Abstract
目的
:探索母亲孕期空气污染物中可入肺颗粒物(PM 1)、细颗粒物(PM 2.5)、可吸入颗粒物(PM 10)和二氧化氮(NO 2)混合暴露对子代先天性心脏病发生风险的影响,并估计上述几种污染物的作用权重。
方法
:纳入广东省先天性心脏病防治登记网(GRCHD)2007—2016年登记的来自21个地市、40家医疗机构的6038例先天性心脏病患儿(病例组)及5227名健康对照儿童(对照组)。采用logistic回归模型评估母亲暴露于单个空气污染物对子代先天性心脏病发生的影响,采用spearman相关系数分析各种污染物之间的相关性。并采用Quantile g-computation评估空气污染物混合暴露对先天性心脏病发生的联合效应及各种污染物的权重。
结果
:病例组PM 1、PM 2.5、PM 10和NO 2的暴露浓度显著高于对照组(均 P<0.01)。PM 1、PM 2.5、PM 10、NO 2之间的相关系数均大于0.80。母亲孕期PM 1、PM 2.5、PM 10和NO 2暴露均与子代先天性心脏病发生风险显著升高有关。当这些紧密相关的污染物混合暴露时,先天性心脏病的发生风险较其独立暴露时更高。混合暴露物与先天性心脏病风险之间呈单调递增关系,混合暴露每升高一个分位数,先天性心脏病的发生风险增加47%( OR=1.47,95% CI:1.34~1.61)。母亲孕早期空气污染物混合暴露对先天性心脏病发生的影响最大,但孕早、中、晚期任一时间段的暴露效应均不及整个孕期的混合暴露效应强。混合暴露中PM 10的作用权重最大(81.3%)。
结论
:母亲孕期空气污染物混合暴露会增加子代先天性心脏病的发生风险,且较各污染物独立暴露时效应更强。PM 10在混合暴露中的作用权重最大。
Abstract
Objective
: To explore the risk of maternal exposure to mixed air pollutants of particulate matter 1 (PM 1), particulate matter 2.5 (PM 2.5), particulate matter 10 (PM 10) and NO 2 for congenital heart disease (CHD) in offspring, and to estimate the ranked weights of the above pollutants.
Methods
: 6038 CHD patients and 5227 healthy controls from 40 medical institutions in 21 cities in Guangdong Registry of Congenital Heart Disease (GRCHD) from 2007 to 2016 were included. Logistic regression model was used to estimate the effect of maternal exposure to a single air pollutant on the occurrence of CHD in offspring. Spearman correlation coefficient was used to analyze the correlation between various pollutants, and Quantile g-computation was used to evaluate the joint effects of mixed exposure of air pollutants on CHD and the weights of various pollutants.
Results
: The exposure levels of PM 1, PM 2.5, PM 10 and NO 2 in the CHD group were significantly higher than those in the control group (all P<0.01). The correlation coefficients among PM 1, PM 2.5, PM 10 and NO 2 were greater than 0.80. PM 1, PM 2.5, PM 10 and NO 2 exposure were associated with a significantly increased risk of CHD in offspring. Mixed exposure of these closely correlated pollutants presented much stronger effect on CHD than exposure of any single pollutants. There was a monotonic increasing relationship between mixed exposure and CHD risk. For each quantile increase in mixed exposure, the risk of CHD increased by 47% ( OR=1.47, 95% CI: 1.34–1.61). Mixed exposure had greater effect on CHD in the early pregnancy compared with middle and late pregnancy, but the greatest effect was the exposure in the whole pregnancy. The weight of PM 10 is the highest in the mixed exposure (81.3%).
Conclusions
: Maternal exposure to the mixture of air pollutants during pregnancy increases the risk of CHD in offspring, and the effect is much stronger than that of single exposure of various pollutants. PM 10 has the largest weights and the strongest effect in the mixed exposure.
