PM10短期暴露對人群空腹血糖和血脂的影響

賀穎倩,王敏珍,鄭 山,趙亞楠,張露露,劉 婧,白亞娜

PM10短期暴露對人群空腹血糖和血脂的影響

賀穎倩,王敏珍*,鄭 山,趙亞楠,張露露,劉 婧,白亞娜

(蘭州大學公共衛生學院,流行病與衛生統計學研究所,甘肅 蘭州 730000)

為探析PM10短期暴露對不同糖代謝水平人群空腹血糖和血脂的影響,以“金昌隊列”為研究平臺,收集金昌市2011～2017年污染物數據及氣象數據.采用近鄰模型完成個體PM10暴露評估.運用廣義估計方程分析PM10對血糖和血脂指標的影響.采用廣義相加混合模型繪制暴露-反應關系曲線.結果表明,PM10濃度每增加一個四分位數間距,空腹血糖(FPG)、總膽固醇(TC)、低密度脂蛋白膽固醇(LDL-C)和高密度脂蛋白膽固醇(HDL-C)分別升高0.58mg/dL(95%CI:0.35,0.82)、0.38mg/dL(95%CI:0.25,0.52)、0.44mg/dL(95%CI:0.31,0.57)和0.34mg/dL(95%CI:0.29,0.40),甘油三酯(TG)降低0.67mg/dl(95%CI:-0.86,-0.47).隨著PM10濃度升高,FPG、TC、LDL-C和HDL-C均呈上升趨勢,TG呈下降趨勢. PM10對男性、年齡≥60歲者血糖和血脂指標影響更顯著.因此,PM10與不同糖代謝狀態人群血糖和血脂水平異常密切相關,男性和老年人應加強自身防護.

PM10；2型糖尿病；空腹血糖；血脂

隨著社會經濟的發展,生活方式的改變和人口老齡化,糖尿病已經成為威脅人類生命健康的重要公共衛生問題之一.國際糖尿病聯合會(IDF)數據[1]顯示,2021年全球約5.37億成年人(20～79歲)患有糖尿病,預計到2030年該數字將上升至6.43億,到2045年將上升至7.83億;中國糖尿病現患人數為1.409億,位居世界第一.近年來有研究發現,大氣顆粒物暴露可增加糖尿病患病率、發病率和死亡率[2-5].考慮到糖尿病是一種典型的慢性代謝性疾病,血脂和血糖水平異常與其發病密切相關[6-7].因此從這兩個方面探討大氣顆粒物暴露對糖尿病影響的作用機制具有一定的生物學意義.美國一項研究顯示PM10暴露可導致總膽固醇(Total cholesterol,TC)、甘油三酯(Triglyceride,TG)和低密度脂蛋白膽固醇(Low density lipoprotein cholesterol, LDL-C)顯著升高[8].泰國一項隊列研究結果表明,長期暴露于PM10與LDL-C、空腹血糖(Fasting plasma glucose, FPG)呈正相關,與高密度脂蛋白膽固醇(High density lipoprotein cholesterol, HDL-C)呈負相關[9].目前對于空氣污染與血糖和血脂關聯的縱向研究相對有限,且大多是在發達國家及我國東部地區進行,而我國西部地區此類研究相對較少.

金昌市位于中國西北干旱和半干旱區,屬大陸性溫帶干旱氣候,常年受沙塵暴天氣影響,其地形地貌復雜,南北海拔差達3000多米,氣候差異較大[10];

此外,金昌市因礦興企,金川集團公司鎳產量占全國90%以上,該市是以金川集團公司為依托而發展起來的新型礦業城市,且生產區緊鄰生活區[11].因此,金昌市因自然環境、地理特征和工業污染等因素,其空氣污染問題較為突出.2005～2016年,金昌市首要空氣污染物從SO2轉變為PM10,2010～2014年, PM10年均濃度值超過國家二級空氣質量標準, 2005～2016年間PM10濃度總體呈上升趨勢[11-12].

