城市内部室外超细颗粒物时空变化与心血管疾病急诊就诊率的关系

1. 领域背景与文献

文献英文标题：Within-city spatiotemporal variations in outdoor ultrafine particles and emergency room visits for cardiovascular outcomes；
发表期刊：未公开；影响因子：未公开；研究领域：环境流行病学（大气超细颗粒物与急性心血管健康方向）

细颗粒物（PM2.5）的健康危害已得到全球广泛证实，每年有数百万死亡与PM2.5暴露直接相关，但粒径小于100纳米的超细颗粒物（ultrafine particles，UFPs）的健康影响研究仍存在核心空白。超细颗粒物因未被纳入常规环境监管，在城市中受交通、工业、居民及商业燃烧排放影响，常维持较高浓度；其粒径极小，可高效沉积于肺部并进入体循环，引发多组织炎症与氧化应激反应。现有研究已证实长期超细颗粒物暴露与早逝、特定癌症风险升高相关，但关于城市内超细颗粒物短期时空变化对急性心血管健康的影响，因缺乏高分辨率暴露评估模型，相关证据极为有限。此前多数流行病学研究依赖单个固定监测点的浓度数据，无法捕捉城市内超细颗粒物的时空异质性，导致研究结果存在明显分歧，部分研究报告超细颗粒物与心血管结局正相关，更多研究则未发现显著关联，这一现状凸显了开展高分辨率超细颗粒物暴露与急性心血管事件关联研究的必要性。本研究正是针对这一空白，采用最新开发的高分辨率时空暴露模型，首次在北美大城市同时分析超细颗粒物数量浓度与粒径的时空变化对急性心血管事件急诊就诊风险的影响，为超细颗粒物的公共卫生防控提供科学依据。

2. 文献综述解析

作者对领域内现有研究的分类维度主要为研究地域（欧洲不同城市）与研究结论（阳性关联、无关联）。现有研究中，部分采用单个固定监测点的研究报告了超细颗粒物与急性心血管或呼吸结局的阳性关联，例如罗马的Belleudi等通过单固定点监测数据，发现超细颗粒物与心力衰竭、慢性阻塞性肺疾病的住院风险正相关；但多数欧洲城市的研究依赖单个或少量固定监测点，结果多为无显著关联，如哥本哈根的两项研究未发现超细颗粒物与急性心血管事件的关联，赫尔辛基、德国及多欧洲城市联合研究也未观察到超细颗粒物与心血管住院或死亡的关联。现有研究的技术方法优势在于固定监测点数据获取便捷，可长期连续监测；但局限性十分突出，既无法准确捕捉城市内超细颗粒物浓度的时空异质性，导致暴露评估偏倚，且绝大多数研究未考虑超细颗粒物粒径对关联的混杂作用，这可能是造成现有研究结果不一致的核心原因。通过对比现有研究的未解决问题，本研究的创新价值清晰凸显：首次在北美大城市采用高分辨率时空暴露模型评估超细颗粒物暴露，同时纳入超细颗粒物数量浓度与粒径两个关键参数，控制其他大气污染物与混杂因素，填补了城市内高分辨率超细颗粒物暴露与急性心血管事件关联研究的空白，解决了现有研究暴露评估不准确及未考虑粒径混杂的核心缺陷，为领域内超细颗粒物健康影响研究提供了更严谨的方法学范式。

3. 研究思路总结与详细解析

本研究的整体研究目标为评估加拿大多伦多城市内户外超细颗粒物的短期时空变化与急性心血管事件急诊就诊风险的关联，核心科学问题包括超细颗粒物数量浓度与粒径的时空变化是否独立于其他大气污染物影响急性心血管事件，以及超细颗粒物粒径是否会对数量浓度与结局的关联产生混杂作用，技术路线遵循“研究设计→暴露评估→统计分析→分层验证→敏感性分析”的闭环逻辑，采用时间分层病例交叉设计控制个体内混杂，结合高分辨率暴露模型与临床结局数据开展多维度分析。