Keywords: Congenital heart disease, Air pollution, Particulate matter 1, Particulate matter 2.5, Particulate matter 10, Nitrogen dioxide, Mixed exposure, Joint effects
广东省先天性心脏病防治登记网(Guangdong Registry of Congenital Heart Disease,GRCHD);可入肺颗粒物(particulate matter 1,PM);细颗粒物(particulate matter 2.5,PM);可吸入颗粒物(particulate matter 10,PM);比值比(odds ratio,OR);置信区间(confidence interval,CI);有向无环图(directed acyclic graph,DAG);
2019年全球疾病负担研究结果显示,先天性心脏病在活产儿中的发病率达2.3%,位居出生缺陷首位,全世界现存患者超过1300万,成为关乎社会经济稳定和可持续发展的全球性问题 [1] 。随着早期诊断技术的普及和外科矫治技术的提高,婴幼儿先天性心脏病患者病死率显著降低,但成人患者数量快速增长,合并持续上升的其他心血管疾病患病率,给临床带来了极大负担 [ 1- 2] 。我国是出生缺陷的高发国家之一,探寻先天性心脏病的病因及干预策略是一个紧迫的公共卫生问题。
既往60多年的病因研究在先天性心脏病相关遗传和环境因素等方面都取得了一些突破,包括识别了个别先天性心脏病表型特定的遗传异常 [ 3- 4] 和发现了一些先天性心脏病非遗传危险因素,如母亲的社会经济学地位、围孕期疾病、药物使用情况、环境暴露和父亲的危险因素暴露等 [5] 。前期笔者团队及国内外其他学者的研究均发现,母亲孕期空气污染物暴露水平升高显著增加了子代先天性心脏病的发生 [6] 。但这些研究都只评价了某一种污染物暴露对先天性心脏病的独立作用,而在现实生活中通常是多种空气污染物混合暴露。目前,母亲孕期多种空气污染物混合暴露对子代先天性心脏病的联合效应鲜有研究报道。本研究基于GRCHD数据,采用Quantile g-computation方法评估PM 1、PM 2.5、PM 10和二氧化氮(本文用NO 2表示)等空气污染物的混合暴露对子代先天性心脏病发生的联合效应。
资料与方法
资料来源
采用病例对照研究设计,研究数据来源于GRCHD [ 6- 11] 。目前,GRCHD涵盖了广东省40家合作医院,覆盖21个地市。先天性心脏病患儿(病例组)由各合作单位产科医生、超声科医生和儿科医生负责诊断并报告。健康新生儿(对照组)从相同单位无任何畸形的单胎新生儿中随机选择,并按照性别和出生年份与病例组进行频率匹配。根据获得的空气污染数据时间(2006—2016年),对应采用了2007年1月至2016年12月GRCHD的登记数据。本研究通过广东省人民医院医学伦理委员会的审查[GDREC2011135H(R1)],所有受试者监护人均签署知情同意书。
先天性心脏病患儿的纳入及排除标准
本研究纳入的先天性心脏病患儿由超声心动图检查确诊,包括活产儿、死胎死产儿以及妊娠超过17周流产且经病理检查确诊的胎儿。所有新生儿在出生后3 d内或出院前均接受心脏临床检查,可疑者接受超声心动图检查后由两名受过专门训练的超声心动图专家确诊。所有产前诊断为先天性心脏病的新生儿,出生后均通过超声心动图检查确诊。如有必要,采用计算机断层扫描、心导管检查、手术或尸检进一步确诊。所有患儿诊断均采用国际疾病分类(ICD-10)进行编码。为了得到空气污染物对单纯先天性心脏病的效应,研究排除基因突变或染色体异常引起的综合征者 [12] 、合并心外畸形者、非单胎儿、动脉导管未闭的早产儿(动脉导管可能在出生后自动关闭 [13] )及1岁以上者(尽量减少自我报告孕期危险因素暴露引起的回忆偏差)。此外,进一步排除了难以匹配空气污染数据者和分娩日期缺失或明显不正确者。
空气污染物暴露的评估
采用随机森林模型,在0.1度的空间分辨率下,利用卫星遥感、土地使用、气象信息,估计我国每日PM 2.5、PM 1、PM 10和NO 2的浓度 [ 14- 15] 。对每位孕母分娩时登记的居住地址进行地理编码,并将其与最近的预测空气污染物的网格单元中心点匹配。随后根据子代出生日期和孕周计算母亲末次月经、孕期及孕早期(妊娠1~13周)、孕中期(妊娠14~27周)和孕晚期(妊娠28~40周)的具体时间。根据计算得到的日期将每日暴露水平取平均值获得母亲不同孕期空气污染物的暴露浓度。考虑到孕早期是胎儿心脏发育的关键窗口期 [16] ,进一步按孕早、中、晚期分别分析空气污染物混合暴露对先天性心脏病的联合作用。
