青少年大脑认知发展（ABCD）研究中9至10岁儿童环境空气污染暴露的站点内和站点间变异

《Environmental Epidemiology》：Within- and between-study site variations in ambient air pollution exposure at ages 9–10 years in the Adolescent Brain Cognitive Development (ABCD) Study

　　

背景：少数族裔和社会经济地位劣势的儿童面临不成比例的空气污染负担，但这些差异的地理异质性和交叉结构在儿科人群中仍未得到充分刻画。方法：利用青少年大脑认知发展研究（ABCD）的基线数据（2016–2018年），即美国规模最大的儿童大脑发展纵向研究，我们估算了分布在19个大都市区21个研究点的9至10岁儿童居住地的细颗粒物（PM2.5）和二氧化氮（NO2）水平。我们采用交叉性分析方法联合考察种族/民族与社会经济因素的影响，并运用两阶段荟萃分析设计明确建模站点间的异质性。结果：总体而言，西班牙裔/拉丁裔和黑人儿童的平均PM2.5和NO2暴露水平高于白人同龄人，但交叉性分析揭示，来自最低收入家庭的西班牙裔/拉丁裔前青春期儿童承受着最大的PM2.5负担，而受教育程度较高的黑人家庭相对于仅持有高中毕业证书的家庭表现出更高的NO2暴露。站点特异性分析揭示了差异程度存在巨大的地理异质性，挑战了全国同质化模式的假设。结论：这些发现强调了进行本地化针对性干预的必要性。尽管所有参与者均符合环境保护局的标准，但几乎全部超过了世界卫生组织的空气质量指南，凸显了监管空白，尤其与儿童发育中的神经系统相关。

本研究新增贡献：大多数空气污染差异研究依赖学校地址或宽泛的地理平均值，遗漏了与儿童健康最相关的居住地暴露。利用全国分布的21个美国城市9至10岁儿童队列，我们展示了PM2.5和NO2暴露中基于种族和收入的差距随地点显著变化，这意味着全国平均值掩盖了最需要干预的地方。尽管符合环境保护局标准，几乎所有儿童均超过了世界卫生组织的空气质量指南。通过揭示童年时期环境不公最严重的地区，这些发现为推进从记录差异到设计因地制宜的解决方案所需的证据基础提供了支持。

引言

我们居住的地方决定了我们的健康质量和疾病风险。环境污染物暴露与身体和心理疾病、认知功能障碍、残疾甚至终身死亡率密切相关，对青少年的危害尤为严重。三十年来的美国环境不公研究表明，有害物质暴露和不利建成环境的分布不均，不成比例地影响着低收入、少数族裔和受教育程度较低的人群。研究还揭示了社区层面的不平等与儿童和前青春期儿童所暴露的环境危害及邻里特征在空间分层模式之间的联系。少数族裔（如本论文中讨论的黑人/非裔美国人和西班牙裔/拉丁裔）前青春期儿童对环境污染物暴露更高，凸显了环境和社区层面因素在全生命周期种族和民族健康差异形成中的潜在作用。因此，为了改善整体人口的长期健康结果，阐明个体易感性差异的来源至关重要，因为暴露的不平等分布导致了这些差异。

某些室外空气污染物，如细颗粒物（即直径小于2.5微米的微小颗粒；PM2.5）和二氧化氮（NO2），是一种普遍存在的有害污染物，可能加剧健康不平等。PM2.5和NO2均为危险的室外空气污染物，主要源于化石燃料燃烧，包括但不限于车辆和发电厂燃烧燃料的排放。西班牙裔/拉丁裔和黑人社区的PM2.5暴露更高，尽管排放往往源自非西班牙裔白人社区。在整个美国，非白人群体的NO2浓度比白人群体高38%。

虽然已有研究记录了空气污染对少数化群体的不成比例影响，但较少研究考察了儿童和青少年时期的暴露差异。美国公立学校中种族/民族少数化和低收入学生比例较高的学校面临更高的PM和NO2浓度，尤其是在城乡分界线上。都市层面研究显示，城市区域内空气质量随邻里社会经济和种族/民族构成而异。然而，这些研究留下了三个关键缺口未解决。第一，大多数儿童暴露差异研究依赖学校地址或聚合地理单元（如县、市、邮编、普查区），这可能掩盖了与儿童健康最直接相关的居住层面暴露。第二，既往全国性研究假设社会人口学因素与空气污染的关系在全国地理范围内是同质的，这一局限阻碍了识别设计针对性干预所需的本地模式。第三，少数研究考察了种族/民族与社会经济地位（SES）的交叉性效应对暴露的影响。大多数全国性大型总体人群研究将这些视为独立的加性预测因子，从而在结构上阻止了发现少数族裔身份与低SES交汇处差异化脆弱性。最近，Priem等同事运用交叉性方法考察了婴儿期神经毒性污染物暴露中的种族差异。我们的研究将此工作延伸至前青春期，聚焦于与当前监管标准最相关的PM2.5和NO2，并引入了多站点荟萃分析设计，以明确评估差异模式的地理异质性。综合来看，这些局限意味着儿童空气污染的地理精度、跨站点一致性和社会人口学复杂性在全国层面仍缺乏充分刻画。通过交叉性视角刻画这些差异，对于促进青少年健康和解决儿科不平等的教育工作者、卫生专业人员及政策制定者至关重要。

青少年大脑认知发展研究提供了针对上述各缺口的独特机会。该研究在2016–2018年间在覆盖19个大都市区的21个研究点注册了超过11,800名9至10岁的前青春期儿童，并进行至年轻成年的10年随访，提供了以前儿科样本中无法实现的地理广度与居住层面数据，以刻画空气污染差异。借助该队列，我们的研究做出三项实证贡献。第一，我们考察了空气质量变异，包括细颗粒物和NO2污染，及其与邻里劣势的关系，使用了来自9至10岁参与者的居住地数据，覆盖21个研究点。与以往依赖学校地址或宽泛聚合单元的工作不同，我们使用1公里分辨率的居住地理编码，覆盖全国分布的样本。第二，我们调查了环境与社会人口学因素之间的关联，包括种族/民族和SES，考察这些因素是否预测污染物水平和暴露阈值，基于2023年环境保护局标准和2021年世界卫生组织空气质量建议。关键的是，我们以交叉性而非独立加性预测因子的方式考察这些因素，这在既往全国性研究中较为典型。最后，我们运用荟萃分析评估研究点内和点间社会人口学因素与空气质量指标的关系，考虑各地点间的抽样变异。通过明确建模站点间异质性，我们检验差异模式在地理上是否一致或呈本地可变——这是一个聚合分析在结构上无法回答的问题。

