Informácie

13.8: Znečistenie ovzdušia a choroby - biológia

13.8: Znečistenie ovzdušia a choroby - biológia


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Je pre vás nejaký vzduch skutočne zlý?

Táto otázka by ani nemala potrebovať odpoveď. Áno, nejaký vzduch môže byť škodlivý.

Znečistenie ovzdušia a choroby

Každý rok na to zomrie takmer 5 miliónov ľudí znečistenie vzduchu. V skutočnosti znečistené ovzdušie spôsobuje viac úmrtí ako dopravných nehôd. Znečistenie ovzdušia poškodzuje dýchací a obehový systém. Vonkajší aj vnútorný vzduch môže byť znečistený.

Vonkajšie znečistenie ovzdušia

The Index kvality ovzdušia (AQI) je hodnotenie znečisťujúcich látok vo vonkajšom ovzduší na základe ich účinkov na ľudské zdravie. Zdravotné riziká spojené s rôznymi hodnotami AQI sú uvedené v Obrázok nižšie. Keď je AQI vysoké, mali by ste obmedziť čas, ktorý trávite vonku. Vyhýbanie sa vystaveniu znečisteniu ovzdušia môže pomôcť obmedziť jeho vplyv na vaše zdravie. Ľudia s určitými zdravotnými problémami, vrátane astmy, sú veľmi citliví na vplyvy znečistenia ovzdušia. Musia byť obzvlášť opatrní, aby sa tomu vyhli.

Kvalita vzduchu je dôležitá najmä pre citlivých ľudí. Patria sem ľudia s astmou, inými respiračnými ochoreniami a kardiovaskulárnymi ochoreniami.

AQI sa vo všeobecnosti vzťahuje na úrovne prízemného ozónu a častíc. Ozón je plyn, ktorý sa tvorí v blízkosti zeme, keď sa látky znečisťujúce ovzdušie zahrievajú slnečným žiarením. Je jednou z hlavných zložiek smogu (viď Obrázok nižšie). Smog tiež obsahuje častice. Častice sú drobné čiastočky pevných látok alebo kvapalín suspendované vo vzduchu. Vyrábajú sa hlavne spaľovaním fosílnych palív. Častice sa usadzujú v dýchacích cestách a pľúcach, kde spôsobujú poškodenie.

Smog zahaľuje mesto Los Angeles v Kalifornii. Viditeľné znečistenie ovzdušia v podobe smogu je znakom toho, že vzduch je nezdravý.

Znečistenie vzduchu v interiéri

Vnútorný vzduch môže byť ešte viac znečistený ako vonkajší vzduch. Môže obsahovať škodlivé látky ako plesne, baktérie a radón. Môže obsahovať aj oxid uhoľnatý. Oxid uhoľnatý je plyn produkovaný pecami a inými zariadeniami, ktoré spaľujú palivo. Ak je vdýchnutý, nahrádza kyslík v krvi a rýchlo vedie k smrti. Oxid uhoľnatý je bezfarebný a bez zápachu, ale dá sa zistiť pomocou detektora oxidu uhoľnatého, ako je Obrázok nižšie.

Detektor oxidu uhoľnatého vás upozorní, ak je hladina plynu príliš vysoká.

Zhrnutie

  • Vonkajší aj vnútorný vzduch môže obsahovať znečisťujúce látky, ktoré môžu spôsobiť ľudské choroby a smrť.

Preskúmanie

  1. Ako môžete použiť index kvality ovzdušia na ochranu svojho zdravia?
  2. Vysvetlite, prečo je prízemný ozón v Severnej Amerike zvyčajne horším problémom v lete ako v zime.
  3. Porovnajte a porovnajte znečisťujúce látky vo vonkajšom a vnútornom ovzduší vrátane ich účinkov na ľudské zdravie.

Klimatické zmeny a respiračné infekcie

Rýchlosť globálneho otepľovania sa za posledných 50 rokov zrýchlila. Zvyšujúca sa povrchová teplota spôsobuje topenie ľadovcov a zvyšovanie hladiny mora. Hlásia sa ďalšie záplavy, suchá, hurikány a vlny horúčav. Zrýchlené zmeny klímy už ovplyvňujú ľudské zdravie, čiastočne tým, že menia epidemiológiu patogénov citlivých na klímu. Najmä zmena klímy môže zmeniť výskyt a závažnosť respiračných infekcií ovplyvnením vektorov a imunitných reakcií hostiteľa. Niektoré respiračné infekcie, ako je vtáčia chrípka a kokcidioidomykóza, sa vyskytujú na miestach, ktoré predtým neboli ovplyvnené, zrejme v dôsledku globálneho otepľovania. Malé deti a starší dospelí sú obzvlášť náchylní na rýchle kolísanie teploty okolia. Napríklad zvýšený výskyt pneumónie u detí v Austrálii bol spojený s prudkým poklesom teploty z jedného dňa na druhý. Extrémne poveternostné javy, ako sú vlny horúčav, záplavy, veľké búrky, suchá a lesné požiare, tiež pravdepodobne menia výskyt infekcií dýchacích ciest. Prepuknutie aspergilózy medzi Japoncami, ktorí prežili cunami v roku 2011, je jedným z takýchto dobre zdokumentovaných príkladov. Zmeny teploty, zrážok, relatívnej vlhkosti a znečistenia ovzdušia ovplyvňujú vírusovú aktivitu a prenos. Napríklad začiatkom roku 2000 bolo prepuknutie ochorenia dýchacích ciest Hantavírusom spojené s miestnym nárastom populácie hlodavcov, čo sa zase pripisovalo dvoj- až trojnásobnému zvýšeniu zrážok pred vypuknutím. Respiračné patogény citlivé na klímu predstavujú výzvy pre zdravie dýchacích ciest, ktoré môžu byť v dohľadnej budúcnosti oveľa väčšie.

Kľúčové slová: klimatická zmena infekcia pľúcne ochorenie zápal pľúc.


Pokiaľ ide o to, či je čistý „efekt odlivu mozgov“ škodlivý alebo prospešný pre krajinu pôvodu, zostáva kontroverzný. Napríklad Vidal (1998) tvrdí, že emigrácia do krajiny s vyššou návratnosťou zručností môže povzbudiť ľudí v krajine pôvodu, aby investovali do ľudského kapitálu Chen (2006) tvrdí, že uvoľnenie obmedzení týkajúcich sa emigrácie vysokokvalifikovaných pracovníkov poškodí ekonomický rast zdrojovej krajiny v dlhodobom horizonte, aj keď v krátkodobom horizonte môže dôjsť k „získaniu mozgu“. Beine a kol. (2008) zistili, že väčšina krajín kombinujúcich nízku úroveň ľudského kapitálu a nízku mieru migrácie kvalifikovaných pracovníkov má tendenciu byť pozitívne ovplyvnená únikom mozgov, zatiaľ čo únik mozgov má podľa všetkého negatívne účinky na rast v krajinách, kde miera migrácie vysoko vzdelaných pracovníkov je nad 20 % a/alebo kde je podiel ľudí s vyšším vzdelaním vyšší ako 5 %. Agrawal a kol. (2011) uvádzajú, že emigrácia vysokokvalifikovaných jednotlivcov oslabuje miestne znalostné siete (únik mozgov), ale môže pomôcť zostávajúcim inovátorom získať prístup k cenným znalostiam nahromadeným v zahraničí (banka mozgov).

Ďalším príkladom je, že čínski kupci minuli od apríla 2013 do marca 2014 viac ako 221 miliárd amerických dolárov na nehnuteľnosti len v USA. Pozri http://www.rfa.org/english/news/china/flood-02122015104709.html

Rastúci počet literatúry študuje vplyvy znečistenia ovzdušia na zdravie. Napríklad Chay a Greenstone (2003) a Currie a Walker (2011) odhadujú významné účinky znečistenia ovzdušia na detskú úmrtnosť, predčasné pôrody a nízku pôrodnú hmotnosť pomocou údajov z USA. Schlenker a Walker (2015) sa zameriavajú na kratší časový úsek dopadov a poukazujú na súčasné zdravotné dopady znečistenia ovzdušia pre rôzne kohorty populácie. Na základe údajov z Číny Chen a kol. (2013) zistili, že vyššie úrovne koncentrácie celkových suspendovaných častíc (TSP) v dôsledku politiky vykurovania v zime v severnej Číne sú zodpovedné za približne 5,5 roka nižšej priemernej dĺžky života. Zhang a kol. (2015) ukazujú, že znečistenie ovzdušia výrazne znižuje krátkodobé hedonické šťastie.

Predpokladáme, že emigračné pátranie ľudí, ktorí sa plánovali presťahovať, je menej pravdepodobné, že budú ovplyvnené dočasnými otrasmi, ako je znečistenie ovzdušia.