根据颗粒物的定义,PM 10包括了PM 1和PM 2.5,故在分析空气污染物的混合作用时,除了考虑整个孕期PM 1、PM 2.5、PM 10和NO 2总的混合暴露效应外,还分别估计了不同孕期NO 2和PM 1、NO 2和PM 2.5、NO 2和PM 10的混合暴露分别对先天性心脏病的作用。
数据收集
由GRCHD合作单位的产科医生通过统一的结构化问卷获取病例组和对照组的相关信息。收集的信息包括活产儿及父母信息、家庭经济水平(人均月收入)等。活产儿信息包括临床诊断、性别、出生体重、出生时胎龄、单胎或多胎等;母亲信息包括基本人口社会学特征(年龄、民族、受教育程度、职业、常住地、是否为流动人口)、生育史(孕次、产次、死胎、死产、自然流产、缺陷儿生育史等)、孕早期3个月危险因素暴露情况(患病和用药情况、主动吸烟、被动吸烟、饮酒、接触农药、化学制剂、居室半年内装修、居室距主干路50 m内)等;父亲信息包括职业、孕前3个月危险因素暴露情况(患病和用药情况、吸烟、饮酒、接触农药或化学制剂)等。
统计学方法
采用R 3.6.1软件进行统计分析。计数资料以例数(百分比)[ n(%)]表示,组间比较采用 χ 2检验;非正态分布的计量数据采用中位数(上下四分位数)[ M( Q 1, Q 3)]表示,组间比较采用非参数秩和检验。采用Spearman相关系数分析PM 1、PM 2.5、PM 10、NO 2之间的相关性。
采用logistic回归模型估计母亲暴露于单个空气污染物对子代先天性心脏病发生的影响。将PM 1、PM 2.5、PM 10及NO 2连续暴露值按照四分位数进行四分,计算 OR值和95% CI,估计调整前和调整后先天性心脏病的发生风险。采用DAG识别最小充分调整集作为协变量进行调整 [17] 。根据DAG,本研究在模型中调整了以下因素:母亲生产时年龄、民族(汉族或其他少数民族)、最高学历(中学及以下或中学以上)、职业(工人/农民/家庭主妇或其他)、家庭人均月收入(3000元以下或3000元及以上)、常住地(农村或城市)、孕期吸烟(是或否)、暴露于农药(是或否)、接触化学制剂(是或否)、居室半年内装修(是或否)、居室距主干路50 m内(是或否)、妊娠季节(春、夏、秋或冬)、妊娠年份及父亲在母亲孕期吸烟(是或否)。
采用Quantile g-computation评估空气污染混合暴露对先天性心脏病的联合效应并对混合暴露中各污染物对先天性心脏病的作用权重进行排序 [ 18- 19] 。Quantile g-computation的基本模型是一个联合边际结构模型,假设结局 Y,暴露X,以及其他协变量(如潜在的混杂因素)用Z表示,Quantile g-computation的公式:
E( Y X q |Z, ψ, η)= g( ψ 0+ ψ 1 S q + ηZ)
其中, g( )是广义线性模型中的链接函数,本研究中为logistic模型中 Y=1的概率的反logit函数, ψ 0是模型截距, η是一组协变量的系数, S q 代表混合暴露的“指数”。Quantile g-computation在默认情况下将所有暴露X转化为X q ,即“分位数”,具有离散值0、1、2、3等,代表暴露的分类“bin”。一般有四个bin,按照每个暴露X的四分位数作为切点均匀分布,即X q =0代表X的暴露值位于0至25百分位数之间。在调整Z的条件下,暴露混合物同时增加一个四分位数,可能对结局产生的预期影响,参数 ψ 1对其进行了量化。本研究首先将PM 1、PM 2.5、PM 10及NO 2混合暴露按照四分位数分为四个bin,分别赋值0、1、2、3,采用Quantile g-computation,将链接函数设定为logistic模型中 Y=1的概率的反logit函数,调整DAG识别的最小充分调整变量集,分别估计PM 1、PM 2.5、PM 10和NO 2混合暴露,以及NO 2和PM 1、NO 2和PM 2.5、NO 2和PM 10的混合暴露同时增加一个分位数对先天性心脏病发生的影响。在此基础上,得出NO 2、PM 1、PM 2.5和PM 10在混合暴露中对子代先天性心脏病的作用权重并排序 [20] 。
结果
病例组基本人口社会学特征和孕早期环境暴露情况
共纳入符合条件的研究对象共11 265名,其中病例组6038例,对照组5227名。病例组与对照组在母亲的基本人口社会学特征和孕早期环境暴露方面存在差异,其中病例组NO 2、PM 1、PM 2.5、PM 10的暴露浓度均高于对照组(均 P<0.01),主要差异项目见 表1。结果提示,NO 2、PM 1、PM 2.5、PM 10暴露可能会增加胎儿先天性心脏病的风险。
表 1 两组母亲基本人口社会学特征和孕早期环境暴露情况比较
Table 1 Comparison of maternal basic sociodemographic characteristics and environmental exposure in early pregnancy between congenital heart disease group and the control group