方法

参与者

数据来自青少年大脑认知发展研究（NDA 4.0数据发布，DOI：10.15154/1523041），该研究在2016至2018年间在美国注册了11,876名9岁和10岁的参与者。研究机构和加州大学圣地亚哥分校获得本地和集中伦理审查委员会批准。家长提供书面知情同意，儿童给出口头同意。研究遵循所有伦理法规。纳入标准为年龄（9.0–10.99岁）和英语流利。排除标准包括严重精神、神经或神经发育状况；不可纠正的感觉或感觉运动损伤；极端早产（胎龄<28周或出生体重<1.2公斤）；与出生相关的长期住院；创伤性脑损伤病史；以及磁共振成像禁忌症（完整标准见补充方法）。缺少预测变量或结果变量数据（即PM2.5和NO2）或来自已移除研究点（site22）的参与者被排除。最终样本包括9,336名参与者。

社会人口学数据

照护者问卷包括儿童的年龄、性别和种族/民族。父母教育通过照护者最高教育程度衡量，并合并分类为以下水平：高中以下、高中/普通教育发展（GED）证书、部分大学教育、学士学位和研究生学位。家庭收入通过要求参与者报告过去12个月的家庭总收入衡量，包括税前扣除前的所有收入来源。回答从1（低于5,000美元）到10（200,000美元及以上）分类（所有类别见补充方法）。为考虑美国各地的生活成本空间变异和区域收入结构，我们计算了调整后的收入变量，即从中点范围中减去研究点大都市统计区的中位数家庭收入。该指标反映了相对于2014–2018年大都市统计区中位收入的相对收入，基于美国社区调查值。大都市调整后收入变量包含5个组：第1组（低于大都市统计区中位数92,000–29,000美元）、第2组（低于中位数29,000–820美元）、第3组（高于中位数2,760–54,800美元）、第4组（高于中位数54,800–86,700美元）和第5组（高于中位数86,700–154,000美元）。

父母和照护者在基线访问时报告了儿童的种族/民族，使用青少年大脑认知发展研究策划发布中的种族_民族变量进行分类。参与者包括50%白人（非西班牙裔）、22%西班牙裔/拉丁裔、15%黑人（非西班牙裔）、2%亚裔（非西班牙裔）和11%多种族（选择不止一个种族）或其他民族。后者包括美国印第安人/本土美国人、阿拉斯加原住民、本土夏威夷人、关岛人、萨摩亚人、其他太平洋岛民、印度裔亚裔、华裔、菲裔、日裔、韩裔或越裔，因样本量较小而合并。

链接的环境数据

在青少年大脑认知发展研究中，环境暴露和邻里因素源自儿童9至10岁时的居住地址，在基线访问期间（2016年10月至2018年）收集。地址由数据分析信息中心使用谷歌地图应用程序编程接口进行地理编码。2016年1平方公里分辨率的PM2.5和NO2年平均空气污染物浓度被分配给每个儿童的主要居住地址。对于邻里特征，区域剥夺指数变量源自美国社区调查（2011–2015年），链接至参与者的普查区。我们选择了五个非冗余的邻里劣势指标，因为区域剥夺指数加权平均值可能被缩减为收入和当地房价的贡献：高中教育比例、家庭中位收入、失业率、贫困水平百分比和单亲家庭比例。我们使用最大似然探索性因子分析创建了一个邻里劣势因子得分，较高分数表示更大的邻里劣势。

分析

缺失性分析

我们考察了按种族/民族和SES分组的缺失数据比例，以评估潜在偏倚。尽管有和没有空气污染数据的参与者在这些因素上存在差异，但效应量可忽略不计。

回归模型

分析在R（版本4.3.1，统计计算R基金会，奥地利维也纳）中进行，主要使用lme4包（1.1.34），以及其他包（见补充方法）。广义线性混合效应模型考察了空气质量（PM2.5或NO2）与种族/民族、教育、收入和邻里劣势之间的关联。额外模型研究了种族/民族与家庭层面SES因素之间关于暴露水平的交互作用。使用赤池信息准则、贝叶斯信息准则和似然比检验（χ2统计量，P<0.05）比较模型，以评估交互作用模型是否比主效应模型解释更多变异。当标准产生不一致结果时，以似然比检验作为主要决策标准。使用边际均值进行成对比较以解释显著交互作用。

逻辑混合效应回归模型评估了种族/民族、教育、收入和邻里劣势是否增加了超过世界卫生组织和美国环境保护局所设限值的风险。世界卫生组织2021年指南规定NO2为5.32 ppb，PM2.5为5 μg/m3，而环境保护局2023年标准规定NO2为53 ppb，PM2.5为9 μg/m3。参与者被编码为0（严格低于阈值）或1（等于或高于阈值）。数据收集研究点作为随机效应纳入。我们未按家庭嵌套观测值，因为这在模型残差中引入了异方差。相反，每个家庭随机选择一名参与者；大多数被排除的参与者为同一家庭的兄弟姐妹。参照类别为白人（种族/民族）、学士学位（教育）和收入第3组（高于站点中位数2,760–54,800美元）。

为应对所有回归分析中跨模型的多重比较，采用假发现率校正（Benjamini-Hochberg，α = 0.05）方法。

各站点效应的荟萃分析

为考察空气污染暴露效应的站点间变异性，针对每个ABCD研究站点（n = 21）分别开展多重回归分析，以估计空气质量与社会人口学因素（种族/族裔、教育、收入、邻域劣势）之间的关系。基于各污染物的这些线性混合效应模型，采用限制最大似然法计算τ2（tau-squared；模型间变异性）及I2值（相对于总变异性而言的总异质性）进行荟萃分析。显著异质性以τ2置信区间判定。I2值30%–50%提示中等异质性；51%–75%提示实质异质性；76%–100%提示显著异质性??。鉴于预期存在异质性，采用随机效应模型对效应量进行汇总。分析使用R??软件中的metafor包，显著性阈值P < 0.05，95%置信区间。

结果

表1描述了来自更广泛ABCD研究队列的最终分析样本。尽管我们的样本比完整样本约少2,500名参与者，但两组的社经人口学特征相似；性别、年龄、种族/族裔、照护者受教育程度、家庭收入和邻域劣势的分布差异并不悬殊。

