《Medicine: Case Reports and Study Protocols》:Machine learning identifies traffic-related pollutant mixtures as potential factors suggestive of association with osteoporosis in a cross-sectional analysis of NHANES
编辑推荐:
交通相关污染物混合暴露对骨质疏松症(osteoporosis, OP)的联合作用尚不明确。本研究旨在采用机器学习与混合暴露建模方法评估此类关联。研究人员对2015至2018年国家健康与营养调查(National Health and Nutrition Exa
交通相关污染物混合暴露对骨质疏松症(osteoporosis, OP)的联合作用尚不明确。本研究旨在采用机器学习与混合暴露建模方法评估此类关联。研究人员对2015至2018年国家健康与营养调查(National Health and Nutrition Examination Survey, NHANES)中的3053名参与者进行了横断面分析。共评估18项暴露因素,包括重金属、多环芳烃(polycyclic aromatic hydrocarbons, PAHs)、邻苯二甲酸酯(phthalates)、全氟和多氟烷基物质(per- and polyfluoroalkyl substances, PFAS)、挥发性有机化合物(volatile organic compounds, VOCs)、柴油尾气以及行为因素。OP定义为股骨颈骨矿物质密度(bone mineral density, BMD)T评分≤?2.5。研究采用加权分位数和回归(weighted quantile sum, WQS)以及5种机器学习模型,并对复杂抽样设计进行了校正。OP患病率为12.97%。WQS回归显示混合暴露的比值比(odds ratio, OR)为1.21,呈正向但无统计学显著性关联(95%置信区间(confidence interval, CI):0.77–2.63;P?=?.412)。权重最大的正向成分为每日户外工作时长(0.240)和职业性柴油尾气暴露(0.136)。随机森林(random forest, RF)识别出的前列预测因子为女性、年龄、维生素D、血铅和体质指数(body mass index, BMI)。最小绝对收缩与选择算子(Least Absolute Shrinkage and Selection Operator, LASSO)在测试集上获得最高受试者工作特征曲线下面积(area under the receiver operating characteristic curve, AUC)(0.81),且交叉验证标准差最低(0.0167)。其回归系数提示,职业性柴油尾气暴露(β?=?0.40)是值得关注的环境因素,与女性(β?=?0.95)和年龄(β?=?0.70)共同构成重要关联因素。交通相关污染物混合暴露在美国全国代表性人群中与OP呈横断面关联,其中职业性柴油尾气暴露和长时间户外工作在混合模型中表现为关键贡献因素。然而,整体混合效应未达统计学显著性,且存在反向因果关系的可能,因此解释结果时需谨慎。这些发现支持在OP预防中考虑环境与职业因素,尽管整体混合效应尚未达到统计学显著性。
该文发表于《Medicine: Case Reports and Study Protocols》,围绕交通相关污染物混合暴露与骨质疏松症(osteoporosis, OP)之间的关系展开,试图在传统骨质疏松危险因素框架之外,补充环境与职业暴露在疾病发生中的可能作用。研究背景在于,OP是以骨量降低和骨组织微结构退变为特征的全身性骨骼疾病,可显著增加骨脆性和骨折风险,尤其髋部骨折具有较高致残率与死亡风险。既往研究已较充分确认年龄增长、女性、低体质指数(body mass index, BMI)、吸烟、饮酒、缺乏体力活动以及钙和维生素D摄入不足等传统危险因素,但这些因素仍不足以完全解释不同人群之间骨矿物质密度(bone mineral density, BMD)和骨折风险的差异。因此,环境暴露因素,尤其是交通相关污染物,逐渐成为骨健康研究的重要方向。已有证据提示,铅、镉、柴油尾气颗粒、多环芳烃(polycyclic aromatic hydrocarbons, PAHs)及挥发性有机化合物(volatile organic compounds, VOCs)等可通过诱导氧化应激、系统性炎症、内分泌干扰和细胞毒性影响骨重塑过程。然而,多数流行病学研究仍采用单污染物分析策略,难以反映现实世界中多种污染物并存暴露的情况,也容易受到高维相关暴露和多重共线性的影响。因此,开展基于混合暴露和机器学习的综合分析具有必要性。
