大氣污染物對血壓影響的研究進展

吳亞飛 葉子容 方 亞,△

1.廈門大學公共衛生學院(361102) 2.福建省高校衛生技術評估重點實驗室

高血壓作為最常見的慢性病之一,是腦卒中、冠心病等心腦血管疾病發生和死亡的主要危險因素[1]。高血壓不僅造成了巨大的壽命損失,也給家庭和社會帶來了沉重的經濟負擔[2],已成為人類健康和生存質量的重要威脅。據WHO報道,2014年全球18歲及以上人群高血壓患病率約為22%[3];而我國2016年高血壓患病率高達32.5%[4]。與全球相比,我國高血壓人群的死亡水平和DALY均很高,疾病負擔沉重[5],因此,開展高血壓相關研究進而采取有效的預防措施十分必要。

近年來,隨著對高血壓危險因素的探索,研究者發現,高血壓的發生不僅與人口學、健康狀況、飲食習慣、社會心理因素有關[6],還與大氣污染物的存在密不可分。隨著經濟的快速發展,空氣污染問題顯得尤為突出,我國空氣污染狀況不容樂觀,由此導致的健康危害已成為重要的公共衛生問題[7]。因此,大氣污染與血壓的關系受到重視,大量流行病學研究表明大氣污染物與血壓之間關系密切[8-9],如大氣中SO2、NOx和O3等濃度增加都會不同程度地影響血壓[10-12]。但近年來,可吸入顆粒物污染嚴重,對健康的威脅日益增大,引起了社會和學界的廣泛關注。因此,本文旨在梳理常見大氣污染物(PM2.5,PM10)對血壓影響的研究進展,全面了解兩者之間的關系,以及該領域常用的統計學分析方法,為后續研究提供借鑒。

大氣污染物與血壓關系的研究

關于大氣污染物與血壓關系的研究眾多,但結論存在爭議,根據暴露時間長短的差異,可以將大氣污染物對血壓的影響分為長期效應和短期效應。由于長期暴露在測量上存在一定難度,以及缺乏足夠可進行長期暴露研究的隊列,使得該方面的研究相對較少;相比而言,短期暴露在研究開展及暴露測量等方面,都相對容易實現,因此,短期暴露導致急性效應的研究較多。

1.基于短期暴露的大氣污染物與血壓關系研究

雖然不同地區的研究在人口學特征、暴露時長、污染物濃度、污染物和血壓測量方法等方面存在差異,但目前在全球不同地區開展的短期暴露與血壓關系的研究,基本都顯示短期暴露與血壓之間存在不同程度的正向關系。

多數關于PM10的研究顯示暴露與該污染物與血壓上升關系顯著。有研究運用廣義可加模型,對臺灣高血壓調查數據進行分析,發現PM10與血壓之間存在顯著相關關系,PM10每上升34μg/m3,血壓相應升高0.47mmHg[13]。進一步地,為了探索特定職業人群的暴露危險,為高暴露人群提供有針對性的防控措施,Andrea Baccarelli等人運用重復測量設計,對北京60名室內工作人員和卡車司機進行研究,結果顯示PM10濃度每8日增加10μg/m3,收縮壓、舒張壓、平均血壓值分別上升0.98mmHg(95%CI:0.34～1.61)、0.71mmHg(95%CI:0.18～1.24)、0.81mmHg(95%CI:0.31～1.30),但兩組人員之間血壓差異不存在統計學意義。另外,研究還發現PM10對血壓的影響存在滯后效應,大約需5～8天才能顯效[14]。同樣地,Paulo Se′rgio Chiarelli等人選擇圣安德烈市19名男性交通工作人員作為研究對象,以探究在交通管制人員中是否存在類似的關系,結果發現PM10濃度每增加33μg/m3,血壓會上升2.53mmHg,同時該研究也指出PM10主要與早期效應相關,并對收縮壓影響明顯[15]。進一步地,由于特殊人群往往對危險因素存在更高的敏感性,因而也有研究聚焦于特殊人群,如Regina Hampel等人于2002-2006年對1500名孕婦進行隊列研究,結果顯示在妊娠前三個月,血壓與PM2.5濃度呈正相關關系,但在妊娠后期,兩者之間呈現負相關關系,該研究從孕婦角度進行探討,對妊娠期高血壓防控具有較大意義[16]。此外,為解大氣污染物對高血壓入院率的影響程度,進而為高血壓防控和醫院資源合理化配置提供參考,有研究對PM10濃度與高血壓入院率關系進行探究,結果顯示PM10每上升10μg/m3,高血壓入院風險OR值會增加1.060(95%CI:1.02～1.10)[17]。上述關于PM10的研究,從不同人群角度對污染物與血壓關系進行探討,大多認為短期暴露于PM10與血壓升高關系密切,但由于樣本大小、污染物濃度時空等方面的差異,因而在影響強度上存在一定差異。