表1. 参与者特征。

变量 ABCD分析样本 ABCD队列

参与者总数 9336 11876

性别（出生时指派）
女性 4423（47.4%） 5680（47.8%）
男性 4913（52.6%） 6196（52.2%）

年龄（月）
均值[SD]（范围） 119[7.39]（107–132） 119[7.50]（107–133）

种族/族裔
西班牙裔/拉丁裔 1983（21.3%） 2411（20.3%）
多族裔 844（9.0%） 1080（9.1%）
印第安人/阿拉斯加原住民 34（0.4%） 39（0.3%）
夏威夷原住民/太平洋岛民 a
非西班牙裔亚裔 221（2.4%） 255（2.1%）
非西班牙裔黑人 1370（14.7%） 1781（15.0%）
非西班牙裔白人 4782（51.3%） 6175（52.1%）
其他（未另行列出） 53（0.6%） 66（0.6%）
不知/拒答 34（0.4%） 42（0.4%）
缺失 a

照护者最高教育程度
高中未毕业 469（5.0%） 593（5.0%）
高中毕业/GED证书 909（9.7%） 1132（9.5%）
部分大学教育 2435（26.1%） 3079（25.9%）
学士学位 2331（25.0%） 3015（25.4%）
研究生学位 3192（34.2%） 4043（34.0%）
不知/拒答 a

按研究站点调整的合并家庭收入组
收入组1（低于站点中位收入$92,000–$29,000） 1738（18.6%） 2202（18.6%）
收入组2（低于站点中位收入$29,000–$820） 1597（17.1%） 1984（16.8%）
收入组3（高于站点中位收入$2,760–$54,800） 1737（18.6%） 2179（18.4%）
收入组4（高于站点中位收入$54,800–$86,700） 1791（19.2%） 2354（19.9%）
收入组5（高于站点中位收入$86,700–$154,000） 1675（17.9%） 2106（17.8%）
不知/拒答 798（8.5%） 1013（8.6%）
缺失 0 38

细颗粒物（PM2.5；μg/m3）
均值[SD]（范围） 7.711[1.574]（1.722–15.902） 7.665[1.563]（1.722–15.902）
缺失 0 652

二氧化氮（NO?；ppb）
均值[SD]（范围） 18.591[5.581]（0.729–37.940） 18.620[5.765]（0.618–37.940）
缺失 0 652

邻域劣势因子评分
均值[SD]（范围） ?0.002[0.969]（?1.490 至 6.104） 0.000[0.970]（?1.491 至 6.177）
缺失 0 654

分析样本与完整ABCD队列中模型预测变量和结局的描述性统计。除非另有说明，数值反映频次（N）。

a 因单元格数值过小而进行抑制。

GED表示普通教育发展证书；HS，高中；PM2.5，细颗粒物；SD，标准差。

描述性统计

就整体分析样本而言，样本中1年期环境PM2.5和NO?平均暴露水平远低于EPA现行标准（图1）。总体而言，83%的研究参与者年PM2.5平均浓度暴露低于9 μg/m3，100%参与者的NO?暴露在全年低于53 ppb（STable 5；https://links.lww.com/EE/A435）。然而，仅有4%的参与者低于WHO推荐的PM2.5水平（5 μg/m3），仅1%低于NO?推荐水平（10 μg/m3，5.32 ppb；STable 5；https://links.lww.com/EE/A435）。

图1. 开放多媒体

按EPA和WHO标准划分的各站点环境空气污染暴露情况。A，2016年美国各站点PM2.5（μg/m3）和NO?（ppb）年均浓度。B，样本中（n = 9,336）低于EPA（美国环境保护署）标准和WHO（世界卫生组织）暴露指南的比例：PM2.5（左；分别为9 μg/m3和5 μg/m3）及NO?（右；分别为53 ppb和5.32 ppb）。各站点缩写见STable 1；https://links.lww.com/EE/A435。

各21个研究站点的平均暴露浓度存在差异（图1B，SFigure 2；https://links.lww.com/EE/A435，人口加权平均暴露浓度见STable 6；https://links.lww.com/EE/A435）。在21个站点中的18个站点，70%或以上的ABCD研究参与者年PM2.5平均暴露低于EPA标准（9 μg/m3）。值得注意的例外包括UCLA站点（仅52%参与者低于EPA PM2.5标准）、CHLA站点（23%），以及仅3%的UPMC站点。相比之下，极少比例的参与者低于WHO PM2.5清洁空气推荐值，UVM研究站点的参与者暴露低于5 μg/m3的比例最高。所有站点的参与者NO?年平均水平均低于EPA设定的53 ppb。然而，各站点均存在一定比例参与者暴露水平高于WHO推荐的10 μg/m3（5.32 ppb）。UFL站点未超过NO?推荐水平的参与者比例最高，约为14%（图1B，SFigure 2；https://links.lww.com/EE/A435）。

空气污染暴露水平与ABCD队列中社经人口学因素之间的关联

按种族和族裔划分的1年期环境PM2.5和NO?平均暴露分布在各研究站点中呈现于图2A。整个队列中，Black和Hispanic/Latinx参与者的暴露水平最高，非西班牙裔白人参与者的暴露水平最低（图2B）。社会经济因素方面也存在种族和族裔差异：Black和Hispanic/Latinx预青少年生活在更加劣势的邻域，照护者受教育程度较低，且根据所在大都市区生活成本调整后收入显著更低（SFigure 3；https://links.lww.com/EE/A435）。在21个研究站点之间，样本的社经人口学构成也存在显著差异（SFigure 4；https://links.lww.com/EE/A435）。21个研究站点中，Black和Hispanic/Latinx预青少年所经历的邻域劣势、照护者受教育程度低及按生活成本调整后的家庭收入较低程度也存在相当大的变异性（SFigure 5；https://links.lww.com/EE/A435）。

