长期空气污染与肌少型腹型肥胖新发病例的关联：一项跨越心血管-肾脏-代谢阶段的中国队列研究

《BMC Public Health》：Potential modification by climate factors of the association between air pollution and dynapenic abdominal obesity across CKM stages 0–3: a machine learning-based cohort study

　　

摘要

背景

长期环境空气污染是否与肌少型腹型肥胖（DAO）新发病例相关，以及气候条件是否会改变这些关联，并跨越心血管-肾脏-代谢（CKM）阶段，尚不明确。

方法

本队列研究纳入来自中国健康与退休纵向研究的7,919名年龄≥45岁的成年人。使用20个链式方程插补数据集处理缺失协变量。在最小调整、主要混杂因素调整和完整预后调整下分别拟合单污染物逻辑回归模型，以主要模型作为推断依据。采用主成分分析评估污染混合物效应，并测试36个污染物-气候交互作用，采用Benjamini-Hochberg校正。使用重复嵌套分层交叉验证比较9种机器学习算法，并利用SHAP对最终模型进行整体解释和跨CKM阶段0–3的解释。

结果

随访期间，184名参与者发展为DAO。在主要模型中，SO₂与DAO新发病例相关（每增加一个四分位间距，OR=1.61；95% CI=1.20–2.15；q=0.016），且在12次检验校正后是唯一保留的单污染物关联。第一污染混合物主成分解释了71.0%的标准化暴露方差，并与DAO呈正相关（每增加1个标准差，OR=1.10；95% CI=1.01–1.19）。SO₄^2?-干燥度和NH₄⁺-干燥度交互作用在36次检验校正后仍显著（两者q均为0.049）。XGBoost获得了最高的平均交叉验证PR-AUC（0.131），但敏感性和阳性预测值有限。SHAP在不同CKM阶段一致识别出O₃、SO₂和CO为主要污染物贡献者。

结论

SO₂与DAO新发病例表现出最稳健的关联。污染混合物和干燥度相关发现提示存在额外的复合环境效应，而SHAP表明在不同CKM阶段污染物归因层级基本保守。这些发现需要在更大规模的前瞻性队列中进行验证。