编辑推荐：
为探究农药、PAHs 和邻苯二甲酸酯混合暴露与代谢综合征（MetS）的关联，南京医科大学研究人员开展相关研究，发现混合暴露会增患 MetS 风险，PAHs 影响最大，2-PHEN 作用关键。该研究为防控 MetS 提供依据，值得科研人员一读。
南京医科大学（Nanjing Medical University）的研究人员 Yadan Xu、Yifan Xu 等人在《BMC Public Health》期刊上发表了题为 “Exploring the association between exposure to pesticides, polycyclic aromatic hydrocarbons, and phthalates and metabolic syndrome in National Health and Nutrition Examination Survey in the USA, 2007–2012: utilizing a multi-step statistical strategy” 的论文。这项研究在环境化学物质与代谢综合征（Metabolic Syndrome，MetS[1]）关联领域意义重大，为揭示环境因素对人体健康影响提供了关键依据，有助于制定更具针对性的公共卫生策略。
研究背景：探索环境化学物质与代谢综合征的神秘关联
代谢综合征是一种复杂的医学状态，表现为中心性肥胖、高血压、血脂异常和高血糖等一系列代谢紊乱症状[1]。在美国，其发病率持续攀升，成年人中患病率达 35%，60 岁以上人群更是高达约 50%[3]。代谢综合征不仅会引发动脉粥样硬化，促进心血管疾病的发展，还是慢性肾脏疾病的危险因素，大大增加了整体死亡率[4-6]。
以往研究表明，遗传、饮食、年龄、性别和生活方式等因素在代谢综合征的发展过程中起着重要作用[7-10]。近年来，越来越多的证据显示，环境化学物质，尤其是内分泌干扰物（Endocrine Disrupting Chemicals，EDCs[11-12]），可能会增加患代谢疾病的风险。像农药、多环芳烃（Polycyclic Aromatic Hydrocarbons，PAHs[13-14]）、邻苯二甲酸酯等内分泌干扰物，通过饮用水、土壤和食物等途径广泛接触人体，干扰激素功能，引发严重健康问题[13-14]。已有研究分别证实了某些农药、PAHs 和邻苯二甲酸酯与代谢综合征的关联[16-18]，但这些研究大多聚焦于某一类化学物质的影响，未能明确多种化学物质混合暴露与代谢综合征之间的关系。而且，多种化学物质同时暴露可能因成分间的协同或累加效应产生显著的综合影响，即便单一化学物质暴露可能无明显后果[21]。因此，开展此项研究，探索多种化学物质混合暴露对代谢综合征的影响，确定关键化学物质，对公共卫生领域意义非凡。
研究方法：多管齐下的精准探索
研究人员基于 2007 - 2012 年美国国家健康与营养检查调查（National Health and Nutrition Examination Survey，NHANES[22]）数据库展开研究。该数据库是评估美国人群营养和健康状况的重要项目，自 20 世纪 60 年代初起持续开展调查。
在研究对象选取上，研究涵盖了 NHANES 2007 - 2008、2009 - 2010 和 2011 - 2012 三个周期的 30442 名参与者。经过层层筛选，排除年龄小于 20 岁、孕妇、代谢综合征标准不完整、BMI 信息缺失或 BMI<18.5kg/m2、化学暴露数据不完整以及关键协变量信息缺失的参与者，最终纳入 4030 名 20 岁及以上的非孕妇进行研究[22]。
在化学物质检测方面，研究人员采集参与者的尿液样本，在运输至实验室前妥善冷藏（-20°C）保存。采用在线固相萃取（SPE）结合高效液相色谱（HPLC）和串联质谱（HPLC/MS）检测农药；利用气相色谱 - 质谱联用仪（GC - MS/MS）分析多环芳烃的单羟基化中间产物（OH - PAHs）；通过高效液相色谱 - 电喷雾电离 - 串联质谱（HPLC - ESI - MS/MS）对邻苯二甲酸酯代谢物进行定量分析。为确保检测质量，实验室工作人员经过专业培训，所有化学检测报告均符合准确性和精密度的质量控制标准，对于分析结果低于检测下限的分析物，统一转换为检测下限（LOD）/sqrt (2)[22]。研究最终选定了 15 种检测限率超过 80% 的化学物质进行后续分析，包括 2,4 - 二氯酚（2,4 - DCP）、2,5 - 二氯酚（2,5 - DCP）等[23] 。
