建模超越加性风险：一种估算环境暴露级联负担的框架

《Eco-Environment & Health》：Modelling beyond additive risks: A framework for estimating the cascading burden of environmental exposure

　　

研究人员提出交互式分布滞后模型（interactive Distributed Lag Model, iDLM），作为标准分布滞后模型（Distributed Lag Model, DLM）的新扩展，用于捕捉重复暴露中被忽视的级联效应。模拟研究证实，在传统加性模型存在级联效应时会产生偏倚，而iDLM能够恢复风险结构。基于美国全国数据集的示范研究显示，传统加性模型会大幅低估空气污染造成的死亡负担。iDLM框架可拓展至空气污染之外，为量化任意重复性应激源的健康效应提供新范式。

研究背景方面，环境与气候现象常通过复杂相互作用表现，初始影响可触发后续后果，形成级联效应（cascading effects，初始事件跨系统触发序列后果、可放大或抑制后续事件的非线性动态过程）。级联效应不同于复合效应（compound effects，共现风险因子产生的任何非加性结果），其是历史依赖机制：过去暴露会改变系统对后续暴露的固有易感性。在健康领域，热射病削弱体温调节能力、空气污染致呼吸道疾病后会提高后续污染事件易感性，均提示级联效应存在；低水平暴露致免疫启动、个体避污行为则代表抑制型级联。现有急性暴露环境流行病学常用DLM，其假设不同滞后时间暴露效应可加，忽略暴露间交互，无法量化敏化或适应过程。缺乏合适统计模型是定量研究环境暴露健康级联效应的关键障碍；直接加入滞后暴露交互项又会遭遇严重多重共线性和高维解释难题。因此，研究人员开展本研究以建立并验证可量化历史依赖动态的iDLM框架。

论文发表于《Eco-Environment & Health》。研究人员构建iDLM，在DLM中加入不同滞后暴露间交互项，用结构化样条降维并施以惩罚平滑，经模拟验证后，将其用于1972—1988年美国县域逐日全因死亡与PM_2.5、O₃数据，以条件泊松回归（等价于时间分层病例交叉设计）作第一阶段估计，再用mixmeta包做第二阶段荟萃，量化空气污染的级联死亡负担。

关键方法上，研究人员采用蒙特卡洛模拟，依设定主效应与级联交互真值生成泊松时间序列，比较传统DLM与正则化iDLM的估计偏倚和方差；实证数据来自国家卫生统计中心（NCHS）县域死亡记录、Hao等重建的北半球PM_2.5（1959—2022）、美国环保署空气品质系统（AQS）的O₃八小时最大滑动平均、ERA5-Land再分析气温资料，形成581个地理单元1980—1988年O₃集与274个单元1972—1988年PM_2.5集，以完整病例分析，用一维样条表主效应、二维张量积样条表交互面，借惩罚样条正则化控制共线性。

研究结果如下。

3.1. Statistical simulation：通过1000次蒙特卡洛模拟，研究人员发现标准DLM在协同放大场景下高估主效应、在适应场景下低估主效应；未正则iDLM无偏但方差大；正则化iDLM兼顾低偏倚与低方差，可还原主效应与级联效应真值。

3.2. Demonstrative analyses：将iDLM用于美国全国数据，PM_2.5与O₃主效应均在滞后0最高，PM_2.5每升10 μg/m³死亡风险升0.26%（95% CI：0.12, 0.40），O₃每升10 ppb升0.18%（95% CI：0.11, 0.24）。级联面显示PM_2.5在间隔d=1、d=2时显著正交互，代表既往暴露致机体“致敏”而放大伤害；O₃交互带近零且结构弱，符合其呼吸道氧化损伤后耐受的毒理特征。似然比检验支持iDLM拟合更优（PM_2.5 p=0.018，O₃ p<0.001）。

3.3. Public Health Implications：研究人员估算县域可归因分数（Attributable Fraction, AF）发现，iDLM所得总AF大多显著高于传统DLM。洛杉矶、巴尔的摩、纽约、哈里斯县PM_2.5的iDLM-AF分别为0.227%、0.427%、0.056%、0.027%，而传统DLM漏估了94.6%—98.4%的死亡负担；O₃亦呈同类模式。结果表明历史依赖级联交互是空气污染死亡负担的主要组成，加性模型系统性低估风险。

讨论部分总结：研究人员指出PM_2.5级联放大可由肺氧化应激、内皮损伤、促血栓状态等多系统自强化循环解释；O₃因上皮氧化伤后诱导耐受，级联更弱。iDLM区别于DLM/DLNM（Distributed Lag Non-linear Model）在于放松加性、用惩罚样条正则整个高维交互面。局限性包括线性交互假定、未显式区分生理与行为适应、残杂混杂可能、历史数据外推性有限。未来应拓展非线性iDLM、用glinternet类层次正则做交互筛选、在现代数据集中重估、做过离散与自相关诊断，并把框架用于热浪、温度波动、野火烟等重复暴露场景。该框架可催生“历史感知”预警，由浓度阈值转向人群累积易感性评估。

结论部分翻译：本研究中，研究人员开发并验证了iDLM这一用于量化环境暴露级联健康效应的新框架。通过对美国空气污染与死亡的全国分析，研究人员证明PM_2.5与O₃的健康风险受暴露史动态调节。研究确立两项核心发现：其一，PM_2.5暴露导致强烈的协同放大死亡风险，该模式不同于O₃的较弱交互；其二，更重要的是，这些级联效应并非风险的次要成分，而是总死亡负担的重要构成，远超常规模型捕捉的直接加性效应贡献。本研究挑战了环境风险评估中的加性基本假设，表明动态、历史依赖视角对准确理解环境变化风险必不可少。通过揭示这些隐藏风险动态，该方法为制定精准公共卫生策略（如构建历史感知预警系统）提供了新工具。