“金昌隊列”是以甘肅省金昌市金川集團股份有限公司5萬職工為基礎建立的大樣本前瞻性隊列[13].該隊列人群2型糖尿病和糖尿病前期粗患病率分別為8.5%和21.2%,是影響該人群健康的重要疾病之一.因此,本研究將依托“金昌隊列”平臺,開展大氣PM10暴露對人群血糖和血脂指標的影響研究,為進一步揭示PM10致糖尿病的作用機制提供數據支撐.

1 資料與方法

1.1 研究對象

“金昌隊列”于2011～2013年完成基線調查,隨后每兩年進行一次隨訪.本研究以該隊列2011～ 2017年納入的人群為研究對象,剔除家庭住址信息不完整及糖脂代謝指標缺失者,最終納入52274人次,其中基線納入24285人,第一次隨訪納入21703人,第二次隨訪納入6286人.本研究由蘭州大學公共衛生學院倫理委員會批準(倫理批準代碼:2017-01).

1.2 現場調查

1.2.1 流行病學調查 采用自行設計的結構化調查問卷,由統一培訓的調查員在獲得研究對象知情同意后,以面對面訪談形式開展調查.主要信息包括一般人口社會學特征(性別、年齡、職業、婚姻狀況、文化程度、家庭收入等)、生活行為習慣(吸煙、飲酒、體育鍛煉等)、既往疾病史(心腦血管疾病史、癌癥史和內分泌代謝性疾病史)及疾病家族史等.

1.2.2 健康體檢與生化指標檢測 研究對象體格檢查與生化指標檢測由金川公司職工醫院專業人員完成.在體檢當天采集研究對象空腹靜脈血,由Hitachi日立公司全自動生化分析儀(型號:7600-020)對FPG、TC、TG、LDL-C、HDL-C指標進行檢測.

1.3 環境數據來源

1.3.1 大氣污染和氣象要素 數據來源從金昌市環境監測站收集四個環境監測站點(新川苑、運輸部、市科委和公司二招)2011年1月1日～2017年12月31日逐日PM10、SO2和NO2地面監測數據;同時從金昌市氣象局采集同期氣象觀測數據,包括最高氣溫、最低氣溫、日平均氣溫、相對濕度等.采用環境監測站鄰近點均值對缺失數據進行填補.以研究對象健康體檢時間為匹配變量,匹配體檢時間前7d大氣污染物及氣象要素數據的平均值.

圖1 金昌市4個環境污染物監測站點和研究對象家庭住址地理分布

1.3.2 個體PM10暴露水平估計 本研究應用近鄰模型來評估個體暴露水平,該模型的原理是根據個體住宅最近監測點測量的空氣污染水平來評估個體暴露水平[14-15].根據每一位研究對象家庭住址以及金昌市4個環境監測站點位置,應用Google地圖軟件批量查詢每個研究對象居住地點以及4個監測站點所處經緯度,利用ArcGIS10.3軟件分別計算每個研究對象居住點與4個監測點的距離,選擇距離研究對象最近的監測站點,然后依次匹配環境監測數據,如果在最近的監測站點未獲得相關測量數據,則從第2相近的站點檢測,直到獲得確切監測數據來評估個體污染物的暴露[16].研究對象與監測點的分布情況如圖1.

1.4 疾病診斷標準

糖尿病:根據美國糖尿病協會指南[17],將FPG37.0mmol/L或自述臨床診斷為糖尿病(需要患者提供具體診斷醫院)或正在使用降糖類藥物定義為2型糖尿病.將空腹血糖受損(5.6mmol/L￡FPG< 7.0mmol/L)定義為糖尿病前期.

高血壓:根據《中國高血壓防治指南(2018修訂版)》[18],將高血壓定義為在未服用任何降壓藥物的情況下,收縮壓(SBP)3140mmHg和(或)舒張壓(DBP)390mmHg;或自述既往有高血壓病史;或正在服用降壓藥物.

血脂異常:根據《中國成人血脂異常防治指南(2016年修訂版)》[19], TC35.18mmol/L,TG31.70mmol/L,LDL-C33.37mmol/L,HDL-C<1.04mmol/L,以及自述臨床診斷為血脂異常,符合以上任何一項即診斷為血脂異常.