Aj keď v tejto práci nepoužívame GT pre našu empirickú analýzu, stojí za zmienku, že GT a Baidu Index majú veľmi vysokú koreláciu (0,84 a 0,78, v tomto poradí) pri vyhľadávaní univerzít a spoločností v Číne, ako navrhli Vaughan a Chen (2015). ). V tomto článku predpokladáme, že algoritmus indexu vyhľadávania je podobný medzi indexom Baidu a GT, pretože Baidu nezverejňuje svoju metodiku zostavovania indexu.

Zhromažďujeme aj údaje pre šesť znečisťujúcich látok, konkrétne PM2.5, SO2, NIE2, POPOLUDNIE10, CO a O3. V našej analýze však stále používame AQI ako hlavné meranie kvality ovzdušia, pretože vedecky zohľadňuje úrovne koncentrácie rôznych znečisťujúcich látok. Ešte dôležitejšie je, že v našich údajoch nájdeme, že PM2.5 predstavuje len asi 45 % znečisťujúcich dní ako hlavná znečisťujúca látka. Ostatné znečisťujúce látky, ako napríklad PM10, O3a NIE2, predstavuje asi 27, 19 a 3,5 % dní znečisťovania ako hlavné znečisťujúce látky. Koncentrácie špecifické pre znečisťujúce látky preto nemusia byť dostatočne reprezentatívne ako meranie celkovej kvality ovzdušia. Nový štandard kvality okolitého ovzdušia (GB3095-2012) nájdete na stránke http://www.cnemc.cn/publish/106/news/news_25941.html.

Pozrite si tabuľku 2 v technickom predpise o indexe kvality okolitého ovzdušia, ktorý je k dispozícii na adrese http://210.72.1.216:8080/gzaqi/Document/aqijsgd.pdf.

V našej analýze sme zistili, že výsledky z OLS regresií a Poissonových regresií poukazujú na podobné závery.

Aby sme sa vyhli dokonalému problému multikolinearity v regresii, vynecháme prvú kategóriu A Q ja 1 v rov. 2.

Pozrite si tabuľku 2 v technickom predpise o indexe kvality okolitého ovzdušia, ktorý je k dispozícii na adrese http://210.72.1.216:8080/gzaqi/Document/aqijsgd.pdf.

Vplyv AQI na rozhodnutie ľudí o emigrácii môže byť buď fyziologický alebo behaviorálny, alebo oboje. Pokúšame sa rozlúštiť tieto dva mechanizmy vykonaním regresií v štýle regresnej diskontinuity na hraniciach rôznych úrovní AQI, aby sme zistili, či sa intenzita vyhľadávania výrazne mení priamo nad a pod hraničnými bodmi. Zistili sme, že odhadovaný koeficient je citlivý na ekonometrické nastavenie dizajnu regresnej diskontinuity, a preto nenachádzame spoľahlivé dôkazy o potenciálnych behaviorálnych účinkoch na hraniciach. Výsledky sú k dispozícii na požiadanie.

Nemôžeme zoskupiť štandardné chyby na úrovni mesta ako v predchádzajúcich regresiách, pretože existuje iba päť miest s PM2.5 meranie z Veľvyslanectva a konzulátov USA. Preto pre tieto regresie prijímame robustné štandardné chyby.

Pozrite si tabuľku 1 v technickom predpise o indexe kvality okolitého ovzdušia, ktorý je k dispozícii na adrese http://210.72.1.216:8080/gzaqi/Document/aqijsgd.pdf.

Robustnosť našich výsledkov kontrolujeme pomocou koncentrácie každej znečisťujúcej látky vrátane PM2.5, POPOLUDNIE10, SO2, NIE2, CO a O3. Výsledky sú uvedené v prílohe Tabuľka 13. Zistili sme, že výsledky sú vo veľkej miere v súlade s našimi hlavnými výsledkami, pokiaľ ide o významnosť aj veľkosť. Treba poznamenať, že koeficient CO je oveľa väčší ako u ostatných znečisťujúcich látok, pretože stredná hodnota koncentrácie CO je oveľa nižšia ako u ostatných znečisťujúcich látok, ako je uvedené v tabuľke 1.

Ku koncu roka 2013 je kumulovaný počet emigrantov približne 9,34 milióna z celkového počtu približne 1,4 miliardy obyvateľov.


Výsledky

Tabuľka 1 uvádza charakteristiky pacientov zaradených do tejto štúdie. Väčšina účastníkov mala sekundárne (39,5 % n = 77) a vyššie (36,9 % n = 72) vzdelanie a boli nefajčiari (71 % n = 138) (overenie bolo založené na hladine kotinínu v slinách). Priemerný vek mužov, ktorí sa zúčastnili tejto štúdie, bol 32 rokov (tabuľka 1).

Stôl 1.

Charakteristika študovanej populácie.

vlastnosti, N = 195
vzdelanie, n (%)
Odborné46 (23.6)
Sekundárne77 (39.5)
Vyššie72 (36.9)
Fajčenie určené hladinou kotinínu, n (%)
Nie138 (70.8)
Áno54 (27.7)
Chýbajúce údaje3 (1.5)
Užívanie alkoholu, n (%)
Žiadne alebo ρ nápoj/týždeň88 (45.13)
1𠄳 nápojov/týždeň100 (51.28)
Každý deň7 (3.59)
Prekonané choroby, ktoré môžu mať vplyv na kvalitu spermy, n (%)
Nie168 (86.2)
Áno27 (13.8)
Trvanie neplodnosti páru [roky], n (%)
1𠄲74 (37.9)
2𠄳61 (31.3)
3𠄵31 (15.9)
ϥ29 (14.9)
Abstinencia [dni], n (%)
σ24 (12.3)
3𠄷139 (71.3)
ϧ32 (16.4)
znamenať (SD)5.2 ± 2.5
medián (min–max)5,0 (0,0�,0)
Vek (roky)195 (100.0)
znamenať (SD)32.2 (4.7)
medián (min–max)31,9 (22,7�,8)

Poznámka. N = počet účastníkov SD = štandardná odchýlka, min = minimum max = maximálny priemer = aritmetický priemer medián = hodnota oddeľujúca vyššiu polovicu populácie alebo rozdelenie od dolnej polovice.

Tabuľka 2 uvádza kvalitu spermy, pomer pohlaví a úroveň znečistenia ovzdušia medzi účastníkmi štúdie. Kvalita spermy medzi účastníkmi štúdie bola v normálnom rozsahu referenčnej hodnoty WHO pre analýzu spermy. Percento spermií s abnormálnou morfológiou bolo 51,78 %. Frakcia Y bola 51,5 % ± 1,85.

Tabuľka 2

Pomer pohlaví, hlavné parametre spermy a úroveň znečistenia ovzdušia.

Štatistické premenné
PremennéMediánMinMaxPriemerný SD N
zlomok Y (%)51.5044.8057.951.51.85195
Koncentrácia (106/ml)48.3015.00360.064.8155.73195
Pohyblivosť (%)55209957.8819.8195
Abnormálna morfológia (%)501597.0051.7820.1195
Ozón (µg/m3)41.0111.9687.5443.6019.33195
POPOLUDNIE10 (µg/m3)34.007.56115.6037.0730.60195
POPOLUDNIE2.5 (µg/m3)26.348.9889.4530.1520.16195
SO2 (µg/m3)40.1210.37160.4740.5316.22195
NIEX (µg/m3)29.542.80170.1036.7037.22195
CO (µg/m3)0.550.151.830.600.45195

Poznámka. NIEX = oxid dusičitý SO2 = oxid siričitý CO = oxid uhoľnatý PM10 = častice 㸐 mg/m 3 v aerodynamickom priemere PM2.5 = častice㰐 mg/m 3 v aerodynamickom priemere.

Priemerný PM2.5, POPOLUDNIE10, SO2, NIEXa koncentrácie CO počas sledovaných období boli 30,15 μg/m3 (rozsah: 8,98�,45 μg/m3), 37,07 μg/m3 (rozsah: 7,0251,16x #x003bcg/m3), 40,53 μg/m3 (rozsah: 10,37�,47 μg/m3), 36,70 μg/m3 (rozsah: 10,37�,47 μg/m3), 36,70 μg/m3 (rozsah: 1x2,0,01bc 1x2,0,0 /m3) a 0,60 μg/m3 (rozsah: 0,15𠄱,83 μg/m3). Priemer O3 koncentrácia bola 43,60 μg/m3 (rozsah: 11,96�,54 μg/m3). Jednotlivé hodnoty navyše občas prekračovali normy kvality ovzdušia. Štatisticky významné negatívne asociácie boli pozorované medzi expozíciou PM10 a CO a podiel spermií nesúcich chromozóm Y/X (p = 0,039 a p = 0,045) (Tabuľka 3). A p-hodnota 0,05 bola definovaná ako hladina štatistickej významnosti.