近年來,隨著PM2.5關注度的提高,對PM2.5與血壓關系的研究越來越多。Lotte Jacobs等人對比利時88名非吸煙女性進行追蹤研究,發現在57例服用抗高血壓藥物患者中,室外PM2.5濃度每上升20.8μg/m3,脈壓會增加4mmHg(95%CI:1.8～6.2),但在31名未服用藥物的患者中,PM2.5濃度與血壓關系不具有統計學意義[18]。同樣地,Sabit Cakmak等利用加拿大衛生措施調查部的數據,對5604名6～79歲人群進行研究,發現PM2.5濃度每上升4.5μg/m3,血壓約上升0.5mmHg[19]。為了更準確獲得個體實際PM2.5暴露濃度,研究逐漸聚焦在個體污染物監測方面。一項基于社區人群的研究顯示,個體總的PM2.5暴露每上升10μg/m3,延遲一日的收縮壓會上升1.41mmHg[20]。同樣地,一項關于中國農村成年女性的研究顯示,PM2.5濃度與血壓之間關系具有統計學意義;同時該研究指出,在50歲以上的女性中,個人PM2.5暴露量每增加1μg/m3,收縮壓相應增加4.1 mm Hg(95%CI:1.5～6.6),舒張壓增加1.8 mm Hg(95%CI:0.4～3.2)[21]。另外,也有研究對PM2.5濃度與高血壓入院率關系進行探究,發現PM2.5濃度每上升10μg/m3,高血壓入院風險OR值會增加1.084(95%CI:1.028～1.139),該研究為防控高血壓提供了新思路[17]。以上研究進一步說明短期暴露對人體的嚴重危害,但不可回避的問題是,目前研究普遍存在對PM2.5暴露測量不準確的問題,所以隨著研究人群的擴大以及污染物暴露測量方法的改進,PM2.5對血壓影響的研究會得到更快地發展。

與上述結果相反,臺灣另一項研究指出,短期暴露于PM10反而會使收縮壓和脈壓降低,且這種關系在男性、老年人、高血壓患者、工業區居民中表現更加明顯[22]。可能的解釋有:一方面,顆粒污染物是不同化學成分的復合體,其來源和成分在時間、空間上存在較大的變異[23-24];另一方面,后者研究人群是非吸煙成年人(平均年齡:57.9歲),前者包含吸煙人群,但平均年齡相對更小(平均年齡:43.1歲),因而人群易感性差異可能也是一個重要原因。同時,二手煙暴露也可能是導致污染物與血壓變化關系不一致的因素,如Brook等人的研究發現二手煙暴露會影響PM與血壓之間的關系[20]。

同時,也有研究發現PM2.5暴露與血壓之間不存在相關關系。如Baumgartner J等人對中國云南省180名兒童進行研究,發現兒童室內PM2.5暴露與血壓之間無關[25],出現這一結果的原因,可能是兒童在室內接觸污染物的濃度較低造成。

上述關于短期暴露的研究僅能從整體上了解可吸入顆粒物與血壓之間的關系,但無法闡明影響血壓的具體成分,為了解決這一問題,研究者開始聚焦于PM2.5特有化學成分對血壓的影響。例如,Wu S等人對北京學生進行研究,發現PM2.5中的含碳成分(有機碳、元素碳)、離子(氯離子、氟離子)和 金屬元素(鎳、鋅、鎂、鉛和砷)與血壓之間存在顯著正相關[26]。 Lotte Jacobs 等人通過一項老年人隊列研究發現PM2.5中的釩、鐵、鎳與收縮壓和脈壓之間存在相關性[18]。同樣地,一項在底特律三地區開展的隊列研究發現,PM2.5上升會引起血壓的明顯變化,但不同地區血壓變化程度不盡相同[27],這也進一步說明PM2.5中特有的化學成分在隨后的血壓變化中起著重要作用。