3.1 研究设计与研究人群确定

该环节的核心实验目的是选择合适的研究设计以控制个体水平的固定混杂因素，明确研究人群的纳入范围与结局定义。方法细节上，采用时间分层病例交叉设计，研究周期为2019年1月1日至2020年12月31日，排除2021年新冠疫情对医院诊疗的干扰；通过加拿大健康信息研究所的出院摘要数据库识别18岁及以上成人的急性心血管事件急诊病例，分为全心血管事件（ICD-10编码I00-I99）、缺血性心脏病事件（I20-I25）、脑血管事件（I60-I67）三类；病例交叉设计中，将病例发生日作为病例期，匹配同星期、同月、同年的其他日期作为对照期，以此控制性别、年龄等个体固定混杂因素。结果解读显示，研究共纳入89694例全心血管事件、17566例缺血性心脏病事件、10761例脑血管事件，其中缺血性心脏病病例以男性为主（占67%），全心血管与脑血管事件的男女比例接近均衡；文献未提及具体实验产品，领域常规使用临床数据库管理系统、流行病学研究设计工具类软件。

3.2 高分辨率暴露评估与混杂因素赋值

该环节的实验目的是获取精准的超细颗粒物时空暴露数据，同时收集潜在混杂因素的相关数据。方法细节上，基于2020年6月至2021年8月多伦多近11000条道路的移动监测数据开发高分辨率时空模型，预测2019-2020年研究期间的超细颗粒物数量浓度与粒径，将预测值赋值到病例的六位邮政编码 centroids（约城市街区尺度）；模型交叉验证结果显示，可解释多伦多每日中位超细颗粒物数量浓度72.3%的时空变异（R²=0.723）、超细颗粒物粒径89.8%的时空变异（R²=0.898）；同时从加拿大环境部获取多伦多4个固定监测点的PM2.5、NO2、O3日均值，从DAYMET数据库获取1km空间分辨率的日均温与相对湿度数据，作为时间依赖型混杂因素赋值到病例期与对照期。结果解读显示，研究期间多伦多每日平均超细颗粒物数量浓度为12362个/立方厘米（标准差4630），范围3046-49411个/立方厘米；平均超细颗粒物粒径为38.5纳米（标准差8.08），范围16.9-89.1纳米；超细颗粒物数量浓度与PM2.5、O3呈弱正相关，与NO2、超细颗粒物粒径呈弱负相关；文献未提及具体实验产品，领域常规使用大气移动监测设备、地理信息系统（GIS）、暴露模型软件类工具。

3.3 统计分析与分层交互作用验证

该环节的实验目的是量化超细颗粒物暴露与急性心血管事件的关联，评估关联的人群异质性与交互作用，验证结果的稳健性。方法细节上，采用条件逻辑回归模型计算比值比（odds ratio，OR）及置信区间（confidence interval，CI），超细颗粒物数量浓度按每10000个/立方厘米缩放，超细颗粒物粒径按每5纳米缩放；所有模型同时纳入超细颗粒物数量浓度与粒径，调整PM2.5、NO2、O3、温度、相对湿度，评估滞后0（事件当日）、3天平均（事件当日及前2天）、7天平均（事件当日及前6天）三种暴露时间窗；按性别、年龄（中位数分层）、季节（暖季/冷季）进行分层分析，评估关联的人群异质性；采用自然三次样条模型评估超细颗粒物暴露与结局的非线性关系，通过Akaike信息准则比较模型拟合度；采用指示变量分析超细颗粒物暴露与高温（连续2天日均温超90分位23℃）的乘法与加法交互作用，加法交互作用用相对超额风险（relative excess risk due to interaction，RERI）及95%置信区间表示；敏感性分析中，基于2022-2023年多伦多209个站点的夏季温度监测数据开发高分辨率温度模型（10折交叉验证R²=0.83），重新评估交互作用。结果解读显示，7天平均超细颗粒物数量浓度与全心血管事件急诊就诊的比值比为1.058（95%置信区间=1.007-1.111，n=89694，P<0.05），与缺血性心脏病的比值比为1.140（95%置信区间=1.020-1.273，n=17566，P<0.05），滞后0与3天平均的关联较弱或无统计学意义；若模型中排除超细颗粒物粒径，关联强度会显著衰减，而排除其他大气污染物后关联强度略有升高；分层分析显示，男性与老年人群的关联强度更高；7天平均超细颗粒物粒径与全心血管事件的比值比为1.026（95%置信区间=1.013-1.039，n=89694，P<0.05），与缺血性心脏病的比值比为1.059（95%置信区间=1.029-1.090，n=17566，P<0.05），年龄与性别分层的关联差异较小；季节分层中，老年人群在冷季的关联更强，年轻人群在暖季的关联更强；超细颗粒物数量浓度与粒径均与高温存在次乘法与次加法交互作用，RERI分别为-0.130（95%置信区间=-0.230至-0.010，P<0.05）、-0.090（95%置信区间=-0.180至-0.010，P<0.05），提示联合暴露的风险低于单独暴露风险之和与乘积；高分辨率温度模型的敏感性分析结果与主分析一致；非线性分析未发现模型拟合度的显著改善。

