期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
7种矿物质营养素血清水平与代谢综合征患者的非酒精性脂肪性肝病风险关联性
1
作者 陈小燕 孙沛祺 +2 位作者 袁乙富 曹勤 蒋元烨 《肝脏》 2025年第5期659-665,共7页
目的探究7种血清矿物质(钙、铁、磷、钾、钠、硒、锰)与代谢综合征(MS)患者非酒精性脂肪性肝病(NAFLD)风险的相关性。方法通过对NHANES数据库2017年至2018年的实验室数据进行分析,建立模型并纳入了年龄、性别、种族/民族、婚姻状况、身... 目的探究7种血清矿物质(钙、铁、磷、钾、钠、硒、锰)与代谢综合征(MS)患者非酒精性脂肪性肝病(NAFLD)风险的相关性。方法通过对NHANES数据库2017年至2018年的实验室数据进行分析,建立模型并纳入了年龄、性别、种族/民族、婚姻状况、身体质量指数、吸烟状况、饮酒状况、受教育程度、体育活动强度、糖尿病史和心血管病史等变量。应用Spearman相关矩阵评估生物标志物之间的交叉相关性,应用贝叶斯核机器回归拟合血清矿物质与NAFLD患病风险之间的关联。结果在1661名MS患者中,发现NAFLD患者具有更高的血清硒、锰浓度和较低的血清磷浓度。BKMR模型结果显示,矿物质混合血清浓度和NAFLD患病风险呈正向的线性关系。混合物中单一矿物质浓度硒增加,与NAFLD患病风险呈显著正相关,当其他矿物质浓度固定时,血清硒浓度的IQR增加(从2.25μmol/L增加到2.64μmol/L),与NAFLD患病风险增加比例的相关性分别为19.3%(95%CI:10%~27.5%)、19.1%(95%CI:11.2%~25.8%)和17.8%(95%CI:8.9%~26.3%)。提示硒与钾、磷之间可能存在交互作用。结论矿物质混合血清浓度和NAFLD患病风险呈正向的线性关系,其中血清硒浓度的增加与NAFLD患病风险呈显著正相关。 展开更多
关键词 代谢综合征 非酒精性脂肪性肝病 血清 矿物质 bkmr模型
暂未订购
Associations of multiple metals exposure with immunoglobulin levels in pregnant women:Hangzhou Birth Cohort Study
2
作者 Jiena Zhou Lanfei Jin +13 位作者 Yexinyi Zhou Kunhong Zhong Kegui Huang Qi Zhang Jun Tang Xue Zhang Lihe Peng Shuai Li Na Lv Dongdong Yu Qinheng Zhu Jing Guo Qiong Luo Guangdi Chen 《Journal of Environmental Sciences》 2025年第5期560-572,共13页
Metal may affect maternal immune function,but few epidemiological studies have reported the associations between multiple-metal exposure and maternal immunoglobulin(Ig)levels.Based on the Hangzhou Birth Cohort Study,1... Metal may affect maternal immune function,but few epidemiological studies have reported the associations between multiple-metal exposure and maternal immunoglobulin(Ig)levels.Based on the Hangzhou Birth Cohort Study,1059 participants were included,and eleven metals in whole blood samples and serum IgA,IgG,IgE and IgM levels were measured.Linear regression,quantile-based g-computation(QGC),and Bayesian kernel machine regression(BKMR)models were used to evaluate the associations.Compared with the first tertile of metal levels,arsenic(As)was negatively associated with IgE(β=-0.25,95%confidence interval(CI)=-0.48 to-0.02).Moreover,significant associations of manganese(Mn)with IgA,IgG and IgM were demonstrated(β=0.10,95%CI=0.04 to 0.18;β=0.07,95%CI=0.03 to 0.12;β=0.10,95%CI=0.03 to 0.18,respectively).Cadmium(Cd)were associated with higher levels of IgM.QGC models showed the positive association of the metalmixtures with IgA and IgG,with Mn playing amajor role.Mn and Cd had positive contributions to IgM,while As had negative contributions to IgE.In the BKMR models,the latent continuous outcomes of IgA and IgG showed a significant increase when all the metals were at their 60th percentile or above compared to those at their 50th percentile.Therefore,exposure to metals was associated with maternal Igs,and mainly showed that Mn was associated with increased levels of IgA,IgG and IgM,and As was associated with low IgE levels. 展开更多
