淮河流域地表水污染与癌症的空间关联

摘要：目的" 揭示淮河流域关键污染物的空间聚集模式，并基于污染分级进一步量化非消化道癌症风险和癌症负担，为淮河流域水污染的深化治理提供靶目标和数据支持。方法" 选取淮河流域2021年地表水质及2019年肿瘤登记年报的7种癌症发病数据，采用随机森林-SHapley加性解释分析筛选关键污染物，基于空间分析划分污染分级，并计算其癌症风险和人群归因分数。结果 "筛选出5个关键污染物，分别为总磷、总氮、化学需氧量、5日生化需氧量及砷，并将其联合效应划分为3个污染分级，结果显示与低污染地区相比，高污染地区的5种癌症发病风险显著增加，包括肺癌（RR=1.26，95% CI=1.06～1.50）、乳腺癌（女性）（RR=1.46，95% CI=1.21～1.77）、胰腺癌（RR=1.46，95% CI=1.06～2.01）、脑癌（RR=1.44，95% CI=1.05～1.98）和胆囊癌（RR=1.60，95% CI=1.03～2.50），且人群归因分数几乎均超过5%。结论" 地表水污染的潜在癌症风险和负担不容忽视，唯有各行业密切合作，通过进一步制定政策法规、加强环境治理和进行公众健康干预，才能从根本上应对这一挑战。

关键词：淮河流域；地表水污染；空间分布模式；污染分级；癌症

中图分类号： R123.2" 文献标识码： A" 文章编号：1000-503X（2024）06-0849-13

DOI：10.3881/j.issn.1000-503X.16061

基金项目：中国医学科学院医学与健康科技创新工程项目（2021-I2M-1-022）

Spatial Association of Surface Water Quality and Cancer in the Huaihe River Basin

ZHAO Jing1，HAN Wei1，GUO Xiaobo1，ZHANG Luwen1，XUE Fang1，JIANG Jingmei1，2

1Institute of Basic Medical Sciences，Chinese Academy of Medical Sciences，Department of Epidemiology and Biostatistics，School of Basic Medicine，Peking Union Medical College，Beijing 100005，China

2Centre of Environmental and Health Sciences，CAMS and PUMC，Beijing 100005，China

Corresponding author：JIANG Jingmei" Tel：010-69155935，E-mail：jingmeijiang@ibms.pumc.edu.cn

ABSTRACT：Objective" To reveal the spatial distribution patterns of key pollutants in the Huaihe River Basin and quantify the risks and burdens of non-gastrointestinal cancers by the grade of pollution，providing targets and data support for enhanced management of water pollution in the Huaihe River Basin.Methods" Surface water quality data of the Huaihe River Basin were obtained from the National Surface Water Environmental Quality Monitoring Network（2021）.Incidence data of seven cancers were extracted from the 2019 Annual Report of the China Cancer Registry.Random forest and SHapley Additive exPlanations were employed to select key pollutants，and pollution was graded based on the spatial analysis of the Huaihe River Basin.The cancer risks and population attributable fractions were calculated under pollution grades.Results" Five key pollutants linked to cancers were identified，including total nitrogen，total phosphorus，chemical oxygen demand，biochemical oxygen demand after 5 days，and arsenic.Pollution was graded into three levels regarding the combined effects of pollutants.Compared with the low pollution areas，high pollution areas showed increased risks of lung cancer（RR=1.26，95%CI：1.06-1.50），breast cancer（female）（RR=1.46，95%CI：1.21-1.77），pancreatic cancer（RR=1.46，95%CI：1.06-2.01），brain cancer（RR=1.44，95%CI：1.05-1.98），and gallbladder cancer（RR=1.60，95%CI：1.03-2.50）.The grade of pollution contributed to more than 5% of cases for most cancers above.Conclusions" The potential cancer risks and burdens attributed to surface water pollution cannot be overlooked.Addressing this challenge necessitates close collaboration of various stakeholders to strengthen policy development，enhance environmental governance，and implement public health interventions.

Key words：Huaihe River basin；surface water pollution；spatial distribution patterns；pollution grading；cancer

