济南市大气颗粒物短期暴露对老年人群血清淀粉样蛋白P组分影响的定群研究

王 琼， 方建龙， 刘园园， 周敬文， 孔凡玲， 邓富昌， 符元证， 董皓冉， 施小明*

1.中国疾病预防控制中心环境与人群健康重点实验室， 中国疾病预防控制中心环境与健康相关产品安全所， 北京 100021 2.济南市疾病预防控制中心， 山东 济南 250021 3.山东省疾病预防控制中心， 山东 济南 250014

大气污染是我国亟待解决的重大环境问题之一，其对公众健康的危害已引起社会的广泛关注[1-2]. 我国京津冀及周边地区污染排放处于较高水平[3]，导致大气重污染天气频发[4]. 我国设立了系列科研攻关课题以深入探索该地区大气污染对人群的健康影响[5]. 作为京津冀及周边“2+26”城市之一的济南市，随着经济的快速发展、城市化进程的推进和机动车保有量的增加，大气细颗粒物(PM2.5)和可吸入颗粒物(PM10)污染形势较为严峻[6-7]. 2011—2017年济南市PM2.5和PM10浓度分别为(96±58)和(164±80)μgm3[8]，随着我国污染防治政策的实施，近些年济南市环境空气质量得到显著改善，据《2018年济南市国民经济和社会发展统计公报》显示，2018年济南市区PM2.5和PM10浓度分别为52和112 μgm3. 尽管济南市空气质量已经有长足改善，但仍远高于GB 3095—2012《环境空气质量标准》中颗粒物二级标准限值(PM2.5和PM10年均浓度限值分别为35和70 μgm3).

高浓度水平大气颗粒物污染严重威胁人群健康. 目前关于PM2.5对呼吸系统(如慢性阻塞性肺病[9]、肺功能[10-11])、心脑血管系统(如高血压[12]、冠心病[13]、动脉粥样硬化[14])及肾功能下降[15]等相关疾病影响的研究较多，但近些年研究显示，大气颗粒物还会对神经系统产生影响，增加人群罹患神经变性疾病的风险[16-17]. 神经变性疾病的发病率在世界范围内呈逐年上升趋势，对我国而言，随着人口老龄化的加剧，患病数也逐年增多[18]. 目前神经变性疾病的病因和发病机制尚不清晰，关于大气颗粒物污染对神经变性疾病的研究也很少. 研究表明，血清淀粉样蛋白P组分(serum amyloid P component, SAP)的含量在神经退行性病变的人群中较高[19-20]，其可作为一种潜在的生物标志物用于分析大气颗粒物污染与神经系统损伤趋势的关联性，在一定程度上可以反映大气颗粒物对神经系统的影响程度. 有鉴于此，该研究选择山东省济南市为研究地区，针对甸柳社区的健康老年人群，于2018年9月—2019年1月进行了5次重复测量的定群研究，同时结合环保监测超级站点的颗粒物污染数据，分析短期大气颗粒物暴露后人群血清中SAP的变化水平，探讨不同粒径大气颗粒物对神经系统的可能影响，以期为京津冀及周边地区大气颗粒物暴露的人群健康防护提供参考.

1 材料与方法

1.1 研究区域和调查对象

该研究选择京津冀及周边地区“2+26”城市中的济南市作为定群研究现场，并于距济南市环保监测超级站2 km范围内的甸柳社区招募了76位调查对象. 调查对象纳入标准：①居住于甸柳社区的60～69岁健康老年人；②现住址居住时间长于2年，半年内无外出计划；③自愿参加且有较好的调查依从性. 存在慢性或急性疾病、定期服用药物、有吸烟或酗酒等风险因素的人群将被排除招募范围. 76名调查对象中，完成5次随访58名，完成4次随访12名，完成3次随访3名，完成2次随访3名，共完成353人次随访. 该研究方案通过中国疾病预防控制中心环境与健康相关产品安全所伦理审查委员会的批准(201816号)，并且所有调查对象均签署了知情同意书.

1.2 研究设计和数据收集

为了更好地研究大气污染对人群健康的影响，2018年9月—2019年1月期间每月对调查对象进行一次三天随访. 每次随访包括问卷调查、体格检查和血样采集等. 为了最大程度地减少因饮食结构不同而造成的影响，调查前两天开始为所有调查对象提供餐食，持续至当次随访结束.

暴露监测：基于大气环境科学综合数据采集与共享平台收集2018年9月—2019年1月济南市甸柳社区附近环保监测超级站点的PM10和PM2.5小时监测数据，以及同时期的温度、相对湿度等气象指标的小时监测数据.

问卷调查和体格检查：①问卷调查. 所有调查对象每次随访调查内容包括一般情况、居住环境、行为活动模式、疾病史等信息. ②体格检查. 所有调查对象均进行体格检查，包括身高、体重、腰围、血压、心率等.