图2. 开放多媒体

按种族/族裔划分的空气污染暴露情况。A，左：2016年研究受试者主要居住地址PM2.5（μg/m3）年均浓度按参与者种族/族裔划分的分布。虚线表示WHO的PM2.5标准（5 μg/m3）和EPA的PM2.5标准（9 μg/m3）。右：研究受试者（n = 9,336）2016年主要居住地址PM2.5（μg/m3）年均浓度的中位数，按种族/族裔和ABCD研究站点分组。圆圈大小表示ABCD研究站点中受试者数量，饱和度表示PM2.5的中位浓度（μg/m3）。B，左：2016年研究受试者主要居住地址NO?（ppb）年均浓度按种族/族裔划分的分布。虚线表示WHO的NO?标准（5.32 ppb）和EPA的NO?标准（53 ppb）。右：研究受试者（n = 9,336）2016年主要居住地址NO?（ppb）年均浓度的中位数，按种族/族裔和ABCD研究站点分组。圆圈大小表示受试者数量，饱和度表示NO?的中位浓度（ppb）。各站点缩写见STable 1；https://links.lww.com/EE/A435。*根据ABCD研究种族/族裔变量，"其他"类别包括印第安人、阿拉斯加原住民、夏威夷原住民、其他太平洋岛民、多族裔以及未另行列出者（其他）。

混合效应模型证实，所关注的社经人口学因素（即种族/族裔与SES）与空气污染暴露之间存在显著且独立的关联（表2）。在整个研究人群中，Hispanic/Latinx参与者的年PM2.5平均暴露水平显著高于非西班牙裔白人参与者，即便考虑了家庭层面与邻域层面的社会经济因素后仍如此。对于NO?，在考虑其他关注变量后，Hispanic/Latinx、Black和多族裔/其他参与者的年平均暴露水平仍显著高于白人对照组。家庭层面受教育程度对暴露水平无显著预测作用，例外的是：父母获得研究生学位的参与者NO?暴露水平较高（相较于学士学位）。邻域劣势程度较高与年PM2.5和NO?水平升高显著相关。

表2. ABCD队列中社经人口学因素对空气污染暴露主要效应的Beta系数和置信区间

预测变量 PM2.5暴露（μg/m3）（n = 9,336） NO?暴露（ppb）（n = 9,336）

β 95% CI P FDR P β 95% CI P FDR P

种族/族裔
亚裔 0.032 ?0.092 至 0.155 0.614 0.737 0.643 0.156, 1.130 0.010 0.058
黑人 0.000 ?0.066 至 0.066 0.991 0.991 1.064 0.803, 1.324 <0.001 <0.001
西班牙裔/拉丁裔 0.155 0.097, 0.214 <0.001 <0.001 0.740 0.508, 0.971 <0.001 <0.001
其他 a 0.006 ?0.057 至 0.069 0.848 0.871 0.369 0.121, 0.617 0.004 0.021
白人 ——

照护者最高教育程度
<高中毕业 0.021 ?0.080 至 0.122 0.680 0.680 0.365 ?0.034 至 0.763 0.073 0.222
高中毕业/ged证书 ?0.029 ?0.108 至 0.049 0.463 0.895 ?0.058 ?0.366 至 0.251 0.715 0.895
部分大学教育 0.016 ?0.039 至 0.071 0.560 0.893 ?0.037 ?0.254 至 0.180 0.740 0.893
学士学位 ——
研究生学位 0.039 ?0.009 至 0.088 0.114 0.144 0.226 0.034 至 0.418 0.021 0.049

收入组
收入组1（低于站点中位收入$92,000–$29,000） ?0.014 ?0.082 至 0.055 0.699 0.805 0.242 ?0.029 至 0.514 0.081 0.242
收入组2（低于站点中位收入$29,000–$820） 0.012 ?0.050 至 0.074 0.702 0.768 0.125 ?0.121 至 0.371 0.318 0.768
收入组3（高于站点中位收入$2,760–$54,800） ——
收入组4（高于站点中位收入$54,800–$86,700） ?0.070 ?0.133 至 ?0.007 0.031 0.085 ?0.240 ?0.490 至 0.010 0.060 0.085
收入组5（高于站点中位收入$86,700–$154,000） ?0.007 ?0.069 至 0.056 0.838 0.898 ?0.107 ?0.354 至 0.140 0.398 0.796
不知/拒答 0.035 ?0.043 至 0.113 0.379 0.757 0.010 ?0.299 至 0.319 0.951 0.951

邻域劣势因子评分 0.170 0.145, 0.195 <0.001 <0.001 0.704 0.605, 0.803 <0.001 <0.001

随机效应
σ2（组内方差） 0.781 2.12
τ??（组间方差） 1.611 9.64
组内相关系数 0.67 0.62
随机效应数量 21 21
r2固定/r2固定+随机 0.015/0.680 0.033/0.631

显著效应（fdr校正后p < 0.05）以粗体表示。

a 根据abcd研究定义，"其他"类别包括印第安人、阿拉斯加原住民、夏威夷原住民、其他太平洋岛民、多族裔以及未另行列出者（其他）。

ci表示置信区间；fdr p，假发现率校正后p值；ged，普通教育发展证书；hs，高中；β，beta系数；σ2，残差方差/组内方差；τ??，随机截距方差/组间方差。

交互分析表明，种族/族裔与ses的组合（同时考虑邻域劣势）相较于排除这些交互项的模型，与暴露水平的关联更为密切，但有一项例外：在no?暴露中，种族/族裔与照护者受教育程度的交互未增加额外的预测效力（stables 7和8；https://links.lww.com/ee/a435）。事后交互比较显示，来自最低收入家庭及回答"不知"或拒绝提供家庭收入信息的hispanic/latinx参与者是pm2.5暴露水平最高的群体之一，而高收入家庭中的白人参与者始终经历两种污染物的最低暴露水平（图3，stables 9–12；https://links.lww.com/ee/a435）。值得注意的是，在black种族/族裔类别内部，事后比较显示持有学士学位或研究生学位的家庭pm2.5暴露更高（相较于持有高中毕业或ged证书者）。no?暴露的交互事后效应显示，在收入组2和收入组3中，black和hispanic/latinx参与者的暴露显著高于白人参与者，且与白人及其他预青少年相比，black预青少年在收入组5中的no?暴露也更高（图3，stables 13–15；https://links.lww.com/ee/a435）。所有交互的事后配对比较结果展示于sfigure 6；https://links.lww.com/ee/a435。

