免责声明
为方便作者与研究人员使用，我们提供这份已接受的稿件版本。在最终发布正式版本之前，还会对这份稿件进行校对、排版及校审工作。在制作和印刷前，可能会发现一些可能影响内容的问题，而所有适用于该期刊的法定免责条款同样适用于这些版本。尊敬的编辑：
Liu及其同事[1]提出了一个在临床实践中十分重要的问题：日常的室外空气质量是否会影响高血压患者一天内血压的波动幅度？这种波动被称为血压变异性（BPV），此处通过标准差（SD，即测量值与平均值的差距大小）和变异系数（CV，即标准差占平均值的百分比）来衡量；较大的波动会带来超出正常水平的心血管风险。研究者们对1,658名原发性高血压患者进行了研究，为每位患者记录了24小时的动态血压数据，并将每位患者与其住所附近监测站记录的每日污染物浓度对应起来。随后他们采用了带有中位数回归的分布式滞后非线性模型，该模型能够反映截至六天前的空气质量对当前血压变异性的影响，且侧重描述数据分布的中间值而非平均值。2.5微米和10微米的颗粒物、二氧化硫以及一氧化碳都会导致血压变性增加，有些效应会在当天出现，有些则在数天后显现，而在六天的时间范围内，累积效应最为显著。其中，女性、80岁及以上的患者、温暖季节的细颗粒物暴露以及寒冷季节的二氧化硫暴露所引发的反应最为强烈。
我们饶有兴趣地阅读了这项研究。其结论基于大规模的临床样本、同一受试者的长期观察设计、对天气、节假日、工作日以及COVID-19疫情期间的仔细调整，同时还进行了敏感性分析，不同样条函数和时间趋势选择下的结果都较为稳定；这些结论也与现有关于环境污染物与高血压关联的研究成果[2]相互印证。因此，以下五点并非要求对现有研究进行修改，而是为未来包括作者本人在内的研究指明方向，以便进一步拓展现有研究成果。
首先，从环境中的污染物浓度转向个人的实际暴露量，能够提升现有研究结果的精确度。目前，使用距离最近的固定监测站的日平均值作为替代指标已被广泛接受，而作者们也建议在未来的研究中使用可穿戴设备。我们需要补充的是，如今移动式和航空传感器平台已经能够实现高密度的实时数据采集：用于工业环境监测的无人机搭载传感器，能够检测出街道层面与高层建筑之间，以及靠近污染源处的浓度差异，而这些是单个地面监测站无法捕捉到的[3]。将这类传感器与动态血压监测相结合，就可以根据每位患者实际吸入的空气情况，来估算出研究中所提到的滞后效应。
其次，室内环境既属于污染暴露的范畴，也可作为改善血压的控制手段。尤其是本研究认为最敏感的老年群体，大部分时间都在室内度过，因此室外空气中的污染物会通过建筑物的通风系统、过滤装置和空调进入室内。研究中所观察到的季节性变化也支持这一观点：温暖季节以细颗粒物为主，寒冷季节则以二氧化硫为主，后者通常与燃煤供暖有关。配备良好过滤功能且能精准控制新鲜空气供应的空调，不仅可以降低室内的颗粒物浓度，还能稳定室内温度——而温度本身也是影响血压的重要因素[4]；此外，本期刊此前也探讨过在高温天气期间如何通过温度管理来辅助高血压患者的护理[5]。这样一来，这项研究的结果就能为临床医生提供直接的建议，指导他们在污染严重的日子里如何改善室内空气质量。
第三，如果能把各项污染物的数值换算到统一的尺度上，就能帮助读者更直观地比较不同污染物的影响程度。颗粒物和二氧化硫的浓度每增加10微克/立方米，一氧化碳的浓度每增加1毫克/立方米，所对应的比例在各种污染物整体浓度范围中差异很大，因此如果将各项数值换算到四分位距的尺度上，就能让比较更加直接。实际上，论文中已经给出了每种污染物的四分位距以及完整的相关矩阵，所有需要的数据都已存在。此外，由于细颗粒物与粗颗粒物的相关性为0.84，细颗粒物与一氧化碳的相关性为0.71，这些相关系数也提示我们可以构建双污染物或混合污染物模型，从而判断各种关联中有多少是独立存在的。另外，如果在排版上稍作调整，也能方便读者使用这些数据：文本中一氧化碳的浓度数值标注为1克/立方米，而其他地方的浓度则以毫克/立方米为单位；夜间舒张压的标准差和变异系数所对应的二氧化硫数值，其实与白天收缩压的标准差和变异系数是相同的。
第四，寒冷季节出现的二氧化硫污染问题与特定的污染源相关，因此可以通过政策干预加以解决，同时也为未来的预测提供了可能。如果能把这里所报告的血压变异性系数与各行业的排放清单及消费趋势结合起来，就能够预测诸如更换取暖燃料之类的干预措施所带来的健康效益，而无需依赖假设。此前已有研究采用基于情景的预测模型，来预估到2030年其他行业因消费增长所带来的环境负担[6]，同样的方法也可以用来计算在不同能源使用方案下，能够减少的血压变异性程度。
第五，对同一患者进行多次动态血压监测，能够进一步完善现有的同一受试者长期观察研究设计。目前每位患者只提供了某一个监测日的数据，如果能在不同空气质量条件下持续对同一患者进行监测，就能进一步增强研究的说服力，同时也有助于直接验证是否通过根据污染程度调整监测时间，以及采用不同类型的降压药，确实能够更好地控制血压。目前，环境因素正在多个方面影响高血压的管理，比如交通噪音[7,8]，而这类前瞻性研究则可以将空气质量与这些因素置于同一起点的证据体系中加以对比。
综合来看，以上这五个方向——个人暴露量测量、室内环境控制、可比的多污染物评估、基于污染源的预测，以及针对同一患者的重复监测——都建立在Liu及其同事的研究结果之上，有助于将空气质量从单纯的血压变异性相关因素，转变为高血压治疗中可有效控制的要素。
作者贡献
Shalom Akhai：概念构建、研究实施、初稿撰写、论文修订。Mahapara Abbass：研究实施与数据验证。Syed Mohd. Arif：论文修订。所有作者均阅读并批准了最终版本，并对研究的各个环节负责。
资金支持
本研究未获得任何公共部门、商业机构或非营利组织提供的专项资助。
利益冲突声明
作者们声明不存在任何利益冲突。生成式人工智能工具仅被用于语言编辑工作，内容的真实性由作者们负责，他们已对内容进行了审核并承担全部责任。
伦理声明与数据可用性
由于这项研究不涉及人类受试者、动物实验或新数据的收集，因此无需获得伦理审批。本研究也没有生成新的数据，所有讨论的内容均来自已发表的文献。