Tabuľka 3.

Asociácia medzi látkami znečisťujúcimi ovzdušie a podielom spermií nesúcich chromozóm Y/X.

Vybrané chemikálieCoef.95 % CIp-Hodnota
Ozón surový0.189[𢄠,164, 0,542].296
Upravený ozón0.176[𢄠,240, 0,592].408
POPOLUDNIE10 hrubý𢄠.394[𢄠.766, 𢄠.022] .039
POPOLUDNIE10 upravená𢄠.552[𢄠.961, 𢄠.142] .009
POPOLUDNIE2.5 hrubý𢄠.343[𢄠,769, 0,083].116
POPOLUDNIE2.5 upravená𢄠.559[𢄡.036, 𢄠.081] .023
SO2 hrubý0.029[𢄠,091, 0,149].635
SO2 upravená𢄠.016[𢄠,149, 0,117].812
NIEX hrubý𢄠.211[𢄠,502, 0,081].158
NIEX upravená𢄠.159[𢄠,482, 0,164].335
CO surový𢄢.571[𢄥.070, 𢄠.071] .045
CO upravené𢄢.759[𢄥,621, 0,103].061

Poznámka. NIEX = oxid dusičitý SO2 = oxid siričitý CO = oxid uhoľnatý PM10 = častice 㸐 mg/m 3 v aerodynamickom priemere PM2.5 = častice 㰐 mg/m 3 v aerodynamickom priemere Koef. = β koeficient CI = interval spoľahlivosti.

Upravené pre: fajčenie, abstinencia, prekonané choroby, vek, konzumácia alkoholu.

Po úprave na fajčenie, abstinenciu, prekonané choroby, vek a konzumáciu alkoholu sa pozorovalo významné zníženie podielu spermií nesúcich chromozóm Y/X a expozície PM10 (p = 0,009) a PM2.5 (p = 0,023) (Tabuľka 3).


Abstraktné

Pozadie:

Znečistenie ovzdušia súvisí so štrukturálnymi zmenami mozgu, ale vzťah s mikroštruktúrou bielej hmoty je nejasný.

Ciele:

Posúdili sme, či vystavenie tehotenstva a detstva znečisteniu ovzdušia súvisí s mikroštruktúrou bielej hmoty u preadolescentov.

Metódy:

Použili sme údaje o 2 954 deťoch zo štúdie Generation R, populačnej kohorty narodení z Rotterdamu v Holandsku (2002–2006). Koncentrácie 17 látok znečisťujúcich ovzdušie vrátane oxidov dusíka (NO X), tuhých častíc (PM) a zložiek PM sa odhadli v domácnostiach účastníkov počas tehotenstva a detstva pomocou regresných modelov využívania pôdy. Snímky difúzneho tenzora sa získali vo veku 9 až 12 rokov dieťaťa a vypočítala sa frakčná anizotropia (FA) a stredná difuzivita (MD). Vykonali sme lineárne regresie upravujúce socioekonomické charakteristiky a charakteristiky životného štýlu. Po analýze jednotlivých znečisťujúcich látok nasledovali analýzy viacerých znečisťujúcich látok pomocou algoritmu Delécia/Substitúcia/Pridanie (DSA).

Výsledky:

V analýzach jednotlivých znečisťujúcich látok boli vyššie koncentrácie niekoľkých látok znečisťujúcich ovzdušie počas tehotenstva alebo detstva spojené s významne nižším FA alebo vyšším MD (p < 0,05). V multipolutantových modeloch tehotenských expozícií vybraných pomocou DSA bola vyššia koncentrácia jemných častíc spojená s výrazne nižším FA [ − 0,71 (95 % CI: − 1,26 , − 0,16 ) na 5 μg/m 3 jemných častíc] a vyššou koncentráciou elementárnych kremíka s výrazne vyššou MD [0,06 (95 % CI: 0,01, 0,11) na 100 ng/m3 kremíka]. Modely vystavenia viacnásobným polutantom v detstve vybrané pomocou DSA ukázali významné asociácie NO X s FA [- 0,14 (95 % CI: - 0,23, - 0,04 ) na 20 - μg/m 3 zvýšenie NO X] a elementárneho zinku a oxidačného potenciál PM s MD [0,03 (95 % CI: 0,01, 0,04) na 10 ng/m 3 zvýšenie zinku a 0,07 (95 % CI: 0,00, 0,44) na 1 -nmol DTT / min / m 3 zvýšenie oxidačného potenciálu] . Vzájomne upravené modely významných expozícií počas tehotenstva a detstva ukázali významné asociácie kremíka počas tehotenstva a zinku počas detstva s MD.

Diskusia:

Expozícia v tehotenstve a v detstve látkam znečisťujúcim ovzdušie z výfukových a iných výfukových emisií bola spojená s nižším FA a vyšším MD v bielej hmote preadolescentov. https://doi.org/10.1289/EHP4709

Úvod

Dôkazy o škodlivých účinkoch znečistenia ovzdušia na ľudské zdravie pribúdajú (Beelen et al. 2014 Chen et al. 2017 Kaufman et al. 2016 Pedersen et al. 2013 Raaschou-Nielsen et al. 2013). Štúdie na zvieratách zamerané na súvislosť medzi vystavením sa znečisteniu ovzdušia a zdravím mozgu vedú k rastúcej dokumentácii o vzťahu s neurozápalmi a oxidačným stresom (Block et al. 2012). Vzhľadom na relatívne nezrelé detoxikačné mechanizmy plodov a dojčiat, ako aj mnohé vývojové procesy prebiehajúce počas tehotenstva a detstva, priame a nepriame vystavenie sa znečisteniu ovzdušia počas týchto vývojových období môže viesť k zmenám v mozgu aj pri relatívne nízkych úrovniach vystavenia (Block a kol. 2012 Grandjean a Landrigan 2014).

Doteraz väčšina epidemiologických štúdií využívala neuropsychologické nástroje na hodnotenie vzťahu medzi vystavením sa znečisteniu ovzdušia a neurovývojom dieťaťa, čo demonštrovalo vzťah medzi vyššou expozíciou a nižším kognitívnym výkonom, zhoršenou motorickou funkciou a väčším počtom problémov so správaním (Suades-González et al. 2015). . Tieto štúdie však poskytujú obmedzené pochopenie potenciálnych štrukturálnych a funkčných zmien mozgu, ktoré sú základom týchto asociácií.Použitie zobrazovania magnetickou rezonanciou (MRI) umožňuje identifikovať takéto zmeny a obmedzený počet existujúcich štúdií využívajúcich MRI našiel dôkazy o súvislostiach medzi vystavením sa znečisteniu ovzdušia počas tehotenstva alebo detstva a abnormalitami bielej a šedej hmoty, čo vo všeobecnosti naznačuje pokles hmoty bielej a šedej hmoty pri vyššej expozícii znečisteniu ovzdušia (Calderón-Garcidueñas et al. 2008, 2011 Guxens et al. 2018 Mortamais et al. 2017 Peterson et al. 2015 Pujol et al. 2016a, 2016b). Pokiaľ je nám známe, použitie difúzneho tenzorového zobrazovania na kvantifikáciu mikroštruktúry bielej hmoty vo vzťahu k vystaveniu znečisteniu ovzdušia bolo obmedzené na jedinú štúdiu, ktorá ukázala, že vzduchom prenášaná elementárna meď bola spojená s rozdielmi v mikroštruktúre bielej hmoty susediacej s jadrom caudate (Pujol et kol. 2016b). Na rozdiel od anatomického zobrazovania, ktoré sa používa na meranie štruktúry bielej a šedej hmoty mozgu, zobrazovanie pomocou tenzora difúzie meria veľkosť a smer difúzie vody v bielej hmote. Tieto mikroštrukturálne vlastnosti merané pomocou difúzneho tenzorového zobrazovania umožňujú detekciu jemných zmien v bielej hmote, ktoré nemusia byť pozorovateľné konvenčným anatomickým zobrazovaním a ktoré môžu odhaliť charakteristiky typické pre zdravý vývoj mozgu (Schmithorst a Yuan 2010), ako aj charakteristiky, ktoré by mohli naznačovať rôzne psychiatrické poruchy (White et al. 2008). Difúzny profil bielej hmoty možno vyjadriť pomocou dvoch bežných skalárnych hodnôt: frakčnej anizotropie (FA), ktorá označuje celkovú smerovosť difúzie vody, a strednej difúzie (MD), ktorá popisuje veľkosť difúzie vody v mozgovom tkanive. . Jedným z najdôležitejších procesov pre optimálny vývoj mozgu je myelinizácia, ktorá je nevyhnutná pre efektívne fungovanie mozgu prostredníctvom rýchlej a zdravej nervovej komunikácie (van Tilborg et al. 2018). Myelinizácia začína v priemere 28 týždňov po počatí a pokračuje počas dospievania a je zodpovedná za zvýšenie relatívneho objemu bielej hmoty a za zmeny difúzie vody v traktoch bielej hmoty (van Tilborg et al. 2018), ktoré možno skúmať pomocou difúzneho tenzorového zobrazovania . Okrem toho snímky difúzneho tenzora odhaľujú informácie o hustote zhluku axonálnych vlákien v mozgu, čo je ďalšie opatrenie, ktoré svedčí o integrite bielej hmoty (Dimond et al. 2019).