Acta Acad Med Sin，2024，46（6）：849-861

淮河流域毗邻黄河和长江流域，其干流全长1000 km，横跨27万km2，覆盖4个主要省份（河南、江苏、安徽、山东）。淮河流域是长江经济带、长三角一体化、中原经济区的覆盖区域，在我国社会经济发展大局中具有重要的地位。截至2018年，淮河流域常住人口约1.64亿，平均人口密度为607人/km2，是全国平均人口密度的4.2倍，居各大流域人口密度之首［1］。淮河流域是中国重要的粮食和工业区［2］，粮食产量约占全国总产量的1/6，其4个省份的工业GDP平均占比在近20年超过40%［3-25］。然而，自20世纪80年代以来，工业化和城市化导致的严重水污染问题在该地区一直存在［26］，加上常年频繁的旱涝灾害，造成了90年代初淮河流域的“有河皆污、有水皆脏”的局面［27］，这对水生生物造成生命威胁并严重危害居民用水健康的问题［28-29］，因而面临用水需求的严峻挑战。自此，多年来我国采取多项措施，从粗放型的污染控制到统筹水资源、水环境和水生态的全面治理［27］，淮河流域地表水水质有所改善，但即使到2022年，淮河流域达标的断面比例仍低于全国平均水平（84.4% 比 87.9%）［30］，依然存在地表水污染的治理空间，需要持续采取有效的措施改善淮河流域的水质状况。研究显示淮河流域地表水污染与消化道癌症死亡率密切相关［31］。有研究显示淮河流域的有机污染［氨氮、化学需氧量（chemical oxygen demand，COD）、5日生化需氧量（biochemical oxygen demand after 5 days，BOD5）］与消化道癌症之间存在高度的空间一致性；在1997 至 2009年，水质超标最严重的地区正是上世纪70年代至本世纪初消化道癌症死亡率增长最快的地区［31］。根据2013至2019年肿瘤登记年报数据显示［32-38］，相比于全国平均水平，淮河流域消化道癌症发病率虽较为突出，但经过早诊早治的多年有效干预下，其发病和死亡水平正逐年下降［32-39］。然而，其余大部分非消化道癌症的增幅却令人担忧，例如在淮河流域，乳腺癌在7年间从13.08/10万增长至18.74/10万（1.43倍），胆囊癌从2.38/10万增长到3.79/10万（1.59倍）［32-38］。针对这些不断攀升的癌症，如果不采取任何干预措施，其发病威胁将逐渐增加。由于地表水污染对这些癌症的影响尚未明确，仍需深入研究和探索，以了解其潜在癌症风险。目前全球水质评价标准不一［40-41］，缺乏特定健康效应阈值［42］，且污染物间存在复杂相关网络，难以系统性评价地表水污染的癌症效应［42］。因此，本研究基于空间分析建立多污染物联合评价等级，系统性量化淮河流域地表水污染与非消化道癌症的关联，旨在为癌症干预提供靶目标及数据支持。

1" 资料和方法

1.1" 数据源和分析数据集的确定

利用中国生态环境部国家地表水环境质量监测网（2021年）［43］的数据，这是中国于2021年首次建成的全国性水质监测网络，共涵盖3646个监测断面，实现了全国各大流域主要河流全覆盖和地级及以上城市全覆盖，充分考虑了流域面积、河网密度、径流补给、水文特征等流域自然属性［44］。本研究选取淮河流域323个监测断面的24项监测指标中21项与健康潜在相关的污染物（13项有机污染物、8项重金属污染物），并分析其年平均水平，以消除时间波动（如季节）的影响。由于缺乏针对癌症风险的污染物评估标准，本研究将淮河流域污染物各自的第75百分位数（P75）定义为污染阈值，高于此阈值则判定为污染，否则不视为污染。这样，每个污染物均从连续型变量（浓度）转换为二分类变量，用于进行后续的关键污染物识别中的单因素负二项回归分析以及空间聚集模式的分析。

癌症发病率数据来自《中国肿瘤登记年报（2019年）》［38］。考虑到历年来一直呈现高发病率水平以及目前发病率相对较低但快速增长的癌症类型，根据《国际疾病分类》第10次修订本定义选择7种癌症进行分析，分别是肺癌（C33～C34）、乳腺癌（C50）、胰腺癌（C25）、脑癌（C70～C72）、胆囊癌（C23～C24）、肾癌（C64～C66，C68）和骨癌（C40～C41）。由于淮河流域的男性乳腺癌发病例数较少（共108例），无法有效估计其发病风险和疾病负担，因此，乳腺癌部分仅对女性进行计算。人均GDP（万元）、每万人医疗卫生机构床位数、城镇人口百分比、65岁及以上人口百分比来自2020年《中国统计年鉴》［22］，用于校正社会经济因素的混杂影响。

本研究基于地表水和癌症监测数据，通过淮河流域地图进行空间对接整合，以县级市作为空间基本单元，以同时含有至少1个水质监测断面和癌症登记处的单元定义为基本分析单元，所有分析单元的集合构成分析数据集，进行关键污染物筛选、污染程度定义以及癌症风险和负担计算。由于每个分析单元中至少包含≥1个断面，故计算每种污染物的平均值，以分析污染物与癌症之间的关系。本研究淮河流域纳入水质监测断面（117个）与淮河流域所有断面（323个）共21个水质指标的平均水平对比分析显示，非人为选择纳入研究的断面对淮河流域的污染水平具有代表性（表1）。在与癌症登记数据监测点进行空间匹配后，最终的分析数据集包含47个分析单元，代表4个省份、24个地级市的地表水质量情况，覆盖了从淮河干流到沙颍河、涡河、沂沭泗河等支流以及下游平原水网以及淮河流域78.33%（47/60）的癌症登记处，总人口超过4400万。

1.2" 关键污染物的识别

本研究采用机器学习中的随机森林算法［46］并进行SHapley加性解释（SHapley additive explanations，SHAP）［47］分析，筛选并识别出对应于每种癌症相对重要的污染物（SHAP是一种基于博弈论的特征重要性解释方法，可以适用于任何机器学习模型［47-48］）。并进一步采用单因素负二项回归筛选出对至少1种癌症有显著影响的污染物（即关键污染物）进行后续空间分析和污染程度定义。