[ n(%)或 M( Q 1, Q 3)]
|
组别 |
n |
母亲35岁及以上 |
母亲汉族 |
母亲受教育超过12年 |
母亲职业为工人/农民/家庭主妇 |
母亲吸烟 |
父亲吸烟 |
母亲接触农药 |
母亲接触化学制剂 |
|
病例组 |
6038 |
596(9.87) * |
5944(98.44) * |
4960(82.15) * |
5456(90.36) * |
108(1.79) * |
1449(24.00) * |
21(0.35) * |
70(1.16) * |
|
对照组 |
5227 |
404(7.73) |
5181(99.12) |
4138(79.17) |
4958(94.85) |
19(0.36) |
895(17.12) |
5(0.10) |
104(1.99) |
|
组ƒ别 |
n |
居室半年内装修 |
居室距主干路50米内 |
家庭人均月收入不超过3000元 |
常住地为城市 |
NO 2 |
PM 1 |
PM 2.5 |
PM 10 |
|
病例组 |
6038 |
261(4.32) * |
882(14.61) * |
4056(67.17) * |
2322(38.46) * |
29.5(20.5,37.9) * |
38.9(33.6,41.8) * |
47.9(41.3,52.5) * |
74.3(64.3,80.8) * |
|
对照组 |
5227 |
60(1.15) |
567(10.85) |
3927(75.13) |
1872(35.81) |
27.7(19.9,36.5) |
37.7(33.1,41.2) |
46.4(40.4,51.3) |
72.1(62.5,79.2) |
*与对照组比较, P<0.01. NO 2:二氧化氮;PM 1:可入肺颗粒物;PM 2.5:细颗粒物;PM 10:可吸入颗粒物.
病例组母亲孕期暴露的多种空气污染物相关性分析
相关性分析结果显示,PM 1、PM 2.5、PM 10、NO 2之间的相关系数均大于0.80( 表2)。提示母亲孕期极可能存在PM 1、PM 2.5、PM 10及NO 2等多种污染物联合暴露。
|
污染物 |
NO 2 |
PM 1 |
PM 2.5 |
PM 10 |
|
NO 2 |
1 |
0.80 * |
0.86 * |
0.85 * |
|
PM 1 |
— |
1 |
0.98 * |
0.98 * |
|
PM 2.5 |
— |
— |
1 |
0.99 * |
|
PM 10 |
— |
— |
— |
1 |
—:相关数据在表中已呈现. * P<0.01.NO 2:二氧化氮;PM 1:可入肺颗粒物;PM 2.5:细颗粒物;PM 10:可吸入颗粒物.
病例组母亲孕期空气污染物暴露对子代先天性心脏病的影响
无论是否调整协变量,PM 1、PM 2.5、PM 10及NO 2暴露均显著增加先天性心脏病的发生风险,其中NO 2的效应最弱,PM 10的效应最强。当母亲暴露于PM 1、PM 2.5、PM 10及NO 2混合物时,子代先天性心脏病的发生风险较单独暴露于任一污染物时显著升高,混合暴露量与先天性心脏病的发生风险呈单调递增的直线关系,混合暴露物每升高1个数量级,先天性心脏病的发生风险增加47%。见 表3和 图1。
表 3 母亲孕期污染物及其混合暴露对子代先天性心脏病发生的风险估计
Table 3 Associations between maternal single and mixed air pollutants exposure during pregnancy and congenital heart diseases in offspring
|
污染物 |
调整前 |
调整后 * |
|||
|
OR值 |
95% CI |
OR值 |
95% CI |
||
|
NO 2 |
1.11 |
1.07~1.15 |
1.17 |
1.13~1.21 |
|
|
PM 1 |
1.12 |
1.09~1.16 |
1.16 |
1.12~1.20 |
|
|
PM 2.5 |
1.14 |
1.10~1.17 |
1.17 |
1.13~1.22 |
|
|
PM 10 |
1.15 |
1.11~1.18 |
1.18 |
1.14~1.23 |
|
|
混合暴露 |
1.34 |
1.23~1.45 |
1.47 |
1.34~1.61 |
*调整母亲生产年龄、民族、最高学历、职业、家庭人均月收入、常住地、孕期吸烟、接触农药、接触化学制剂、居室半年内装修、居室距主干路50 m内、妊娠季节、妊娠年份及父亲在母亲孕期吸烟等变量. NO 2:二氧化氮;PM 1:可入肺颗粒物;PM 2.5:细颗粒物;PM 10:可吸入颗粒物.
