综合学术报告

主要信息

本文是由Xuewei Huang、Zhouyi Wang、Fang Lei、Weifang Liu、Lijin Lin、Tao Sun、Yuanyuan Cao、Xingyuan Zhang、Jingjing Cai 和 Hongliang Li 等研究者完成，并发表在期刊 Environment International 上。文章的DOI为 https://doi.org/10.1016/j.envint.2024.109110，这是一个开放获取的研究，发表于2024年的第193期。研究主要围绕城市环境与动脉粥样硬化性心血管疾病（atherosclerotic cardiovascular disease，ASCVD）的关系展开，是一篇基于英国生物银行（UK Biobank）进行的大规模前瞻性研究。

研究背景与目的

动脉粥样硬化性心血管疾病(ASCVD)是全球范围内死亡和疾病负担的主要原因，其风险与多种环境、社会经济和遗传因素相关。然而，目前关于城市环境对ASCVD影响的研究大多局限于较少的特定暴露因子，比如空气污染、绿地等，并缺乏对这些因素交互作用的全面理解。尤其是一些关键潜在机制，如社会经济地位(Socioeconomic Status，SES)的调节作用及遗传易感性(Genetic Predisposition)，尚未被充分探索。

研究的目标是基于英国生物银行的数据，系统分析213种城市环境暴露因素与ASCVD风险之间的关系，借助“全暴露组学”（Exposome）的方法阐明环境因素影响ASCVD的机制路径，同时探讨社会经济地位与遗传易感性在这种关联中的作用，为城市规划和公共健康干预提供科学依据。

研究方法与流程

样本选择与分组

研究数据来源于英国生物银行数据库，最初募集了超过50万名参与者，年龄段在40-69岁。研究通过以下排除标准筛选了研究样本： - 排除了存在城市环境变量缺失数据的个体（n=122,499），以及基线时被确诊为ASCVD的人群（n=25,442）。 - 排除居住在非城市地区的人群（n=52,652），以及在招募时在其住所地居住时间少于10年的参与者（n=95,082）。 最终筛选出纳入样本206,681人，用于主要分析。

城市环境暴露及其分类

提取了213种城市环境暴露变量，这些变量涉及大气污染（PM2.5、二氧化氮NO₂等）、街道网络复杂性、土地利用密度（住宅、工业、休闲设施等）、交通基础设施、噪声暴露、饮用水硬度（含钙和镁浓度）等，它们的暴露数据来自UK Biobank和UK Biobank Urban Morphometric Platform（UKBUMP）。

每个暴露环境变量基于参与者的家庭地址进行匹配，关联年限为其基线时的居住地址位置，部分数据综述了特定年份（如2010年空气质量数据）。此外，在数据分析中对稀缺的土地利用数据进行了预处理，例如将变量转换为二值。

ASCVD及遗传风险的评估

研究主要结局指标是首次发生的ASCVD（包括冠心病与中风）。诊断数据来源于医院病房数据、死亡记录和初级护理记录，以及参与者的自我报告疾病史。

同时，研究提取了ASCVD的多基因风险评分(Polygenic Risk Score，PRS)，作为参与者遗传风险的代理指标。得分标准基于既往的关联研究，利用多代谢谱构建。

数据统计与建模方法

研究应用了多种统计方法： - 暴露组学关联分析(Exposome-Wide Association Study, ExWAS)：建立213个单暴露Cox比例风险回归模型，调整多种协变量。 - Elastic-net正则化Cox回归模型，控制环境变量间相关性较高可能带来的假阳性； - 稀疏典型相关分析(Sparse Canonical Correlation Analysis，SCCA)探讨环境暴露因素与可调整个体特征（如心理健康、BMI、LDL-C）之间的多变量关联； - 中介效应模型(Mediation Analysis)验证可调整个体特征是否在城市环境因素作用ASCVD过程中起中介作用。 - 分层分析与互动效应分析，探索SES指标以及基因易感性对环境与ASCVD关联的影响。

核心研究结果

1. 城市环境因素与ASCVD关系

研究发现了多种城市环境特征与ASCVD的显著关联： - 风险增加的主要环境因素：高空气污染水平（如PM2.5、NO₂）、工业用地密集分布、复杂的街道网络是ASCVD的风险因子。例如，PM2.5每升高一个标准差，ASCVD发生风险增加3.7%。复杂的街道网络（高链接密度、弯曲路径）与ASCVD风险正相关。 - 风险减小的主要环境因素：高得分的休闲设施（如假日营地密度）、住宅和公共服务布局密集的社区环境，与ASCVD风险较低相关。饮用水硬度特别是高钙浓度与ASCVD风险呈明显负相关。

2. 不同城市环境通过多样化路径影响ASCVD

通过SCCA分析提取了两种典型联系（Canonical Modes，CMs）： - CM1：环境污染（如空气污染物浓度高、工业用地布局不合理）主要通过对心理健康的负面影响（如孤独感增加、心理压力升高）促进ASCVD发生。 - CM2：高度发达的社区布局（住宅密度高、娱乐与基础设施完善）通过改善心血管代谢状态（如降低BMI和血压，显著增加HDL-C水平），降低ASCVD风险。

3. 社会经济地位（SES）的调节作用

低SES（低收入、较低教育水平、无业）显著加剧了不利城市环境对ASCVD风险的促进作用。例如，与处于高收入群体中的居民相比，处于较高污染环境下的低收入群体面临更高的ASCVD风险。然而，不利SES没有改变环境因素通过个体可调整特征影响ASCVD的中介路径占比。

4. 遗传易感性对环境影响的独立性

多基因风险评分（PRS）与ASCVD显著相关。高PRS参与者在面临不良城市环境时ASCVD风险最大。但研究未能发现PRS对环境因素与ASCVD风险关联的调节作用。

研究意义与价值

这篇研究首次以全暴露组学视角系统性地分析城市多维环境对ASCVD的影响，提出了明确的两种作用路径。研究揭示了社会经济地位在城市环境-疾病关联中的关键调节作用，为制定针对不同群体的精准健康干预策略和公共政策提供了坚实依据。此外，本研究结果推广于未来城市规划，如优化土地利用设计，减少环境污染和改善社区健康环境条件，或能显著促进居民心血管健康。

研究亮点

1. 成功应用全暴露组学框架，全面分析城市复杂环境及其与ASCVD关联。
2. 提出了两种具有高解释力的中介路径（心理健康和代谢状态），丰富了ASCVD发生机制的研究。
3. 阐明了低社会经济地位人群在不良环境暴露中的高脆弱性，突出了行动策略公平性的重要性。

结论

这一研究通过大规模人群生物数据及创新分析方法，为城市环境相关健康研究奠定了范式，并对未来“健康城市”的规划设计提供重要参考意见。