发布时间： 2024-02-07 08:30:00
引子
重金属或有毒化合物暴露通常不是单一来源，可能是多个环境因素和污染源的混合效应，例如吸烟会同时接触铅、汞、镉等重金属暴露。在这种情况下，数据可能呈现出复杂的非对称分布以及极端值，传统统计模型难以处理这类数据。针对以上有毒化合物或重金属暴露等问题，加权分位数回归（WQS）提供了可行的解决方案。WQS通过合并多个暴露因素，创建一个综合性指数，使我们能够评估这些混合物对疾病或健康的影响。这一方法在环境流行病学中尤为重要，它帮助我们更好地理解和量化多重化学暴露的健康风险。中南大学湘雅第二医院急诊科彭振宇团队在Journal of Hazardous Materials上发表题为“Association between manganese exposure in heavy metals mixtures and the prevalence of sarcopenia in US adults from NHANES 2011–2018”的研究论文。该研究利用加权分位数回归(WQS)来评估多种环境暴露与肌少症（Sarcopenia）之间的关联。
杂志：Journal of Hazardous Materials
影响因子：13.6
中科院分区：环境科学与生态学1区，工程：环境1区
接收日期：2023年11月
摘要
环境污染被认为是肌少症的一个重要风险因素。然而，未评估锰暴露(Mn)对肌少症患病率的影响。我们的研究在2011年至2018年的国民健康与营养调查(NHANES)中调查了血锰浓度与肌少症风险的相关性。三种统计方法被用来评估这些相关性。采用中介分析的方法探讨炎症在锰暴露所致的肌少症中的作用。在这项研究中登记的4957人中，398人(8%)被诊断为肌少症减。在Logistic回归模型中，我们发现log10Mn浓度与肌少症的患病率呈正相关。此外，重金属混合物与肌少症的患病率呈正相关，在加权分位数和(WQS)和贝叶斯核机回归(BKMR)模型中，锰被确定为这种关联的主要贡献者。此外，炎症在锰暴露与肌少症之间的关系中起中介作用，可解释7.29%的影响(优势比：0.03，0.19，P=0.002)。因此，我们的研究结果表明，过量的锰暴露是导致肌少症减少的一个因素。还需要更多的前瞻性研究来检验锰暴露与肌少症患病率之间的关系。
研究结果
Table 1展示了2011-2018年NHANES的4957人的人口统计特征。其中398人(8%)被诊断为肌少症。此外，年龄、性别、BMI、教育程度、PIR、饮酒状况、糖尿病和高血压在患病组和对照组之间有显著差异(均P<0.05)。
Table 2展示了在Q4，log10Mn与肌少症的患病率显著相关。在未控制任何协变量的粗略模型中，OR值为2.61(95%CI1.34~5.12，P=0.005)。模型I的OR值为3.17(95%CI1.48~6.77，P=0.003)，模型II的OR值为3.27(95%CI1.52~7.03，P=0.002)。此外，我们观察到高四分位数的人患肌少症的风险增加。在粗略模型中，与Q1相比，Q3和Q4的风险分别增加了1.38倍(95%CI1.02-1.87，P=0.037)和1.72倍(95%CI1.28-2.31，P<0.001)。在调整了模型I中的所有协变量后，Q4的风险比Q1度增加了1.88倍(95%可信区间为1.36-2.60，P<0.001)。同样，在模型II中，与Q1相比，Q4的风险增加了1.89倍(95%可信区间1.37-2.61，P<0.001)。线性趋势分析显示，在三个多元回归模型中，Log10Mn浓度与肌少症的患病率之间存在显著的相关性(P均<0.001)。
Tips：我们可以观察到在log10Mn中随着分位数的上升，OR值也随之增加，并且Q2
Figure 2 显示表明锰的肌少症风险最高，为0.72，而Se、Cd、Pb和Hg的权重分别为0.24、0.02、0.01、0.01，并且在校正所有协变量后呈正方向。
研究设计与统计方法
1、 研究设计
研究人群：2011-2018年NHANES调查的受访者。
自变量：全血铅、镉、汞、硒、锰的浓度进行分析。
因变量：受访者是否患有肌少症（Sarcopenia）。
协变量：采访时的年龄、性别、BMI、教育水平、婚姻状况、家庭贫困收入比(PIR)、饮酒状况、吸烟状况、久坐时间、糖尿病和高血压。
2、 统计方法
对于连续变量，采用Kruskal-Allis秩和检验进行分析。在计数变量理论值小于10的情况下，采用Fisher精确概率检验。血液重金属浓度通过log10换算归一化，并分为四分位数。采用皮尔逊相关系数来确定五种重金属的浓度之间的相关性。首先，进行Logistic回归分析，以考察重金属对肌少症减少患病率的单一影响。对不同的协变量进行了三次多因素Logistic回归分析。我们将第一个四分位数(Q1)指定为对照组。根据重金属浓度的四分位数进行了线性趋势分析。此外，我们根据年龄、性别、BMI、教育水平、婚姻状况、PIR、饮酒状况、吸烟状况、久坐时间、糖尿病和高血压对人群进行分层，以评估不同亚组之间的敏感性和相互作用。其次，我们进行了WQS分析，通过计算加权的线性指数并分配相应的权重来评估重金属混合物对肌少症患病率的联合和单独影响。在这项研究中，我们使用10,000次迭代的自举来构建正向和负向的WQS索引。当WQS指数显著时，检查相应的权重，以确定指数中每种重金属对肌少症减少患病率的相对贡献。
WQS模型优势
1、 在数据集中存在明显的群体差异时，WQS可以通过对不同群体或数据点赋予不同权重来进行有效分析，特别针对NHANES中因调查方式局限导致权重问题，WQS可以更好利用NHANES中给出的权重。
2、 对于非正态分布的数据，特别是当感兴趣的是中位数或其他分位数而不是均值时，WQS提供了一个有用的工具
3、 加权分位数回归的优点是能够处理多重共线性问题，即当多个暴露因素高度相关时，传统的回归方法可能难以区分它们各自对健康影响的大小。此外，WQS提供了一种量化单个和整体暴露风险的方法，有助于识别那些对健康影响最大的污染物。
WQS模型假设
1、 WQS通常假设所有考虑的暴露因素（如污染物）对结果的影响是线性的。
2、 WQS假设所有的暴露因素都是一个整体混合物的一部分，且每个因素都对混合物的整体毒性或影响有所贡献。
3、 WQS模型的结果依赖于为每个暴露因素分配的权重。这些权重假设在不同的人群和环境条件下是稳定的。
END
PMID：37988867
参考文献：Huang Q, Wan J, Nan W, Li S, He B, Peng Z. Association between manganese exposure in heavy metals mixtures and the prevalence of sarcopenia in US adults from NHANES 2011-2018. J Hazard Mater. 2024 Feb 15;464:133005. doi: 10.1016/j.jhazmat.2023.133005. Epub 2023 Nov 15. PMID: 37988867.
上一篇：临床试验阶段和Ⅰ期试验 |《Fundamentals of Clinical Trials》教材翻译
