目的探讨育龄男性的空气污染物(PM_(10)、PM_(2.5)、SO_(2)、O_(3)、NO_(2)、CO)暴露水平与不育风险的关联。方法重庆市孕前生殖健康与出生结局队列(Preconception Reproductive Health and Birth Outcomes Cohort,PREBIC)于2018年11月...目的探讨育龄男性的空气污染物(PM_(10)、PM_(2.5)、SO_(2)、O_(3)、NO_(2)、CO)暴露水平与不育风险的关联。方法重庆市孕前生殖健康与出生结局队列(Preconception Reproductive Health and Birth Outcomes Cohort,PREBIC)于2018年11月开始在重庆市妇幼保健院招募进行孕前健康检查的育龄男性建立基线,随后每3个月进行一次随访,12个月无保护性交后未能实现临床妊娠的定义为不育。采用机器学习算法评估研究对象入组前3个月(生精周期)个体化空气污染暴露水平。通过建立Logistic回归单污染物模型分析男性空气污染物暴露对不育的影响及关键易感窗口,双污染物模型进行敏感性分析。采用贝叶斯核机器回归模型分析空气污染物对不育的联合影响及交互作用。结果共有2297名男性研究对象纳入研究。在进行多重检验校正后,男性入组前90 d PM_(10)暴露水平最高四分位数与最低四分位数相比较,不育的相对风险提高29.3%(OR=1.293,95%CI:1.022~1.636,P=0.008)。关键易感窗口的分析中,PM_(10)在0~90 d各阶段均呈现出与不育的关联,未观察到显著的易感窗口。空气污染物的联合效应及交互作用分析中未观察到有统计学意义的结果。结论男性PM_(10)暴露可能会增加不育的风险。展开更多
文摘目的探讨育龄男性的空气污染物(PM_(10)、PM_(2.5)、SO_(2)、O_(3)、NO_(2)、CO)暴露水平与不育风险的关联。方法重庆市孕前生殖健康与出生结局队列(Preconception Reproductive Health and Birth Outcomes Cohort,PREBIC)于2018年11月开始在重庆市妇幼保健院招募进行孕前健康检查的育龄男性建立基线,随后每3个月进行一次随访,12个月无保护性交后未能实现临床妊娠的定义为不育。采用机器学习算法评估研究对象入组前3个月(生精周期)个体化空气污染暴露水平。通过建立Logistic回归单污染物模型分析男性空气污染物暴露对不育的影响及关键易感窗口,双污染物模型进行敏感性分析。采用贝叶斯核机器回归模型分析空气污染物对不育的联合影响及交互作用。结果共有2297名男性研究对象纳入研究。在进行多重检验校正后,男性入组前90 d PM_(10)暴露水平最高四分位数与最低四分位数相比较,不育的相对风险提高29.3%(OR=1.293,95%CI:1.022~1.636,P=0.008)。关键易感窗口的分析中,PM_(10)在0~90 d各阶段均呈现出与不育的关联,未观察到显著的易感窗口。空气污染物的联合效应及交互作用分析中未观察到有统计学意义的结果。结论男性PM_(10)暴露可能会增加不育的风险。