、传染病负担重等混杂因素。绿地面积的正向影响在低收入国家不显著,提示绿地质量和可及性比单纯面积更重要。研究局限性包括横断面设计无法推断因果,以及国家层面均数掩盖了内部异质性。
**结论翻译**:这项全球数据分析提供了证据,表明PM
2.5暴露和绿地可用性对不同社会经济环境下的健康老龄化具有显著且背景各异的影响。虽然PM
2.5浓度升高与健康预期寿命缩短呈强相关,但更大的绿地可用性则具有保护作用。结果强调,全球范围内强有力的国际空气污染控制对于促进健康老龄化和实现WHO质量指南至关重要。此外,通过城市规划和环境保护扩大绿地可及性将有益于健康老龄化。虽然全球行动是必要的,但针对国家收入分层量身定制的策略不可或缺。例如,在基线空气质量和绿地可及性较好的HICs,举措应优先改善现有绿地的质量和可及性,同时通过先进技术和严格空气污染法规持续减少残留PM
2.5。在工业化和城市化可能带来挑战的UMICs,政策必须强调绿色基础设施扩展和全面的空气质量治理。在资源有限的LMICs和LICs,通过因地制宜的方法将绿地整合到整体城市规划中至关重要。这些策略必须量身定制,以解决这些地区普遍存在的独特环境和社会经济不平等。