长期暴露于挥发性有机化合物或增加动脉粥样硬化风险

为探究挥发性有机化合物（VOCs）与血浆致动脉粥样硬化指数（AIP）关系，研究发现高 VOCs 暴露，尤其 ATCA，或增 AIP 风险。

　　# 长期暴露于挥发性有机化合物或增加动脉粥样硬化风险：一项基于 NHANES 的研究
在我们生活的环境中，隐藏着许多看不见的 “健康杀手”，挥发性有机化合物（Volatile Organic Compounds，VOCs）便是其中之一。VOCs 广泛存在于日常生活里，像汽车尾气、工业废气排放、装修材料挥发等都会产生它们。近年来，人们逐渐意识到 VOCs 可能与多种慢性疾病相关，可其与血浆致动脉粥样硬化指数（Atherogenic Index of Plasma，AIP）之间的联系，却一直没有得到充分研究，特别是在高暴露人群中。而动脉粥样硬化作为心血管疾病（Cardiovascular Disease，CVD）的主要诱因，每年在全球范围内夺走约 1792 万人的生命，严重威胁着人类健康。为了深入了解这一潜在的健康威胁，来自淮北师范大学的研究人员开展了相关研究，其成果发表在《Scientific Reports》上。

心血管疾病一直是全球范围内的主要致死原因之一，动脉粥样硬化在其中扮演着关键角色。它的发病机制十分复杂，涉及多种因素，其中血脂异常，尤其是血浆甘油三酯（Triglyceride，TG）升高，与动脉粥样硬化风险增加密切相关。VOCs 作为常见的空气污染物，具有多种毒性，以往研究虽发现其与心血管疾病可能有关，但存在诸多不足，比如研究的 VOCs 代谢物不全面，大多只考虑单一或混合暴露的影响，缺乏对剂量 - 反应关系的深入探究。因此，本研究旨在全面、深入地剖析 VOCs 暴露与 AIP 之间的非线性关联，为揭示心血管疾病的发病机制提供新线索。

为了实现这一目标，研究人员利用美国国家健康和营养检查调查（National Health and Nutrition Examination Survey，NHANES）2011 - 2018 年的数据展开研究。该调查采用分层多阶段抽样，涵盖了丰富的信息，包括人口统计、社会经济、饮食、健康检查以及实验室检测等多方面数据。研究人员首先对 44270 名参与者的数据进行筛选，排除因血清数据缺失和 VOCs 数据缺失的个体，最终确定了 6027 名参与者纳入研究。

在研究过程中，研究人员运用了多种关键技术方法。在样本检测方面，通过收集参与者的尿液样本，采用超高效液相色谱 - 电喷雾电离串联质谱（UPLC - ESI/MSMS）技术，对 20 种 VOCs 代谢物进行精准检测。在评估动脉粥样硬化风险时，选择 AIP 作为指标，通过检测血清中的 TG 和高密度脂蛋白胆固醇（High - Density Lipoprotein Cholesterol，HDL - C），并根据公式 AIP = log^{TG/HDL - C}计算得出。同时，研究人员还考虑了众多可能影响动脉粥样硬化风险的因素，如性别、年龄、种族、教育程度、婚姻状况、生活方式（吸烟、饮酒、体育活动）以及社会经济因素等，并将其作为协变量纳入分析。在统计分析阶段，运用了多种统计模型，包括 Spearman 秩相关分析、加权分位数和（Weighted Quantile Sum，WQS）回归、多模型逻辑回归、受限立方样条（Restricted Cubic Spline，RCS）分析以及贝叶斯核机器回归（Bayesian Kernel Machine Regression，BKMR）等，从不同角度探究 VOCs 与 AIP 之间的关系。