1.5 統計學分析

采用廣義估計方程(Generalized estimating equations, GEE)縱向分析PM10短期暴露對血糖、血脂指標的效應[20].模型1:納入年齡和性別因素;模型2:在模型1基礎上納入婚姻狀況、文化程度、家庭人均月收入、職業、吸煙飲酒狀況、體育鍛煉、高血壓、BMI、蔬菜水果攝入情況、糖尿病家族史、血脂異常家族史、降脂(糖)藥使用情況、血脂(TC、TG、LDL-C和HDL-C,對血糖的影響)/ FPG(對血脂指標的影響)因素;模型3:模型2基礎上納入SO2、NO2、平均氣溫、平均相對濕度和季節因素.根據赤池信息準則(Akaikes information criterion,AIC),采用自由度為4的自然樣條函數調整模型3中的平均氣溫及平均相對濕度從而控制其非線性影響[21].運用廣義相加混合模型(Generalized additive mixed model, GAMM) ,調整混雜因素后繪制PM10與血糖和血脂指標間的暴露-反應關系曲線[22].此外,按照性別和年齡進行分層分析.

數據分析采用SPSS24.0及R3.6.1軟件.采用雙側檢驗,檢驗水準為=0.05.

2 結果

2.1 基線特征

本研究共納入基線人群24285人,其中血糖正常17502人、糖尿病前期4717人、2型糖尿病患者2066人.糖尿病患者中男性1432人(占69.31%),女性634人(占30.69%).血糖正常、糖尿病前期與糖尿病患者平均年齡為(47.96±8.11),(51.81±8.84),(55.19±8.34)歲,平均BMI分別為(23.77±5.61),(25.22±6.69),(25.81±7.80)kg/m2,差異有統計學意義.三類人群家庭人均月收入在5000元以下、文化程度在初中及以下、職業為工人的占比較高;糖尿病患者吸煙、飲酒、有糖尿病家族史以及患高血壓比例分別為55.52%、31.56%、22.60%和58.28%,均高于血糖正常與糖尿病前期人群,差異有統計學意義(<0.001).FPG、TC、TG、LDL-C和HDL-C在血糖正常者的平均值分別為89.42,85.21,32.25,52.88, 25.10mg/dL,在糖尿病前期人群中為107.13,87.99, 37.64,51.31,23.64mg/dL,在糖尿病人群中為163.84, 87.69,45.39,50.03,21.88mg/dL(表1).

表1 基線不同糖代謝水平人群的基本特征

續表1

2.2 PM10對血糖、血脂的影響

如表2所示,PM10可使人群FPG、TC、LDL-C和HDL-C水平升高,TG水平下降.調整混雜因素后,PM10濃度每增加一個四分位數間距(Inter-quartile range,IQR),總人群FPG、TC、LDL-C和HDL-C分別升高0.58mg/dL (95%CI:0.35,0.82)、0.38mg/dL (95%CI:0.25,0.52)、0.44mg/ dL(95%CI: 0.31,0.57)和0.34mg/dL(95%CI:0.29,0.40),而TG降低0.67mg/dL (95%CI:-0.86,-0.47).

暴露-反應關系圖顯示,在調整混雜因素后,總人群與血糖正常人群中,隨著PM10濃度的升高, FPG、TC、LDL-C和HDL-C呈上升趨勢,TG呈下降趨勢,且PM10對TC的暴露-反應關系曲線存在閾值,在PM10濃度為400μg/m3,TC出現較明顯拐點;糖尿病前期人群中,TC、LDL-C和HDL-C呈上升趨勢,TG呈下降趨勢;糖尿病人群中,FPG、LDL-C和HDL-C呈上升趨勢,TG呈下降趨勢.

表2 PM10濃度每增加一個四分位數間距與血糖和血脂變化的關系

續表2

注:模型1:調整年齡、性別;模型2:模型1+婚姻、文化程度、家庭人均月收入、職業、吸煙飲酒、鍛煉、BMI、蔬菜水果攝入情況、高血壓、糖尿病家族史、血脂異常家族史、降脂(糖)藥使用情況、血脂(對血糖的影響)/FPG(對血脂的影響);模型3:模型2+氣溫、濕度、NO2、SO2和季節.*<0.05,**<0.001. change: PM10濃度每增加一個IQR, FPG,TC,TG,LDL-C和HDL-C變化情況.

