复合环境暴露与基于年龄的脆弱性：来自美国县级数据的老年人死亡情况全国范围调研

《Journal of Cleaner Production》：Compound environmental exposures and age-stratified vulnerability: Nationwide evidence from U.S. county-level mortality among older adults

　　•非线性模型量化了美国各县不同年龄组中混合作用的暴露因素对死亡率的影响。•高温与PM2.5的相互作用加剧了死亡风险，尤其是在29°C附近表现得最为明显。•较高的NDVI值与老年人中更陡峭的高温和PM2.5死亡率梯度相关。•年龄梯度非常明显：非线性阈值和放大效应随着年龄的增长而增强。•收入、交通便利性以及支持活动的绿化措施可以缓解死亡风险。

引言
全球人口老龄化与前所未有的环境变化同时发生，给老年人带来了复杂的健康风险（Gao和Wang，2023）。气候变暖导致极端高温事件频发（Rahmstorf和Coumou，2011），城市化减少了绿地（Zhou和Wang，2011），许多地区的空气污染水平仍然很高，这些趋势的重叠给公共卫生带来了多重挑战（Rentschler和Leonova，2023）。世界不断增长的老年人口的生存和福祉受到这些压力的威胁（Hernandez等人，2025）。认识到这一紧迫性，国际议程已经将这一问题列为重点：联合国的可持续发展目标呼吁减少污染导致的死亡（SDG 3.9）（Walsh等人，2022），世界卫生组织的“健康老龄化十年（2021–2030）”倡议强调为老年人创造支持性的环境（联合国，2021）。在这种背景下，暴露组（exposome）的概念成为了一个关键的研究前沿。本研究基于暴露组的视角，旨在阐明在各种综合压力下，关键环境因素如何影响老年人的健康。

环境暴露对人类健康有显著的影响（Hernandez等人，2025；Münzel等人，2023）。在众多环境因素中，高温、空气污染和绿化程度是普遍存在的、具有重大公共卫生意义的日常暴露因素。温度是最直接的气候相关压力源，对晚年生理机能有重要影响；PM2.5是一种主要的受监管的空气质量危害，已被证实与死亡率相关；而绿化程度反映了可通过规划进行调整的人造-自然界面中的一个关键维度，使其非常适合代表老年人面临的现实世界中的混合暴露因素（James等人，2016；Lüthi等人，2023；Shi等人，2022）。尽管这些暴露因素通常与不同的政策领域相关，但其干预途径是紧密相连的。气候和空气质量政策可能通过重叠的排放源发挥作用，而绿色基础设施可以同时影响热条件、污染物扩散或沉积以及户外活动模式（Nowak等人，2014；Ziter等人，2019）。因此，应将高温-PM2.5-绿化三者视为一个不可分割的暴露-政策系统，而不是三个独立的压力源，它们具有潜在的协同效益和权衡（Markevych等人，2017）。近年来，极端热浪和高温天气显著增加，这与全球范围内的疾病和死亡率上升有关，在美国也存在地理上的健康风险不均衡，老年人由于年龄相关的生理脆弱性和慢性疾病负担而尤其容易受到影响（Crimmins，2023；Lüthi等人，2023；CDC，2024）。在美国，2004-2018年间与高温相关的死亡人数平均每年为702人，凸显了高温暴露的持续健康负担（Vaidyanathan等人，2020）。空气污染是另一个主要威胁：PM2.5和其他污染物被认为是主要的全球健康风险因素，尽管全国范围内的PM2.5浓度有所下降，但它们在不同地区的健康影响仍存在差异（Southerland等人，2022；美国环保署，2026）。全国范围内的Medicare队列证据进一步表明，长期暴露于PM2.5与老年人全因死亡率增加有关（Di等人，2017）。相比之下，接触绿地与显著的健康益处相关，包括降低全因死亡率、改善心血管健康和提高心理健康，但绿化程度和树冠覆盖在美国的城市-农村和社区环境中分布不均（McDonald等人，2021；Tamosiunas等人，2014）。尽管这些暴露因素对健康有明显影响，但在环境暴露与老龄化之间的文献研究仍存在不足（Belsky和Baccarelli，2023）。在美国，先前研究提供了关于高温相关死亡率、Medicare受益者中PM2.5相关死亡率以及住宅绿化带来的死亡风险降低的强有力的证据（Anderson和Bell，2011；Di等人，2017；James等人，2016）。然而，这些证据仍然分散，因为高温、空气污染和绿化往往在不同的实证研究中被单独考察，而它们在美国不同背景下对老年人死亡率的联合和非线性关联尚未得到充分描述。