血样采集及实验室检查：每次随访采集调查对象静脉血，分装后运至实验室进行SAP检测. 使用细胞因子检测试剂盒(型号#HSTCMAG-28SK-02，默克密理博公司，德国)对血清样本进行处理，之后采用Luminex液相芯片检测仪(型号FLEXMAP3D，默克密理博公司，德国)配合XPONENT软件，应用多因子检测技术检测血清样品中的SAP，具体检测步骤参照HSTCMAG-28SK-02试剂盒使用说明. 血清中可替宁浓度水平通过同位素稀释高压液相谱ESI电离源质谱法测得. 血液样品中加入一定比例内标、氢氧化钾溶液混合后转移至Isolute SLE+ 400 mg提取盘中，加入5%的异丙醇二氯甲烷混合溶液，重力洗提并浓缩，剩余物复溶后进样到C18色谱柱(Hypersil Gold C18 Selectivity)，洗脱液洗脱，上机测定.

1.3 统计分析和敏感性分析

统计分析：采用Excel 2019软件建立数据库，经R软件(v3.6.1)进行统计分析. 在分析之前，将所测得生物标志物浓度进行对数转换以达到正态分布. 采用线性混合效应模型分析PM2.5和PM10暴露对SAP的影响，模型以SAP数值作为因变量，以自变量PM2.5或PM10浓度和协变量(年龄、性别、体重指数、血浆中可替宁浓度水平、时间、温度和相对湿度)作为固定效应项，温度、相对湿度分别采用自由度为6和3的自然样条函数进行拟合，以每名调查对象的编号(ID)作为随机效应项，其中可替宁作为尼古丁在人体内的主要代谢产物，以其作为协变量可控制烟草暴露对研究结果的影响. 效果估计值为污染物浓度每增加一个四分位间距(IQR)浓度时生物标志物变化的百分比. 采用Benjamini-Hochberg错误控制方法(FDRB-H)对数据进行统计分析以校正P值[21]，当FDRB-H<0.05时表示差异有统计学意义.

敏感性分析：通过调整主模型中协变量(时间、温度和相对湿度)自然样条函数自由度、删除温度和相对湿度以及增加教育程度等协变量的方式，对模型的稳定性进行验证.

2 结果与分析

2.1 描述性分析

该研究共纳入76名研究对象，其中男性38名(50%). 研究对象的年龄和体重指数分别为(65.07±2.75)岁和(25.03±2.40)kgm2. 76名研究对象的SAP浓度为(7.62±3.23)ngmL. 在研究时间段内，大气PM2.5和PM10浓度分别为(48.58±31.89)和(106.92±52.69)μgm3，PM2.5和PM10的IQR分别为44.00和83.00 μgm3. 其中，1月大气颗粒物浓度最高，PM2.5和PM10浓度分别为(69.38±45.86)和(160.92±37.51)μgm3. 研究期间相对湿度和温度分别为45.81%±12.88%和(21.72±3.36)℃. 5次随访调查相关信息如表1、2所示.

表1 调查相关因素基本信息

表2 研究期间大气PM2.5和PM10暴露水平

Table 2 Exposure levels of PM2.5 and PM10 in the atmosphere μgm3

表2 研究期间大气PM2.5和PM10暴露水平

指标月份平均值标准差中位数四分位数间距PM2.5PM109月36.719.7139.0022.0010月44.897.2244.004.0011月30.6917.5447.0037.0012月55.3539.7969.0087.001月69.3845.8671.00113.00合计48.5831.8944.0044.009月67.0221.3078.0039.0010月119.6146.4592.0071.0011月52.4922.2573.0044.0012月111.3544.68137.0090.001月160.8537.51184.0063.50合计106.9252.6992.0083.00

2.2 大气颗粒物对SAP指标的影响

研究期间PM2.5和PM10对研究对象SAP影响的时间累积滞后效应结果(最大累积滞后时间为72 h)如图1所示. 结果显示，模型调整性别、年龄、体重指数、血浆中可替宁浓度水平、相对湿度、温度和“星期几效应”等混杂效应后，大气PM2.5浓度增加会导致调查对象SAP显著上升，而大气PM10浓度增加会导致SAP水平上升，但无统计学意义. 大气PM2.5在累积滞后0～6 h(lag06)暴露时，SAP水平升高最明显，PM2.5浓度每增加1个IQR(单位为μgm3)，SAP水平升高18.73%(95%CI为9.20%～29.08%)(FDRB-H<0.05).

