金属与全氟及多氟烷基物质(PFAS)联合暴露对糖尿病患病率的影响

《Journal of Xenobiotics》:Combined Effects of Metals and PFAS Exposure on Prevalent Diabetes

【字体: 大 中 小 】 时间:2026年07月11日 来源:Journal of Xenobiotics 4.6

编辑推荐:

  人类全氟及多氟烷基物质(Per- and polyfluoroalkyl substances, PFAS)和金属暴露通常以混合物的形式发生,但大多数研究是独立评估它们的。利用2017-2018年美国国家健康与营养检查调查(National Health an

  
人类全氟及多氟烷基物质(Per- and polyfluoroalkyl substances, PFAS)和金属暴露通常以混合物的形式发生,但大多数研究是独立评估它们的。利用2017-2018年美国国家健康与营养检查调查(National Health and Nutrition Examination Survey, NHANES)中直接测量的PFAS和血液金属数据(N = 1648),研究人员通过调查加权logistic回归、加权分位数和(Weighted Quantile Sum, WQS)回归、分位数g-计算(quantile g-computation)以及设计感知和朴素贝叶斯核机器回归(Bayesian Kernel Machine Regression, BKMR),评估了全氟辛酸(Perfluorooctanoic acid, PFOA)、全氟辛烷磺酸(Perfluorooctanesulfonic acid, PFOS)、铅、镉和汞与糖尿病患病率的联合关联。调查加权的糖尿病患病率为11.4%。在BKMR模型中,铅和PFOS成为暴露混合物的主要贡献者,其后验包含概率(posterior inclusion probabilities, PIPs)分别为1.00和0.997。在WQS模型中,PFOS和PFOA是正混合指数的主要驱动因素,这与它们在内分泌干扰和胰岛素抵抗中的作用一致。BKMR暴露-反应函数是非单调的,表明铅和镉与糖尿病的关联是非线性的,而不是在整个暴露范围内呈均匀方向,这是传统logistic回归无法捕捉的结构。总体而言,限制于直接测量的暴露,将完整的NHANES设计纳入主要回归,并在互补的混合框架中进行三角验证,提供了比先前的单污染物或设计朴素方法更严格的平台。

金属与PFAS联合暴露对糖尿病患病率影响的论文解读

研究背景与意义

全球约有5.89亿人患有糖尿病,预计到2050年将超过8.5亿人。除了饮食和运动等生活方式因素外,环境污染正日益被公认为糖尿病的潜在风险因素。重金属(如铅和镉)和全氟及多氟烷基物质(PFAS)可能通过影响胰岛素敏感性、损害胰腺β细胞以及引起氧化应激等途径促进代谢风险。然而,人群通常同时暴露于多种环境化学物质,且这些暴露共同发生时的健康影响可能与单独发生时不同。尽管已有关于单个金属或PFAS与糖尿病关联的研究,但评估金属和PFAS在统一混合模型框架内联合效应的研究仍然有限,且尚不清楚在不同分析方法中最一致的贡献者是哪些暴露物。此外,既往的NHANES混合研究常包含未进行PFAS测量的参与者,并对缺失值进行插补,这可能引入暴露错分偏倚。因此,本研究旨在严格评估环境化学混合物与美国成年人糖尿病患病率的联合关联。该论文发表于《Journal of Xenobiotics》。

关键技术方法

本研究基于2017-2018年美国国家健康与营养检查调查(NHANES)数据,将分析样本限定为1648名具有直接测量生物样本浓度的成年人。研究人员采用自我报告医生诊断的糖尿病作为主要结局。环境暴露包括血清中的全氟辛酸(PFOA)和全氟辛烷磺酸(PFOS),以及全血中的铅、镉和汞。关键统计方法包括:用于获得总体代表性估计的调查加权logistic回归;用于灵活估计联合、非线性和潜在交互效应的贝叶斯核机器回归(BKMR);用于估计整体方向效应并解决多重共线性的加权分位数和(WQS)回归;以及用于估计所有暴露同时增加一个四分位数的联合效应的分位数g-计算(quantile g-computation)。此外,研究还通过限制立方样条(RCS)探索非线性剂量-反应关系,并通过调整估算肾小球滤过率(eGFR)、实验室确诊糖尿病定义和完整病例分析等进行敏感性检验。

研究结果

研究人群

测量型分析样本由1648名来自NHANES 2017-2018且具有直接测量的血清PFAS和血液金属浓度的成年人组成。调查加权的自我报告糖尿病患病率为11.4%。

暴露特征

五种环境暴露生物标志物的分布均呈正偏态。PFOA与PFOS之间存在较强的正相关(ρ = 0.63),铅与镉之间也存在中等程度的正相关(ρ = 0.36)。未调整的糖尿病患病率显示,铅和镉呈现出显著的非单调模式,即在第3四分位数(Q3)达到峰值后在第4四分位数(Q4)下降,而PFOS则呈单调递增趋势。

调查加权Logistic回归分析

在调查加权多变量logistic回归中,血铅(Odds Ratio, OR = 0.25, 95% CI: 0.09–0.71)和血镉(OR = 0.71, 95% CI: 0.54–0.94)表现出显著的负相关。PFOA、PFOS和汞未显示出显著关联。Lead × PFOA的交互作用无统计学意义(p = 0.253)。限制立方样条(RCS)模型进一步证实了血铅存在明显的逆非线性关联。

贝叶斯核机器回归(BKMR)分析

朴素BKMR模型收敛良好。在该模型中,铅的PIP为1.000,PFOS的PIP为0.997,表明它们是暴露-反应表面最重要的贡献者。单变量暴露-反应函数显示,在低至中等暴露范围内,铅和镉的估计糖尿病反应增加,呈现非线性关系。整体混合效应曲线也是非单调的。

加权分位数和回归与分位数G-计算

WQS回归和分位数g-计算一致表明环境混合物与糖尿病患病率之间存在整体负向关联。在双指数WQS模型中,血铅是负向混合指数的主要贡献者(权重=0.458),而PFOS和PFOA是正向指数的主要驱动因素。

敏感性分析结果

在调整了估算肾小球滤过率(eGFR)或使用实验室确诊糖尿病定义后,血铅和血镉的负相关关联基本保持不变。完整病例分析与多重插补结果高度一致,证实了主要发现的稳健性。

讨论与结论总结

讨论

本研究的贡献主要在于方法论的严谨性,即限制于直接测量的暴露、纳入复杂的调查设计以及应用互补的混合建模框架。尽管血铅和血镉在传统回归中呈负相关,但这不应被解释为这些金属能预防糖尿病。这种反向关联可能源于横断面设计的局限性(如反向因果关系、幸存者偏倚或肾功能改变清除动力学)。BKMR分析揭示了传统回归无法捕捉的非线性结构,即在低至中等暴露范围内糖尿病风险增加,而在高暴露区域趋于平缓。

结论

研究表明,糖尿病与环境化学混合物之间的关系是复杂的、非线性的,并非简单的单一方向。铅和PFOS是整体暴露混合物的最大贡献者。传统的单污染物分析有时会显示铅和镉的反向关联,这反映了关联的复杂性或混杂因素。研究还发现,效应随暴露水平而变化,意味着低、中、高暴露会显示出不同的模式(非线性剂量-反应)。总体而言,不同的先进混合方法得出了具有一致性的结果,支持了应将化学物质作为混合物而非个体进行评估的观点。未来需要进行具有重复测量和先进统计方法的长期队列研究,以更好地理解环境化学混合物与糖尿病之间的因果联系。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号