论文部分内容阅读
目的描述大学生人群尿中邻苯二甲酸酯(PAEs)代谢物水平和潜增长轨迹,评估PAEs的累积暴露风险和暴露来源,分析PAEs暴露与大学生情绪症状的纵向关联,探讨饮食行为在PAEs暴露与大学生情绪症状关联中的调节效应。方法2018年12月至2019年5月,采用立意抽样的方法对安徽省安徽医科大学(2个学院)和江西省上饶师范学院(2个学院)大一年级的大学生进行基线问卷调查和尿样(晨尿)收集。完成问卷1 239份,收集尿样1 017份。在基线调查的基础上建立随访队列,906名大学生纳入随访。2019年6月至2019年11月进行随访,问卷调查893人(13人失访,失访率为1.4%),收集尿液样本555份。此外,2019年6月在安徽医科大学招募90名大学生进行7天连续调查,完成问卷630份,收集尿样630份。大学生使用手机微信扫描问卷二维码完成电子化的匿名问卷调查,内容包括一般人口学特征、生活行为方式(饮食行为、个人护理品使用、体育活动、手机使用等)、应激性的生活事件、抑郁症家族史、情绪症状评估等。通过食物频率调查问卷评估饮食行为。使用中文版的21条目抑郁—焦虑—压力量表评估大学生的情绪症状(抑郁症状、焦虑症状和压力症状)。大学生在医院体检获得体检数据。使用高效液相色谱串联质谱分析尿中PAEs代谢物的浓度。使用手执式折射计检测尿比重(SG)。在调查和实验室检测过程中严格进行质量控制。本研究获得安徽医科大学生物医学伦理委员会的批准(批号:20170291)。使用SPSS 23.0、Mplus 7.4和R 3.5.1进行数据统计分析。根据研究目的、数据类型和研究设计,采用了多种统计分析方法和模型,包括描述性统计、Spearman相关、χ2检验、秩和检验、重复测量方差分析、广义线性模型(GLM)、潜增长曲线模型(LGCM)、潜在剖面分析、自回归交叉滞后效应模型(ARCLM)、广义估计方程(GEE)、贝叶斯中介效应模型和潜变量调节模型等。结果大学生尿中邻苯二甲酸单丁酯(MBP)、邻苯二甲酸单(2-乙基己基)酯(MEHP)、邻苯二甲酸单乙酯(MEP)、邻苯二甲酸-单-(2-乙基-5-羟基己基)酯(MEHHP)、邻苯二甲酸单甲酯(MMP)和邻苯二甲酸-单-(2-乙基-5-氧代己基)酯(MEOHP)这6种PAEs代谢物的检出率为79.6%~99.7%,SG校正的代谢物浓度中位数为2.90~155.04 ng/m L。同一种PAEs代谢物浓度在尿比重校正前后有高度相关性(r=0.82~0.96,P均<0.01)。重复测量方差分析显示,7天测量的MEP、MMP、MEHHP、MEOHP、低分子量PAEs(LMWP)和高分子量PAEs(HMWP)浓度差异有统计学意义(P<0.05)。LGCM分析显示,7天测量的PAEs代谢物浓度潜增长轨迹有统计学差异,MBP、MEP、MMP、MEHP和LMWP的初始浓度存在个体差异(截距因子I=0.04~0.42,P均<0.01);MEHHP、MEOHP和HMWP不仅初始浓度和增长速率存在个体差异(I=0.12~0.14,斜率因子S<0.01,P均<0.01),而且I与S负相关,初始浓度越高增长速率越低。大学生邻苯二甲酸二异辛酯(DEHP)、邻苯二甲酸二乙酯(DEP)、邻苯二甲酸二丁酯(DBP)和邻苯二甲酸二甲酯(DMP)的每日摄入量估计值(EDI)的中位数分别为3.29μg/kg·bw/day,0.82μg/kg·bw/day,6.31μg/kg·bw/day和0.46μg/kg·bw/day。按照欧洲食品安全局的推荐的每日可耐受摄入量(TDI)估计,32.2%的大学生PAEs暴露的危害指数(HI)≥1;按照美国环境保护署推荐的每日摄入参考剂量(Rf D)来估计,3.5%的大学生PAEs暴露的HI≥1。LGCM分析显示,7天PAEs的EDI增长轨迹有统计学差异,DBP、DEP、DMP和DEHP的EDI初始水平(I=0.29~333.95,P均<0.01)和增长速率(S=-0.09~10.36,P均<0.05)有显著的个体差异;除DBP之外,I与S负相关,初始EDI越高增长速率越低。按Rf D和TDI估计的HI初始水平均有显著的个体差异(I=0.90~1.43,P均<0.01);Rf D-HI增长速率有显著的个体差异(S=0.03,P<0.01);Rf D-HI和TDI-HI的I与S均负相关,初始HI越高增长率越低。