2.基于長期暴露的大氣污染物與血壓關系研究

在實際情況中,大氣污染物對人體健康更多時候表現為長期影響,這就為研究提出了新的要求。為了更好地探索空氣污染物對血壓的影響,近年來,研究者開始轉向長期暴露的研究。目前,已有流行病學研究發現長期暴露會增加心腦血管疾病的發病率和死亡率,并且研究表明長期暴露比短期暴露具有更大的發病風險[28]。關于PM10的多項研究顯示長期暴露與血壓升高關系密切[29-31]。如Dong GH等的PM10濃度上升19μg/m3,高血壓發病風險OR值將增加1.12(95%CI：1.08～1.16)[30]。同樣地,Kai-Jen Chuang等人對臺灣老年人進行研究,發現1年內PM10暴露濃度與血壓升高關系顯著[29]。進一步地,有研究聚焦到高血壓患病率方面,如有研究者以24845名中國受試者進行橫斷面研究,發現高血壓患病率與PM10之間具有顯著相關性[30]。

隨著PM2.5關注度的提高,長期暴露的研究也越來越多,如Patricia F.Coogan等人對洛杉磯美裔非洲女性進行研究,結果顯示PM2.5濃度每上升10μg/m3,高血壓發病風險RR達到1.48(95%CI:0.95～2.31)[32]。同樣地,Kai-Jen Chuang等關于臺灣老年人的研究發現,1年內PM2.5暴露濃度與血壓升高關系顯著[29]。Chen等基于澳大利亞成年人的隊列研究顯示,暴露于低水平PM2.5與高血壓發病率之間存在密切的相關性[33]。以上在不同地域開展的研究,均說明長期暴露于PM2.5對健康會產生嚴重危害。

然而,長期暴露與血壓的關系尚有爭議,有少數研究認為兩者之間不存在相關性。如Chuang Liu等人對德國兩個出生隊列的兒童進行研究,結果發現血壓與PM2.5、PM10之間不存在相關性[34]。同樣地,在一項超過3000名黑人女性的研究中,研究者隨訪10年后發現,高血壓與PM2.5之間不存在相關性[32]。Babisch W等選取德國兩個城市4166人作為研究對象,探討了噪聲和PM2.5對高血壓患病率的影響,在調整噪聲的影響后,發現高血壓患病率與PM2.5之間不存在相關性[35]。

值得注意的是,在上述長期暴露的研究中,大氣污染物對血壓影響強度在中外結果中存在一定差異,國內研究發現大氣污染物對健康的負面效應普遍強于國外。可能原因是,相比于國外,中國的污染物水平較高,人口也較多,暴露時間較長等。同時,由于污染物的成分和來源存在時空差異,污染物對血壓的影響也存在差異。

大氣污染物與血壓關系的統計學研究方法

關于大氣污染物與血壓關系的研究,已有較多的研究方法。但多數研究忽略了樣本的空間屬性,而越來越多的研究發現空間屬性在空氣污染對疾病的影響中具有重要作用。因此,根據研究是否考慮空間屬性,我們將研究方法分為兩大類:傳統的統計學研究方法和基于空間統計研究方法。

1.傳統統計學研究方法

早期,研究者多采用多重線性回歸探究血壓變化的影響因素,如Baumgartner等采用該法探討了PM2.5、碳黑(BC)與血壓之間的關系,結果顯示兒童室內PM2.5暴露于血壓之間不存在相關關系[25]。

然而,很多情況下污染物與血壓之間的關系并非滿足線性假設,這就為研究提出新的挑戰。于是,在此基礎上,研究者們開始采用基于概率型非線性思維的logistic回歸開展研究,如Van den Hooven EH等人將多重線性回歸與logistic回歸結合起來探討大氣污染物與血壓之間關系,結果顯示妊娠期暴露PM10與收縮壓升高之間存在相關性,但與舒張壓之間不存在相關性。研究還發現孕期PM10暴露會導致高血壓發病風險增高[36]。同樣地,Guang-Hui Dong等人為了探討大氣污染物與高血壓的相互關系,采用二分類logistic回歸模型進行研究,對協變量進行控制后,發現長期暴露于PM10與血壓升高、高血壓發病風險增高緊密相關[30]。另外,Wolfgang Babisch等人采用非條件logistic回歸對交通噪聲、大氣污染物與高血壓關系進行研究,對噪聲進行校正后,發現PM2.5與高血壓發病風險存在相關性[35]。為了分析污染物暴露與自報高血壓的關系,Hans Orru等采用多重logistic回歸進行分析,結果顯示污染物暴露會使心血管疾病發病風險明顯增高[37]。