图3. 开放多媒体

种族/族裔与家庭层面社会经济因素对pm2.5和no?暴露的交互效应。基于种族/族裔与照护者教育程度交互的（a）pm2.5暴露（μg/m3）和（b）no?暴露（ppb）的预测值；基于种族/族裔与研究站点调整后收入组交互的（c）pm2.5暴露（μg/m3）和（d）no?暴露（ppb）的预测值。所有线性回归模型的参考类别为：种族/族裔取白人，照护者最高教育程度取学士学位，收入组取收入组3。所有线性回归模型（n = 9,336）均纳入种族/族裔、照护者最高教育程度、收入组和邻域劣势因子评分。黑色括号表示在同一社会经济水平内显著的配对差异，灰色括号表示在同一种族/族裔内显著的配对差异。hs表示高中；ged，普通教育发展证书。*根据abcd研究种族/族裔变量，"其他"类别包括印第安人、阿拉斯加原住民、夏威夷原住民、其他太平洋岛民、多族裔以及未另行列出者（其他）。^研究站点调整后的收入组基于参与者总家庭收入相对于站点大都市区中位收入的比率计算。收入组1：低于站点中位收入$92,000–$29,000；收入组2：低于站点中位收入$29,000–$820；收入组3：高于站点中位收入$2,760–$54,800；收入组4：高于站点中位收入$54,800–$86,700；收入组5：高于站点中位收入$86,700–$154,000。

社经人口学因素还与年pm2.5平均值超过epa标准，以及pm2.5和no?暴露超过who当前推荐水平的可能性增加相关联（stable 16；https://links.lww.com/ee/a435）。由于超过no?的epa标准者极少，未运行相关logistic回归模型。回归分析显示，自我认定为hispanic/latinx（相较于白人）与暴露于超过epa阈值的年均空气污染浓度相关联。 0.021 ?0.080 至 0.122 0.680 0.680 0.365 ?0.034 至 0.763 0.073 0.222 高中毕业 ged证书 ?0.029 ?0.108 至 0.049 0.463 0.895 ?0.058 ?0.366 至 0.251 0.715 0.895 部分大学教育 0.016 ?0.039 至 0.071 0.560 0.893 ?0.037 ?0.254 至 0.180 0.740 0.893 学士学位 —— 研究生学位 0.039 ?0.009 至 0.088 0.114 0.144 0.226 0.034 至 0.418 0.021 0.049 收入组 收入组1（低于站点中位收入$92,000–$29,000） ?0.014 ?0.082 至 0.055 0.699 0.805 0.242 ?0.029 至 0.514 0.081 0.242 收入组2（低于站点中位收入$29,000–$820） 0.012 ?0.050 至 0.074 0.702 0.768 0.125 ?0.121 至 0.371 0.318 0.768 收入组3（高于站点中位收入$2,760–$54,800） —— 收入组4（高于站点中位收入$54,800–$86,700） ?0.070 ?0.133 至 ?0.007 0.031 0.085 ?0.240 ?0.490 至 0.010 0.060 0.085 收入组5（高于站点中位收入$86,700–$154,000） ?0.007 ?0.069 至 0.056 0.838 0.898 ?0.107 ?0.354 至 0.140 0.398 0.796 不知 拒答 0.035 ?0.043 至 0.113 0.379 0.757 0.010 ?0.299 至 0.319 0.951 0.951 邻域劣势因子评分 0.170 0.145, 0.195 <0.001 <0.001 0.704 0.605, 0.803 <0.001 <0.001 随机效应 σ2（组内方差） 0.781 2.12 τ??（组间方差） 1.611 9.64 组内相关系数 0.67 0.62 随机效应数量 21 21 r2固定 r2固定+随机 0.015 0.680 0.033 0.631 显著效应（fdr校正后p < 0.05）以粗体表示。 a 根据abcd研究定义，"其他"类别包括印第安人、阿拉斯加原住民、夏威夷原住民、其他太平洋岛民、多族裔以及未另行列出者（其他）。 ci表示置信区间；fdr p，假发现率校正后p值；ged，普通教育发展证书；hs，高中；β，beta系数；σ2，残差方差 组内方差；τ??，随机截距方差 组间方差。 交互分析表明，种族 族裔与ses的组合（同时考虑邻域劣势）相较于排除这些交互项的模型，与暴露水平的关联更为密切，但有一项例外：在no?暴露中，种族 族裔与照护者受教育程度的交互未增加额外的预测效力（stables 7和8；https: links.lww.com ee a435）。事后交互比较显示，来自最低收入家庭及回答"不知"或拒绝提供家庭收入信息的hispanic latinx参与者是pm2.5暴露水平最高的群体之一，而高收入家庭中的白人参与者始终经历两种污染物的最低暴露水平（图3，stables 9–12；https: links.lww.com ee a435）。值得注意的是，在black种族 族裔类别内部，事后比较显示持有学士学位或研究生学位的家庭pm2.5暴露更高（相较于持有高中毕业或ged证书者）。no?暴露的交互事后效应显示，在收入组2和收入组3中，black和hispanic latinx参与者的暴露显著高于白人参与者，且与白人及其他预青少年相比，black预青少年在收入组5中的no?暴露也更高（图3，stables 13–15；https: links.lww.com ee a435）。所有交互的事后配对比较结果展示于sfigure 6；https: links.lww.com ee a435。 图3. 开放多媒体 种族 族裔与家庭层面社会经济因素对pm2.5和no?暴露的交互效应。基于种族 族裔与照护者教育程度交互的（a）pm2.5暴露（μg m3）和（b）no?暴露（ppb）的预测值；基于种族 族裔与研究站点调整后收入组交互的（c）pm2.5暴露（μg m3）和（d）no?暴露（ppb）的预测值。所有线性回归模型的参考类别为：种族 族裔取白人，照护者最高教育程度取学士学位，收入组取收入组3。所有线性回归模型（n=9,336）均纳入种族/族裔、照护者最高教育程度、收入组和邻域劣势因子评分。黑色括号表示在同一社会经济水平内显著的配对差异，灰色括号表示在同一种族/族裔内显著的配对差异。HS表示高中；GED，普通教育发展证书。*根据ABCD研究种族/族裔变量，"其他"类别包括印第安人、阿拉斯加原住民、夏威夷原住民、其他太平洋岛民、多族裔以及未另行列出者（其他）。^研究站点调整后的收入组基于参与者总家庭收入相对于站点大都市区中位收入的比率计算。收入组1：低于站点中位收入$92,000–$29,000；收入组2：低于站点中位收入$29,000–$820；收入组3：高于站点中位收入$2,760–$54,800；收入组4：高于站点中位收入$54,800–$86,700；收入组5：高于站点中位收入$86,700–$154,000。 社经人口学因素还与年pm2.5平均值超过epa标准，以及pm2.5和no?暴露超过who当前推荐水平的可能性增加相关联（stable 16；https: links.lww.com ee a435）。由于超过no?的epa标准者极少，未运行相关logistic回归模型。回归分析显示，自我认定为hispanic> 高中毕业/ged证书 ?0.029 ?0.108 至 0.049 0.463 0.895 ?0.058 ?0.366 至 0.251 0.715 0.895
部分大学教育 0.016 ?0.039 至 0.071 0.560 0.893 ?0.037 ?0.254 至 0.180 0.740 0.893
学士学位 ——
研究生学位 0.039 ?0.009 至 0.088 0.114 0.144 0.226 0.034 至 0.418 0.021 0.049