1.3" 关键污染物空间聚集模式及污染分级的定义

采用空间分析方法，考虑其各自的空间聚类特点和异质性，分析关键污染物的空间分布模式。采用局部莫兰指数识别每种污染物的局部空间聚类情况。局部莫兰指数 的计算公式如下：

Ii=xi－xtS2i×∑nj≠1，j≠iwij（xj－xt），S2i=∑nj=1，j≠i（xj－xt）2n－1，

其中，n是分析单元的数量，xt表示每种污染物的污染阈值（即污染物各自的P75），xi和xj是第i个和第j个分析单元的污染物浓度（i≠j；i，j=1，2，…，n）；权重wij表示第i和第j个分析单元之间的相邻关系。

对于每种关键污染物，根据局部莫兰指数计算得到5种空间聚类模式，包括高-高聚类（high-high clusters，HH）（即该分析单元及其临近分析单元污染物浓度均高于xt）、低-低聚类（low-low clusters，LL）（即分析单元及其临近分析单元污染物浓度均低于xt）、高-低离群点（high-low outliers，HL）（即该分析单元处于高浓度，但被周围低浓度单元环绕）、低-高离群点（low-high outliers，LH）（即该分析单元处于低浓度，但被高浓度单元环绕）和无显著聚类（not significant，NS）（即污染物的分布呈随机状态）。根据5个关键污染物的空间聚集特点将淮河流域所覆盖的区域分为3个污染等级：分析单元内任意一种（或多种）关键污染物被定义为高水平（HH或HL），则该单元为高污染单元，其所覆盖的区域称为高污染地区；分析单元内任意一种（或多种）关键污染物被定义为低水平（LL或LH），则该单元为低污染单元，其所覆盖的区域称为低污染地区；而污染物NS单元所覆盖的区域被归类为中污染地区，代表整个流域污染的平均水平。对于同时存在高和低水平的分析单元，由于本研究关注的是污染问题，因此以存在高水平为准，认为该分析单元为高污染单元。

1.4" 污染分级下的癌症发病风险及其疾病负担

为验证污染分级的有效性及量化其癌症风险和负担，以低污染地区作为对照，采用负二项回归计算各种癌症发病率的发病率比（rate ratio，RR）和95%置信区间（confidence interval，CI）。在癌症负担计算中，由于本研究关注高污染地区，同时考虑到样本量的限制，因此，计算高污染地区的人群归因分数（population attributable fractions， PAF）和超额发病数（即预期可降低的癌症发病数）时，将中、低污染地区合并为对照地区。计算公式如下：

PAF=pe（RRh－1）pe（RRh－1）+1，

其中pe表示高污染地区的人口比例，RRh表示相对于对照地区（中、低污染）高污染地区癌症发病的相对风险。其中，每种癌症的超额发病数=全流域发病人数 × PAF。

1.5" 统计学处理

污染物的描述中，连续变量以中位数M（P25，P75）、最小值和最大值表示，相关性检验采用Spearman秩相关系数。数据整理和负二项回归分析使用SAS 9.4软件（SAS Institute Inc.），随机森林算法和SHAP分析绘图使用R软件ranger包和Kernel SHAP包进行计算，所有空间分析均使用ArcGIS 10.8 软件中的arcmap模块（ESRI，Redland，CA）进行。

2" 结果

2.1" 淮河流域污染物概述

淮河流域的有机污染物和重金属的浓度普遍高于全国平均水平，除铅（P=0.161）和镉（P=0.677）差异无统计学意义外，锌（P=0.002）、汞（P=0.002）及其他所有指标（P均＜0.001）的差异均有统计学意义（图1）。本研究对淮河流域分析数据集的21个污染指标的年度中位数浓度、最小值和最大值进行计算，并以国标Ⅲ级标准作为参考，结果显示污染物水平在流域内部变异很大，在有机物中，有6种污染指标的浓度范围跨度在10倍以上，总磷的浓度为0.02～0.27 mg/L（13.5倍），挥发酚（0.03～1.46 μg/L）则达到48.7倍；对于重金属，砷的浓度为0.11～2.41 μg/L（21.9倍），而铅则达到了121倍（0.01～1.21 μg/L）；虽然整个流域的地表水水质基本达到国标Ⅲ级，但仍有5种污染物的最大值处于超标水平，包括高锰酸盐指数（permanganate index，PI）、氟化物、总磷、总氮 和COD（表2）。这些分析单元主要分布在淮河流域中西部地区，特别是涡河、颍河、奎河等支流沿岸。此外，不同的污染物之间普遍存在显著的相关性，特别是在有机污染物之间，这种相关性在PI、COD、BOD5、氨氮、总磷和总氮之间尤为明显；其中，COD与BOD5、氨氮、总磷和总氮的Spearman相关系数分别为0.70、0.59、0.59和0.30，BOD5与氨氮、总磷和总氮分别为0.64、0.66和0.43，氨氮与总磷和总氮分别为0.76和0.43，总磷和总氮之间为0.47；相比于有机物，重金属之间的相关系数普遍较弱：砷与硒为0.47，铜与锌为0.02，汞与铜和锌分别为0.20和0.48，镉与铜、锌和汞分别为0.15、0.33和0.35，六价铬与铜、锌、汞和镉分别为0.23、0.29、0.28和0.42，铅与汞、镉和六价铬分别为0.24、0.30和0.19（图2）。