Existujúce štúdie o vzťahu medzi vystavením znečisteniu ovzdušia a neurovývojom hodnoteným pomocou MRI analyzovali relatívne úzky počet látok znečisťujúcich ovzdušie, čím sa obmedzila možnosť rozlíšiť, ktoré znečisťujúce látky sú najškodlivejšie. To sa stáva relevantným, keď rôzne znečisťujúce látky odrážajú rôzne zdroje vystavenia, ako sú výfukové emisie, brzdové obloženie alebo značky opotrebovania pneumatík. Okrem toho, pokiaľ je nám známe, existujúce štúdie sa zamerali na expozíciu počas tehotenstva alebo detstva, ale nie v oboch prípadoch. Vzhľadom na to, že myelinizácia je proces, ktorý sa vyskytuje v oboch týchto vývojových obdobiach (van Tilborg et al. 2018), je kľúčové pochopiť, či načasovanie vystavenia znečisteniu ovzdušia má zreteľný a negatívny vplyv na neurovývoj. Okrem toho, pokiaľ ide o hodnotenie expozície počas detstva, existujúce štúdie, ktoré analyzovali vzťah medzi expozíciou v detstve a neurovývojom hodnoteným pomocou MRI, sa zamerali buď na expozície merané pomocou močových metabolitov, alebo expozície merané v školách, ktoré pravdepodobne odrážajú rôzne zdroje znečistenia a/alebo rôzne expozičné podmienky. . Preto sme sa zamerali na analýzu asociácií medzi tehotenstvom a detskou rezidenčnou expozíciou širokému spektru látok znečisťujúcich ovzdušie s mikroštruktúrou bielej hmoty u preadolescentov. Naša hypotéza bola, že vyššie vystavenie sa znečisteniu ovzdušia je spojené s nižším FA a vyšším MD bielej hmoty, vo všeobecnosti spojené s narušeným neurovývojom.

Metódy

Populačný a študijný dizajn

Táto štúdia je súčasťou štúdie Generation R Study, štúdie o populačnej kohorte narodených detí od tehotenstva ďalej, so sídlom v mestskej oblasti Rotterdamu v Holandsku (Kooijman et al. 2016). Celkovo bolo zaradených 8 879 žien počas tehotenstva a ďalších 899 žien bolo prijatých krátko po pôrode. Deti sa narodili medzi aprílom 2002 a januárom 2006 a do našej štúdie sme zahrnuli iba jednoplodové tehotenstvá, výsledkom čoho bolo 9 610 detí. Keď boli deti vo veku od 9 do 12 rokov, tí, ktorí sa ešte zúčastnili štúdie, boli pozvaní, aby sa zúčastnili na MRI zasadnutí (n = 8 548) (White et al. 2018). Celkovo výzve vyhovelo a písomne ​​súhlasilo 3 992 matiek a ich detí (White et al. 2018). Z tohto celkového počtu malo 2 954 detí kvalitné zobrazovacie snímky a údaje o znečistení ovzdušia a boli zahrnuté do tejto analýzy. Lekárska etická komisia Erasmus Medical Center v Rotterdame v Holandsku udelila štúdiu etický súhlas.

Vystavenie znečisteniu ovzdušia

Koncentrácie znečistenia ovzdušia boli odhadnuté pre všetky hlásené adresy bydliska každej účastníčky počas tehotenstva a detstva podľa štandardizovaného postupu (Guxens a kol. 2018 de Hoogh a kol. 2013 Jedynska a kol. 2014 Montagne a kol. 2015 Yang a kol. 2015) . Stručne povedané, v rámci projektov European Study of Cohorts for Air Pollution Effects (ESCAPE) a Transport súvisiaceho znečistenia ovzdušia a vplyvov na zdravie – Integrované metodiky hodnotenia tuhých častíc (TRANSPHORM) sa uskutočnili tri 2-týždňové merania oxidu dusičitého (NO 2 ) a dusíka oxidov ( NO X ) boli vykonané v teplom, chladnom a strednom období medzi februárom 2009 a februárom 2010 na 80 miestach rozmiestnených po Holandsku a Belgicku (Montagne et al. 2015). Okrem toho na 40 z týchto miest časticové látky (PM) s aerodynamickým priemerom < 10 μm ( PM 10 ), medzi 10 μm a 2,5 μm ( hrubé PM ), < 2,5 μm ( PM 2,5 ), absorbancia PM frakcia 2,5 (absorbancia PM 2,5) a zloženie PM 2,5 pozostávajúce z polycyklických aromatických uhľovodíkov (PAH), benzo[a]pyrénu (B[a]P), organického uhlíka (OC), medi (Cu), železa (Fe) Uskutočnili sa merania draslíka (K), kremíka (Si), zinku (Zn) a oxidačného potenciálu PM 2,5 (OP) (de Hoogh et al. 2013 Jedynska et al. 2014 Yang et al. 2015). OP bol hodnotený pomocou dvoch acelulárnych metód: ditiotreitolu (OP DTT) a elektrónovej spinovej rezonancie (OP ESR) (Yang et al. 2015). Ďalšia kampaň v rámci projektu MUSiC (Measurements of Ultrafine parts and Saot in Cities) na meranie PM s aerodynamickým priemerom < 0,1 μm [ultrafine parts (UFP)] sa uskutočnila v roku 2013 na 80 miestach v Rotterdame (Montagne et al. 2015). Počet koncentrácií UFP sa meral v reálnom čase počas 30 minút na každom mieste v troch rôznych sezónach. Pre každú znečisťujúcu látku sa výsledky meraní spriemerovali, pričom sa upravili o časové trendy pomocou údajov zo súvislého referenčného miesta, výsledkom čoho bola jedna ročná priemerná koncentrácia pre každú znečisťujúcu látku.

Ku každému monitorovaciemu miestu sa potom priradilo množstvo potenciálnych prediktorov využívania pôdy, ako je blízkosť k najbližšej ceste, intenzita dopravy na najbližšej ceste a hustota obyvateľstva, a na určenie, ktorá kombinácia prediktorov vysvetľuje koncentrácie, sa použilo lineárne regresné modelovanie. najpresnejšie znečisťujúcich látok, čo vedie k modelom regresie využívania pôdy (LUR) (de Hoogh et al. 2013 Jedynska et al. 2014 Montagne et al. 2015 Yang et al. 2015). V tejto štúdii sme sa zamerali iba na znečisťujúce látky, ktorých modely LUR zahŕňali aspoň jeden prediktor dopravy. Ďalej boli tieto modely LUR aplikované na každú adresu, na ktorej účastníci žili počas obdobia záujmu, to znamená od počatia až po reláciu MRI. Ak vezmeme do úvahy čas strávený na každej adrese a zodpovedajúcim spôsobom zvážime koncentrácie znečistenia, potom sme získali jedinú strednú koncentráciu znečistenia ovzdušia každej znečisťujúcej látky pre každého účastníka za obdobie tehotenstva (tj od počatia do narodenia) a za obdobie detstva (tj. od narodenia až po vyšetrenie magnetickou rezonanciou). Z 899 účastníkov, ktorí boli prijatí krátko po narodení, bolo do tejto analýzy zahrnutých 310 a ich adresu pri narodení sme považovali za reprezentatívnu pre obdobie tehotenstva. Pretože pre väčšinu skúmaných znečisťujúcich látok neboli k dispozícii žiadne historické údaje na vykonanie spätnej a doprednej extrapolácie koncentrácií, aby zodpovedali presným obdobiam záujmu, predpokladali sme, že priestorový kontrast zostal v priebehu času konštantný, ako sa už predtým preukázalo v Holandsku. na obdobie do 8 rokov (1999–2007) (Eeftens et al. 2011) a vo Veľkej Británii na obdobie do 18 rokov (1991–2009) (Gulliver et al. 2013).

Zobrazovanie difúzneho tenzora

Získavanie obrazu.

