《Ecotoxicology and Environmental Safety》:Multimetallic exposure and risk of hypertension: A multi-model analysis based on the China Southwest prospective cohort
编辑推荐:
目的:现实环境中的金属暴露通常是混合的,单一金属分析无法反映实际健康风险。本研究采用多种统计方法探讨混合金属暴露对高血压(hypertension)新发病例的影响,并识别关键金属和暴露模式。方法:从贵州人群健康队列研究(Guizhou Population H
目的:现实环境中的金属暴露通常是混合的,单一金属分析无法反映实际健康风险。本研究采用多种统计方法探讨混合金属暴露对高血压(hypertension)新发病例的影响,并识别关键金属和暴露模式。方法:从贵州人群健康队列研究(Guizhou Population Health Cohort Study)中纳入3749名参与者。研究人员采用Cox比例风险模型(Cox proportional hazards model)、因子分析(factor analysis)、加权分位数和回归(weighted quantile sum regression, WQS)、分位数g计算(quantile g-computation, qgcomp)和贝叶斯核机器回归(Bayesian kernel machine regression, BKMR)。结果:在中位随访6.63年期间,共发现806例新发高血压。经多变量调整后,Fe、Zn、Mg和K与高血压风险降低相关,而As、Mn和Na与风险增加相关(P < 0.050)。因子分析识别出三个因子:因子1(8种必需金属)、因子2(仅Mn)和因子3(Sr?As)。因子1与高血压呈负相关(HR=0.920,95%CI:0.855?0.990),而因子2呈正相关(HR=1.205,95%CI:1.120?1.297)。在WQS中,因子1指数每增加一个百分位数,风险降低11.8%(RR=0.882,95%CI:0.788?0.988),其中K是主要贡献者。在qgcomp中,因子1混合物每增加一个分位数,风险降低10.9%(RR=0.891,95%CI:0.795?0.999),其中Na和Se驱动正向效应,K、Fe和Mg驱动负向效应。BKMR揭示了总体低剂量有益、高剂量有害的模式,Mn是主要贡献者(后验包含概率PIP=0.807)。结论:金属混合物显示出相关的暴露模式以及与高血压的非线性关系。高血压预防应确保充足的必需金属并控制包括Mn和Na在内的有害金属暴露。
**研究背景与问题**:根据世界卫生组织(WHO)2023年报告,高血压影响全球约三分之一成年人,中国高血压患者达2.45亿,占心血管疾病的74.24%。环境金属暴露与高血压风险密切相关,但以往研究多聚焦单一重金属(如Cd、Pb、V),且较少考虑必需金属(如Fe、Zn、Cu)与非必需金属的共存及累积效应。真实世界中成人通常同时暴露于多种金属,存在复杂协同或拮抗作用,但混合暴露模式未系统量化评价,尤其缺乏西南矿产丰富地区(如贵州)的本地证据。因此,研究人员基于贵州人群健康队列(GPHCS),采用多模型分析评估多金属混合暴露与新发高血压的关联,识别关键金属与暴露模式,为从营养和环境角度优化高血压防控提供依据。
**研究内容与意义**:研究人员开展了一项前瞻性队列研究,纳入3749名基线无高血压的成年人,中位随访6.63年,发现806例新发高血压。通过Cox模型、因子分析、WQS、qgcomp和BKMR等统计方法,系统评估了11种金属(Al、As、Cu、Fe、Mg、Ca、Na、K、Mn、Se、Sr,排除Pb、Cd、Al)混合暴露与高血压风险的关系。结论表明:以K为主导的必需金属模式具有保护作用,Mn为高血压主要风险贡献者,总体呈现低剂量有益、高剂量有害的双相效应。该研究为理解真实世界金属混合暴露的健康效应提供了多模型证据,强调了剂量依赖和模式特异性效应,对富含矿产地区的高血压防控具有重要实践意义。论文发表在《Ecotoxicology and Environmental Safety》。
**主要关键技术方法**(不超过250字):本研究基于贵州人群健康队列(GPHCS,2010年建立,多阶段整群随机抽样纳入12个县≥18岁永久居民),基线调查收集人口学、生活方式、体格测量、生化指标及血样。