2.2" 关键污染物

在所有初纳入的21种污染物中，根据SHAP值排名筛选出分别针对每种癌症影响的前15种污染物（图3）。其中，总磷的影响范围最广，几乎在所有癌症（骨癌除外）中，总磷的SHAP值均排名前2名；其次，总氮影响4种癌症（乳腺癌、脑癌、胆囊癌和骨癌），其SHAP值分别排在第3位（乳腺癌）、第5位（胆囊癌、骨癌）和第7位（脑癌）；此外，COD和BOD5也同时影响着不同的癌症（图3）。基于SHAP排名，采用负二项回归筛选出至少对1种癌症有显著正向效应的污染物，最终，共有5种污染物被确定为关键污染物，分别为总磷、总氮、COD、BOD5和砷（图4）。在7种癌症中，大多数癌症同时受到不同污染物的综合影响，尤其是乳腺癌，其与总磷（RR=1.23）、总氮（RR=1.21）、COD（RR=1.24）和BOD5（RR=1.22）均呈显著相关性，重金属（砷）与肺癌（RR=1.15）和胰腺癌（RR=1.57）也呈显著相关性（图4）。

2.3" 污染分级的空间聚集模式及其癌症风险

基于关键污染物的空间聚集模式，对淮河流域污染程度进行分级定义。对于空间聚集模式，根据局部莫兰指数计算，识别出淮河流域5个关键污染物的空间聚类模式，每种关键污染物均存在局部自相关，不同的污染物空间聚集模式存在差异，然而部分地区存在聚集污染的高度重叠，例如淮河流域中游的沙颍河、涡河等河流沿岸，以及下游沿海地区的分析单元存在不同污染物的高污染单元，而低污染单元主要出现在淮河流域东部下游（图5A）。在此基础上，根据每个分析单元的聚集结果进行污染水平的定义，最终在整个流域组合成不同污染程度的地区，共分为低、中、高污染3种地区，其中低污染地区（绿色）共16个分析单元（34.04%），集中在淮河流域中部和东部（包括LL和LH）；中污染地区（黄色）共23个分析单元，覆盖了所有分析单元的将近一半（48.94%），反映了整个流域的平均污染状况；8个高污染地区（红色）的分析单元（17.02%）代表了多种污染物（COD、BOD5、总氮、总磷）的集中污染区域，主要分布在江苏北部（总磷为HH和HL）和沙颍河沿岸（总氮为HH和HL），尤其处于东南沿海地区的分析单元是总磷、COD、BOD5共存的多污染高发区域，是高污染地区中聚集污染的典型代表（图5B）。

为进一步验证并量化污染分级与癌症发病率的关系，计算不同等级下7种癌症的 RR 和95% CI，在调整人均GDP（万元）、每万人医疗卫生机构床位数、城镇人口百分比、65岁及以上人口百分比等因素后，污染分级与5种癌症的发病率呈显著正相关，随着污染等级的上升，其癌症的RR估计值在高污染地区明显增加。与低污染地区相比，高污染地区的肺癌、乳腺癌的RR估计值分别增加了26%（RR=1.26，95% CI=1.06～1.50）、46%（RR=1.46，95% CI=1.21～1.77），胰腺癌、脑癌和胆囊癌的RR值分别为1.46（95% CI=1.06～2.01）、1.44（95% CI=1.05～1.98）和1.60（95% CI=1.03～2.50）（图6）。

2.4" 污染造成的潜在癌症负担

5种癌症RR显著的癌症中，肺癌的PAF最小（3.83%），超额发病数最多（957例）；乳腺癌的PAF为7.11%，胆囊癌和脑癌的PAF分别为6.91%和6.37%（图7）。

3" 讨论

本研究首次从空间角度探索了淮河流域地表水多种污染物与多种非消化道癌症发病率之间的关联，揭示了在多种污染物共存的情形下对癌症的协同影响，从而为环境治理和癌症预防提供了目标。本研究创新性地将经典统计方法与机器学习相结合，揭示了地表水污染的癌症风险和高污染地区的地理位置，对健康中国行动具有重要的公共卫生意义［49］。