Aby sa účastníci oboznámili s prostredím magnetickej rezonancie, a tým sa znížila možnosť zlyhania pri dokončení skenovania, každé dieťa absolvovalo polhodinové simulované skenovanie pred samotným MRI (White et al. 2018). Aby sa obmedzil pohyb hlavy, zúčastneným deťom bolo poskytnuté dôkladné vysvetlenie pred skenovaním, možnosť sledovať film alebo počúvať hudbu počas sedenia a umiestnením vankúšov okolo hlavy na fixáciu hlavy. hlavu pohodlným spôsobom. Skenovanie sa uskutočnilo na skeneri 3 Tesla General Electric (MR750W GE) s použitím 8-kanálovej hlavovej cievky len na príjem. Zobrazovacie údaje difúzneho tenzora sa získali pomocou axiálneho spinového echa s 35-smerovou echo planárnou zobrazovacou sekvenciou [čas opakovania (TR) = 12 500 ms, čas ozveny (TE) = 72 ms, zorné pole = 240 mm × 240 mm, akvizičná matica = 120 × 120, hrúbka rezu = 2 mm, počet rezov = 65, faktor zrýchlenia aktív = 2, b = 900 s/mm2].

Predspracovanie obrazu.

Predspracovanie obrazu bolo uskutočnené pomocou FMRIB Software Library (FSL), verzia 5.0.9 (Jenkinson et al. 2012). Najprv boli obrázky upravené tak, aby sa vylúčilo nemozgové tkanivo, a potom boli opravené na artefakty vyvolané vírivými prúdmi a na translácie alebo rotácie, ktoré potenciálne vznikli v dôsledku menšieho pohybu hlavy počas skenovania. Tabuľka B sa potom otočila na základe vypočítaných rotácií a aplikovaných na údaje o difúzii počas kroku korekcie vírivými prúdmi. Ďalej, s použitím prístupu RESTORE z Camino diffusion MRI toolkit (Cook et al. 2006), bol na každý voxel nasadený difúzny tenzor, po čom nasledoval výpočet FA a MD.

Pravdepodobná traktografia.

Na vytvorenie distribúcie konektivity pre niekoľko veľkých zväzkov vlákien sa použil automatizovaný FSL plugin AutoPtx (de Groot et al. 2015) na vykonanie pravdepodobnostnej traktografie vlákien bielej hmoty na skenoch každého účastníka. Tento balík obsahuje sadu preddefinovaných semien, cieľových a vylučovacích masiek pre množstvo veľkých traktov bielej hmoty. Po nelineárnej registrácii mapy FA každého účastníka do mapy FA FMRIB58 boli tieto preddefinované masky semien, cieľa a vylúčenia deformované späť do pôvodného priestoru každého účastníka. FSL Bayesovský odhad parametrov difúzie získaných pomocou vzorkovacích techník (BEDPOSTx) spolu s FSL ProbtrackX sa použili, berúc do úvahy dve orientácie vlákien, na vykonanie pravdepodobnostnej traktografie vlákien (Behrens et al. 2003, 2007). Množstvo úspešných pokusov typu seed-to-target z identifikovaných distribúcií konektivity sa použilo na normalizáciu distribúcie konektivity, po čom nasledovalo zavedenie prahu na elimináciu voxelov, ktoré boli nepravdepodobné, že by patrili do skutočnej distribúcie. Pri vážení voxelov na základe distribúcie konektivity, pričom voxely s vyššou pravdepodobnosťou, že budú súčasťou skutočnej distribúcie s vyššou váhou, sa hodnotili priemerné hodnoty FA a MD pre každý trakt bielej hmoty.

Zabezpečenie kvality DTI.

Na automatické hodnotenie variácií po častiach a vlastností artefaktov v každom objeme váženom difúziou sa použil nástroj DTIPrep ( https://www.nitrc.org/projects/dtiprep/). Ďalej boli študované mapy súčtu chýb štvorcov (SSE) z výpočtov difúzneho tenzora pre signály charakteristické pre artefakty. Každá mapa SSE bola klasifikovaná hodnotou od 0 do 3, pričom 0 značila žiadne artefakty, 1 indikovala mierne artefakty, 2 indikovala mierne artefakty a 3 označovala vážne artefakty. Ak bola automatizovaná kontrola kvality alebo kontrola mapy SSE slabá, čo naznačuje značnú prítomnosť artefaktov, tieto prípady boli z analýz vylúčené. Toto bolo označené vysokou intenzitou signálu so štruktúrovaným vzorom na mape SSE na jednom alebo viacerých rezoch, nezahŕňajúc napríklad komory alebo tkanivo mimo mozgu. Príklady zahŕňajú podstatné duchovné artefakty, celé plátky s vysokou intenzitou signálu (naznačujúce podstatný pohyb). Hodnotenia 1 alebo 2 (mierne a stredné artefakty) boli hodnotené, keď údaje neobsahovali viac ako tri plátky s mierne zvýšeným štruktúrovaným signálom (t. j. nie vysoký/silný, nie v komorových/nemozgových oblastiach) na mape SSE. Mapy SSE boli hodnotené nezávisle od automatických výsledkov DTIPrep (a naopak), a preto mohli byť údaje vylúčené z dôvodu zlyhania niektorej z vykonaných kontrol (tj niektoré súbory údajov boli vylúčené len pre problémy SSE, iba problémy DTIPrep, iba problémy s registráciou alebo nejaká kombinácia problémov). Nakoniec sa vykonalo preskúmanie presnosti s ohľadom na nelineárnu registráciu skenov do štandardného priestoru, aby sa zabezpečilo, že masky semien a cieľových masiek pre traktografiu sú správne zarovnané s natívnym priestorom. Nelineárna registrácia bola skontrolovaná vytvorením štvorrozmerného súboru nifti obsahujúceho všetky spoluregistrované mapy FA subjektov, takže subjektom bol štvrtý rozmer. Snímky boli vizuálne skontrolované jeden po druhom na veľké odchýlky od šablóny, buď v rotáciách, posunoch alebo nadmerných deformáciách v určitých oblastiach (viac ako ~ 2 voxely posunu od šablóny). Počas tohto kroku sa tiež skontrolovalo správne pokrytie celého mozgu a boli označené aj niektoré subjekty, ktorým chýbali podstatné časti mozgu (čo viedlo k nadmernému deformovaniu nelineárnej registrácie).

Konštrukcia globálnych metrík DTI.

Aby sme odhadli globálny odhad FA a MD, ktorý môže lepšie zachytiť asociácie, ktoré majú relatívne malé veľkosti účinku, ktoré sú priestorovo rozšírené v mozgu, vykonali sme potvrdzujúcu faktorovú analýzu skalárnych metrík z 12 bežne definovaných úsekov bielej hmoty: zväzok cingulum , kortikospinálny trakt, dolný pozdĺžny fascikulus, horný pozdĺžny fascikulus, fascikulus bez kýrie (jeden na hemisféru), kliešte minor a kliešte veľké (interhemisférické). Potvrdzujúca faktorová analýza v podstate generuje vážený priemer všetkých 12 úsekov na základe faktorových zaťažení. Pre FA a MD bola vykonaná samostatná (hoci identicky štruktúrovaná) faktorová analýza, aby sa vytvorilo faktorové skóre (globálna metrika FA a MD) (Muetzel et al. 2018). Globálne metriky sú skóre faktorov z konfirmačnej faktorovej analýzy (tj štandardizované skóre sústredené na 0 a v rozsahu približne od - 5 do 5 pre FA a - 0,5 až 0,5 pre MD), a preto nezodpovedajú štandardným hodnotám, ktoré sa zvyčajne vyskytujú pri DTI. (napr. FA v rozsahu od 0 do 1). Všetky hodnoty FA zo špecifických úsekov sú prezentované na správnej stupnici (napr. pre FA od 0 do 1). Pre hodnoty MD zo špecifických traktov sa použil škálovací faktor 109. FA označuje tendenciu preferenčnej difúzie vody v traktoch bielej hmoty, ktorá je nižšia v bielej hmote s určitými znakmi (napr. trakty bielej hmoty, v ktorých sú axóny zložené s menšou hustotou a smerovanie difúzie vody nie je rovnomerne nasmerované v porovnaní s s dobre organizovanými traktami). MD popisuje veľkosť priemernej difúzie vody vo všetkých smeroch v mozgovom tkanive, pričom vyššie hodnoty sa vo všeobecnosti vyskytujú v traktoch bielej hmoty, ktoré vykazujú menej dobre organizovanú štruktúru.

