环境空气污染和胰岛素敏感性之间的纵向关联：来自KORA队列研究的结果思维导图

小柴奶黄包

2024-09-03

浏览量: 3

环境污染

空气污染

研究结果

研究目的，研究方法，研究结果等内容讲解

树图思维导图提供《环境空气污染和胰岛素敏感性之间的纵向关联：来自KORA队列研究的结果》在线思维导图免费制作，点击“编辑”按钮，可对《环境空气污染和胰岛素敏感性之间的纵向关联：来自KORA队列研究的结果》进行在线思维导图编辑，本思维导图属于思维导图模板主题，文件编号是：05a1570de9aff1ce3943db94321ac5c5

思维导图大纲

研究目的

探讨长期空气污染暴露与胰岛素敏感性的程度和变化率之间的关联。研究空气污染是否与这些生物标志物随时间的变化有关，并探索与空气污染影响敏感性相关的个体特征

在儿童中被证实有关联，但尚未在成人中证实

研究方法

研究设计与人群数据获取

分析来自德国奥格斯堡地区合作健康研究（KORA）队列的数据，该队列于 1999 - 2001 年招募了 4261 名年龄在 25 - 74 岁的参与者，并在 2006 - 2008 年和 2013 - 2014 年进行了两次随访。

胰岛素与葡萄糖的测量

禁食至少 8 小时后，抽取研究对象的血液样本，测量空腹胰岛素和葡萄糖浓度

血液样本在提取后保存在冰中，并在4°C运送到实验室进行分析（到KORA S4的杜塞尔多夫德国糖尿病中心实验室，以及KORA F4和KORAFF4的奥格斯堡中心实验室）

KORA S4患者的空腹胰岛素和葡萄糖仅在54岁以上的参与者中测量（n=1357）

HOMA-IR计算：空腹胰岛素（µIU/mL）×空腹血糖（mmol/L）/22∙5

HOMA-IR越高表示胰岛素敏感性降低

HOMA-B计算：20×空腹胰岛素（µIU/mL）/（空腹血糖[mmol/L]-3∙5）

HOMA-B越低表示空腹胰岛素分泌降低

空气污染暴露量的估计

将2014-15年测量的年平均浓度与基于地理信息系统的空间预测器进行回归，建立了LUR模型，并将拟合的模型应用于参与者的家庭住址，以确定住宅暴露水平

使用土地利用回归（LUR）模型估计超细颗粒（PNC）、粗颗粒物（PMcoarse）、PM2.5、PM2.5 吸光度（PM2.5abs）、二氧化氮（NO2）和臭氧（O3）的年平均浓度

于2014年3月6日至2015年4月7日在KORA研究区的20个地点进行了三次为期2周的测量，覆盖了暖、冷和中期季节，并计算了这些地点的年平均空气污染物浓度

调整后的模型解释方差（R²）与交叉验证表现良好

为控制道路交通噪声和绿地的潜在混杂影响，将300米缓冲区（作为周围绿地的替代物）中的年平均昼夜声级和标准化差异植被指数（NDVI）分配给参与者的居住地址，排除不符合分析要求的参与者观察结果

关于LUR模型时间的解释

在appendix中，研究人员分别在01.01.2000–31.12.2000，01.01.2007-31.12.2007，01.07.2013–30.06.2014，01.03.2014-15.04.2015四个时间段内都进行了空气污染暴露量的估计