淮河流域地表水污染历史悠久，且截至2021年，仍有污染物超过国标Ⅲ级。目前，重金属水平在淮河流域已达到国标Ⅲ级，其地表水浓度较低（所有重金属仅锌出现最大值，为11.67 μg/L），目前对于癌症的影响相对较弱，而高浓度且高度相关的有机物目前仍为淮河流域的主要污染问题。其中，在淮河流域共323个地表水质监测断面中，高达95%的分析单元的总氮平均水平超标，与既往研究发现一致（截至2018年，一项对全国613个河流断面调查研究显示81.88%的断面总氮浓度超过1.5 mg/L［50］，远高于国标Ⅲ级所规定的1.0 mg/L），且与总磷污染问题一并引起了广泛关注［43］。淮河流域的5个关键污染物既包括有机污染物（总氮、总磷、COD和BOD5），也包含重金属（砷）。对于有机污染，早在20世纪90年代以前，淮河流域就因农业活动、工业生产和生活污水排放而出现大范围的总氮、总磷和COD污染超标［51］，且随着近10年来生活污水排放量的持续增长，其他超标有机污染物如氨氮、PI、BOD5等仍是主要污染源，其影响持续至今［52-55］；而总氮、总磷、BOD5多年来复杂交错的污染物相继凸显的有机污染问题，预计在未来30年内仍然持续存在［50］。因此，对于这类污染物的癌症发病联合效应，亟需进行探索。对于重金属指标，砷作为水质评价体系中唯一被国际癌症研究机构定义为Ⅰ类致癌物的污染指标，其致癌作用证据充分且确凿［56］；而即使其浓度达到饮用水标准，其健康效应也非绝对安全［57］，且更应关注除消化道（如肺癌［58］）以外更广泛的癌症效应。

针对性的污染物分析是一种监测水体污染的常用方法，但却无法考虑其联合效应［59］。因此，本研究采用的污染物各自的P75作为评价阈值是一种标准化过程，它对所有污染物一视同仁，而不考虑其测量单位，在考虑污染物与相邻地区的相互作用的同时，将错综复杂的污染物网络关系通过本文的设计转化为一维的污染分级，使其污染物的联合效应的评价得以实现。本研究显示淮河流域的污染程度随着污染分级的升高而增加，而即使在低污染地区，污染程度也比全国平均水平严重。这样可以高效、全面地探索相互关联的多种污染物的共存情况［42］，客观反映淮河流域污染综合水平的变化，同时揭示了随着污染加剧，相关癌症风险显著上升的明显趋势，凸显了污染分级的有效性，为有针对性地识别需要干预的高度污染地区提供明确可行的方向指引。有报道空间多污染物聚类分析方法揭示了中国各大流域污染分级与消化道癌症发病率之间随着污染级别的升高而风险增加的正相关关系［42］。本研究在淮河流域发现了系统性污染分级对非消化道癌症的显著影响，表明污染物及其致癌风险应受到更广泛的关注。

淮河流域地表水污染对高发和罕见的非消化道癌症均具有不可忽视的影响，若不采取有效干预措施，淮河流域的污染危害和健康威胁将更为严重。在本研究涉及的癌症类型中，肺癌作为全球癌症死亡的主要原因［60］，如果不采取有效措施，仍将是全球的主要威胁；与此同时，在2020年，女性乳腺癌超过肺癌成为全球最常见的癌症病因［60-61］，对人类生命的威胁不容忽视。此外，目前发病率较低的癌症增长速度更为惊人，其中胰腺癌尤其令人担忧。据预测，到2025年，欧洲胰腺癌死亡人数将比乳腺癌高出25%［62］。胰腺癌以其高死亡率、低生存率和预后极差而著称［63-64］，但有效的预防措施尚为缺乏，特别是环境危险因素中的水污染［65］。本研究揭示的胰腺癌显著发病风险表明，若淮河流域地表水污染得到控制，将对胰腺癌的预防具有积极作用，而进一步深入研究和量化污染与胰腺癌之间的系统性影响，并实施有效的环境管理策略显得尤为关键和迫切。对于胆囊癌的发病风险，本研究在调整经济社会因素后，胆囊癌风险由边际显著转为显著。然而，按照污染程度分级后，低污染与高污染地区分析单元分别为16、8个；由于样本量的限制，其效应值的估计可能需要更多的流行病学证据支持。因此，对于地表水污染与胆囊癌的发病风险需要进一步深入研究和探索。

尽管不同的污染物阈值可能会影响污染的区域分布和数量，但整体分布模式往往保持相对稳定。Paget［66］提出的“种子与土壤理论”认为，癌症转移取决于癌细胞（“种子”）与特定器官微环境（“土壤”）之间的相互作用。这与环境危险因素对癌症发展的作用相似：癌症往往聚集发生在较恶劣的环境［67-68］，本研究的结果亦符合这一假设，这为探索地表水污染潜在的非消化道癌症风险提供了一个全新视角。除了生理和行为因素外［69］，环境污染也是常见的不可忽视的风险因素。目前全球范围内对水污染的关注和环境治理方面的跨部门合作仍然不足［70］。因此，本研究建立的地表水污染评价系统可以对其癌症风险进行经济有效的预警，同时考虑生态和人类健康，以促进跨部门合作。

本研究采用生态学研究方法，未能充分考虑人群中的个体差异和行为因素，因而存在潜在的混杂效应［71-72］；同时，本研究使用滞后的环境数据评估先前的疾病发生情况时存在时序错位的问题。本研究不以因果推断为目标，而是从生态学的角度从数据分布契合的现象中挖掘疾病的潜在病因，并进行验证和解释，这种方法有助于理解环境因素与疾病之间的关系。由于数据可得性的限制，本研究无法在全面覆盖的监测网络下将癌症滞后效应考虑进来，并进行长期追踪。对于长期生活在污染严重地区的居民，本研究数据在淮河流域居民长期接触地表水污染物水平方面具有一定代表性。随着时间推移，癌症发病水平的变化趋势也相对稳定。尽管如今地表水质量逐渐改善，但仍需警惕地表水污染物可能带来的潜在癌症风险。在污染与癌症发病水平长期相对稳定且水质日趋改善的今天，地表水污染的实际癌症风险可能更高。

