全氟和多氟烷基物质暴露、肥胖模式与青年男性高血压

《Environment & Health》：Per- and Polyfluoroalkyl Substance Exposure, Obesity Patterns, and Hypertension among Young Men

　　

全氟和多氟烷基物质（PFASs）暴露在某些人群中与高血压相关，但青年男性中的关联及潜在机制尚不清楚。研究人员测量了1283名中国青年男性血浆中的16种PFAS，并评估了肥胖和高血压（血压≥130/80 mmHg）。总共有449名（35.0%）男性患有高血压。血浆6:2氟调聚物磷酸二酯（6:2 diPAP）浓度与高血压呈线性剂量-反应正相关（每2.7倍升高的OR=1.09，95% CI: 1.01–1.16），最高与最低暴露三分位数的OR为1.43（1.07–1.90）。个体肥胖指标（身体质量指数[BMI]，腰围，腰高比[WHtR]）解释了6:2 diPAP与高血压之间关联的8.6%–19.2%。一个机器学习衍生的三级肥胖严重程度谱，整合了WHtR和BMI（正常、仅中心性肥胖升高、中心性肥胖升高伴超重），解释了36.9%的关联。总之，6:2 diPAP暴露与青年男性高血压几率升高相关，部分由肥胖介导，其中结合中心性和全身性肥胖的综合体形模式显示出最大的介导效应。

高血压是全球公共卫生的重大挑战，其患病率在低收入和中等收入国家持续上升，中国尤为突出。尽管传统风险因素如肥胖、吸烟和饮酒已被广泛认识，但新兴环境污染物，特别是全氟和多氟烷基物质（PFASs，一类持久性、生物累积性有机污染物，广泛用于不粘锅、防火泡沫和食品包装等消费品），在高血压发生中的作用日益受到关注。以往研究多聚焦于传统PFAS（如全氟辛酸[PFOA]、全氟辛烷磺酸[PFOS]、全氟壬酸[PFNA]和全氟己烷磺酸[PFHxS]）与青少年、女性及中老年人群高血压的关联，但在青年男性中，尤其对新兴替代品和短链PFAS的研究极为匮乏。此外，PFAS暴露已被证明与肥胖相关，而肥胖是高血压的明确风险因素，但肥胖在PFAS-高血压关联中的中介效应尚未被正式评估。近期指南建议在身体质量指数（BMI，体重[kg]除以身高[m]的平方）基础上补充中心性肥胖指标（如腰围[WC]、腰高比[WHtR]），但尚无研究整合多种肥胖指标评估其中介角色。因此，研究人员基于湖北省精子库队列中1283名青年男性，开展了一项横断面研究，旨在阐明血浆PFAS（包括传统和新兴化合物）浓度与高血压的关联，并利用机器学习衍生综合肥胖模式，评估其在PFAS-高血压关联中的中介作用。该研究发表在《Environment》。

研究采用的关键技术方法主要包括：从湖北省精子库队列招募1283名22-45岁男性（排除有重大慢性疾病者），采集空腹血浆样本，通过超高效液相色谱-串联质谱（UPLC-MS/MS）系统定量检测16种PFAS，包括全氟羧酸、全氟磺酸、氯化聚氟醚磺酸和6:2氟调聚物磷酸二酯（6:2 diPAP）。血压采用Omron HEM-7052血压计进行双次测量，高血压定义为收缩压≥130 mmHg或舒张压≥80 mmHg。肥胖指标包括BMI、WC、腰臀比（WHR）和WHtR。统计方法上，采用多变量逻辑回归和限制性立方样条（RCS）评估剂量-反应关系，贝叶斯核机器回归（BKMR）分析混合暴露效应，使用反事实框架进行中介分析，并借助机器学习决策树算法，基于BMI和WHtR切点衍生三级肥胖严重程度模式（正常：WHtR<0.48；仅中心性肥胖升高：WHtR≥0.48且BMI<25 kg/m²；中心性肥胖升高伴超重：WHtR≥0.48且BMI≥25 kg/m²）。