收入组
收入组1（低于站点中位收入$92,000–$29,000） ?0.014 ?0.082 至 0.055 0.699 0.805 0.242 ?0.029 至 0.514 0.081 0.242
收入组2（低于站点中位收入$29,000–$820） 0.012 ?0.050 至 0.074 0.702 0.768 0.125 ?0.121 至 0.371 0.318 0.768
收入组3（高于站点中位收入$2,760–$54,800） ——
收入组4（高于站点中位收入$54,800–$86,700） ?0.070 ?0.133 至 ?0.007 0.031 0.085 ?0.240 ?0.490 至 0.010 0.060 0.085
收入组5（高于站点中位收入$86,700–$154,000） ?0.007 ?0.069 至 0.056 0.838 0.898 ?0.107 ?0.354 至 0.140 0.398 0.796
不知/拒答 0.035 ?0.043 至 0.113 0.379 0.757 0.010 ?0.299 至 0.319 0.951 0.951

邻域劣势因子评分 0.170 0.145, 0.195 <0.001 <0.001 0.704 0.605, 0.803 <0.001 <0.001

随机效应
σ2（组内方差） 0.781 2.12
τ??（组间方差） 1.611 9.64
组内相关系数 0.67 0.62
随机效应数量 21 21
r2固定/r2固定+随机 0.015/0.680 0.033/0.631

显著效应（fdr校正后p < 0.05）以粗体表示。

a 根据abcd研究定义，"其他"类别包括印第安人、阿拉斯加原住民、夏威夷原住民、其他太平洋岛民、多族裔以及未另行列出者（其他）。

ci表示置信区间；fdr p，假发现率校正后p值；ged，普通教育发展证书；hs，高中；β，beta系数；σ2，残差方差/组内方差；τ??，随机截距方差/组间方差。

交互分析表明，种族/族裔与ses的组合（同时考虑邻域劣势）相较于排除这些交互项的模型，与暴露水平的关联更为密切，但有一项例外：在no?暴露中，种族/族裔与照护者受教育程度的交互未增加额外的预测效力（stables 7和8；https://links.lww.com/ee/a435）。事后交互比较显示，来自最低收入家庭及回答"不知"或拒绝提供家庭收入信息的hispanic/latinx参与者是pm2.5暴露水平最高的群体之一，而高收入家庭中的白人参与者始终经历两种污染物的最低暴露水平（图3，stables 9–12；https://links.lww.com/ee/a435）。值得注意的是，在black种族/族裔类别内部，事后比较显示持有学士学位或研究生学位的家庭pm2.5暴露更高（相较于持有高中毕业或ged证书者）。no?暴露的交互事后效应显示，在收入组2和收入组3中，black和hispanic/latinx参与者的暴露显著高于白人参与者，且与白人及其他预青少年相比，black预青少年在收入组5中的no?暴露也更高（图3，stables 13–15；https://links.lww.com/ee/a435）。所有交互的事后配对比较结果展示于sfigure 6；https://links.lww.com/ee/a435。

图3. 开放多媒体

种族/族裔与家庭层面社会经济因素对pm2.5和no?暴露的交互效应。基于种族/族裔与照护者教育程度交互的（a）pm2.5暴露（μg/m3）和（b）no?暴露（ppb）的预测值；基于种族/族裔与研究站点调整后收入组交互的（c）pm2.5暴露（μg/m3）和（d）no?暴露（ppb）的预测值。所有线性回归模型的参考类别为：种族/族裔取白人，照护者最高教育程度取学士学位，收入组取收入组3。所有线性回归模型（n = 9,336）均纳入种族/族裔、照护者最高教育程度、收入组和邻域劣势因子评分。黑色括号表示在同一社会经济水平内显著的配对差异，灰色括号表示在同一种族/族裔内显著的配对差异。hs表示高中；ged，普通教育发展证书。*根据abcd研究种族/族裔变量，"其他"类别包括印第安人、阿拉斯加原住民、夏威夷原住民、其他太平洋岛民、多族裔以及未另行列出者（其他）。^研究站点调整后的收入组基于参与者总家庭收入相对于站点大都市区中位收入的比率计算。收入组1：低于站点中位收入$92,000–$29,000；收入组2：低于站点中位收入$29,000–$820；收入组3：高于站点中位收入$2,760–$54,800；收入组4：高于站点中位收入$54,800–$86,700；收入组5：高于站点中位收入$86,700–$154,000。

社经人口学因素还与年pm2.5平均值超过epa标准，以及pm2.5和no?暴露超过who当前推荐水平的可能性增加相关联（stable 16；https://links.lww.com/ee/a435）。由于超过no?的epa标准者极少，未运行相关logistic回归模型。回归分析显示，自我认定为hispanic/latinx（相较于白人）与暴露于超过epa阈值的年均空气污染浓度相关联。>

类似地，居住在更为劣势的社区也与较高的暴露水平相关。对照世界卫生组织（WHO）阈值进行评估，还发现了若干额外的差异。多民族/其他种族/民族参与者（与白人参与者相比）暴露于超过当前世界卫生组织5 μg/m3 PM2.5指导水平的可能性是白人的1.8倍（补充表17；https://links.lww.com/EE/A435）。此外，多民族/其他种族/民族参与者暴露于超过世界卫生组织年NO?浓度推荐值5.32 ppb的可能性是白人的2.32倍，而黑人参与者是白人的4.47倍（补充表17；https://links.lww.com/EE/A435）。