研究人员基于2015至2018年美国国家健康与营养调查(National Health and Nutrition Examination Survey, NHANES)数据,对交通相关污染物及相关行为/职业暴露与OP的关系进行了横断面研究。研究纳入3053名具有完整股骨颈BMD数据的参与者,将股骨颈T评分≤?2.5界定为OP。结果显示,OP患病率为12.97%。在整体混合暴露效应上,加权分位数和回归(weighted quantile sum, WQS)模型得到OR = 1.21,95%置信区间(confidence interval, CI)为0.77–2.63,提示正向关联但未达到统计学显著性。尽管如此,WQS成分权重提示每日户外工作时长与职业性柴油尾气暴露是混合暴露中的主要贡献因子。机器学习比较结果显示,最小绝对收缩与选择算子(Least Absolute Shrinkage and Selection Operator, LASSO)在预测OP方面表现最佳,测试集AUC为0.81,且稳定性最高。随机森林(random forest, RF)则将女性、年龄、维生素D、血铅和BMI识别为最重要的预测变量。研究最终认为,交通相关污染物混合暴露与OP之间存在横断面层面的关联线索,职业性柴油尾气暴露和较长户外工作时间值得重点关注,但由于整体混合效应未达显著性且横断面设计存在反向因果关系限制,相关结论仍应谨慎解释。其重要意义在于,为OP预防提供了环境与职业健康视角,也为后续前瞻性研究提供了假设生成依据。
研究方法概括如下:研究样本来自2015至2018年NHANES全国代表性横断面队列,共纳入3053人。暴露评估包括18项指标,涵盖血液重金属、尿液PAHs代谢物、邻苯二甲酸酯代谢物、全氟和多氟烷基物质(PFAS)、VOCs、职业/非职业柴油尾气暴露、户外工作时长及久坐时间。结局依据双能X线吸收测定法(dual-energy X-ray absorptiometry, DXA)测得的股骨颈BMD计算T评分。统计分析采用Spearman相关性分析、WQS回归、逻辑回归(logistic regression, LR)、LASSO、RF、XGBoost及敏感性分析,并对NHANES复杂抽样权重进行处理。
3.1. Participant characteristics
研究共纳入3053名参与者,其中396人符合OP标准,患病率为12.97%。与非OP组相比,OP组年龄更大、女性比例更高、高血压患病比例更高。BMI虽略低但差异无统计学意义。生化指标方面,OP组维生素D水平更高,而血糖、肌酐和尿酸水平更低。环境暴露方面,血铅在OP组反而较低,差异有统计学意义;其他污染物和行为暴露指标大多未见显著组间差异。该部分结果说明,传统风险因素在样本中仍然占据主导地位,而多数环境暴露在单变量层面尚未呈现清晰差异。
3.2. Correlation structure of environmental exposures
研究人员对主要暴露变量进行了Spearman秩相关分析。结果显示,18项暴露之间整体相关性较弱至中等,相关系数范围约为?0.05至0.30,最强相关出现在MBP与PFNA之间。该结果说明暴露变量之间不存在严重多重共线性,为后续应用混合暴露模型和机器学习方法提供了方法学支持,也提示观测到的混合效应更可能反映多因素叠加或交互,而非单纯统计学伪影。
3.3. Distribution of key exposures by OP status
为进一步直观呈现关键变量分布,研究绘制了血铅小提琴图以及按OP状态分层的年龄与维生素D散点图。图形结果显示,OP组血铅中位数较低,分布也相对更集中;年龄与维生素D在两组中均呈正相关,且OP组在各年龄层的维生素D水平普遍更高。该部分主要用于支持定量分析观察结果,提示血铅与维生素D在横断面数据中的表现具有复杂性。