图1 加拿大多伦多2019-2020年期间，7天平均户外超细颗粒物浓度（每10000个/立方厘米）与全心血管事件（上图）、缺血性心脏病（中图）、脑血管疾病（下图）急诊就诊的关联，所有模型调整了超细颗粒物粒径、温度、相对湿度、O3、NO2及PM2.5

图2 加拿大多伦多2019-2020年期间，7天平均户外超细颗粒物粒径（每5纳米）与全心血管事件（上图）、缺血性心脏病（中图）、脑血管疾病（下图）急诊就诊的关联，所有模型调整了超细颗粒物数量浓度、温度、相对湿度、O3、NO2及PM2.5
文献未提及具体实验产品，领域常规使用R统计软件（含mlr、mgcv、interaction等扩展包）类工具。

4. Biomarker研究及发现成果解析

本研究中，户外超细颗粒物数量浓度与粒径作为急性心血管事件的暴露生物标志物，其筛选与验证逻辑为：基于高分辨率时空暴露模型获取城市尺度的精准暴露数据，结合时间分层病例交叉设计的临床结局数据，通过多因素回归分析验证暴露与结局的独立关联，控制其他大气污染物与气象混杂因素。

研究过程详述：暴露生物标志物的数据来源于多伦多近11000条道路的移动监测数据，经高分辨率模型预测后获得2019-2020年的超细颗粒物数量浓度与粒径时空分布，模型验证显示预测精度较高（超细颗粒物数量浓度R²=0.723，粒径R²=0.898）；验证方法采用条件逻辑回归分析，调整PM2.5、NO2、O3、温度、相对湿度等混杂因素，评估不同暴露时间窗的关联；特异性与敏感性方面，7天平均超细颗粒物数量浓度每升高10000个/立方厘米，全心血管事件急诊就诊的比值比为1.058（95%置信区间=1.007-1.111，n=89694，P<0.05），缺血性心脏病的比值比为1.140（95%置信区间=1.020-1.273，n=17566，P<0.05）；7天平均超细颗粒物粒径每增大5纳米，全心血管事件的比值比为1.026（95%置信区间=1.013-1.039，n=89694，P<0.05），缺血性心脏病的比值比为1.059（95%置信区间=1.029-1.090，n=17566，P<0.05）；脑血管事件未观察到一致的显著关联（文献未明确提供该数据，基于图表趋势推测）。

核心成果提炼：本研究首次证实城市内短期（7天）超细颗粒物数量浓度与粒径的时空变化，与急性心血管事件（尤其是缺血性心脏病）的急诊就诊风险独立正相关，且超细颗粒物粒径会对数量浓度与结局的关联产生混杂作用，需同时纳入模型以避免风险低估；关联强度在男性、老年人群中更为显著，且超细颗粒物暴露与高温存在次相加交互作用，提示联合暴露的健康风险并非简单叠加；该成果填补了高分辨率超细颗粒物暴露与急性心血管事件关联研究的空白，为超细颗粒物的公共卫生监管与防控策略制定提供了关键流行病学证据，其创新性在于首次在北美大城市同时分析超细颗粒物数量与粒径的健康效应，解决了现有研究暴露评估不准确的核心局限性。