進一步地,為了探究多種大氣污染物對高血壓患者生存時間和生存結局的影響,研究者開始采用多因素生存分析方法。例如,Patricia F.Coogan等人運用Cox比例風險回歸模型對高血壓發病風險進行研究,結果顯示PM2.5暴露可能與患高血壓相關[32]。同樣地,Hong Chen等人采用分層Cox比例風險回歸對加拿大人群進行研究,發現PM2.5與高血壓之間關系顯著[33]。

在許多研究中,往往會同時考慮多個污染物對血壓的影響。此時如果納入較多的解釋變量,而樣本含量又不是很大時,傳統非參數回歸模型的擬合效果也不盡如人意,甚至可能產生較大的偏差[38],為了解決這一問題,廣義可加回歸模型開始得到運用,如Guang-Hui Dong等人發現暴露于高濃度的PM10會使血壓升高,患高血壓的風險也會增加;但母乳喂養可能有助于降低上述風險[39]。Kai-Jen Chuang等人也采用廣義可加模型開展研究,發現PM10與血壓升高之間存在顯著相關關系[13]。

2.空間統計學研究方法

近年來,有研究表明高血壓的發生存在空間聚集性,而傳統的統計學研究方法往往缺乏對空間自相關性和空間異質性的考慮,對空間信息利用并不充分[40]。為了解決研究中忽視樣本分布空間屬性的問題,基于空間統計的研究方法開始逐步運用在該領域。

最早的空間統計研究方法是基于頻率估計的多水平模型(混合效應模型),該方法將傳統回歸中的誤差分解到不同水平上,同時放松了對線性要求的假定,適用于具有層次結構的數據研究。例如Lotte Jacobs等人使用混合模型對污染物的暴露-效應進行分析,研究者在控制混雜因素基礎上采用隨機效應進行分析,發現PM2.5及其特有成分對血壓升高具有顯著的影響[18]。Shaowei Wu等人采用混合效應回歸模型,發現PM2.5中特有化學成分能導致血壓上升[26]。

多水平模型在解決樣本互不獨立問題上起到了一定作用,但多數情況下不同區域之間相互影響,存在較強的空間自相關性。為了解決這一問題,空間自回歸模型開始得到應用,如Chunshan Zhou等人采用空間誤差模型(SEM)對中國大陸190個城市的PM2.5進行研究,發現PM2.5在整體上存在較強的空間自相關性[41]。但目前未見將該方法用于大氣污染物與血壓關系的研究。空間自回歸模型雖然較好地控制了鄰近區域的影響,但其回歸系數并不能隨位置的變化而變化,實質上仍是一種全局回歸模型[42]。然而更多時候,影響因素在不同地理位置的作用是存在差異的,為了解決這一問題,有人提出了地理加權回歸模型(geologically weighted regression,GWR)[43],該模型基于局部光滑思想,將模型參數設定為隨地理位置的變化而變化,與傳統的全局模型相比,能充分展現大氣污染物對血壓影響隨空間變化的趨勢。近年來,該方法開始應用于大氣污染物及高血壓等方面的研究,如B.Kauhl等人運用GWR方法對德國東北部地區高血壓分布進行探究,在較好地控制空間自相關性和空間異質性后,研究發現高血壓在不同地區存在明顯差異,并且不同地區影響因素及其強度差異較大[44]。由于基于貝葉斯估計的空間方法也能識別疾病與危險因素之間是否存在空間效應;并且該法能對研究結果進行較好地可視化展現,所以在疾病風險識別等方面開始得到應用。例如,Zirong Ye等人基于中國健康與營養調查(CHNS)數據,運用共同成分模型(SCM),在空間分析的基礎上,引入時間維度和貝葉斯B樣條,充分展現了高血壓在不同年限、省份之間的變異,為高血壓等慢性病的空間研究開展提供了新的思路[45]。

小結

大氣污染物作為影響健康的重要環境因子,對血壓影響顯著,因而有必要對兩者關系進行研究。目前,大多數關于短期暴露的研究發現兩者之間存在不同程度的正向關系。相比而言,長期暴露的研究較少,且兩者關系尚有爭議。進一步地,我們將該領域的研究方法分為兩大類:傳統統計學方法和基于空間統計的方法。傳統的研究方法忽略了樣本的空間自相關性和空間異質性,未能充分利用空間信息,在健康研究中存在一定缺陷;為了解決這一問題,基于空間統計的方法正逐步得到應用,但目前將上述空間方法運用在大氣污染物與血壓關系方面的研究仍較少,為了進一步闡明高血壓的時空分布特征和影響因素,從而因地制宜采取防控措施,在未來的研究中,應積極推進空間統計方法在該領域的應用,尤其是在長期暴露人群中的研究。