计算了年平均浓度的绝对差异，并校准绝对差异乘以绝对差异的比率

将校准的绝对差添加到LUR模型估计年平均浓度中，计算出每个研究参与者在每次访问时的后外推浓度。

反外推的空气污染浓度不仅反映了暴露的空间变化，也反映了暴露的时间变化

统计分析

对参与者应用了随机截距的线性混合效应模型，以检验空气污染与反复评估的HOMA-IR、HOMA-B、空腹胰岛素和空腹血糖水平之间的关联

对所有结果变量进行自然对数转换，以增加残差分布的正态性，使结果更加准确

协变量调整

最小模型根据析因准则预先选择协变量，包括年龄、性别、体重指数（BMI）、访问次数以及抽血的季节

主模型还额外包括教育程度、职业状态、吸烟状况和包年数、饮酒量和体育活动

扩展模型进一步控制了腰臀比、高密度脂蛋白和总胆固醇

评估居住道路交通噪声和绿地的潜在混杂效应，构建了第二个扩展模型，在主模型中加入噪声和 NDVI

使用空气污染物的惩罚样条与广义交叉验证选择的自由度，检验了暴露-响应关系的线性

使用分位数回归模型用于评估空气污染物与生物标志物年度变化率的关联

对于在多次访问中测量了生物标志物的参与者，计算 HOMA - IR、HOMA - B、空腹胰岛素和空腹葡萄糖的年度变化率，作为生物标志物水平对自基线以来年份的线性回归的斜率系数。使用逆概率加权方法为纳入的参与者估计权重，以减少选择偏差。

模型调整了基线协变量，包括年龄、性别、BMI、教育程度、职业状态、吸烟状况和包年数、饮酒量、体育活动、基线时所研究生物标志物的水平，以及 BMI 和吸烟包年数的年度变化率，以及用于计算变化率的访问指标。

效应修正检验

在模型中加入空气污染物与潜在效应修饰因子的交互项来检验效应修饰作用，对于混合效应模型在每次访问时进行评估，对于分位数回归模型在第一次访问时进行评估。所检验的修饰因子包括年龄（< 60 岁与≥60 岁）、性别（男性与女性）、教育程度（高与低）、职业状态（就业与未就业）、吸烟状态（当前吸烟者与 former 吸烟者或从不吸烟者）、体育活动（低与中或高）、肥胖（BMI < 30 kg/m² 与≥30 kg/m²）和糖尿病状态（正常糖耐量与糖尿病前期或糖尿病）

敏感性分析

构建双污染物模型

同时纳入两个相关性不强（r < 0.7）的污染物，检验颗粒和 NO₂与生物标志物重复测量的关联是否对其他污染物的额外调整具有稳健性

排除高空腹胰岛素观察值

排除 KORA S4 中空腹胰岛素高于 90 百分位数的观察值

排除搬家参与者

排除在研究期间搬家的参与者，以减少暴露错误分类

排除无抽血时间记录的观察值

排除结果中的异常值（定义为自然对数转换后的值小于 Q1 - 1.5×IQR 或大于 Q3 + 1.5×IQR）

针对年度变化率分析的敏感性分析

拟合不控制 BMI 和吸烟包年数年度变化率的模型，以检验时间变化调整的效果；拟合控制道路交通噪声和 NDVI 的模型

研究结果

来自 KORA 队列 4261 名参与者的 9620 次观察中，纳入了 3297 名参与者的 6008 次观察（62.5%）进行分析，其中 466 人（14.1%）完成了所有三次检查，1776 人（53.9%）完成了两次，1055 人（32.0%）完成了一次

PMcoarse、PM2.5、PM2.5abs、NO2 和 O3 浓度升高与 HOMA - IR、HOMA - B 和空腹胰岛素增加呈线性相关，与空腹葡萄糖无关

HOMA - IR 的年变化率与 PNC、PM2.5abs 和 NO2 在变化率分布的第 10 - 70 百分位数呈正相关，与 PMcoarse 在所有百分位数呈正相关，与 PM2.5 在较低百分位数呈正相关，与 O3 在较高百分位数呈正相关；颗粒和 NO2 与 HOMA - B 和空腹胰岛素的年变化率呈正相关，与空腹葡萄糖的年变化率无一致关联

颗粒和 NO2 与 HOMA - IR、HOMA - B 和空腹胰岛素的关联在年龄大于 60 岁、男性、未就业和身体不活跃的参与者中显著更强，男性对空腹葡萄糖的空气污染影响也显示出更高的敏感性；在年变化率方面，在老年人、男性和患有前驱糖尿病或糖尿病的参与者中观察到更强的关联

一、研究内容思维导图