3.4. Association of environmental mixture with OP: WQS regression
WQS回归用于评估18项混合暴露对OP的总体影响。结果显示,整体混合暴露OR为1.21(95% CI:0.77–2.63,P?=?.412),提示正向但无统计学显著性的关联。尽管总体效应未显著,组分权重分析仍揭示出若干重要贡献因素。文中重点指出,每日户外工作时长和职业性柴油尾气暴露在混合模型中占据较大权重,且其95% CI不跨零,是主要驱动因素。此外,血铅、锰和久坐时间也表现出一定正向贡献。相对而言,苯和问卷定义的柴油尾气暴露在最终模型中的权重接近于零。该结果表明,在多暴露联合框架下,职业与行为相关暴露可能比部分单一化学物更突出。
3.5. RF feature importance
随机森林特征重要性分析显示,女性、年龄、维生素D、血铅和BMI是预测OP最重要的前5位变量。其后还包括户外工作时间、锰、久坐时间等环境与行为因素。这一结果一方面再次确认了年龄、性别、营养和体型等传统因素的核心地位,另一方面也说明金属暴露和工作/生活方式因素对疾病判别具有附加价值。该模型所提供的是预测层面的变量排序,而非因果效应估计。
3.6. Best model (LASSO)
研究比较了5种机器学习算法对OP的预测性能。结果表明,逻辑回归与LASSO在测试集上均达到AUC = 0.81,RF为0.79,XGBoost为0.76,神经网络为0.67。进一步结合5折交叉验证结果,LASSO不仅保持较高AUC,还具有最低标准差(0.0167),因此被选为最优模型。LASSO回归系数显示,女性、年龄和职业性柴油尾气暴露是最强的正向关联因素;维生素D、PFNA和锰也呈正向关联。相反,MEP和血铅表现为负向系数。该部分结论强调,LASSO在高维暴露数据中兼具变量筛选、稳定性和可解释性,是本研究中最适合的预测模型。
3.7. Sensitivity analyses
研究人员通过按血铅中位数分层、剔除极端暴露值以及将WQS分位定义由十分位改为五分位等方式进行了敏感性分析。各分析中,整体混合暴露效应均仍未达到统计学显著性,但方向保持一致;每日户外工作时长、职业性柴油尾气暴露、血铅和锰的权重排序与主分析基本相同。该结果说明主要发现对分析设定具有一定稳健性。
讨论部分指出,本研究的核心发现是:交通相关污染物混合暴露与OP之间存在正向但不显著的横断面关联,而职业性柴油尾气暴露和户外工作时长是混合模型中的主要贡献因素;传统危险因素仍然是最强预测因子,但环境与行为因素具有独立补充价值。研究同时强调了若干解释上的复杂性。其一,户外工作时长既可能代表更高的污染暴露,也可能反映更多负重活动和日晒,因此是兼具多重含义的代理变量。其二,血铅表现出“悖论”现象:在单变量比较和LASSO中较高血铅似乎与较低OP风险相关,但在WQS中却是正向贡献成分。文章认为,这一现象提示横断面设计中可能存在反向因果关系和体内铅动力学的复杂影响。其三,维生素D在OP组较高且LASSO系数为正,也提示横断面测量可能反映诊断后补充行为,而非病因暴露本身。方法学上,研究认为WQS、LASSO、RF和XGBoost等多模型联合应用,可从总体混合效应、变量筛选和特征重要性多个维度理解暴露—疾病关系;较低的暴露间相关性也增强了模型适用性。与此同时,作者明确指出,预测能力不等同于病因推断,尤其当WQS总体效应未显著时,更不应将组分权重直接解释为确证性致病因素。
文章结论部分可译为:
本项横断面研究提供了假设生成性证据,提示交通相关污染物混合暴露在美国全国代表性人群中与骨质疏松症(OP)相关。通过多模型分析框架,研究人员识别出每日户外工作时长和职业性柴油尾气暴露是最具影响力的混合暴露组分。然而,整体混合效应未达到统计学显著性,且广泛存在的反向因果关系(以铅和维生素D为代表)严重限制了因果解释性。传统危险因素,如年龄、女性和BMI,仍然是主导性预测因子。最小绝对收缩与选择算子(LASSO)回归表现为最佳预测模型,具有较高区分能力和稳定性。这些发现应被视为未来研究的起点,而非危害已被证实的结论。亟需开展具有重复暴露测量和骨铅定量的前瞻性队列研究,以确立时间顺序并解决反向因果问题。研究结果提示,OP预防策略或可从交通污染控制和职业健康保护中获益,但这些公共卫生启示仍属初步判断,尚需设计完善的纵向研究加以证实。