2014—2019年北京市大气NO_(2)对呼吸系统疾病入院人次的影响

目的探究NO_(2)对北京市呼吸系统疾病入院人次的影响,进一步探索NO_(2)对是/否合并糖尿病的呼吸系统疾病入院人次的影响。方法收集北京市2014—2019年大气污染物NO_(2)浓度、气象因素数据,结合同时期呼吸系统疾病(慢性阻塞性肺疾病、哮喘、肺炎、上/下呼吸道感染)入院资料,运用广义相加模型(generalized additive model,GAM),分析研究NO_(2)对呼吸系统疾病的入院人次的相关性,探索性的研究NO_(2)对是/否合并糖尿病的呼吸系统疾病入院人群在不同年龄、性别、季节分层下的差异。结果GAM分析结果表明NO_(2)浓度与总呼吸系统疾病入院人次呈正相关(P<0.05),累积效应值大于单日效应值。NO_(2)浓度每升高1个四分位数间距(interquartile range,IQR)(23.55μg/m^(3)),在lag0-14 d的效应最强,对总人群的超额危险度(excess risk,ER)为13.78%(95%CI:12.48%~15.09%),对>60岁(Z=4.87,P<0.01)和女性(Z=-2.81,P<0.01)呼吸系统疾病入院人次的影响更大。合并糖尿病人群和未合并糖尿病人群的ER值在lag0-14 d均为最大值,分别为15.44%(95%CI:12.22%~18.75%)、13.55%(95%CI:12.17%~14.95%)。大部分滞后期的糖尿病人群效应值均高于非糖尿病人群效应值,但仅在lag0-5 d~lag0-9 d差异有统计学意义(P<0.05)。其中,未合并糖尿病人群在不同年龄(Z=-4.58,P<0.01)和性别(Z=-2.43,P<0.05)的差异有统计学意义,与总呼吸系统的分层结果一致。未发现NO_(2)对合并糖尿病人群影响存在性别和年龄差异。结论2014—2019年北京市呼吸系统疾病的入院人次增加与NO_(2)浓度升高相关,对老年人和女性的影响更大;探索发现,NO_(2)对合并糖尿病的呼吸系统疾病入院人群的效应大于未合并糖尿病人群,>60岁人群对影响更为敏感。

大气PM_(2.5)长期暴露与肾功能的关联研究

目的评估长期暴露于大气细颗粒物(fine particulate matter,PM_(2.5))5种成分(黑炭、铵盐、硝酸盐、有机物、硫酸盐)对肾功能的长期效应。方法基于中国健康与养老追踪调查(China Health and Retirement Longitudinal Study,CHARLS)2011年和2015年的数据,纳入5696名中老年人,使用贝叶斯核机器回归(Bayesian kernel machine regression,BKMR)方法探究黑炭、铵盐、硝酸盐、有机物和硫酸盐5种PM_(2.5)成分对肾功能的单独效应、交互效应和联合效应。结果2011—2015年慢性肾脏病发生率为5.53%。有机物、黑炭、硝酸盐和硫酸盐的后验包含概率(posterior inclusion probabilities,PIP)值均为1.000,对估算肾小球滤过率(estimated glomerular filtration rate,eGFR)的影响较大。当其余4种变量固定在第25,50和75百分位时,有机物每增加1个四分位数间距(interquartile range,IQR),估算肾小球滤过率eGFR效应值分别为-9.18(95%CI:-40.16,21.80),-61.57(95%CI:-87.50,-35.64),10.24(95%CI:-16.53,37.01);黑炭每增加1个IQR,eGFR水平分别上升16.67(95%CI:-12.50,45.84),33.30(95%CI:10.30,56.30),53.40(95%CI:25.00,81.80);硫酸盐每增加1个IQR,eGFR水平与其呈负相关,效应值分别为-89.83(95%CI:-161.17,-18.47),-73.28(95%CI:-102.49,-44.47),-22.76(95%CI:-91.42,45.90)。PM_(2.5)组分联合效应与估计肾小球滤过率总体呈负相关。结论有机物单独暴露与中老年人估计肾小球滤过率水平降低相关,PM_(2.5)混合物与估计肾小球滤过率呈负相关关联,对慢性肾脏病具有正联合影响。