图 1 .

空气污染物混合暴露对子代先天性心脏病发生风险的影响
以Xq=1,即分位数25%~50%组为参照绘图.
按照孕早、中、晚期分别分析PM 1、PM 2.5、PM 10及NO 2的混合效应,发现混合暴露在孕早期对先天性心脏病发生的影响最大,但孕早、中、晚期任一时间段的暴露效应均不及整个孕期的混合暴露效应强( OR=1.47,95% CI:1.34~1.61)。此外,NO 2与PM 1、PM 2.5、PM 10其中一种混合暴露的效应值基本相近,但在孕早期,NO 2与PM 2.5或PM 10混合暴露的效应比NO 2与PM 1混合暴露的效应更强( 表4)。
表 4 母亲不同孕期污染物及其混合暴露对子代先天性心脏病发生的风险估计
Table 4 Associations between maternal mixed air pollutants exposure during different pregnant periods and congenital heart diseases in offspring
|
污染物 |
孕早期 |
孕中期 |
孕晚期 |
|||||
|
OR (95% CI) |
P值 |
OR (95% CI) |
P值 |
OR (95% CI) |
P值 |
|||
|
NO 2、PM 1、PM 2.5、PM 10混合暴露 |
1.24 (1.13~1.38) |
<0.01 |
1.14 (1.03~1.25) |
<0.01 |
1.22 (1.10~1.36) |
<0.01 |
||
|
NO 2与PM 1混合暴露 |
1.24 (1.12~1.37) |
<0.01 |
1.14 (1.04~1.25) |
<0.01 |
1.22 (1.10~1.35) |
<0.01 |
||
|
NO 2与PM 2.5混合暴露 |
1.29 (1.16~1.43) |
<0.01 |
1.14 (1.03~1.25) |
<0.01 |
1.23 (1.11~1.37) |
<0.01 |
||
|
NO 2与PM 10混合暴露 |
1.29 (1.16~1.42) |
<0.01 |
1.14 (1.04~1.26) |
<0.01 |
1.22 (1.10~1.35) |
<0.01 |
调整母亲生产年龄、民族、最高学历、职业、家庭人均月收入、常住地、孕期吸烟、接触农药、接触化学制剂、居室半年内装修、居室距主干路50 m内、妊娠季节、妊娠年份及父亲在母亲孕期吸烟等变量. NO 2:二氧化氮;PM 1:可入肺颗粒物;PM 2.5:细颗粒物;PM 10:可吸入颗粒物.
混合暴露中不同空气污染物对先天性心脏病的作用权重
母亲孕期空气污染物PM 1、PM 2.5、PM 10及NO 2混合暴露时,PM 10和NO 2对先天性心脏病的作用权重是正向的,总正向权重系数为0.288,其中PM 10的权重占比为81.3%,NO 2的权重占比为18.7%。PM 1和PM 2.5对先天性心脏病的作用权重为负向,总负向权重系数为–0.113,见 图2。因为总混合物对先天性心脏病的效应是正向的,所以本研究主要关注具有正向作用权重的PM 10和NO 2,其中PM 10对先天性心脏病发生的作用权重最大。
图 2 .

NO 2、PM 1、PM 2.5和PM 10在混合暴露中对子代先天性心脏病的作用权重
NO2:二氧化氮;PM1:可入肺颗粒物;PM2.5:细颗粒物;PM10:可吸入颗粒物.