各站点空气污染暴露水平与社会人口因素关联的荟萃分析

合并站点效应

对各站点空气污染暴露与各社会人口变量（在控制其他社会人口变量，即种族/民族、社会经济地位、社区劣势的情况下）关联的荟萃分析显示，21个研究站点之间存在显著变异性（图4和图5，补充图7-11；https://links.lww.com/EE/A435）。PM2.5和NO?的荟萃分析显示，社区劣势因素具有显著的合并效应（PM2.5合并效应为0.19，95% CI = [0.09, 0.29]；NO?合并效应为0.76，95% CI = [0.53, 0.99]）（图4A、B），这表明总体而言，居住在社区劣势程度较高的社区与PM2.5和NO?暴露水平增加相关。然而，21个研究站点之间在PM2.5（τ2 = 0.05，95% CI = [0.03, 0.11]；I2 = 95.38%，95% CI = [91.77%, 97.85%]）和NO?（τ2 = 0.22，95% CI = [0.11, 0.53]；I2 = 84.11%，95% CI = [71.80%, 92.72%]）方面仍存在显著的站点间异质性（补充表16和17；https://links.lww.com/EE/A435），这表明基于社区劣势对暴露水平的解释性变异中有相当大一部分在各站点之间并非均匀分布。特别是在两项荟萃分析中，最大的效应出现在加利福尼亚州的各研究站点（即洛杉矶儿童医院、加州大学洛杉矶分校、SRI国际、加州大学圣地亚哥分校）以及犹他州（犹他大学）、佛罗里达州（佛罗里达国际大学）、密歇根州（密歇根大学）、明尼苏达州（明尼苏达大学）和佛蒙特州（佛蒙特大学）的研究站点。

图4（多媒体图）。社区劣势因素评分对PM2.5和NO?暴露的显著合并效应。社区劣势与住宅PM2.5（μg/m3）和NO?（ppb）浓度关联的荟萃分析结果。所有线性模型的参照类别为：种族/民族为白人，看护者最高学历为学士学位，收入组为收入组3。所有线性模型均包含种族/民族、看护者最高学历、收入组和社区劣势因素评分。显著效应（置信区间不跨越0）以灰色突出显示。站点缩写的对照请参见补充表1；https://links.lww.com/EE/A435。

a 表示未满足正态性假设的站点——虽然效率可能会有所损失，但由于各站点的样本量较大（所有站点n > 200），这一影响可能得到缓解。

图5（多媒体图）。种族/民族对PM2.5和NO?暴露的显著合并效应。种族/民族与住宅PM2.5（μg/m3）和NO?（ppb）浓度关联的荟萃分析结果。所有线性模型的参照类别为：种族/民族为白人，看护者最高学历为学士学位，收入组为收入组3。所有线性模型均包含种族/民族、看护者最高学历、收入组和社区劣势因素评分。显著效应（置信区间不跨越0）以灰色突出显示。站点缩写的对照请参见补充表1；https://links.lww.com/EE/A435。

a 未满足正态性假设的站点——虽然效率可能会有所损失，但由于各站点的样本量较大（所有站点n > 200），这一影响可能得到缓解。

b 该类别分组的样本量较小（n ≤ 20）（即种族/民族类别），因此估计值可靠性较低。

* 根据ABCD研究种族/民族变量，"其他"类别包括美洲印第安人、阿拉斯加原住民、夏威夷原住民、其他太平洋岛民、多民族及未另行列出的（其他）人群。由于秩次不足，亚裔也被归入此类别。

荟萃分析还显示，与白人前青少年相比，黑人前青少年暴露于更高水平的住宅PM2.5和NO?具有显著的合并效应（PM2.5：合并效应 = 0.13，95% CI = [0.09, 0.29]；NO?：合并效应 = 0.98，95% CI = [0.56, 1.40]）（图5A、B）。荟萃分析还显示，在控制其他因素的情况下，亚裔/其他（合并效应 = 0.40，95% CI = [0.10, 0.70]）和西班牙裔/拉丁裔（合并效应 = 0.37，95% CI = [0.07, 0.66]）参与者暴露于更高的年NO?平均水平，与白人参与者相比（图5C、D）。

尽管其他社会人口因素在21个研究站点对PM2.5和NO?暴露未显示出显著的合并效应（补充图7-11；https://links.lww.com/EE/A435），但在PM2.5和NO?与其他社会人口因素（即种族/民族、家庭层面社会经济地位）的关联中也存在值得注意的站点特异性差异（补充表18和19；https://links.lww.com/EE/A435）。在PM2.5荟萃分析中，唯一显示显著站点间变异性的其他效应是西班牙裔/拉丁裔相对于白人的效应（τ2 = 0.02，95% CI = [0.01, 0.08]；I2 = 62.11%，95% CI = [26.38%, 84.18%]）。在NO?荟萃分析中，以下效应显示出显著的站点间变异性：最高收入组相对于中等收入组的效应（τ2 = 0.23，95% CI = [0.0047, 0.97]；I2 = 55.32%，95% CI = [2.42, 83.71%]）；看护者具有部分大学学历（τ2 = 0.15，95% CI = [0.01, 0.59]；I2 = 43.74%，95% CI = [3.03%, 75.50%]）和研究生学历（τ2 = 0.23，95% CI = [0.06, 0.71]；I2 = 60.92%，95% CI = [29.63, 83.04]）相对于学士学位的效应；以及黑人（τ2 = 0.51，95% CI = [0.15, 1.60]；I2 = 60.54%，95% CI = [30.73, 82.71]）和亚裔/其他参与者（τ2 = 0.24，95% CI = [0.02, 0.91]；I2 = 52.79%，95% CI = [8.77, 80.96]）相对于白人的效应。补充图7；https://links.lww.com/EE/A435至补充图11；https://links.lww.com/EE/A435进一步详细说明了这些关联在强度与方向上的站点特异性变异，但其他社会人口因素未显示出显著的异质性。

讨论

本研究通过刻画全国21个ABCD研究站点中前青少年住宅暴露模式，推进了对儿童空气污染差异的理解。我们的发现不仅简单地证实了少数族裔和低收入群体面临不成比例的暴露，还揭示了这些差异的特定交叉性和地理结构。来自最低收入家庭的西班牙裔/拉丁裔前青少年面临最高的PM2.5水平；黑人前青少年无论教育水平如何，均比白人前青少年经历更高的NO?暴露；而站点特异性荟萃分析揭示了显著的站点间变异性，这在合并的全国分析中会被掩盖。这些模式凸显了住宅精确性、交叉性分析和站点特异性设计在刻画儿童健康差异的环境贡献因素方面的价值。