关键词 METALS IMMUNOGLOBULIN Pregnant woman Quantile-based g-computation (QGC) Bayesian kernel machine regression (bkmr)
原文传递
PFAS混合暴露与高尿酸血症关联性研究
3
作者 冯雨 浦少威 +3 位作者 陈祝梅 朱俊亮 蔡伟杰 刘红波 《中国环境科学》 北大核心 2025年第1期322-330,共9页
为评估全氟和多氟烷基物质(PFAS)及其混合物对高尿酸血症(HUA)的关联及综合效应并识别其中的关键组分,基于美国国家健康和营养检查调查(NHANES)数据,使用Logistic回归、加权分位数和回归、贝叶斯核机器回归对2013~2016年2564名研究对象... 为评估全氟和多氟烷基物质(PFAS)及其混合物对高尿酸血症(HUA)的关联及综合效应并识别其中的关键组分,基于美国国家健康和营养检查调查(NHANES)数据,使用Logistic回归、加权分位数和回归、贝叶斯核机器回归对2013~2016年2564名研究对象进行分析.当PFAS作为单一污染源暴露时,较高水平的全氟烷基壬酸(PFNA)、直链全氟烷基辛酸(n-PFOA)和单甲基支链全氟辛烷磺酸异构体(Sm-PFOS)与HUA存在正向关联(P<0.05).将其视为混合物暴露时,PFAS混合物与HUA总体呈正相关,PFAS混合物(WQS指数)每增加一个四分位数,HUA患病风险增加39.6%(OR=1.396,95%CI:1.180~1.651,P<0.001),且这种关联仅存在于女性人群中.n-PFOA和Sm-PFOS是其中的关键组分,直链全氟辛烷磺酸(n-PFOS)和全氟己烷磺酸(PFHxS)在混合物中可能与HUA呈负相关,多种PFAS之间可能存在潜在的交互作用.研究结果可为PFAS与高尿酸血症患病风险研究提供最新流行病学证据,为重点人群筛查提供依据. 展开更多
关键词 高尿酸血症 全氟和多氟烷基物质 混合物 贝叶斯核机器回归 加权分位数和回归
在线阅读 下载PDF
贝叶斯核机器回归模型在环境健康研究中的应用及R语言实现
4
作者 欧可儿 郑雯媛 +4 位作者 李杏 曾韦霖 容祖华 龚德鑫 肖建鹏 《华南预防医学》 2025年第2期148-153,共6页
目的 贝叶斯核机器回归(Bayesian kernel machine regression,BKMR)模型是近年快速发展的统计分析方法,本研究旨在介绍BKMR模型在多污染物暴露的健康效应研究中的应用及其在R语言的实现。方法 以美国国家环境健康科学研究所(National In... 目的 贝叶斯核机器回归(Bayesian kernel machine regression,BKMR)模型是近年快速发展的统计分析方法,本研究旨在介绍BKMR模型在多污染物暴露的健康效应研究中的应用及其在R语言的实现。方法 以美国国家环境健康科学研究所(National Institute of Environmental Health Sciences,NIEHS)公开的数据集为例,运用BKMR模型分析多污染物暴露对健康的影响,并基于R语言介绍其分析步骤。结果 依托R语言的“bkmr”程序包,BKMR模型可以探究暴露与健康的单暴露-反应关系,多种暴露之间的交互作用,估算单暴露的效应和多暴露物的联合效应。结论 BKMR模型可同时分析多污染物暴露与健康结局的暴露反应关系和健康效应,是研究复合环境暴露健康影响的一种新分析方法。 展开更多
关键词 贝叶斯核机器回归 多污染物暴露 健康效应 R语言
原文传递
植被覆盖与空气污染物致冠心病死亡的关联研究
5
作者 赵亦君 王婷婷 +4 位作者 贾贤杰 苏萍 王雅倩 薛付忠 迟蔚蔚 《健康体检与管理》 2023年第1期48-53,59,共7页
目的:研究植被覆盖对空气颗粒物及臭氧与冠心病生存时间关系的影响。方法:依托山东省临沂市平邑县疾病预防控制中心的慢性病发病和死亡监测系统,纳入2014—2020年发病且死亡的1796名冠心病患者,计算生存时间。通过中国高分辨空气污染数... 目的:研究植被覆盖对空气颗粒物及臭氧与冠心病生存时间关系的影响。方法:依托山东省临沂市平邑县疾病预防控制中心的慢性病发病和死亡监测系统,纳入2014—2020年发病且死亡的1796名冠心病患者,计算生存时间。通过中国高分辨空气污染数据集(CHAP)获取2014—2020年平邑县空气污染物(PM_(2.5)、PM_(10)、O_(3))浓度,计算空气污染物累积平均值,采用贝叶斯核回归模型(BKMR)分析空气污染物对冠心病生存时间的影响,并对归一化差异植被指数(NDVI)进行分层分析。结果:三种空气污染物对冠心病的生存时间具有联合作用,总体上看,冠心病生存时间与PM_(2.5)、PM_(10)存在正相关关系。在低浓度和高浓度PM_(2.5)中存在负相关关系。对植被覆盖进行分层分析发现,高植被覆盖地区PM_(2.5)与冠心病生存时间存在负相关关系,低植被覆盖地区PM_(2.5)与冠心病生存时间存在正相关关系。结论:三种空气污染物对冠心病死亡存在联合作用,在不同植被覆盖地区PM_(2.5)与冠心病生存时间的关系不同。 展开更多
关键词 植被覆盖 空气污染物 冠心病 贝叶斯核回归
暂未订购
河南省安阳市大气污染物混合暴露对人群非意外死亡联合效应分析
6
作者 杨似玉 郭大城 +4 位作者 张杰 王永星 闫晓娜 彭靖 张书芳 《现代疾病预防控制》 2025年第9期651-656,共6页
目的探索大气污染物混合暴露对人群非意外死亡风险,识别大气污染物健康影响关键组分,为大气污染物联合防控提供依据。方法收集2017—2021年河南省安阳市每日死亡个案数据、同期大气污染物浓度数据及气象数据,采用广义相加模型(GAM)评估... 目的探索大气污染物混合暴露对人群非意外死亡风险,识别大气污染物健康影响关键组分,为大气污染物联合防控提供依据。方法收集2017—2021年河南省安阳市每日死亡个案数据、同期大气污染物浓度数据及气象数据,采用广义相加模型(GAM)评估大气单污染物暴露对非意外死亡影响,分别利用贝叶斯核机器回归(BKMR)及加权分位数和回归(gWQS)评估多种污染物混合暴露对人群死亡联合效应,并根据先验包含概率(groupPIP)和权重大小识别大气污染物健康影响关键组分。结果2017—2021年安阳市大气PM_(2.5)、PM_(10)、NO_(2)、SO_(2)、O_(3)的平均浓度分别为67.99、119.50、39.19、17.69、110.73μg/m^(3),CO的平均浓度为1.34 mg/m^(3)。BKMR结果显示大气污染混合物浓度(ln转化后)从P25上升到P75时,非意外死亡风险增加0.053个单位(P<0.05)。gWQS分析显示污染物均上升1个四分位数,总人群非意外死亡ER值为3.951%(95%CI:1.306%~6.666%)。CO、SO_(2)、NO_(2)的组别PIP均大于研究阈值0.40,且平均权重均较大。结论空气污染物混合暴露对非意外死亡存在正向健康风险,CO、SO_(2)、NO_(2)可能为关键组分,污染物混合暴露联合健康效应较单污染物健康效应更加复杂。 展开更多