PM_(2.5)组分长期暴露对2型糖尿病发病的影响研究

目的评估长期暴露于细颗粒物(fine particulate matter,PM_(2.5))五种组分对2型糖尿病发病的影响。方法基于中国健康与养老追踪调查(China Health and Retirement Longitudinal Study,CHARLS)2011年和2015年的数据,纳入3788名中老年人。采用贝叶斯核机器回归(Bayesian kernel machine regression,BKMR)分析黑碳、铵盐、硝酸盐、有机物、硫酸盐对空腹血糖、糖化血红蛋白和2型糖尿病发病风险的单独效应、交互效应和联合效应。使用后验包含概率(posterior inclusion probabilities,PIP)估计组分的重要程度,PIP>0.5被认定为重要变量。结果研究结果表明黑碳对空腹血糖的影响较大(PIP=0.75),并未发现与糖化血红蛋白和2型糖尿病发病风险有关的重要变量。当其余组分位于第25、50和75百分位数(P_(25),P_(50),P_(75))时,黑碳每升高1个四分位数间距(interquartile range,IQR),空腹血糖分别升高0.59(95%CI:0.13,1.05)、0.61(95%CI:0.19,1.03)和0.57(95%CI:0.11,1.03)mmol/L。五种组分之间不存在交互效应。联合效应分析显示,与所有组分浓度都固定在P_(50)相比,当所有组分浓度都处于P_(70)时,空腹血糖值改变最大,提高0.12(95%CI:0.02,0.21)mmol/L。结论本研究提示PM_(2.5)组分长期暴露对糖化血红蛋白和2型糖尿病发病风险无明显影响,仅黑碳单独暴露和PM_(2.5)组分联合暴露可以提高我国中老年人的空腹血糖,要加强对PM_(2.5)中黑碳的防控,为进一步预防2型糖尿病提供依据。

基于LASSO回归与随机森林算法的2型糖尿病发病风险因素分析

目的基于LASSO回归与随机森林算法分析2型糖尿病的发病风险因素,为临床决策提供参考。方法以中国健康与养老追踪调查数据库2011年和2015年的数据进行队列研究,调查45岁及以上人群2型糖尿病的风险因素,共纳入3803名研究对象。研究以人口学变量、生活习惯、血生化指标、2010—2015年气象数据、空气质量监测数据为自变量,糖尿病结局为因变量,采用LASSO回归与随机森林重要性排序进行特征变量选择,构建随机森林预测模型并进行效能评价。结果经随机森林算法分析,空腹血糖、相对湿度、腰围、体质指数、黑碳、硝酸盐、风速、总胆固醇、温度和供暖燃料是2型糖尿病排名前10的重要危险因素。结合LASSO回归与随机森林变量重要性排序构建预测模型。经十折交叉验证,模型灵敏度为62.1%、特异度为98.8%、准确度为95.4%、阳性预测值为89.6%、阴性预测值为96.0%,AUC达84.8%。决策曲线结果显示,模型在阈值0~0.85范围内具有较高的净收益率。结论高龄、女性、肥胖情况、血检监测数据异常、高血压或卒中病史和环境污染物暴露可能指示2型糖尿病的发生发展,为临床医生对糖尿病高危人群的早期干预提供一定参考依据。

PM_(2.5)组分对体质指数的长期效应研究

目的探究细颗粒物(Fine particulate matter,PM_(2.5))组分黑碳、铵盐、硫酸盐、硝酸盐、有机物对体质指数(body mass index,BMI)的长期效应。方法基于中国健康与养老追踪调查(China Health and Retirement Longitudinal Study,CHARLS)2011年和2015年的数据库中4717名≥45岁的中老年人个体资料,应用贝叶斯核机器回归(Bayesian kernel machine regression,BKMR)探究黑碳、铵盐、硫酸盐、硝酸盐、有机物对BMI的单独效应、交互作用及其联合效应。结果硫酸盐的后验包含概率(posterior inclusion probabilities,PIP)为0.99,黑碳PIP值为0.94,铵盐PIP值为0.80,三种成分均与BMI显著有关。当其余四种变量固定在P_(25)、P_(50)、P_(75)时,黑碳每增加1个IQR,BMI水平分别上升1.15(95%CI:-0.03,2.33)、1.45(95%CI:0.41,2.49)、1.61(95%CI:0.47,2.75)kg/m^(2)。将其他成分固定在P_(25)、P_(50)、P_(75)时,铵盐每增加1个IQR,BMI水平分别上升1.12(95%CI:-0.50,2.74)、1.33(95%CI:-0.16,2.82)、1.51(95%CI:0.003,3.02)kg/m^(2)。将其他成分固定在P_(25)、P_(50)、P_(75)时硫酸盐每增加1个IQR,BMI水平与其呈负相关,效应值分别为-2.66(95%CI:-4.07,-1.25)、-2.59(95%CI:-3.84,-1.34)、-2.36(95%CI:-3.78,-0.94)kg/m^(2)。联合效应结果发现PM_(2.5)混合组分联合暴露与BMI水平总体呈正相关。结论本研究发现黑碳、铵盐单独暴露会提高中国中老年人的BMI水平,PM_(2.5)组分联合暴露与BMI之间也呈正相关关系,因此要加强对PM_(2.5)及其成分黑碳、铵盐的防控。