圖2 PM10與總人群血糖和血脂的暴露反應關系

調整因素同表2模型3

圖3 PM10與血糖正常人群血糖和血脂的暴露反應關系

調整因素同表2模型3

圖4 PM10與糖尿病前期人群血糖和血脂的暴露反應關系

調整因素同表2模型3

圖5 PM10與糖尿病人群血糖和血脂的暴露反應關系

調整因素同表2模型3

2.3 亞組分析

性別分層分析顯示,調整潛在混雜因素后, PM10濃度每增加一個IQR,男性人群FPG、TC、LDL-C和HDL-C分別升高0.58mg/dL(95%CI: 0.23, 0.92)、0.37mg/dL(95%CI:0.19,0.54)、0.51mg/ dL(95%CI: 0.35, 0.68)和0.35mg/dL(95%CI:0.28, 0.41), TG降低0.80mg/dL(95%CI:-1.08%,-0.52%);女性人群FPG、TC、LDL-C和HDL-C分別升高0.54mg/dL(95%CI:0.26,0.82)、0.42mg/dL(95%CI: 0.20,0.64)、0.27mg/dL(95%CI:0.07,0.47)和0.30mg/ dL(95%CI:0.21,0.39),TG則降低0.40mg/dL(95%CI: -0.63,-0.18)(表3).

年齡分層分析顯示:調整潛在混雜因素后,PM10濃度每增加一個IQR,年齡<60歲人群FPG、TC、LDL-C和HDL-C分別升高0.58mg/dL(95%CI:0.33, 0.83)、0.22mg/dL(95%CI:0.08,0.36)、0.19mg/dL (95%CI:0.05,0.32)和0.30mg/dL(95%CI:0.24,0.36), TG則降低0.76mg/dL(95%CI:-0.98,-0.55);年齡360歲人群TC、LDL-C和HDL-C分別升高0.96mg/dL (95%CI:0.56,1.36)、0.66mg/dL(95%CI:0.31,1.01)和0.39mg/dL(95%CI:0.25,0.52),FPG與TG的變化無統計學意義(表3).

表3 PM10濃度每增加一個四分位間距與不同亞組人群血糖和血脂變化的關系

注:調整因素同表2模型3;*<0.05,**<0.001,#:亞組間差異有統計學意義. change: PM10濃度每增加一個IQR, FPG,TC,TG,LDL-C和HDL-C變化情況.

3 討論

本研究以金昌隊列人群為研究對象,采用縱向研究揭示了PM10短期暴露可引起不同血糖代謝狀態人群空腹血糖和血脂水平紊亂,其中與FPG、TC、LDL-C及HDL-C呈正相關,與TG呈負相關,男性和360歲者易感性較高.

3.1 PM10可導致人群血糖和血脂水平異常

我國一項基于開灤隊列的研究數據表明,PM10濃度每增加100μg/m3,FPG增加0.11mmol/L (95% CI: 0.07,0.15)[20];歐洲Lifelines隊列研究結果顯示,PM10濃度與FPG水平升高顯著相關[23];這與本研究結果一致.臺灣一項研究表明,PM10每增加一個IQR,TG升高2.96mg/dL(95%CI:-0.07,5.99), HDL-C降低0.90mg/dL(95%CI:-1.46,-0.34)[24].河南省農村的一項隊列研究表明,較高濃度的PM10暴露導致 TC和LDL-C升高,使TG和HDL-C降低[25].伊朗一項研究結果顯示,空氣質量指數(AQI)與TC、LDL-C和TG呈顯著正相關,與HDL-C呈負相關[26].以色列南部的一項回顧性隊列研究發現,PM10中期暴露致使FPG升高0.30%(95%CI:0.15,0.45),LDL-C升高2.32%(95%CI:2.15,2.49),TG升高0.23% (95%CI: 0.02,0.42),HDL-C降低1.13%(95%CI:-1.23,-1.03);但急性暴露于PM10與FPG、TG、LDL-C及HDL-C之間沒有關聯[27].一項對兒童和青少年的研究表明,PM10暴露與TC、HDL-C水平呈正相關[28].交通相關污染物與LDL-C和TG之間有顯著正向關聯[29].以上研究在TC與LDL-C的變化趨勢上與本研究結果一致,但TG與HDL-C的變化存在差異.