研究结果

1. 研究人群的人口统计学特征：研究人员根据 AIP 将参与者分为四个四分位数组（Q1 - Q4）。结果显示，Q4 组参与者往往年龄更大，男性比例更高，非西班牙裔白人及已婚者占比更多，教育水平较低，吸烟和饮酒率更高，体育活动较少。同时，他们的体脂百分比、血压、总胆固醇（Total Cholesterol，TC）、TG 和低密度脂蛋白胆固醇（Low - Density Lipoprotein Cholesterol，LDL - C）水平较高，而 HDL - C 水平较低。
2. 20 种 VOCs 之间的 Spearman 相关性建模：通过 Spearman 相关模型分析发现，多种 VOCs 之间存在强相关性。例如，IPMA3 和 HMPMA（ρ = 0.97）、IPMA3 和 3HPMA（ρ = 0.97）、HMPMA 和 3HPMA（ρ = 0.96）等，这表明许多 VOCs 可能存在共同的污染源，并且它们的共同暴露效应在四个亚组中基本一致。
3. 四个亚组中 VOCs 暴露剂量的差异：对 VOCs 剂量进行对数转换后，Kruskal - Wallis 检验发现，17 种 VOCs 在四个组（Q1、Q2、Q3 和 Q4）中的暴露剂量存在显著差异，不过 GAMA、SBMA 和 TTCA 的差异不显著。
4. VOCs 与 AIP 的 WQS 回归模型：WQS 回归模型分析显示，Q4 组参与者的 VOCs 水平较高，且 VOCs 与 TC（β = 5.45，95% CI = 5.42 - 5.58，P = 0.04）以及 HDL - C（β = 1.07，95% CI = 1.03 - 1.10，P = 0.02）呈正相关。在 TC 分析中，AMCC、TTCA 和 2MHA 权重显著；在 HDL - C 分析中，TTCA、SBMA 和 ATCA 权重较高。
5. VOCs 与 AIP 的加权多模型逻辑回归模型：在调整了多种潜在混杂因素后，多模型逻辑回归分析发现，3 - 4MHA、34DMA、AAMA、ATCA、CYMA、HEMA 和 SBMA 与 AIP 显著相关。RCS 分析进一步揭示，ATCA 的拐点为 128.60 ng/mL，高于此水平时，ATCA 与 AIP 呈显著正相关（OR = 1.60，95% CI = 1.20 - 2.14，P < 0.01），即 ATCA 水平超过 128.60 ng/mL 时，AIP 升高的风险增加 60%；SBMA 的拐点为 6.81 ng/mL，高于此水平时，AIP 升高的风险增加 36%（OR = 1.36，95% CI = 1.08 - 1.70，P < 0.01），但 34DMA 和 AAMA 与 AIP 无显著关联。
6. 亚组分析：亚组分析表明，在不同年龄、性别、种族、BMI 和吸烟状态的人群中，VOCs 暴露与动脉粥样硬化风险的关系存在差异。例如，在 30 - 59 岁年龄组、男性、墨西哥裔美国人和非裔美国人、BMI < 25 的人群以及吸烟者中，高 VOCs 暴露与动脉粥样硬化事件的发生显著相关，而在其他亚组中则无显著关联或呈负相关。
7. 稳健性检验：通过 BKMR 模型进行稳健性检验，结果证实了 VOCs 与 AIP 之间的关系。在第 50 百分位数水平的参与者中，VOCs 暴露与 TC 呈正相关，与 HDL - C 呈负相关，且敏感性测试结果与主要分析结果一致。

研究结论与讨论

本研究通过多种统计模型，系统评估了 VOCs 与 AIP 之间的复杂关联，发现长期暴露于 VOCs，尤其是 ATCA，可能会增加动脉粥样硬化的风险。Spearman 相关性分析显示不同 VOCs 之间存在共同暴露效应，WQS 回归模型表明 VOCs 可能影响脂质代谢，而分层阈值模型则明确了 ATCA 在 AIP 升高中的关键作用。这一发现为揭示 VOCs 与心血管疾病之间的联系提供了新证据，也为制定公共卫生政策提供了理论依据。

不过，该研究也存在一些局限性。由于是横断面调查，无法确定 VOCs 与 AIP 之间的因果关系；研究虽调整了多种混杂因素，但仍有部分变量（如饮食、遗传易感性）未被考虑；单次尿液 VOCs 检测可能无法准确反映长期暴露情况；而且研究排除了 VOCs 代谢物未被检测到的参与者，可能影响样本的代表性和结果的普遍性。

尽管存在不足，本研究依然为后续研究指明了方向。未来研究可进一步开展长期随访，验证这些发现，并考虑更全面的混杂因素和更完善的样本收集分析方法，深入探究 VOCs 影响心血管健康的具体机制，从而为预防和控制心血管疾病提供更有效的策略。