Potenciálne mätúce premenné

Potenciálne mätúce premenné zahrnuté v modeloch boli vybrané na základe vedeckej literatúry a dostupnosti údajov v rámci kohorty generácie R (Guxens et al. 2018). Úroveň materského a otcovského vzdelania (základné vzdelanie alebo nižšie/stredné vzdelanie/vyššie vzdelanie), mesačný príjem domácnosti (< 900 € / 900 € – 1 600 € / 1 600 € – 2 200 € / > 2 200 € ), krajina narodenia matky a otca ( Holandsko/iné západné/nezápadné krajiny), vek matky a otca pri zaradení do kohorty (nepretržité v rokoch), fajčenie matiek počas tehotenstva (nikdy/nefajčiť až do tehotenstva známe/pokračovať vo fajčení počas tehotenstva), konzumácia alkoholu matkou počas tehotenstva (nikdy/užívanie alkoholu až do tehotenstva známe/pokračovanie v pití alkoholu počas tehotenstva), rovnosť (nullipar/jedno dieťa/dve alebo viac detí), rodinný stav (manželstvo/žijúci spolu/žiadny partner) a psychické utrpenie matky a otca (nepretržité) pomocou dotazníka Brief Symptom Inventory (De Beurs 2004) boli zozbierané pomocou dotazníkov počas tehotenstva. Hmotnosť a výška matky a otca (priebežne v kilogramoch a centimetroch) sa merali alebo sami uviedli v prvom trimestri tehotenstva a index telesnej hmotnosti matky a otca (BMI) sa vypočítal na základe zozbieraných údajov o hmotnosti a výške. Výška matky a otca boli zahrnuté do modelov ako potenciálne mätúce premenné oddelene od BMI, pretože by mohli byť spojené s výslednými premennými nezávislými od BMI. Kvocient inteligencie matiek (kontinuálny) bol hodnotený vo veku 6 rokov pomocou Ravens Advanced Progressive Matrices Test, set I (Raven 1962). Pomocou multidimenzionálneho škálovania sa genetický pôvod dieťaťa odhadol na základe údajov o polymorfizme jedného nukleotidu v celom genóme z plnej krvi pri narodení a boli sem zahrnuté štyri hlavné zložky pôvodu (kontinuálne), aby sa lepšie korigovala stratifikácia populácie (Neumann et al. 2017 Price a kol., 2006). Pohlavie dieťaťa (chlapec/dievča) bolo získané z nemocničných záznamov pri narodení a vek dieťaťa (nepretržitý v rokoch) bol zhromaždený pri skenovaní.

Štatistické analýzy

Najprv sme použili viacnásobnú imputáciu chýbajúcich hodnôt pomocou reťazených rovníc, aby sme pripočítali chýbajúce potenciálne mätúce premenné medzi všetkých účastníkov s dostupnými údajmi o expozícii a výsledku. Získali sme 25 kompletných súborov údajov, ktoré sme analyzovali pomocou štandardných postupov pre viacnásobnú imputáciu (pozri tabuľku S1). Deti zahrnuté do analýzy (n = 2 954) mali väčšiu pravdepodobnosť, že budú mať rodičov z vyššej socioekonomickej pozície v porovnaní s deťmi, ktoré neboli zahrnuté (n = 6 656) (tabuľka 1).Na korekciu skreslenia výberu, ktoré potenciálne vzniká, keď je zahrnutá populácia len s dostupnými údajmi o expozícii a výsledku v porovnaní s úplnou počiatočnou kohortou prijatou počas tehotenstva, sme použili inverzné váženie pravdepodobnosti (Weisskopf a kol. 2015 Weuve a kol. 2012). Stručne povedané, najprv sme imputovali chýbajúce kovariáty pre všetky oprávnené subjekty (n = 9 610) a potom sme použili všetky dostupné informácie na predpovedanie pravdepodobnosti účasti v tejto štúdii a použili sme inverznú hodnotu týchto pravdepodobností ako váhy v analýzach, ktoré sa potom aplikovali na imputované súbory údajov získané v predchádzajúcom kroku, takže výsledky by boli reprezentatívne pre počiatočné populácie kohort. Premenné použité na vytvorenie váh, ako aj rozloženie získaných váh nájdete na obrázku S2.

stôl 1 Charakteristiky účastníkov a porovnanie medzi zahrnutými a nezaradenými subjektmi v štúdii medzi 9 610 oprávnenými subjektmi.

Charakteristika účastníkaDistribúcia
Zahrnuté ( n = 2 954 )Nie je zahrnuté ( n = 6 656 )p-Hodnota
Úroveň materského vzdelania < 0,001
Základné vzdelanie alebo nižšie176 (6.5%)775 (13.6%)
Stredoskolske vzdelanie1,092 (40.1%)2,784 (48.8%)
Vyššie vzdelanie1,453 (53.4%)2,148 (37.6%)
Chýba233949
Úroveň otcovského vzdelania < 0,001
Základné vzdelanie alebo nižšie92 (4.9%)335 (10.2%)
Stredoskolske vzdelanie700 (37.6%)1,420 (43.1%)
Vyššie vzdelanie1,069 (57.4%)1,542 (46.8%)
Chýba1,0933,359
Mesačný príjem domácnosti pri príjme < 0,001
< 900 € 172 (7.5%)658 (15.2%)
900 € – 1,600 € 319 (13.8%)891 (20.6%)
1,600 € – 2,200 € 329 (14.3%)663 (15.3%)
> 2 200 € 1,486 (64.4%)2,110 (48.8%)
Chýba6482,334
Krajina narodenia matky < 0,001
Holandsko1,702 (58.7%)2,766 (45.8%)
Iný západ252 (8.7%)516 (8.5%)
Nezápadné944 (32.6%)2,761 (45.7%)
Chýba56613
Otcovská krajina narodenia < 0,001
Holandsko1,419 (69.5%)2,207 (57.2%)
Iný západ120 (5.9%)283 (7.3%)
Nezápadné502 (24.6%)1,368 (35.5%)
Chýba9132,798
Rodinný stav pri príjme < 0,001
Ženatý1,394 (51.5%)2,808 (49.1%)
Spolužitie1,023 (37.8%)1,989 (34.7%)
Žiadny partner292 (10.8%)928 (16.2%)
Chýba245931
Materská parita (nulová vs. viacrodička)1,630 (57.2%)3,473 (54.3%) < 0,001
Chýba103259
Fajčenie matky počas tehotenstva < 0,001
Nikdy2,004 (78.2%)3,956 (71.3%)
Fajčenie až do tehotenstva známe222 (8.7%)470 (8.5%)
Pokračovanie vo fajčení počas tehotenstva338 (13.2%)1,123 (20.2%)
Chýba3901,107
Užívanie alkoholu matkou počas tehotenstva < 0,001
Nikdy973 (41.7%)2,773 (53.4%)
Užívanie alkoholu až do známeho tehotenstva335 (14.4%)691 (13.3%)
Pokračujúce užívanie alkoholu počas tehotenstva1,023 (43.9%)1,728 (33.3%)
Chýba6231,464
Vek matky pri príjme (y)31.2 (4.8)29.3 (5.5) < 0,001
Chýba02
Vek otca pri prijatí (y)33.5 (5.3)32.3 (5.9) < 0,001
Chýba8772,477
BMI matky pred tehotenstvom (kg/m 2 )23.4 (4.0)23.8 (4.5)0.003
Chýba7731,815
BMI otca (kg/m 2 )25.2 (3.3)25.4 (3.6)0.141
Chýba8842,485
Výška matky (cm)168.1 (7.4)166.7 (7.4) < 0,001
Chýba316591
Výška otca (cm)182.6 (7.7)181.1 (8.0) < 0,001
Chýba8802,475
Psychický stres matky počas tehotenstva0.3 (0.3)0.3 (0.4) < 0,001
Chýba7172,333
Psychický stres otca počas tehotenstva0.1 (0.2)0.2 (0.3) < 0,001
Chýba1,1693,539
Materské skóre IQ97.9 (14.7)94.0 (15.7) < 0,001
Chýba2663,077
Pohlavie dieťaťa (chlapec vs. dievča)1,472 (49.8%)3,339 (50.2)0.298
Chýba0107
Genetický pôvod dieťaťa a
Hlavná zložka 17.4 (40.5) − 4.0 (48.1) < 0,001
Hlavná zložka 21.3 (20.9) − 0.7 (23.8)0.002
Hlavná zložka 3 − 2.6 (13.4)1.4 (17.1) < 0,001
Hlavná zložka 4 − 0.4 (10.4)0.2 (12.6)0.045
Chýba1,0732,851
Vek dieťaťa v relácii skenovania (y)10.1 (0.6)10.1 (0.6) < 0,001
Chýba05,722

Poznámka: Hodnoty sú počty (percentá) pre kategorické premenné a priemer (štandardná odchýlka) pre spojité premenné. χ 2 test bol použitý pre kategorické premenné a Student's t-test na spojité premenné. BMI, index telesnej hmotnosti IQ, inteligenčný kvocient.

a Hodnoty sa vynásobia 1 000.