空氣污染導致血糖和血脂指標異常的生物學機制尚不十分清楚,但有研究提出了以下幾種可能的途徑.一些研究表明,吸入空氣顆粒物會引發炎癥反應、氧化應激及自主神經失衡,進而影響胰島素抵抗水平、脂質代謝及氧化,最終導致血脂代謝紊亂和高血糖[26,30-33].實驗研究也發現空氣污染物還可能通過降低DNA甲基轉移酶的活性而導致異常的 DNA甲基化,從而影響脂質代謝與炎癥反應[34-35].

3.2 不同血糖代調整混雜因素后,謝狀態對PM10暴露效應存在差異

本研究發現,調整混雜因素后,血糖正常人群中PM10暴露對血糖及血脂指標均有影響,糖尿病前期人群中PM10與FPG無關聯,糖尿病人群中PM10對FPG、TG和LDL-C的效應均無統計學意義;NHIS-NSC隊列研究表明[36],PM2.5暴露對FPG或LDL-C水平異常者的FPG和LDL-C影響無統計學意義,但在指標正常者中PM2.5與FPG和LDL-C水平顯著相關.可能是因為糖尿病前期及糖尿病人群存在不同程度糖代謝與脂代謝紊亂,從而對外環境暴露的敏感性降低.

3.3 男性和老年人的易感性較高

男性、年齡≥60歲者更容易受到PM10的不良影響.相關隊列研究meta分析結果顯示,長期暴露于空氣污染中,女性患2型糖尿病的風險高于男性[37].石家莊一項研究結果表明,在老年人群中空氣污染對血脂水平異常的影響更明顯[38].美國一項研究表明,年齡沒有顯著改變 PM10與TC、TG的關聯,PM10與TG和TC相關性在男性中更強[8].S?rensen等[39]研究發現,在年齡和性別分層分析中,PM2.5對TC的影響沒有差異.由此可見,大氣顆粒物暴露對不同性別和年齡人群的影響存在異質性.男性不良健康生活方式的暴露相比女性更加顯著,如吸煙、飲酒、缺乏鍛煉、攝入高糖、高脂的食物等,這可能會引發全身炎癥和氧化應激[40];此外,本研究中男性工人占比較高,工人從事重體力活動可增加肺活量,在相同的環境濃度下,體力活動者的肺組織對顆粒物的暴露水平更高.老年人群的生理機能不斷退化,代謝性疾病、心血管疾病與呼吸系統疾病患病率高,因此更易受到空氣污染的影響;此外,老年人群的某些社會學特征能間接影響空氣污染物的健康效應,研究顯示[41],老年人因缺乏健康素養,導致醫療衛生服務利用水平較低,可能會加劇空氣污染物對血脂和血糖代謝的不利影響.

3.4 局限性

盡管本研究基于大樣本隊列人群,探討短期暴露于大氣PM10對人群血糖和血脂的影響,發現了有意義的研究結果,但仍存在一定的局限性,首先,未納入PM2.5與O3作為混雜因素.其次,因為空氣污染數據收集的局限性,沒有考慮人群流動性所造成的暴露,只是根據個體住宅最近監測點測量的空氣污染水平來評估個體暴露水平,無法測量工作環境和室外活動的顆粒物暴露,這可能導致PM10的健康效應被低估,需要在未來實施進一步的研究.最后,盡管本研究調整了潛在混雜因素,但是仍存在一些無法衡量的殘余混雜,包括綠化狀況、交通相關污染物和噪聲暴露等.

4 結論

4.1 大氣PM10每增加一個四分位數間距,可導致總人群FPG、TC、LDL-C及HDL-C分別升高0.58mg/dL、0.38mg/dL、0.44mg/dL和0.34mg/dL,TG降低0.67mg/dL;血糖正常人群FPG、TC、LDL-C及HDL-C分別升高0.22mg/dL、0.33mg/dL、0.38mg/dL和0.36mg/dL,TG降低0.55mg/dL;糖尿病前期人群TC、LDL-C及HDL-C分別升高0.40mg/ dL、0.35mg/dL和0.25mg/dL,TG降低0.85mg/dL;糖尿病人群HDL-C升高0.34mg/dL,TG降低1.65mg/dL.