讨论
本文基于大型病例对照研究估计了母亲孕期PM 1、PM 2.5、PM 10及NO 2混合暴露对子代先天性心脏病发生风险的效应。结果发现混合暴露物对先天性心脏病的危险性显著高于PM 1、PM 2.5、PM 10及NO 2单独暴露时的效应。混合暴露物浓度与先天性心脏病的发生风险呈单调递增的关系,当混合暴露物每升高一个分位数,先天性心脏病的发生风险增加47%,混合暴露效应在孕早期3个月最强。混合暴露中,PM 10对先天性心脏病的作用权重最大,效应最强。
前期团队已经对母亲孕期PM 1、PM 2.5、PM 10及NO 2单独暴露与子代先天性心脏病的关联进行了估计,并发现母亲孕期,尤其是孕早期三个月PM 1、PM 2.5、PM 10及NO 2暴露与子代先天性心脏病的发生风险增加有关,效应值与本研究具有可比性 [6] 。另有14个研究对母亲孕期PM 2.5、PM 10及NO 2等空气污染物暴露与子代先天性心脏病的关联进行了探讨,虽然这些前期研究的结果缺乏一致性,但大部分研究都显示空气污染物暴露可显著增加先天性心脏病的发生风险 [6] 。由于前述研究在先天性心脏病的定义、空气污染物浓度的估计方法、空气污染物的背景水平和来源、研究对象的特征以及调整变量方面存在差异,本研究结果与之进行比较时应该谨慎。
最近有研究采用Quantile g-computation方法估计了PM 2.5、PM 10及NO 2混合暴露对妊娠糖尿病的联合效应,发现PM 2.5、PM 10及NO 2混合暴露的效应远高于各种污染物单独暴露时对妊娠糖尿病的作用 [20] 。本文资料显示,孕期空气污染物混合暴露对先天性心脏病的影响不容忽视。关于空气污染物与先天性心脏病的关联机制,目前已有几种解释。嵴细胞的迁移、心室和流出道的分隔以及心内膜管的形成是妊娠早期胎儿心脏发育的关键阶段 [21] 。前期研究显示,暴露于颗粒物的孕妇或母鼠氧化应激标志物均增加,从而改变神经细胞迁移并导致流出道缺陷 [ 22- 23] 。此外有证据表明,母鼠接触颗粒物会增加血液黏度 [23] ,导致血管内皮功能受损 [24] ,胎盘发炎,影响胎盘功能,从而导致子代心脏畸形。越来越多的证据证明,暴露于空气污染物可能会导致表观遗传和基因表达的改变 [25] ,这与先天性心脏病的发生密切相关 [26] 。最近还有研究报道,母亲的居住环境颗粒物暴露可能会转移到胎儿身上 [27] ,这为母亲早期暴露于空气污染物的有害影响提供了直接证据。
本研究发现当多种空气污染物混合暴露时,PM 10对先天性心脏病发生的作用权重更强。究其原因,PM 10位居权重首位可能是由于其包含了PM 1和PM 2.5等所有直径不超过10 μm的粒子,日常暴露浓度更高,这可能直接导致了空气污染物混合暴露时,PM 10作用比重较大。
本研究具备多个优势,包括大样本量的先天性心脏病患儿和健康对照,统一的先天性心脏病诊断标准和程序,先进的统计学方法以及控制一系列潜在的混杂因素等。同时,本研究也存在几点不足。首先,病例对照研究设计对因果推断的能力较弱,但空气污染物暴露是根据居住地址和妊娠时间客观估算的,因此仍可用于估计其对先天性心脏病的影响。其次,本研究未获取个体空气污染物的准确暴露水平,尚需其他研究采用更准确的暴露测量方法,如通过佩戴空气采样手环等予以验证。再次,目前本研究仅考虑了PM 1、PM 2.5、PM 10及NO 2四种空气污染物混合暴露的情况,今后尚需进一步获取其他空气污染物指标,真正模拟现实中的暴露情形,更准确估计空气污染物暴露对先天性心脏病产生的影响。最后,由于病例对照设计的属性,协变量可能存在回忆偏倚。对此,本研究采取了一系列措施进行控制,包括由产科医生面对面收集信息、采用怀孕日历辅助回忆、询问详细的暴露信息,如类型、时间、频率等,因此其影响结果方向性的可能性较小 [28] 。
综上所述,本研究估计了母亲孕期PM 1、PM 2.5、PM 10及NO 2混合暴露对子代先天性心脏病发生风险的联合作用,结果发现母亲孕期PM 1、PM 2.5、PM 10及NO 2单独暴露或混合暴露均显著增加子代先天性心脏病的发生风险,且混合暴露的危险性大于单独暴露;其中PM 10作用权重最大。
COMPETING INTERESTS
所有作者均声明不存在利益冲突
Funding Statement
广东省基础与应用基础研究基金(2021A1515110332);国家重点研发计划(2018YFC1002600)
References
- 1.ROTH G A, MENSAH G A, JOHNSON C O, et al. Global burden of cardiovascular diseases and risk factors, 1990—2019[J] J Am College Cardiol. . 2020;76(25):2982–3021. doi: 10.1016/j.jacc.2020.11.010. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 2.BURCHILL L J, GAO L, KOVACS A H, et al. Hospitalization trends and health resource use for adult congenital heart disease-related heart failure[J/OL] J Am Heart Assoc. . 2018;7(15):e008775. doi: 10.1161/JAHA.118.008775. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 3.PIERPONT M E, BASSON C T, BENSON JR D W, et al. Genetic basis for congenital heart defects: current knowledge[J] Circulation. . 2007;115(23):3015–3038. doi: 10.1161/CIRCULATIONAHA.106.183056. [DOI] [PubMed] [Google Scholar]
- 4.PIERPONT M E, BRUECKNER M, CHUNG W K, et al. Genetic basis for congenital heart disease: revisited: a scientific statement from The American Heart Association[J/OL] Circulation. . 2018;138(21):e653–e711. doi: 10.1161/CIR.0000000000000606. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 5.JENKINS K J, CORREA A, FEINSTEIN J A, et al. Noninherited risk factors and congenital cardiovascular defects: current knowledge[J] Circulation. . 2007;115(23):2995–3014. doi: 10.1161/CIRCULATIONAHA.106.183216. [DOI] [PubMed] [Google Scholar]