研究结果如下：

**3.1 人群特征**：通过描述性统计分析，1283名参与者中449人（35.0%）患有高血压。与正常血压组相比，高血压组年龄较大、未婚比例较高、海鲜摄入较少，且肥胖指标（BMI、WC、WHR、WHtR）均显著更高。

**3.2 血浆PFAS浓度分布**：所测16种PFAS中11种检出率超过80%，包括PFOA、PFOS、PFDA、PFUdA、PFHxS、6:2 Cl-PFESA、8:2 Cl-PFESA、PFDoA、PFNA、PFHpS和6:2 diPAP。高血压组血浆6:2 diPAP浓度显著高于非高血压组，而PFDoA浓度则较低。

**3.3 PFAS暴露、肥胖与高血压**：单污染物分析显示，6:2 diPAP与高血压呈线性剂量-反应正相关（每2.7倍升高，OR=1.09，95% CI: 1.01–1.16；最高 vs 最低三分位数 OR=1.43，95% CI: 1.07–1.90），而PFDoA呈负相关。BKMR分析确认6:2 diPAP（后验包含概率PIP=0.990）和PFDoA（PIP=0.988）是混合暴露与高血压关联的主要贡献者。所有肥胖指标（BMI、WC、WHR、WHtR）均与高血压剂量依赖性地正相关（调整OR范围1.95–2.60）。此外，6:2 diPAP与中心性肥胖指标（高WC、高WHtR）呈正相关。

**3.4 个体肥胖指标的中介分析**：中介分析限定于唯一与高血压和肥胖均显著相关的6:2 diPAP，发现BMI、WC和WHtR分别解释了6:2 diPAP与高血压关联的8.6%、15.7%和19.2%。

**3.5 机器学习衍生肥胖模式的中介分析**：机器学习衍生的三级肥胖严重程度谱（基于WHtR和BMI切点）与6:2 diPAP浓度呈正相关（与正常水平相比，仅中心性肥胖升高OR=1.12，中心性肥胖升高伴超重OR=1.22），且与高血压风险呈剂量-反应正相关（趋势p<0.001）。该综合模式中介了6:2 diPAP与高血压关联的36.9%，显著高于任何单一肥胖指标。

**3.6 敏感性分析**：排除极端值、额外调整睡眠质量、体力活动和海鲜摄入、多重插补PFAS浓度低于检测限后，结果稳健。采用更严格高血压定义（≥140/90 mmHg）时，关联方向一致但未达统计学显著（FDR调整p=0.17），可能因病例数减少（118 vs 449）。E值（2.21–3.95）提示需较强未测量混杂因素才能完全解释结果。

讨论部分总结，本研究在1283名中国青年男性中发现，新兴PFAS替代品6:2 diPAP的血浆浓度与高血压几率呈正相关，而传统PFAS（如PFOA、PFOS）未观察到显著关联，可能与暴露水平较低有关。中介分析表明，肥胖（尤其是中心性肥胖）在6:2 diPAP致高血压通路上起关键作用，且整合WHtR和BMI的体形模式中介效应最大（36.9%），提示进行性中心性脂肪积累而非单纯全身性体重增加是主要机制。研究优势包括样本为健康青年男性（减少共病干扰）、检测多种PFAS化合物、采用数据驱动方法。局限性为横断面设计无法推断因果，以及单次血压测量可能引入分类误差，但E值分析支持结果稳健性。

研究结论：总之，本研究提供了新证据，表明新兴PFAS替代品6:2 diPAP暴露与1283名中国青年男性高血压呈正相关。中介分析进一步表明，机器学习衍生的肥胖严重程度模式介导了36.9%的关联，显著高于任何单一人体测量指标。这些发现强调了体脂分布在PFAS暴露与高血压关联通路中的重要性。