4.2 性別與年齡分層分析結果提示,男性、年齡>60歲者對PM10暴露較為敏感.

4.3 暴露-反應關系曲線表明,隨著PM10濃度升高,FPG、TC、LDL-C及HDL-C呈上升趨勢,TG呈下降趨勢.因此,加強環境保護和治理,減輕空氣污染對人體的危害,降低與空氣污染有關的糖尿病發病率具有重要意義.

[1] IDF Diabetes Atlas: Diabetes around the world in 2021. International Diabetes Federation [EB/OL]. http://www.diabetesatlas.org/,[2021- 12-06/2022-04-11].

[2] Eze I C, Schaffner E, Fischer E, et al. Long-term air pollution exposure and diabetes in a population-based Swiss cohort [J]. Environment International, 2014,70:95-105.

[3] Strak M, Janssen N, Beelen R, et al. Long-term exposure to particulate matter, NO2and the oxidative potential of particulates and diabetes prevalence in a large national health survey [J]. Environment International, 2017,108:228-236.

[4] Liu C, Yang C, Zhao Y, et al. Associations between long-term exposure to ambient particulate air pollution and type 2 diabetes prevalence, blood glucose and glycosylated hemoglobin levels in China [J]. Environment International, 2016,92-93:416-421.

[5] Liang F, Yang X, Liu F, et al. Long-term exposure to ambient fine particulate matter and incidence of diabetes in China: A cohort study [J]. Environment International, 2019,126:568-575.

[6] Cui J, Sun J, Wang W, et al. The association of triglycerides and total cholesterol concentrations with newly diagnosed diabetes in adults in China [J]. Oncotarget, 2017,8(61):103477-103485.

[7] Moro E, Gallina P, Pais M, et al. Hypertrigly ceridemia is associated with increased insulin resistance in subjects with normal glucose tolerance: Evaluation in a large cohort of subjects assessed with the 1999 World Health Organization criteria for the classification of diabetes [J]. Metabolism, 2003,52(5):616-619.

[8] Shanley R P, Hayes R B, Cromar K R, et al. Particulate air pollution and clinical cardiovascular disease risk factors [J]. Epidemiology, 2016,27(2):291-298.

[9] Paoin K, Ueda K, Vathesatogkit P, et al. Long-term air pollution exposure and serum lipids and blood sugar: A longitudinal cohort study from the electricity generating authority of Thailand study [J]. Atmospheric Environment, 2021,236:113790.

[10] 冉利群.金昌市人居環境空氣質量評價及預測研究[D]. 蘭州:蘭州大學, 2013.

Ran L Q. The assessment and prediction of living environmental air quality in Jinchang City [D]. Lanzhou: Lanzhou University, 2013.

[11] 王文路.甘肅省城市環境空氣質量2005～2014年(10年)變化趨勢研究[D]. 蘭州:蘭州大學, 2016.

Wang W L. The change trend of urban ambient air quality from 2005 to 2014 (10years) in Gansu Province [D]. Lanzhou: Lanzhou University, 2016.

[12] 丁杰萍,張亞群,周 靜,等.甘肅省主要城市環境空氣質量變化趨勢分析研究[J]. 甘肅科技, 2018,34(14):1-4,128.

Ding J P, Zhang Y Q, Zhou J, et al. Trend analysis of environmental air quality in major cities in Gansu Province [J]. Gansu Science and Technology, 2018,34(14):1-4,128.

[13] Bai Y, Yang A, Pu H, et al. Cohort profile: The China metal-exposed workers cohort study (Jinchang cohort) [J]. International Journal of Epidemiology, 2017,46(4):1095-1096e.

[14] Xu X, Hu H, Ha S, et al. Ambient air pollution and hypertensive disorder of pregnancy [J]. Journal of Epidemiology and Community Health, 2014,68(1):13-20.

[15] 曹 蕾,王 婷,王麗君,等.邯鄲市婦女空氣污染暴露與妊娠期高血壓[J]. 中國環境科學, 2021,21(2):161-164.