人群和公共卫生意义

有色人种社区和低收入群体对PM2.5和NO?的成比例暴露体现了美国的环境不公正。系统性不平等，包括歧视性的分区和城市规划政策，持续加剧这些暴露差异，导致受影响群体中慢性呼吸系统疾病和心血管疾病的发生率更高。青少年对空气污染尤为脆弱，因为其肺部和免疫系统尚在发育中，这会加剧健康不平等并导致日后慢性疾病的发生。空气污染暴露已被证明与认知功能受损、学业成绩降低以及注意缺陷多动障碍（ADHD）和自闭症谱系障碍（ASD）等神经发育障碍风险增加相关。PM2.5和NO?暴露会增加儿童的应激反应和行为失调，从而加剧社会经济压力。神经影像学研究显示，空气污染会减少执行功能和情绪调节关键区域的大脑皮层厚度并破坏白质完整性，导致焦虑、抑郁和认知障碍的发生率更高。未来的研究必须考察环境不公正如何可能增加少数族裔社区中的这些风险。

种族/民族与社会经济地位对空气污染暴露的交叉性影响凸显了需要考察结构性障碍、心理社会应激源和神经毒性暴露如何叠加加剧健康差异。虽然一些框架将这些叠加效应描述为"三重困境假说"，但NO?、种族/民族与家庭社会经济地位之间的复杂关系仍有待进一步探索。这些交叉性模式——最高暴露群体具体出现在少数族裔/民族与最低收入的组合中——在将种族/民族与社会经济地位视为独立加性预测因子的模型中将是不可见的，这凸显了本文所采用方法的分析必要性。

我们样本中的大多数儿童超过了世界卫生组织推荐的空气质量标准，但仍在环境保护署的监管阈值以下。鉴于低于阈值的空气污染也有害的证据，美国应加强与全球标准的监管一致性，尽管我们认识到这需要政治意愿和实际可行性。如本研究所述，将空气污染作为儿童健康和环境公正问题加以审视，有助于积累关于儿童和少数族裔社区暴露负担不成比例的证据，这历来是促使美国采取监管行动的动力，包括2023年EPA修订PM2.5标准。公共卫生工作应同时优先关注边缘化社区，通过加强排放执法和绿色城市规划来实现，这些策略在现有监管框架内即可实施。

捕捉局部差异：荟萃分析在空气污染暴露评估中的价值

此前关于空气污染差异的全国性研究假设社会人口因素与暴露之间的关系在地理上是一致的。通过先分别分析各站点再通过荟萃分析进行汇总，我们表明，全国层面的种族/民族和社会经济差异估计掩盖了显著的局部变异。虽然全国数据显示黑人及西班牙裔/拉丁裔前青少年总体上面临更高的空气污染暴露，但站点特异性分析揭示了这些差异在各大都市区的幅度和模式上存在有意义的变异性。这对未来的干预设计尤为重要，因为发现全国范围内存在差异只是告诉决策者问题存在，而站点层面的异质性则告诉他们应该在何处行动以及需要采取何种因地制宜的策略。该框架还通过随机效应模型来建模站点间变异，而非假设在ABCD队列所代表的多样化地理、气候和社会人口背景下关系一致，从而增强了我们发现的稳健性和可推广性。

局限性与未来方向

鉴于ABCD研究的人口主要为城市/郊区人群，我们的发现可能更适用于城市环境。这限制了对具有不同环境风险的农村人口的推广性。虽然研究在社会人口代表性方面具有多样性，但过度代表高收入家庭，且亚裔、美洲原住民、美洲印第安人、夏威夷原住民和太平洋岛民参与者的代表性不足。抽样策略未考虑21个站点各自的当地社会人口代表性。个体层面的社会经济数据仅限于父母报告的教育和收入。种族/民族也是父母报告的，反映的是家庭背景而非儿童自我认同。这些限制在前青少年队列研究中较为常见，凸显了社区层面分析的重要性，最稳健的关联正是在此层面观察到的。未来的研究应扩大地理和人口代表性，以更好地捕捉全美范围内的环境暴露情况。此外，纵向分析对于评估空气污染对儿童和青少年健康的累积效应是必要的。

结论

通过使用住宅地理编码、交叉性分析和站点特异性荟萃分析方法，本研究展示了全国范围内大脑发育研究中前青少年住宅空气污染暴露的种族和社会经济差异。我们的发现将环境不公正框架扩展到儿科发展领域，提供了证据表明儿童时期差异性的暴露负担可能是将结构性不平等与全生命周期神经认知差异联系起来的一条重要途径。站点特异性分析显示，全国估计掩盖了显著的局部变异，凸显了需要地理定向的干预措施而非统一的全国性策略。鉴于几乎所有参与者的暴露水平都超过了WHO空气质量标准，但仍低于当前EPA阈值，与全球循证标准进行监管对齐是有必要的——尤其是对于神经系统仍在发育、面临更高脆弱性的儿童而言。未来的研究应扩大人口代表性，纳入纵向随访，并直接考察本文所记录的差异性暴露如何转化为不同种族/民族和社会经济群体的发育健康结果。解决这些不平等对于促进健康公平、确保支持青少年发展的清洁环境至关重要。

利益冲突声明

作者声明与本报告内容不存在利益冲突。

致谢

作者感谢Nate Overholtzer计算大都市统计区中位收入调整后的家庭收入测量指标。特别感谢所有参与ABCD研究及其家庭的参与者和他们，使ABCD研究得以实现。本文准备过程中使用的数据来自青少年大脑认知发展?（ABCD）研究（https://abcdstudy.org），存放于美国国家心理健康研究所数据档案（NDA）中。这是一项多中心、纵向研究，旨在招募10000多名9-10岁的青少年，并在未来10年内追踪至其成年早期。

ABCD研究?由国家卫生研究院及其他联邦合作伙伴提供资助，资助编号为U01DA041048、U01DA050989、U01DA051016、U01DA041022、U01DA051018、U01DA051037、U01DA050987、U01DA041174、U01DA041106、U01DA041117、U01DA041028、U01DA041134、U01DA050988、U01DA051039、U01DA041156、U01DA041025、U01DA041120、U01DA051038、U01DA041148、U01DA041093、U01DA041089、U24DA041123和U24DA041147。完整的资助方名单可访问 https://abcdstudy.org/federal-partners.html 查阅。参与机构名单及研究人员的完整名单可在 https://abcdstudy.org/consortium_members/ 找到。ABCD联盟研究人员负责了研究的设计和/或实施并提供了数据，但未必参与了本报告的分析和撰写工作。本文档反映的是作者的观点，不一定代表美国国家卫生研究院或ABCD联盟研究人员的意见或立场。