与这种综合框架一致，新兴证据表明不同的环境暴露因素在健康影响上可能相互作用。例如，频繁的热浪可能会加剧空气污染的危害（Coker等人，2025；Zhou等人，2023），但城市绿化可以减轻其影响（Wu等人，2025）。现有研究已经确定了几个生物学和环境机制来解释这些相互作用：高温可以改变污染物的形成并增加生理压力（Harlan和Ruddell，2011；Pfannerstill等人，2024），PM2.5会增加心肺负担（Münzel和Daiber，2019），而绿化程度可以通过遮荫、蒸散作用、沉积以及户外活动模式的变化来调节热环境和污染暴露（Harlan和Ruddell，2011；Markevych等人，2017）。尽管越来越多的研究开始探讨环境混合物或效应修饰，包括绿化在老年人PM2.5-死亡率关联中的调节作用（Son等人，2021），但大多数研究仍未将特定年龄的人群加权暴露评估、非线性交互作用表面以及在老年人群体内的年龄分层结合在一个统一的县级框架中。因此，这些因素之间的潜在协同或拮抗效应难以转化为针对特定年龄的本地公共卫生和规划干预措施（Pozzer等人，2024）。对于高温-PM2.5-绿化三元组而言，这一差距尤为重要，因为这些暴露因素可能在空间上共同变化，并通过大气、生理和人造环境的耦合路径起作用，这意味着健康风险可能受到联合暴露的影响，而不是简单的叠加效应，这指出了进行大规模和综合分析的必要性（Song等人，2024）。同时，老年人群体内部的异质性也需要关注。医学和条件的进步延长了人类的寿命，导致不同年龄段的老年人之间存在显著的生理和健康差异（Lin等人，2025）。然而，许多流行病学研究只是简单地将所有老年人归为一类，而没有区分“年轻老年人”和“高龄老年人”（Balmain等人，2018；Chang等人，2022）。高龄老年人通常具有更高的共病负担、减弱的体温调节和免疫反应以及不同的暴露模式，这可能改变他们对环境危害的敏感性（El Chakhtoura等人，2017；Schlader等人，2018）。忽略这些差异可能会掩盖重要的亚组特定效应，因此需要在老年人群体内按年龄分层进行分析。在本研究中，脆弱性被定义为基于结果的环境健康概念，即特定年龄的死亡率差异和对复合环境暴露的模型估计死亡率响应（IPCC等人，2022；Benmarhnia等人，2015）。

总体而言，现有研究已经建立了高温、PM2.5、绿化程度与老年人死亡率之间的重要联系，但仍有三个问题尚未得到充分解答。首先，同时发生的暴露因素如何通过非线性阈值和类似交互的作用共同影响死亡率尚不清楚。其次，县级暴露评估通常未能充分反映老年人的居住分布，因为它们依赖于简单的面积指标而不是人群加权估计。第三，老年人经常被视为一个单一的脆弱群体，导致特定年龄的复合暴露-死亡率模式未能得到充分探讨。这些差距对于县级公共卫生和规划行动尤为关键，因为干预措施必须同时应对多种环境风险，并考虑不均衡的人口分布和特定年龄的脆弱性。为了解决这些差距，我们进行了全面的全国性评估，研究了美国各县的环境暴露和老年人死亡率。本研究有三个具体贡献：首先，我们构建了一个2010-2020年的美国县-年份-年龄面板，将特定年龄的全因死亡率与1公里范围内的人群加权温度、PM2.5和NDVI暴露联系起来，从而更好地模拟老年人内的居住暴露环境。其次，我们使用可解释的非线性机器学习方法将高温-PM2.5-绿化三元组建模为一个复合暴露系统，从而能够识别阈值和类似交互的响应表面，而不是假设简单叠加或线性效应。第三，我们将老年人分为60-69岁、70-79岁和80岁以上三个年龄段，以研究适应性窗口是否会随着年龄的增长而缩小以及基于死亡率的脆弱性是否会增强。通过明确将脆弱性定义为对复合暴露的特定年龄死亡率响应，本研究为美国县级政策提供了支持，以促进适应性高温适应、空气质量管理和对老年人友好的绿化政策。

材料与方法
本研究遵循了一个五步分析流程（图1）。（1）数据收集：我们收集了县级特定年龄的死亡率数据、网格化的环境暴露数据集、特定年龄的人口数据以及县级的社会经济和人造环境协变量。（2）暴露预处理和汇总：栅格数据集经过质量筛选，裁剪为连续的美国领土，统一到1公里的分析网格，并汇总成年度县-年份-年龄数据。

模型性能
根据表1中呈现的模型性能结果，我们评估了滞后长度从0到5年的模型的预测准确性。滞后3年的模型被选为最佳配置，因为它在性能指标方面取得了最佳平衡。具体来说，3年滞后模型的MAE为0.93×10^-3，MSE为1.85×10^-6，反映了最小的错误和强大的模型拟合度。它的R2值为0.808，是所有评估模型中最高的，证明了其适用性。

讨论
通过使用全国范围的县级设计和可解释的非线性集成方法，我们描述了高温、PM2.5和绿化对老年人死亡率的影响，并识别出明确的阈值和类似交互的模式，表明预测的死亡率更好地通过联合暴露表面来描述，而不是简单的线性梯度。这与暴露组的观点一致，即健康由多个相关的外部压力因素共同作用所塑造。

结论
本研究提供了全国范围内的美国县级证据，表明复合环境暴露与老年人死亡率之间存在非线性的、年龄依赖的关系。通过使用人群加权的暴露数据和可解释的机器学习方法，我们发现温度、PM2.5和NDVI通过阈值和类似交互的模式共同影响死亡率，而不是简单的加性效应。28-29°C附近的热风险急剧上升，PM2.5的影响随年龄增长而增强。

作者贡献声明
Zeyin Chen：概念化、数据整理、调查、监督、初稿撰写。
Siying Li：数据整理、审稿与编辑。
Tao Wu：方法论、资源、软件、验证。
Renlu Qiao：审稿与编辑。
Zhiqiang Wu：项目管理和监督。

注释
作者声明没有竞争性财务利益。

资金
本研究得到了中国国家自然科学基金（项目编号524B2110）的支持。

利益声明
作者声明没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。