Po vizuálnej kontrole distribúcií sme použili lineárne regresné modely na analýzu vzťahov medzi koncentráciami látok znečisťujúcich ovzdušie najskôr počas tehotenstva a potom počas detstva, s metrikami mikroštruktúry bielej hmoty. Najprv sme vykonali analýzy jednej znečisťujúcej látky, pričom každá znečisťujúca látka bola študovaná samostatne. Ďalej sme vykonali analýzy viacerých znečisťujúcich látok pomocou algoritmu Deletion/Substitution/Addition (DSA), ktorý ukázal relatívne dobrý výkon vzhľadom na kompromis medzi citlivosťou a podielom falošných objavov v porovnaní s inými podobnými metódami (Agier et al. 2016). Stručne povedané, algoritmus DSA je iteratívna metóda výberu, ktorá vyberá premenné, ktoré najlepšie predpovedajú výsledok krížovou validáciou, pričom berie do úvahy korelačnú maticu premenných a súčasne koriguje na viacnásobné testovanie. Tento algoritmus umožňuje tri kroky pri každej vykonanej iterácii, a to: a) vymazanie: odstránenie premennej b) substitúcia: nahradenie jednej premennej inou a c) pridanie: vloženie premennej do čakajúceho modelu. Skúmanie optimálneho modelu, s optimálnym modelom reprezentujúcim kombináciu premenných s najmenšou hodnotou odmocniny odchýlky, začína modelom priesečníka a pokračuje procesom vymazania, nahradenia a pridania na identifikáciu optimálnej kombinácie premenných. . Aby sme zaistili úpravu pre všetky potenciálne mätúce premenné v každom modeli, stanovili sme potenciálne mätúce faktory, čím sme umožnili, aby sa výberového procesu zúčastnili iba vystavení znečisteniu ovzdušia. Keď dve alebo viaceré znečisťujúce látky vykazovali koreláciu 0,90 alebo viac, zahrnuli sme iba znečisťujúcu látku, o ktorej model LUR ukázal, že má lepšiu výkonnosť na základe R2 modelu (pozri tabuľku S2). Pretože algoritmus DSA je založený na procese krížovej validácie, ktorý podlieha náhodným variáciám, spustili sme každý model 200-krát, pričom konečný model sme vybrali na základe frekvencie výskytu (najmenej 10 %). Vykonali sme dve samostatné analýzy pomocou algoritmu DSA: jedna zahŕňala iba vystavenie znečisteniu ovzdušia v tehotenstve a druhá zahŕňala iba vystavenie znečisteniu ovzdušia u detí. Okrem toho sme pre každý globálny výsledok vykonali lineárny regresný model, ktorý zahŕňal všetky expozície v tehotenstve a detstve, ktoré boli významnými prediktormi výsledku v modeli s jednou znečisťujúcou látkou a významnými prediktormi výsledku v modeli tehotenských expozícií s viacerými znečisťujúcimi látkami vybranom DSA. alebo expozície v detstve. Okrem toho znečisťujúce látky, ktoré boli nominálne významné v modeloch s viacerými znečisťujúcimi látkami globálnej FA alebo MD, ako aj nominálne významné v modeloch s jednou znečisťujúcou látkou, boli analyzované v samostatných modeloch FA a MD s jednou znečisťujúcou látkou v 12 jednotlivých úsekoch bielej hmoty ( Postava 1). Nakoniec, ak viac ako jedna znečisťujúca látka zostala významná pre FA alebo MD v rovnakom trakte po aplikácii korekcie miery falošných objavov (FDR) (Benjamini a Hochberg 1995), vykonali sme multipolutantové modely pre FA alebo MD v trakte.

Postava 1. Skupinové priemerné reprezentácie traktov v štandardnom súradnicovom priestore. Poznámka: A, predná I, dolná L, ľavá P, zadná R, pravá S, horná.

Pretože sme považovali adresu pri narodení za reprezentatívnu pre obdobie tehotenstva pre tie účastníčky, ktoré boli prijaté krátko po narodení, a pretože ich matky mali mierne vyšší priemerný vek <33,2 r [ štandardná odchýlka ( SD ) = 4,8 ] oproti 30,9 r ( SD = 4,8 )> az vyššieho socioekonomického postavenia v porovnaní s matkami zamestnanými počas tehotenstva (napr. vzdelanie najvyššej kategórie 57 % vs. 53 % príjem domácnosti najvyššej kategórie: 76 % vs. 64 %) sme zopakovali analýzy tehotenstva s vylúčením deti od matiek prijatých krátko po narodení, aby sa otestovala citlivosť výsledkov. Analyzované znečisťujúce látky boli rovnaké ako tie, ktoré boli vybrané pomocou algoritmu DSA v analýzach, ktoré zahŕňali celú študovanú populáciu.

Nakoniec, aby sme kvantifikovali chybu merania pri hodnotení znečistenia ovzdušia (predpovede modelu LUR) a preniesli výslednú neistotu na asociácie expozície a výsledku, použili sme bootstrap metódu (Szpiro et al. 2011). Stručne povedané, táto metóda opakovane vykonáva nasledujúce kroky: a) simuluje novú premennú zdravotného výsledku a expozíciu v miestach monitorovania na základe prispôsobených modelov a zvyškových chýb b) vytvára nový model LUR, ktorý predpovedá simulovanú expozíciu c) používa nový model LUR na predpovedanie expozície pre celú kohortu a d) odhaduje súvislosť medzi expozíciou a výsledkom s novovytvorenou premennou zdravotného výsledku a predpovedanou expozíciou. Rozptyl v odhadoch vyplývajúci z rôznych iterácií sa použil ako rozptyl korigovaný na chybu merania. Tento rozptyl alebo ekvivalentne intervaly spoľahlivosti (CI) sa porovnali s rozptylom získaným, keď sa nebrala do úvahy chyba merania. Vzhľadom na to, že sa očakáva, že chyba merania bude väčšinou Berksonovho typu, nepredpojatosť v odhadoch koeficientu expozície – výsledku sa neočakávala, a preto nebola opravená (Szpiro et al. 2011).

Všetky modely sa vykonali so všetkými imputovanými súbormi údajov (okrem procesu výberu DSA a výpočtov chýb merania, ktoré sa vykonali s 25. súborom imputovaných údajov), boli opravené na potenciálne skreslenie výberu pomocou inverzného váženia pravdepodobnosti a boli upravené pre potenciálne mätúce premenné opísané v časti vyššie. Uvádzame koeficienty beta a ich 95 % CI na 20 μg / m 3 pre NO X 10 μ g / m 3 pre NO 2 10 μg / m 3 pre PM 10 5 μg / m 3 pre PM hrubé 5 μ g / m 3 pre PM 2,5 10 − 5 / m pre PM 2,5 absorbancia 1 ng / m 3 pre PAH 0,1 ng / m 3 pre B[a]P 1 μg / m 3 pre OC 5 ng / m 3 pre Cu v PM 2,5 100 ng / m 3 pre Fe v PM 2,5 50 ng / m 3 pre K v PM 2,5 100 ng / m 3 pre Si v PM 2,5 10 ng / m 3 pre Zn v PM 2,5 1 nmol DTT / min / m 3 pre OP DTT 1 000 ľubovoľných jednotiek / m 3 pre OP ŽP a 10 000 častíc / cm 3 pre UFP, na základe distribúcie každej expozičnej premennej. Štatistické testy hypotéz boli obojstranné s významnosťou nastavenou na p < 0,05. Štatistické analýzy boli uskutočnené pomocou STATA (verzia 14.0 StataCorporation) a R (verzia 3.4.2 R Development Core Team).

Výsledky

Charakteristiky účastníkov sú uvedené v tabuľke 1. Percento chýbajúcich hodnôt bolo nižšie ako 30 % s výnimkou krajiny narodenia otca, úrovne vzdelania otca, psychickej tiesne otca a genetického pôvodu dieťaťa, ktoré mali 31 %, 37 %, 40 % a 36 % chýbajúcich hodnôt resp. Na základe pozorovaní so známymi hodnotami mali matky zahrnutých účastníkov ( n = 2 954 ) vyššiu pravdepodobnosť, že budú mať vyššie vzdelanie, vyšší príjem domácnosti, budú Holanďanky a budú mať partnera v porovnaní s matkami účastníkov, ktorí neboli zahrnutí ( n = 6,656). Priemerné koncentrácie vystavenia znečisteniu ovzdušia počas tehotenstva boli 35,1 μg/m 3 pre NO 2 a 16,5 μg / m 3 pre PM 2,5 a počas detstva 32,8 μg / m 3 pre NO 2 a 16,4 μg / m 3 pre PM. 2.5 (tabuľka 2). Korelácie medzi expozíciami v dvoch sledovaných obdobiach boli vo všeobecnosti mierne a pohybovali sa medzi 0,40 pre NO 2 a 0,63 pre OC (tabuľka 2). Matky s vyšším stupňom vzdelania a vyšším mesačným príjmom domácnosti, ktoré boli nulliparé, boli počas tehotenstva vystavené vyšším priemerným koncentráciám NO 2 . Tieto asociácie však neboli konzistentné medzi rôznymi znečisťujúcimi látkami (pozri tabuľky S3 – S11). Korelácie medzi koncentráciami znečisťujúcich látok sa tiež značne líšili v závislosti od znečisťujúcej látky (pozri obrázky S2 a S3). Na základe korelácií sme z analýzy viacerých znečisťujúcich látok vylúčili PM 10, B[a]P, K a UFP, pretože vykazovali korelácie vyššie ako 0,90 s absorbanciou PM 2,5, PAH, Zn a Cu, ale mali horšiu výkonnosť. Model LUR [s výnimkou B[a]P, ktorý mal lepší model LUR ako PAH (pozri tabuľku S2), ale bol vylúčený, pretože kategória PAH zahŕňa rôzne polycyklické aromatické uhľovodíky vrátane B[a]P, a preto sa zvažovala komplexnejšie].