目前对于非消化道癌症，地表水污染的影响证据极度匮乏；而对于来自不同部门的环境监测和癌症登记的两大数据库，本研究通过空间关系匹配整合，为了解与地表水污染相关的潜在非消化道癌症风险提供了重要的方向指引。这为未来从生物学角度探索致癌机制和因果关系的研究奠定了基础，更凸显了持续关注环境因素对健康影响的重要性，并应及时采取相应的预防措施。此外，由于不同河流的自然和人文背景各不相同，采用淮河流域以外的地区作为对照可能会失去代表性。由于其所处地区气候与自然环境、经济发展水平、社会文化背景等亦相对接近，因此，研究选取的源人群来自污染水平在全国范围内整体较高的淮河流域内部，旨在同质化的背景下探索地表水污染程度与非消化道癌症的潜在关联。本研究重在识别污染最为集中且污染程度相对最严重的地区，并探索当采取有效措施将这些地区的污染程度降低到流域平均水平或以下时，将能够减轻多少因高度污染而产生的潜在癌症负担。

综上，本研究基于淮河流域关键污染物的空间聚类模式提出了污染分级，将多污染物错综复杂的关系网络转化为可供评价污染严重程度的分级，并通过计算得出污染分级与癌症发病率的正相关关系，揭示了地表水污染潜在的癌症风险和负担，这提示我们增强环境保护和健康安全意识、制订针对性的污染控制和癌症预防策略刻不容缓，以减轻淮河流域的癌症负担。此外，由于不同地域污染情况的异质性和数据可得性的限制，尤其是在发展中国家，开展地表水污染与癌症风险的系统性研究存在巨大挑战，在将结论推断到其他地区时需要更加谨慎，未来的研究需要全面深入探索不同地区地表水污染对癌症发病的潜在影响。

利益冲突" 所有作者声明无利益冲突

作者贡献声明" 赵婧、韩伟：设计研究、整理和分析数据、撰写论文；郭晓波、张璐雯、薛芳：数据整理、设计图表、指导研究；姜晶梅：设计并指导研究、修改论文

参" 考" 文" 献

［1］水利部淮河水利委员会.流域介绍—淮河流域基本情况［EB/OL］.［2024-03-04］.http：//www.hrc.gov.cn/main/lyjs.jhtml.

［2］Wang L，Han X，Zhang Y，et al.Impacts of land uses on spatio-temporal variations of seasonal water quality in a regulated river basin，Huai River，China［J］.Sci Total Environ，2023，857（2）：159584.DOI：10.1016/j.scitotenv.2022.159584.

［3］中华人民共和国统计局.中国统计年鉴2001［M］.北京：中国统计出版社，2001.

［4］中华人民共和国统计局.中国统计年鉴2002［M］.北京：中国统计出版社，2002.

［5］中华人民共和国统计局.中国统计年鉴2003［M］.北京：中国统计出版社，2003.

［6］中华人民共和国统计局.中国统计年鉴2004［M］.北京：中国统计出版社，2004.

［7］中华人民共和国统计局.中国统计年鉴2005［M］.北京：中国统计出版社，2005.

［8］中华人民共和国统计局.中国统计年鉴2006［M］.北京：中国统计出版社，2006.

［9］中华人民共和国统计局.中国统计年鉴2007［M］.北京：中国统计出版社，2007.

［10］中华人民共和国统计局.中国统计年鉴2008［M］.北京：中国统计出版社，2008.

［11］中华人民共和国统计局.中国统计年鉴2009［M］.北京：中国统计出版社，2009.

［12］中华人民共和国统计局.中国统计年鉴2010［M］.北京：中国统计出版社，2010.

［13］中华人民共和国统计局.中国统计年鉴2011［M］.北京：中国统计出版社，2011.

［14］中华人民共和国统计局.中国统计年鉴2012［M］.北京：中国统计出版社，2012.

［15］中华人民共和国统计局.中国统计年鉴2013［M］.北京：中国统计出版社，2013.

［16］中华人民共和国统计局.中国统计年鉴2014［M］.北京：中国统计出版社，2014.

［17］中华人民共和国统计局.中国统计年鉴2015［M］.北京：中国统计出版社，2015.

［18］中华人民共和国统计局.中国统计年鉴2016［M］.北京：中国统计出版社，2016.

［19］中华人民共和国统计局.中国统计年鉴2017［M］.北京：中国统计出版社，2017.

［20］中华人民共和国统计局.中国统计年鉴2018［M］.北京：中国统计出版社，2018.

［21］中华人民共和国统计局.中国统计年鉴2019［M］.北京：中国统计出版社，2019.

［22］中华人民共和国统计局.中国统计年鉴2020［M］.北京：中国统计出版社，2020.