- 6.YANG B Y, QU Y, GUO Y, et al. Maternal exposure to ambient air pollution and congenital heart defects in China[J] Environ Int. . 2021;153:106548. doi: 10.1016/j.envint.2021.106548. [DOI] [PubMed] [Google Scholar]
- 7.QU Y, LIU X, ZHUANG J, et al. Incidence of congenital heart disease: the 9-year experience of the guangdong registry of congenital heart disease, China[J/OL] PLoS One. . 2016;11(7):e0159257. doi: 10.1371/journal.pone.0159257. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 8.QU Y, LIN S, BLOOM M S, et al. Maternal folic acid supplementation mediates the associations between maternal socioeconomic status and congenital heart diseases in offspring[J] Prev Med. . 2021;143:106319. doi: 10.1016/j.ypmed.2020.106319. [DOI] [PubMed] [Google Scholar]
- 9.LIU X, NIE Z, CHEN J, et al. Does maternal environmental tobacco smoke interact with social-demographics and environmental factors on congenital heart defects?[J] Environ Pollut. . 2018;234:214–222. doi: 10.1016/j.envpol.2017.11.023. [DOI] [PubMed] [Google Scholar]
- 10.OU Y, MAI J, ZHUANG J, et al. Risk factors of different congenital heart defects in Guangdong, China[J] Pediatr Res. . 2016;79(4):549–558. doi: 10.1038/pr.2015.264. [DOI] [PubMed] [Google Scholar]
- 11.NIE Z, YANG B, OU Y, et al. Maternal residential greenness and congenital heart defects in infants: a large case-control study in southern China[J] Environ Int. . 2020;142:105859. doi: 10.1016/j.envint.2020.105859. [DOI] [PubMed] [Google Scholar]
- 12.BOYD P A, HAEUSLER M, BARISIC I, et al. Paper 1: The EUROCAT network——organization and processes[J] Birth Defects Res Part A Clin Mol Teratol. . 2011;91(S1):S2–S15. doi: 10.1002/bdra.20780. [DOI] [PubMed] [Google Scholar]
- 13.SLAUGHTER J L, CUA C L, NOTESTINE J L, et al. Early prediction of spontaneous patent ductus arteriosus (PDA) closure and PDA-associated outcomes: a prospective cohort investigation[J] BMC Pediatr. . 2019;19(1):333. doi: 10.1186/s12887-019-1708-z. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 14.CHEN G, KNIBBS L D, ZHANG W, et al. Estimating spatiotemporal distribution of PM 1 concentrations in China with satellite remote sensing, meteorology, and land use information[J] . Environ Pollution. . 2018;233:1086–1094. doi: 10.1016/j.envpol.2017.10.011. [DOI] [PubMed] [Google Scholar]
- 15.CHEN G, LI S, KNIBBS L D, et al. A machine learning method to estimate PM 2.5 concentrations across China with remote sensing, meteorological and land use information[J] . Sci Total Environ. . 2018;636:52–60. doi: 10.1016/j.scitotenv.2018.04.251. [DOI] [PubMed] [Google Scholar]
- 16.OPITZ J M, CLARK E B. Heart development: an introduction[J] Am J Med Genet. . 2000;97(4):238–247. doi: 10.1002/1096-8628(200024)97:4<238::AID-AJMG1274>3.0.CO;2-G. [DOI] [PubMed] [Google Scholar]