Cao L, Wang T, Wang L J, et al. Maternal exposure to ambient air pollution and gestational hypertension in Handan [J]. China Environmental Science, 2021,21(2):161-164.

[16] 施 淼,劉超斌,陳曉秋,等.大氣可吸入顆粒物暴露致胎兒畸形的病例對照研究[J]. 中華圍產醫學雜志, 2013,16(4):200-205.

Shi M, Liu C B, Chen X Q, et al. Fetal congenital deformity resulting from ambient inhalable particulate matters: A case-control study [J]. Chinese Journal of Perinatal Medicine, 2013,16(4):200-205.

[17] American Diabetes Association 2. Classification and diagnosis of diabetes: standards of medical care in diabetes-2019 [J]. Diabetes Care, 2019,42(Suppl 1):S13-S28.

[18] 劉力生.中國高血壓防治指南(2018年修訂版) [J]. 中國心血管雜志, 2019,24(1):24-55.

Liu L S. 2018 Chinese guidelines for the management of hypertension [J]. Chinese Journal of Cardiovascular Medicine, 2019,24(1):24-55.

[19] 諸駿仁,高潤霖,趙水平,等.中國成人血脂異常防治指南(2016年修訂版) [J]. 中國循環雜志, 2016,31(10):937-953.

Chu J R, Gao R L, Zhao S P. 2016Chinese guidelines for the management of dyslipidemia in adults [J]. Chinese Circulation Journal, 2016,31(10):937-953.

[20] Chen L, Zhou Y, Li S, et al. Air pollution and fasting blood glucose: A longitudinal study in China [J]. Science of The Total Environment, 2016,541:750-755.

[21] Guo P, Feng W, Zheng M, et al. Short-term associations of ambient air pollution and cause-specific emergency department visits in Guangzhou, China [J]. Science of The Total Environment, 2018,613- 614:306-313.

[22] Zhang W, Wang Y, Li W, et al. The Association between the baseline and the change in neutrophil-to-lymphocyte ratio and short-term mortality in patients with acute respiratory distress syndrome [J]. Frontiers in Medicine, 2021,8:636869.

[23] Cai Y, Hansell A L, Blangiardo M, et al. Long-term exposure to road traffic noise, ambient air pollution, and cardiovascular risk factors in the HUNT and lifelines cohorts [J]. European Heart Journal, 2017, 38(29):2290-2296.

[24] Chuang K J, Yan Y H, Cheng T J. Effect of air pollution on blood pressure, blood lipids, and blood sugar: A population-based approach [J]. Journal of Occupational and Environmental Medicine, 2010,52(3): 258-262.

[25] Mao S, Chen G, Liu F, et al. Long-term effects of ambient air pollutants to blood lipids and dyslipidemias in a Chinese rural population [J]. Environmental Pollution, 2020,256(C):113403.

[26] Poursafa P, Mansourian M, Motlagh M E, et al. Is air quality index associated with cardiometabolic risk factors in adolescents? The CASPIAN-III Study [J]. Environmental Research, 2014,134:105-109.

[27] Yitshak Sade M, Kloog I, Liberty I F, et al. The association between air pollution exposure and glucose and lipids levels [J]. The Journal of Clinical Endocrinology and Metabolism, 2016,101(6):2460-2467.

[28] Gui Z H, Yang B Y, Zou Z Y, et al. Exposure to ambient air pollution and blood lipids in children and adolescents: A national population based study in China [J]. Environmental Pollution, 2020,266(Pt 3): 115422.

[29] Bind M A, Peters A, Koutrakis P, et al. Quantile regression analysis of the distributional effects of air pollution on blood pressure, heart rate variability, blood lipids, and biomarkers of inflammation in elderly American men: The normative aging study [J]. Environmental Health Perspectives, 2016,124(8):1189-1198.

[30] Rajagopalan S, Brook R D. Air pollution and type 2diabetes: Mechanistic insights [J]. Diabetes, 2012,61(12):3037-3045.

[31] Bourdrel T, Bind M A, Bejot Y, et al. Cardiovascular effects of air pollution [J]. Archives of Cardiovascular Diseases, 2017,110(11): 634-642.