［23］中华人民共和国统计局.中国统计年鉴2021［M］.北京：中国统计出版社，2021.

［24］中华人民共和国统计局.中国统计年鉴2022［M］.北京：中国统计出版社，2022.

［25］中华人民共和国统计局.中国统计年鉴2023［M］.北京：中国统计出版社，2023.

［26］Zhao H，Zheng J，Zhu Y，et al.Risk assessment of nonpoint source pollution in the Huaihe River Basin［J］.Water，2022，14（21）：3505.DOI：10.3390/w14213505.

［27］徐敏，张涛，王东，等.中国水污染防治40年回顾与展望［J］.中国环境管理，2019，11（3）：65-71.DOI：10.16868/j.cnki.1674-6252.2019.03.065.

［28］Lu Y，Song S，Wang R，et al.Impacts of soil and water pollution on food safety and health risks in China［J］.Environ Int，2015，77：5-15.DOI：10.1016/j.envint.2014.12.010.

［29］Zhang X，Cao Y，Cao J，et al.Occurrence，source，and risk assessment of neonicotinoid insecticides in the Huai River，China［J］.Environ Pollut，2023，333：122068.DOI：10.1016/j.envpol.2023.122068.

［30］中华人民共和国生态环境部.2022中国生态环境状况公报［EB/OL］.［2024-01-10］.https：//www.mee.gov.cn/hjzl/sthjzk/.

［31］Yang G，Zhuang D，Ren H，et al.Atlas of the Huai river basin water environment：digestive cancer mortality［M］.Heidelberg：Springer Netherlands，2014.DOI：10.1007/978-94-017-8619-5.

［32］赫捷，陈万青.2013中国肿瘤登记年报［M］.北京：人民卫生出版社，2017.

［33］赫捷，陈万青.2014中国肿瘤登记年报［M］.北京：人民卫生出版社，2017.

［34］赫捷，陈万青.2015中国肿瘤登记年报［M］.北京：人民卫生出版社，2017.

［35］赫捷，陈万青.2016中国肿瘤登记年报［M］.北京：人民卫生出版社，2017.

［36］国家癌症中心.2017中国肿瘤登记年报［M］.北京：人民卫生出版社，2018.

［37］国家癌症中心.2018中国肿瘤登记年报［M］.北京：人民卫生出版社，2019.

［38］国家癌症中心.2019中国肿瘤登记年报［M］.北京：人民卫生出版社，2021.

［39］Qi J，Wang L，Zhou M，et al.Mortality of common gastrointestinal tract cancers—Huai River Basin，2008-2018［J］.China CDC Wkly，2020，2（16）：259-264.DOI：10.46234/ccdcw2020.067.

［40］Van Winckel T，Cools J，Vlaeminck SE，et al.Towards harmonization of water quality management：a comparison of chemical drinking water and surface water quality standards around the globe［J］.J Environ Manage，2021，298（1）：113447.DOI：10.1016/j.jenvman.2021.113447.

［41］世界卫生组织.饮用水水质准则［M］.上海市供水调度监测中心，上海交通大学，译.4版.上海：上海交通大学出版社，2014：117-151.

［42］Wang Z，Gu W，Guo X，et al.Spatial association of surface water quality and human cancer in China［J］.npj Clean Water，2023，6（1）：53.DOI：10.1038/s41545-023-00267-5.

［43］中华人民共和国生态环境部.中国环境监测总站［EB/OL］.［2024-02-03］.http：//www.cnemc.cn/.

［44］中华人民共和国中央人民政府.生态环境部有关负责人就《“十四五”国家地表水监测及评价方案（试行）》答问［EB/OL］.（2020-12-29）［2024-03-04］.https：//www.gov.cn/zhengce/2020-12/29/content_5574923.htm.

［45］国家环境保护总局.地表水环境质量标准：GB 3838-2002［S］.北京：中国标准出版社，2002.

［46］Aas K，Jullum M，Lland A.Explaining individual predictions when features are dependent：more accurate approximations to Shapley values［J］.Artif Intell，2021，298：103502.DOI：10.1016/j.artint.2021.103502.

［47］Marcílio WE，Eler DM.33rd SIBGRAPI conference on Graphics，Patterns and Images（SIBGRAPI）［C］.Recife/Porto de Galinhas：IEEE，2020.

［48］Lubo-Robles D，Devegowda D，Jayaram V，et al.SEG international exposition and annual meeting［C/OL］.［2024-01-20］.https：//doi.org/10.1190/segam2020-3428275.1.

［49］中共中央国务院印发《“健康中国2030”规划纲要》［EB/OL］.（2016-10-25）［2024-03-04］.https：//www.gov.cn/zhengce/2016-10/25/content_5124174.htm.

［50］Zhang H，Cao X，Huo S，et al.Changes in China’s river water quality since 1980：management implications from sustainable development［J］.npj Clean Water，2023，6（1）：45.DOI：10.1038/s41545-023-00260-y.

［51］于紫萍，许秋瑾，魏健，等.淮河70年治理历程及“十四五”展望［J］.环境工程技术学报，2020，10（5）：746-757.DOI：10.12153/j.issn.1674-991X.20200011.