对基线调查数据进行GLM分析显示,外卖快餐消费、牛奶消费和个人护理品使用均与MBP关联(OR=1.48,95%CI:1.07~2.04;OR=1.66,95%CI:1.08~2.57;OR=1.40,95%CI:1.03~1.90;P均<0.05);外卖快餐消费和个人护理品使用均与MEP关联(OR=1.44,95%CI:1.05~1.98;OR=1.72,95%CI:1.15~2.58;P均<0.05);外卖快餐消费、牛奶消费和个人护理品使用均与LMWP关联(OR=1.46,95%CI:1.06~2.02;OR=1.34;95%CI:1.01~1.76;OR=1.54;95%CI:1.02~2.32;P均<0.05)。大学生抑郁症状、焦虑症状和压力症状的阳性率分别为17.4%、24.8%和9.5%。LGCM分析发现,7天重复测量的情绪症状潜增长轨迹有统计学差异,情绪症状(抑郁症状、焦虑症状和压力症状)的初始水平有个体差异(I=15.87~32.10,P均<0.01),情绪症状的I与S负相关,初始症状评分越高增长速率越低。在PAEs暴露与大学生情绪症状纵向关联的研究中,GEE分析显示,在调整变量后,女生MBP与抑郁症状、焦虑症状和压力症状关联(β=2.24,95%CI:0.38~4.10;β=2.08,95%CI:0.14~4.01;β=2.89,95%CI:0.59~5.19;P均<0.05);女生MEHP与抑郁症状、焦虑症状和压力症状关联(β=0.82,95%CI:0.23~1.41;β=0.84,95%CI:0.23~1.45;β=0.85,95%CI:0.13~1.56;P均<0.05);然而,未观察到PAEs代谢物与男生情绪症状的关联。GEE分析表明,PAEs与大学生情绪症状的反向关联分析并没有统计学意义。在饮食行为与大学生情绪症状的纵向关联研究中,GEE分析发现,在调整混杂因素后外卖快餐消费分别与3种情绪症状(抑郁、焦虑和压力)关联(β=0.11,95%CI:0.08~0.14;β=0.10,95%CI:0.07~0.13;β=0.09,95%CI:0.05~0.12;P均<0.01);打包食物消费分别与3种情绪症状(抑郁、焦虑和压力)关联(β=0.08,95%CI:0.04~0.11;β=0.08,95%CI:0.05~0.12;β=0.07,95%CI:0.04~0.11;P均<0.01);街头小吃消费分别与3种情绪症状(抑郁、焦虑和压力)关联(β=0.13,95%CI:0.09~0.16;β=0.12,95%CI:0.09~0.16;β=0.12,95%CI:0.08~0.16;P均<0.01)。特别的是,GEE分析表明,饮食行为与大学生情绪症状的反向关联仍然存在。在调整变量后,抑郁症状(β=0.22,95%CI:0.08~0.35)和焦虑症状(β=0.17,95%CI:0.02~0.32)与外卖快餐消费关联(P均<0.05);抑郁症状(β=0.13,95%CI:0.00~0.25)和焦虑症状(β=0.16,95%CI:0.02~0.30)与街头小吃消费关联(P均<0.05)。在饮食行为调节PAEs与大学生情绪症状的纵向关联研究中,潜变量调节模型分析显示,打包食物消费调节LMWP与大学生的抑郁症状、焦虑症状和压力症状的关联(β=0.23~0.89,P均<0.05);外卖快餐消费调节LMWP与大学生的焦虑症状的关联(β=0.32,P<0.05);街头小吃调节LMWP与大学生的抑郁症状的关联(β=0.31,P<0.05)。然而,性别分层分析未观察到饮食行为在PAEs暴露与不同性别大学生情绪症状关联中的调节效应。结论1.大学生普遍暴露于DEHP、DEP、DBP和DMP这4种PAEs,存在较大的健康风险。PAEs代谢物、EDI和HI的潜增长轨迹初始值越高,增长速率越低。外卖快餐消费等饮食行为和个人护理品使用是大学生PAEs暴露的重要来源。2.大学生情绪症状阳性率较高。PAEs暴露与大学生情绪症状呈非线性关联,且在男生中未观察到纵向关联。在纵向研究中未观察到反向的关联。3.饮食行为与大学生情绪症状存在双向的关联。饮食行为在PAEs暴露与大学生情绪症状的关联中存在显著的调节效应,高频次的饮食行为有正向调节效应,低频次的饮食行为有反向调节效应。