[32] Yang B Y, Bloom M S, Markevych I, et al. Exposure to ambient air pollution and blood lipids in adults: The 33Communities Chinese Health Study [J]. Environment International, 2018,119:485-492.

[33] Brook R D, Rajagopalan S, Pope C A, et al. Particulate matter air pollution and cardiovascular disease: An update to the scientific statement from the American Heart Association [J]. Circulation, 2010,121(21):2331-2378.

[34] Chen R, Meng X, Zhao A, et al. DNA hypomethylation and its mediation in the effects of fine particulate air pollution on cardiovascular biomarkers: A randomized crossover trial [J]. Environment International, 2016,94:614-619.

[35] Li H, Chen R, Cai J, et al. Short-term exposure to fine particulate air pollution and genome-wide DNA methylation: A randomized, double- blind, crossover trial [J]. Environment International, 2018,120:130- 136.

[36] Shin W Y, Kim J H, Lee G, et al. Exposure to ambient fine particulate matter is associated with changes in fasting glucose and lipid profiles: A nationwide cohort study [J]. BMC Public Health, 2020,20(1):430.

[37] Wang B, Xu D, Jing Z, et al. Effect of long-term exposure to air pollution on type 2diabetes mellitus risk: A systemic review and meta-analysis of cohort studies [J]. European Journal of Endocrinology, 2014,171(5):R173-182.

[38] Zhang K, Wang H, He W, et al. The association between ambient air pollution and blood lipids: A longitudinal study in Shijiazhuang, China [J]. Science of The Total Environment, 2021,752:141648.

[39] Sorensen M, Hjortebjerg D, Eriksen K T, et al. Exposure to long-term air pollution and road traffic noise in relation to cholesterol: A cross-sectional study [J]. Environment International, 2015,85:238- 243.

[40] Lin H, Guo Y, Zheng Y, et al. Long-term effects of ambient PM2.5on hypertension and blood pressure and attributable risk among older chinese adults [J]. Hypertension, 2017,69(5):806-812.

[41] Zhang X, Yu B, He T, et al. Status and determinants of health services utilization among elderly migrants in China [J]. Global Health Research and Policy, 2018,3(6):8.

Effects of short-term exposure to PM10on fasting plasma glucose and blood lipids.

HE Ying-qian, WANG Min-zhen*, ZHENG Shan, ZHAO Ya-nan, ZHANG Lu-lu, LIU Jing, BAI Ya-na

(Institute of Epidemiology and Statistics, School of Public Health, Lanzhou University, Lanzhou 73000, China)., 2022,42(6)：2911～2920

This study was designed to explore the effects of short-term exposure to PM10on fasting plasma glucose and blood lipids in population with different glucose metabolism levels based on the platform of "Jinchang Cohort". The pollutant and meteorological data in Jinchang city from 2011 to 2017 were collected. Individual exposure levels were estimated by the nearest neighbor model. Generalized estimating equations were employed to analyze relationships between PM10, blood glucose and blood lipids. The exposure-response relationship curves were drawn by generalized additive mixed model. For every IQR increase in PM10concentration, it was found that FPG, TC, LDL-C and HDL-C increased by 0.58mg/dL (95%CI: 0.35, 0.82), 0.38mg/dL (95%CI: 0.25, 0.52), 0.44mg/dL (95%CI: 0.31, 0.57) and 0.34mg/dL (95%CI: 0.29, 0.40), respectively, TG decreased by 0.67mg/dL (95%CI:-0.86,-0.47). With the increase of PM10concentration, FPG, TC, LDL-C and HDL-C all showed an upward trend, while TG showed a downward trend. The adverse effects of PM10on blood glucose and lipid indicators were greater in male and elder people. Findings suggest that PM10was associated with changed fasting plasma glucose and blood lipid levels among population with different blood glucose states. Male and elder people should pay more attention to personal safety protection.

PM10；Type 2 diabetes；fasting plasma glucose；blood lipid

X503.1

A

1000-6923(2022)06-2911-10

賀穎倩(1998-),女,四川達州人,蘭州大學碩士研究生,主要從事環境流行病學研究.

2021-11-15

國家自然科學基金資助項目(41705122,41505095)

* 責任作者, 副教授, wangmzh@lzu.edu.cn