［52］Ma P，Liu S，Yu Q，et al.Sources and transformations of anthropogenic nitrogen in the highly disturbed Huai River Basin，Eastern China［J］.Environ Sci Pollut Res Int，2019，26（11）：11153-11169.DOI：10.1007/s11356-019-04470-1.

［53］Zhai X，Xia J，Zhang Y.Integrated approach of hydrological and water quality dynamic simulation for anthropogenic disturbance assessment in the Huai River Basin，China［J］.Sci Total Environ，2017，598：749-764.DOI：10.1016/j.scitotenv.2017.04.092.

［54］Zhang W，Chen D，Li H.Spatio-temporal dynamics of water quality and their linkages with the watershed landscape in highly disturbed headwater watersheds in China［J］.Environ Sci Pollut Res Int，2018，25（35）：35287-35300.DOI：10.1007/s11356-018-3310-6.

［55］Liu J，Zhang X，Wu B，et al.Spatial scale and seasonal dependence of land use impacts on riverine water quality in the Huai River basin，China［J］.Environ Sci Pollut Res Int，2017，24（26）：20995-21010.DOI：10.1007/s11356-017-9733-7.

［56］WHO International Agency for Research on Cancer.Agents classified by the IARC monographs［EB/OL］.［2024-03-04］.https：//monographs.iarc.who.int/list-of-classifications.

［57］Hendryx M，Conley J，Fedorko E，et al.Permitted water pollution discharges and population cancer and non-cancer mortality：toxicity weights and upstream discharge effects in US rural-urban areas［J］.Int J Health Geogr，2012，11（1）：1-15.DOI：10.1186/1476-072X-11-9.

［58］Lynch HN，Zu K，Kennedy EM，et al.Quantitative assessment of lung and bladder cancer risk and oral exposure to inorganic arsenic：meta-regression analyses of epidemiological data［J］.Environ Int，2017，106：178-206.DOI：10.1016/j.envint.2017.04.008.

［59］Leusch FDL，Neale PA，Arnal C，et al.Analysis of endocrine activity in drinking water，surface water and treated wastewater from six countries［J］.Water Res，2018，139：10-18.DOI：10.1016/j.watres.2018.03.056.

［60］Sung H，Ferlay J，Siegel RL，et al.Global cancer statistics 2020：GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries［J］.CA Cancer J Clin，2021，71（3）：209-249.DOI：10.3322/caac.21660.

［61］Lei S，Zheng R，Zhang S，et al.Global patterns of breast cancer incidence and mortality：a population-based cancer registry data analysis from 2000 to 2020［J］.Cancer Commun（Lond），2021，41（11）：1183-1194.DOI：10.1002/cac2.12207.

［62］Ferlay J，Partensky C，Bray F.More deaths from pancreatic cancer than breast cancer in the EU by 2017［J］.Acta Oncol，2016，55（9-10）：1158-1160.DOI：10.1080/0284186X.2016.1197419.

［63］Cai J，Chen H，Lu M，et al.Advances in the epidemiology of pancreatic cancer：trends，risk factors，screening，and prognosis［J］.Cancer Lett，2021，520：1-11.DOI：10.1016/j.canlet.2021.06.027.

［64］Kleeff J，Korc M，Apte M，et al.Pancreatic cancer［J］.Nat Rev Dis Primers，2016，2（1）：1-22.DOI：10.1038/nrdp.2016.22.

［65］Do MT，Birkett NJ，Johnson KC，et al.Chlorination disinfection by-products and pancreatic cancer risk［J］.Environ Health Perspect，2005，113（4）：418-424.DOI：10.1289/ehp.7403.

［66］Paget S.The distribution of secondary growths in cancer of the breast［J］.Lancet，1889，133（3421）：571-573.

［67］Ma T，Zhao N，Ni Y，et al.China’s improving inland surface water quality since 2003［J］.Sci Adv，2020，6（1）：eaau3798.DOI：10.1126/sciadv.aau3798.

［68］Han L，Zhou W，Pickett ST，et al.Multicontaminant air pollution in Chinese cities［J］.Bull World Health Organ，2018，96（4）：233.DOI：10.2471/blt.17.195560.

［69］Klein AP.Pancreatic cancer epidemiology：understanding the role of lifestyle and inherited risk factors［J］.Nat Rev Gastroenterol Hepatol，2021，18（7）：493-502.DOI：10.1038/s41575-021-00457-x.

［70］Fuller R，Landrigan PJ，Balakrishnan K，et al.Pollution and health：a progress update［J］.Lancet Planet Health，2022，6（6）：e535-e547.DOI：10.1016/S2542-5196（22）00090-0.

［71］Jawad M，Hone T，Vamos EP，et al.Implications of armed conflict for maternal and child health：a regression analysis of data from 181 countries for 2000-2019［J］.PLoS Med，2021，18（9）：e1003810.DOI：10.1371/journal.pmed.1003810.

［72］Cohen HW.Limitations of an ecological study：a review［J］.Am J Hypertens，2005，18（6）：750.DOI：10.1016/j.amjhyper.2005.04.002.

（收稿日期：2024-03-04）