- 17.GREENLAND S, PEARL J, ROBINS J M. Causal diagrams for epidemiologic research[J]. Epidemiology, 1999, 10(1): 37-48 . [PubMed]
- 18.KEIL A P, BUCKLEY J P, O’BRIEN K M, et al. A quantile-based g-computation approach to addressing the effects of exposure mixtures[J] Environ Health Perspect. . 2020;128(4):047004. doi: 10.1289/EHP5838. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 19.SCHMIDT S. Quantile g-computation: a new method for analyzing mixtures of environmental exposures[J] Environ Health Perspect. . 2020;128(10):104004. doi: 10.1289/EHP7342. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 20.SUN Y, LI X, BENMARHNIA T, et al. Exposure to air pollutant mixture and gestational diabetes mellitus in Southern California: results from electronic health record data of a large pregnancy cohort[J] Environ Int. . 2022;158:106888. doi: 10.1016/j.envint.2021.106888. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 21.GITTENBERGER-DE GROOT A C, BARTELINGS M M, DERUITER M C, et al. Basics of cardiac development for the understanding of congenital heart malformations[J] Pediatr Res. . 2005;57(2):169–176. doi: 10.1203/01.PDR.0000148710.69159.61. [DOI] [PubMed] [Google Scholar]
- 22.ORNOY A. Embryonic oxidative stress as a mechanism of teratogenesis with special emphasis on diabetic embryopathy[J] Reproductive Toxicol. . 2007;24(1):31–41. doi: 10.1016/j.reprotox.2007.04.004. [DOI] [PubMed] [Google Scholar]
- 23.QI W, BI J, ZHANG X, et al. Damaging effects of multi-walled carbon nanotubes on pregnant mice with different pregnancy times[J] Sci Rep. . 2015;4(1):4352. doi: 10.1038/srep04352. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 24.VALKONEN V P, PÄIVÄ H, SALONEN J T, et al. Risk of acute coronary events and serum concentration of asymmetrical dimethylarginine[J] Lancet. . 2001;358(9299):2127–2128. doi: 10.1016/S0140-6736(01)07184-7. [DOI] [PubMed] [Google Scholar]
- 25.TENG C, WANG Z, YAN B. Fine particle-induced birth defects: impacts of size, payload, and beyond[J] Birth Defect Res C. . 2016;108(3):196–206. doi: 10.1002/bdrc.21136. [DOI] [PubMed] [Google Scholar]
- 26.AVISSAR-WHITING M, VEIGA K R, UHL K M, et al. Bisphenol A exposure leads to specific microRNA alterations in placental cells[J] Reproductive Toxicol. . 2010;29(4):401–406. doi: 10.1016/j.reprotox.2010.04.004. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 27.BOVÉ H, BONGAERTS E, SLENDERS E, et al. Ambient black carbon particles reach the fetal side of human placenta[J] Nat Commun. . 2019;10(1):3866. doi: 10.1038/s41467-019-11654-3. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 28.QU Y, LIN S, ZHUANG J, et al. First‐trimester maternal folic acid supplementation reduced risks of severe and most congenital heart diseases in offspring: a large case‐control study[J/OL] J Am Heart Assoc. . 2020;9(13):e015652. doi: 10.1161/JAHA.119.015652. [DOI] [PMC free article] [PubMed] [Google Scholar]