采用电感耦合等离子体质谱法(ICP-MS)检测血中11种金属浓度。统计分析包括:Cox比例风险模型(评估单一金属关联);因子分析(降维识别共暴露模式);加权分位数和回归(WQS,一种评估混合暴露总体效应的统计方法)和分位数g计算(qgcomp,无需预设效应方向)作为核心混合效应模型;贝叶斯核机器回归(BKMR,用于探索非线性剂量-反应关系和交互作用)作为补充分析。所有模型调整了年龄、性别、民族、城乡、社会经济地位(SES)、体质指数(BMI)、高血压家族史、吸烟、饮酒、饮食等混杂因素。
**研究结果**(保留原小标题,简要说明研究结论):
**3.1 基线人群特征**:共3749名参与者,中位年龄40.70岁,女性占55.0%。中位随访6.63年,新发高血压806例,发病率30.71/1000人年。发生高血压者与未发生者在年龄、性别、城乡、BMI、SES、吸烟、高盐饮食、高油饮食、过量红肉摄入及水果摄入不足方面有显著差异(P<0.050)。该结果通过描述性统计和组间比较得出。
**3.2 单一金属暴露与高血压的关联**:采用Cox比例风险模型调整混杂因素后,Zn(HR=0.760)、Fe(HR=0.783)、K(HR=0.724)与高血压风险显著负相关(最高四分位 vs 最低四分位),而Mn(HR=1.436)、As(HR=1.407)、Na(HR=1.330)显著正相关(P<0.050)。该结论通过单金属多变量回归分析得出。
**3.3 混合金属暴露模式的识别**:因子分析(KMO=0.812,巴特利特球形检验P<0.001)提取三个公因子,累计解释方差58.124%。因子1(必需金属因子)高载荷K、Cu、Zn、Mg、Na、Ca、Fe、Se;因子2(锰因子)仅Mn;因子3(锶-砷因子)Sr和As。将因子得分纳入Cox回归,因子1与高血压风险负相关(HR=0.920,95%CI:0.855-0.990),因子2正相关(HR=1.205,95%CI:1.120-1.297),因子3无显著关联。该结论通过因子分析降维及回归模型得出。
**3.4 必需金属因子的混合效应**:针对因子1中8种金属,WQS模型(指定负方向)显示,混合暴露评分每增加一个分位数,高血压风险降低11.8%(RR=0.882),K为主要贡献者。Qgcomp模型显示每增加一个分位数风险降低10.9%(RR=0.891),其中Na(61.8%)和Se(38.2%)驱动正向效应(增加风险),K(40.3%)、Fe(28.5%)、Mg(19.7%)驱动负向效应。该结论通过WQS和qgcomp两种混合效应模型得出。
**3.5 所有金属的总体混合效应**:BKMR模型纳入全部11种金属,以所有金属浓度固定在50百分位数为参考,总体金属混合物与高血压风险呈双相趋势:低浓度保护,高浓度有害。Mn为最主要贡献者(PIP=0.807)。双金属交互分析未发现显著交互。仅限因子1的8种金属时,随浓度增加高血压风险呈下降趋势。该结论通过BKMR模型得出。
**讨论与结论总结**:讨论部分指出,本研究系统评估了多金属混合暴露与高血压的关联,主要发现:(1)以必需金属为主的暴露模式与高血压负相关,K为核心保护金属;(2)Mn主导的暴露模式与高血压正相关;(3)总体金属混合物呈低剂量有益、高剂量有害的双相效应。与以往研究相比,本工作首次在西南地区队列中整合多种统计方法,特别关注必需金属的混合效应。机制上,K通过促进钠排泄、激活血管平滑肌钙激活钾通道(BK通道)等降压;Mg通过钙通道拮抗、保护平滑肌细胞等协同降压;Mn通过芬顿反应诱导氧化应激、内皮损伤等升压。局限性包括残留混杂、单次血金属测量难以反映长期累积暴露、人群代表性有限。研究结论翻译如下:
这项队列研究描绘了多种金属共同暴露与高血压发病率之间的复杂关联。研究结果强调,需要在混合物框架内评估金属相关健康效应,明确考虑剂量依赖性和模式特异性效应。研究人员进一步识别出混合物中的关键驱动因素——尤其以钾为主导的保护性必需金属模式以及作为有害效应主要贡献者的锰——从而突出了组分影响的异质性。这些见解可通过综合营养和环境干预为一级预防提供信息,并为矿产丰富地区的高血压定制防控策略提供依据。未来研究应在不同人群中验证这些发现,阐明机制通路,并细化与公共卫生实践相关的暴露阈值。