代谢综合征的定义依据美国国家胆固醇教育计划成人治疗小组 III 报告[1, 24] ，满足以下五条标准中至少三条的参与者被判定为患有代谢综合征：男性腰围≥102cm、女性腰围≥88cm 的中心性肥胖；空腹血糖水平≥100mg/dL 或正在接受相关治疗的高血糖；收缩压≥130mmHg 或舒张压≥85mmHg 或正在接受治疗的高血压；血清甘油三酯≥150mg/dL；男性高密度脂蛋白胆固醇（HDL - C）<40mg/dL、女性 HDL - C<50mg/dL 的 HDL - C 水平降低。
研究还考虑了多种协变量，包括年龄、性别、种族、教育背景、收入、吸烟状况、运动状况和肌酐水平等。年龄和肌酐作为连续变量处理，其他变量则进行分类处理[25] 。
在统计分析环节，研究人员运用多种先进方法。使用 T 检验和卡方检验比较人群基线特征；对呈右偏分布的肌酐和化学变量进行对数转换，以减少极端值影响；用四分位数和几何均值描述样本中化学物质的分布；计算 “Spearman” 相关系数并绘制热图、“circos” 图来展示 15 种化学物质间的相互关系。
为探究化学物质与研究结果的关联，研究人员依次使用了加权广义线性模型、变量选择模型（包括 LASSO 回归和贝叶斯模型平均法 BMA 模型）以及综合暴露模型 WQS（加权分位数和模型）。加权线性回归分析考虑了 NHANES 复杂的抽样情况，在三个模型中逐步调整年龄、性别、种族、收入、教育背景等多种因素，使用 R 软件中的 “survey” 包进行分析[27] 。LASSO 回归通过建立广义线性模型并同时进行变量选择，缓解变量间的共线性问题，利用十折交叉验证确定最优 λ 值，筛选出有影响力的化学物质；BMA 模型则通过迭代筛选后验概率超过预设阈值的变量，减少不确定性，评估变量对结果的稳定性，二者均使用 R 语言中的相关包进行分析[28-31] 。WQS 模型通过构建加权指数来计算所有暴露因素对结果的影响，为确保结果稳健，将数据划分为 40% 的训练集和 60% 的评估集，并进行 1000 次自助迭代，同时考虑正向和反向两个方向的关联，使用 “gWQS” 包进行分析[32-34] 。此外，还基于年龄（以 60 岁为界）和性别进行了亚组分析，所有分析均在 R 软件（版本 4.2.2）中完成，显著性水平设定为 0.05，并计算错误发现率（FDR）调整 P 值以避免假阳性结果[35] 。
研究结果：揭开化学物质与代谢综合征的关联面纱
- 研究对象基本特征：最终纳入的 4030 名参与者中，1076 人（26.7%）被诊断患有代谢综合征。参与者平均年龄为 47.8±17.2 岁，43.5% 为非西班牙裔白人，20.9% 为非西班牙裔黑人，超过一半（88.8%）的参与者接受过高中及以上教育。患有代谢综合征的参与者通常具有年龄较大、女性、非西班牙裔白人、有吸烟习惯、收入和教育水平较低以及运动较少等特征[22] 。
- 15 种化学物质的分布与相关性：15 种化学物质在 80% 以上的参与者中均可检测到。其中，农药中的 2,5 - DCP、PAHs 中的 1 - NAP 和邻苯二甲酸酯中的 MEP 浓度最高。同一类化学物质之间存在较强的正相关性，如 2,4 - DCP 和 2,5 - DCP 的相关系数高达 0.77，PAHs 类物质相关系数在 0.56 - 0.96 之间，邻苯二甲酸酯组中 MCPP 和 MCOP 相关性最强，相关系数达到 0.73。而不同类别化学物质之间的相关性则相对较弱，相关系数主要在 0.2 - 0.4 之间[22] 。
- 单一化学物质暴露与代谢综合征的关联：加权广义回归模型分析显示，PAHs 组中的 2 - PHEN 与代谢综合征风险增加显著相关（OR：1.37，95% CI：1.19 - 1.59），且在调整不同协变量组合后，该关联依然稳健[22] 。
- 关键化学物质的筛选：通过 LASSO 回归和 BMA 模型进行变量选择，发现 1 - PYR、1 - PHEN 和 2 - PHEN 与代谢综合征风险存在统计学关联。其中，2 - PHEN 与代谢综合征呈正相关（OR (95% CI)：2.91 (1.95, 4.36)），1 - PYR 和 1 - PHEN 则与代谢综合征呈显著负相关。BMA 模型进一步支持了 2 - PHEN 和 2 - NAP 与代谢综合征的正相关关系，同时再次验证了 1 - PYR 与代谢综合征的负相关[22] 。