注： 模型调整了相对湿度、温度、“星期几效应”、年龄、体重指数、性别、血浆中可替宁浓度水平等混杂效应. 纵坐标为PM2.5或PM10浓度每上升1个四分位数间距(IQR)时SAP的变化率；图中线段为95%CI值；Lag06表示累积滞后0～6 h，Lag012表示累积滞后0～12 h，其他以此类推. 下同.图1 PM2.5和PM10在不同累积滞后时间下对SAP指标影响的单污染物模型分析Fig.1 Analysis of single pollutant model of the impact of PM2.5 and PM10 on SAP under different accumulative lag time

2.3 敏感性分析

敏感性分析结果显示，采用不同自由度下的时间和气象指标(温度和相对湿度)、分别增加协变量(月份、教育程度)及剔除协变量(温度和相对湿度)后对模型运行结果的影响较小，表明模型较为稳定. 时间趋势的自由度分别由6和3变为2时，温度和相对湿度自由度变化范围为2～6时，PM2.5和PM10效应预测结果也基本相同(见图2).

图2 PM2.5和PM10在不同累积滞后时间下对SAP指标影响的单污染物模型敏感性分析Fig.2 Sensitivity analysis of single pollutant model of impact of PM2.5 and PM10 on SAP under different accumulative lag time

3 讨论

该研究在匹配环保监测超级站PM2.5和PM10空气污染暴露数据以及气象监测站气象数据的基础上，对济南市甸柳社区76名调查对象开展了5次血液样本中SAP的重复测量，分析PM2.5和PM10对人群生物指标的影响及滞后效应. 研究显示，PM2.5短期暴露可引起SAP显著升高，特别是在累积滞后0～6 h范围内；同时PM10短期暴露虽然可引起累积滞后0～6 h SAP的升高，但效应无统计学意义.

SAP作为正五聚蛋白家族之一，可在肝细胞中产生并循环于血液中[22]. SAP常在发生损伤和炎症后产生，因此也可以作为全身性炎症的敏感生物标志物[23]. 另外，SAP作为一种淀粉样沉积蛋白，普遍存在于体内淀粉样变沉积物内[24]. SAP可与所有类型的淀粉样沉积物中的原纤维结合，易于淀粉样变性病的发生[25]. 研究显示，SAP的免疫反应还发生在阿尔茨海默氏病(Alzheime disease, AD)、帕金森病(Parkinson′s disease, PD)和其他神经退行性疾病的神经原纤维缠结中[19]. 在AD患者血液或脑脊液中SAP水平升高[26-27]，表明SAP是AD诊断的潜在生物标志物；同样的研究[20]显示，PD患者血液中SAP水平也显著高于健康人群. 综上，SAP或许可作为淀粉样病变相关疾病的生物标志物. 已有研究显示，小粒径大气颗粒物可由嗅神经或嗅球进入脑部，引起具有大脑毒性的活性氧产生而损伤中枢神经系统[28]，说明大气颗粒物对人群神经系统有潜在危害. 另有研究表明，暴露于烟煤排放物的不吸烟女性血清中SAP显著高于使用无烟煤的不吸烟女性[29]. 这与笔者研究中PM2.5急性暴露后也显著升高了SAP浓度的结果相一致. 究其原因：一方面可能是由于细颗粒物暴露后使机体发生了炎症反应[30]; 另一方面也预示了大气颗粒物污染可能潜在危害神经系统，影响淀粉样病变疾病的发生和发展.

该研究中未发现PM10对研究对象SAP的浓度水平产生显著影响，这可能与其粒径特点有关. 小粒径颗粒物表面积更大，更易附着各种有害污染物，同时也更能深入人体呼吸与神经系统，对人体健康带来更大的威胁. 一项针对糖尿病患者的定群研究显示，粒径范围在0.25～1.0 μm内的颗粒物对二型糖尿病患者的血压升高作用明显，其中0.25～0.40 μm粒径段的颗粒物作用最强[31]，小粒径颗粒物对一些生物标志物的影响也有同样的规律[32]. 因此，该研究中PM2.5对SAP的影响较PM10显著，与其粒径范围有一定关联，提示在进行大气污染对健康影响研究中，应更关注小粒径颗粒物的潜在危害.

4 结论

a) 2018年9月—2019年1月济南市甸柳社区大气PM2.5和PM10浓度分别为(48.58±31.89)和(106.92±52.69)μgm3；随访期间大气颗粒物呈现明显的月度变化，其中1月浓度最高，PM2.5和PM10浓度分别为(69.38±45.86)和(160.92±37.51)μgm3.

b) 使用线性混合效应模型分析不同粒径大气颗粒物对SAP的影响，PM2.5暴露对SAP的影响程度高于PM10，显示不同粒径的颗粒物对人群健康影响程度有所不同.

c) 该研究选择的线性混合效应模型较为稳定，可准确反映大气颗粒物污染对SAP的影响程度.

致谢：衷心感谢本课题执行过程中课题组成员、现场调查相关机构工作人员、数据提供机构工作人员等的辛勤工作和努力付出.