关键词 大气污染物 混合暴露 贝叶斯核机器回归 加权分位数和回归 非意外死亡
暂未订购
Maternal Thyroid Hormones as Mediators between Phthalate Exposure and Neonatal Birth Weight:A Cross-Sectional Study from the Zunyi Birth Cohort 被引量:1
7
作者 Lin Tao Dengqing Liao +3 位作者 Shimin Xiong Lulu Dai Yuan-zhong Zhou Xubo Shen 《Environment & Health》 2024年第11期816-826,共11页
Studies have shown that exposure to phthalates can affect neonatal birth weight.However,epidemiological evidence on the mediating role of maternal thyroid hormones is limited.Therefore,this study,based on the Complian... Studies have shown that exposure to phthalates can affect neonatal birth weight.However,epidemiological evidence on the mediating role of maternal thyroid hormones is limited.Therefore,this study,based on the Compliance Birth Cohort,aimed to reveal the potential mediating function of maternal thyroid hormones during pregnancy between phthalic acid ester(PAE)exposure and neonatal birth weight.The study included 1274 mother−infant pairs.Linear regression analysis revealed a negative association between MIBP and neonatal birth weight(β=−62.236;95%CI:−118.842,−5.631).Bayesian kernel-machine regression(BKMR)indicated a nonlinear negative association between PAE metabolites(PAEs)and birth weight.Linear regression analysis revealed a positive association between neonatal birth weight and FT3(β=41.605;95%CI:2.631,80.380).The BKMR model also found a positive association between thyroid hormones and birth weight but in a nonlinear manner.Additionally,linear regression analyses showed that TSH,TT3,TT4,FT3,and FT4 were associated with PAEs.The BKMR model revealed an inverted U-shaped association of PAEs with TT3 and FT3 and a nonlinear association with TSH,TT4,and FT4.Structural equation modeling revealed that MMP,MIBP,MBP,MEHP,MOP,MBZP,and MEOHP contributed to a net reduction in neonatal birth weight of 32 g through the TT3,FT3,TT4,and FT4 pathways.The findings suggest that exposure to PAEs during pregnancy leads to a reduction in neonatal birth weight,possibly due to the involvement of maternal thyroid hormones as mediators.Controlling maternal thyroid hormone levels during pregnancy may be a viable method to reduce the harmful effects of phthalate exposure on the developing fetus. 展开更多
关键词 Phthalic acid esters(PAEs) Newborn birth weight(BBW) Thyroid hormones Linear regression model(LRM) Bayesian kernel-mechanism regression(bkmr) Structural equation modeling(SEM)
暂未订购
上一页 1 下一页 到第
使用帮助 返回顶部