- 混合化学物质暴露与代谢综合征的关联：WQS 模型结果表明，在整个样本中，混合化学物质暴露的 WQS 指数与代谢综合征之间存在正相关（OR：1.25 (95% CI：1.04, 1.51)）。在混合暴露中，2 - PHEN、MEOHP、2 - NAP 和 2,5 - DCP 的权重最高。按化学物质类别分析发现，PAHs 与代谢综合征发病率升高相关（OR：1.20 (95% CI：1.05, 1.37)），其中 2 - PHEN 和 2 - NAP 在 PAHs 组中的权重最高；邻苯二甲酸酯组中 MEOHP 的权重最大。当设置为负向关联时，15 种化学物质及单个化学物质类别与代谢综合征的关联均无统计学意义[22] 。
- 亚组分析结果：基于性别进行亚组分析，加权线性回归模型显示 2 - PHEN 增加了男性和女性患代谢综合征的风险。LASSO 回归模型和 BMA 模型共同表明，2 - PHEN 在男性和女性中均是与代谢综合征正相关的关键变量。WQS 结果显示，仅在女性亚组中，混合化学物质暴露与代谢综合征存在显著关联（OR=1.40，95% CI：1.08 - 1.83），2 - PHEN、2,5 - DCP、2 - NAP 和 MEP 对该结果贡献最大。基于年龄的亚组分析中，加权线性回归模型表明 2 - PHEN 与代谢综合征在年龄 < 60 岁和≥60 岁的亚组中均呈显著正相关。变量选择模型的结果支持 2 - PHEN 是年龄 < 60 岁亚组中影响代谢综合征的关键因素，但在≥60 岁亚组中未观察到该现象。WQS 结果在两个年龄亚组中均无统计学意义。在男性样本和年龄 < 60 岁的样本中，2 - PHEN 在 WQS 模型中的权重最高；而在 60 岁及以上的样本中，2 - NAP 的权重最大[22] 。
研究结论与讨论：为健康防线点亮关键灯塔
综合三种统计模型的结果，研究发现农药、PAHs 和邻苯二甲酸酯的混合暴露可能会增加代谢综合征的发病风险，其中 PAHs 的影响最为显著，2 - PHEN 在其中发挥了关键作用。这一发现全面而深入地揭示了内分泌干扰物对代谢综合征发展的真实影响。
从作用机制来看，农药可能通过影响脂质代谢、甲状腺功能等途径降低 HDL - 胆固醇水平，进而诱导代谢综合征的发生[16, 36] 。PAHs 主要来源于燃料的不完全燃烧，广泛存在于环境中，作为内分泌干扰物，它可以干扰脂质代谢、引发炎症反应，从而增加代谢综合征的风险[37] 。邻苯二甲酸酯常用作增塑剂，人们通过多种途径接触它，它能导致氧化还原稳态失衡、激活过氧化物酶体增殖物激活受体 γ（PPARγ）并诱导脂肪生成，这些过程都与代谢综合征风险增加相关[38-39] 。而 2 - PHEN 作为 PAHs 的一种，不仅可通过呼吸道和皮肤被人体吸收，还能刺激炎症反应和氧化应激，引发组织炎症，导致脂质过氧化，激活核因子 κB（NF - κB）通路，加剧慢性全身炎症，同时可能通过增强 PPARα 在脂质代谢中的激活作用，促进动脉粥样硬化和代谢综合征的发展[41, 44-50] 。
与以往研究相比，本研究的建模选择具有独特之处。多数现有研究使用线性回归模型结合 WQS 和 BKMR 模型分析物质暴露影响，而本研究考虑到化学物质间的相关性和共线性，引入了 LASSO 和 BMA 等变量选择模型，这些模型与 WQS 模型相互补充，更易获得稳定一致的结果，为筛选关键化学物质提供了更可靠的方法，在公共卫生领域意义重大，为疾病预防指明了方向[34, 51] 。
亚组分析发现，2 - PHEN 与代谢综合征的关联在女性样本中更为显著，这可能与雌激素的作用有关。雌激素具有抗肥胖、维持能量稳态和保护机体免受代谢综合征影响的作用，而内分泌干扰物会破坏雌激素合成，降低女性体内雌激素水平，使其更易患代谢综合征[16, 52-54] 。
本研究具有诸多优势。它首次探索了农药、PAHs 和邻苯二甲酸酯混合暴露对代谢综合征风险的影响，填补了相关领域的研究空白；采用了更全面的统计框架，精确评估了混合化学物质暴露的影响和关键化学物质的作用；通过亚组分析全面评估了化学物质的效应，验证了研究结果的稳健性。然而，研究也存在一定局限性。由于采用横断面研究设计，无法得出因果推断，还需前瞻性和实验性研究进一步深入探究；化学暴露数据仅反映近期情况，长期暴露的影响尚不明确，这可能影响研究结果的普遍性；研究虽考虑了一些重要的混杂因素，但遗传和饮食等未测量的混杂因素仍可能对结果产生影响；此外，研究使用的是 2007 - 2012 年的数据，数据的时效性有待提升，研究结果的外部有效性和适用性也需要进一步验证[55-56] 。
总体而言，该研究为未来研究环境化学物质混合暴露的健康风险奠定了重要的统计学基础。后续研究可考虑更新数据，以增强研究结果的外部有效性和适用性，为预防和控制代谢综合征等相关疾病提供更有力的科学依据，守护公众健康。