Tabuľka 2 Úrovne vystavenia znečisteniu ovzdušia počas tehotenstva a počas detstva a Pearsonove korelácie medzi expozíciami v dvoch časových obdobiach.

Znečisťujúca látkaTehotenstvoDetstvoKorelácia
Priemernýp25p50p75Priemernýp25p50p75
NIE X 51.140.946.658.247.038.443.152.10.55
NIE 2 34.731.934.236.732.629.432.535.10.47
PM 10 27.126.026.728.026.625.726.327.20.52
PM hrubé 9.99.210.110.69.58.69.510.30.56
PM 2.5 17.016.616.817.216.816.516.717.10.61
PM 2,5 abs1.71.51.61.81.61.41.51.70.53
PAH1.00.80.91.11.00.80.91.10.66
B[a]P0.10.10.10.10.10.10.10.10.67
OC1.71.51.82.01.61.41.71.90.60
Cu4.94.54.65.04.64.24.54.80.53
Fe123.4114.1119.8129.1116.8106.6116.5124.40.52
K113.0108.5110.5114.8112.1108.1110.2113.40.61
Si93.087.988.890.591.687.688.690.40.60
Zn20.217.618.821.320.017.418.720.80.55
OP DTT 1.31.31.31.41.31.21.31.40.59
OP ESR 1,079.41,000.71,036.61,100.11,037.9964.71,014.71,072.20.57
UFP10,330.39,509.910,058.510,926.39,547.18,446.09,644.810,385.00.49

Poznámka: B[a]P, benzo[a]pyrén v ng / m 3 Cu, meď v ng / m 3 Fe, železo v ng / m 3 K, draslík v ng / m 3 NO 2, oxid dusičitý v μg / m 3 NO X , oxidy dusíka v μg / m 3 OC, organický uhlík v ng / m 3 OP, oxidačný potenciál (hodnotí sa pomocou dvoch acelulárnych metód: OP DTT , ditiotreitol v nmol DTT / min / m 3 a OP ESR , spinová rezonancia elektrónov v ľubovoľných jednotkách / m 3 ) PAH, polycyklické aromatické uhľovodíky v ng / m 3 PM, častice s rôznymi aerodynamickými priemermi: < 10 μm ( PM 10 ) v μ g / m 3 medzi 10 μm a 2,5 μ m ( PM hrubé ) v μ g / m 3 < 2,5 μ m ( PM 2,5 ) v μ g / m 3 PM 2,5 abs, absorbancia filtrov PM 2,5 v 10 − 5 / m Si, kremík v ng / m 3 UFP , ultrajemné častice v časticiach / cm 3 Zn, zinok v ng / m 3 .

V analýze jednej znečisťujúcej látky boli vyššie koncentrácie absorbancie NO X, PM 10 , PM 2,5 a PM 2,5 počas tehotenstva významne spojené s nižším globálnym FA (tabuľka 3). Vyššie koncentrácie NO X, NO 2, PM 10, PM 2,5, absorbancia PM 2,5, Cu, Fe, Si, OP ESR a UFP počas gravidity vykazovali významné asociácie s vyššou globálnou MD (tabuľka 4). V multipolutantnej analýze zostala expozícia PM 2,5 počas tehotenstva významne spojená s globálnym FA [0,71 nižší globálny FA (95 % CI: − 1,26 , − 0,16 ) na 5 - μg/m 3 zvýšenie PM 2,5] (tabuľka 5). Expozícia PM 2,5 a PAH počas tehotenstva boli významnými prediktormi globálnej FA, keď boli zahrnuté do rovnakého modelu, pričom vykazovali inverzné a pozitívne asociácie. Expozícia Si v tehotenstve zostala významne spojená s globálnou MD v multipolutantovej analýze [0,06 vyššia globálna MD (95 % CI: 0,01, 0,11) na 100 ng/m 3 zvýšenie Si]. Vylúčenie detí s matkami prijatými krátko po tehotenstve (n = 310) neviedlo k výrazným zmenám v odhadoch účinku (pozri tabuľku S12).

Tabuľka 3 Upravené asociácie medzi expozíciou počas tehotenstva a detstva jednotlivým látkam znečisťujúcim ovzdušie a globálnou frakčnou anizotropiou vo veku 9–12 rokov.

Znečisťujúca látkaKontrastGlobálna frakčná anizotropia
TehotenstvoDetstvo
Coef.95 % CIp-HodnotaCoef.95 % CIp-Hodnota
NIE X 20 μg/m3 − 0.11 − 0.20 , − 0.02 0.018 − 0.14 − 0.23 , − 0.04 0.007
NIE 2 10 μg/m3 − 0.11 − 0.25 , 0.030.1 − 0.13 − 0.25 , − 0.01 0.029
PM 10 10 μg/m3 − 0.49 − 0.90 , − 0.08 0.018 − 0.45 − 0.91 , 0.010.1
PM hrubé 5 μg/m3 − 0.05 − 0.37 , 0.270.8 − 0.29 − 0.63 , 0.040.1
PM 2.5 5 μg/m3 − 0.71 − 1.26 , − 0.16 0.012 − 0.46 − 1.14 , 0.210.2
PM 2,5 abs 10 - 5 / m − 0.29 − 0.51 , − 0.07 0.012 − 0.27 − 0.51 , − 0.02 0.032
PAH 1 ng/m3 0.01 − 0.19 , 0.211.00.15 − 0.09 , 0.380.2
B[a]P 0,1 ng/m3 − 0.06 − 0.24 , 0.130.60.11 − 0.14 , 0.350.4
OC 1 μg/m3 − 0.12 − 0.29 , 0.050.2 − 0.20 − 0.38 , − 0.03 0.024
Cu 5 ng/m3 − 0.32 − 0.71 , 0.060.1 − 0.22 − 0.65 , 0.210.3
Fe 100 ng/m3 − 0.20 − 0.54 , 0.140.2 − 0.22 − 0.53 , 0.090.2
K 50 ng/m3 − 0.38 − 0.84 , 0.080.1 − 0.53 − 1.03 , − 0.03 0.039
Si 100 ng/m3 − 0.28 − 0.70 , 0.150.2 − 0.24 − 0.66 , 0.190.3
Zn 10 ng/m3 − 0.12 − 0.28 , 0.040.1 − 0.13 − 0.27 , 0.020.1
OP DTT 1 nmol DTT/min/m3 0.21 − 0.34 , 0.750.4 − 0.14 − 0.69 , 0.420.6
OP ESR 1 000 jednotiek / m3 − 0.19 − 0.55 , 0.170.3 − 0.21 − 0.57 , 0.160.3
UFP 10 000 častíc/cm3 − 0.26 − 0.63 , 0.110.2 − 0.21 − 0.56 , 0.150.3

Poznámka: Koeficienty a 95 % CI z lineárnych regresných modelov upravené pre vzdelanie matky aj otca, krajinu narodenia, vek, výšku, BMI a psychickú tieseň počas tehotenstva fajčenie matky a konzumáciu alkoholu počas tehotenstva, paritu, rodinný stav, inteligenčný kvocient, a príjem domácnosti a genetický pôvod dieťaťa, pohlavie a vek pri skenovaní. Akékoľvek chýbajúce kovariáty sa pripočítali prostredníctvom viacnásobnej imputácie a na zohľadnenie potenciálneho skreslenia výberu sa použila technika inverzného váženia pravdepodobnosti. B[a]P, benzo[a]pyrén CI, intervaly spoľahlivosti koef., koeficient NO 2, oxid dusičitý NO X, oxidy dusíka OC, organický uhlík OP, oxidačný potenciál (hodnotené pomocou dvoch acelulárnych metód: OP DTT , ditiotreitol a OP ESR, elektrónová spinová rezonancia) PAH, polycyklické aromatické uhľovodíky PM, častice s rôznymi aerodynamickými priemermi: PM 10 ), < 10 μm PM hrubé, medzi 10 μm a 2,5 μm PM 2,5, < 2,5 μm abs, PM 2,5 absorbancia PM 2,5 filtrov UFP, ultrajemné častice.

Tabuľka 4 Upravené asociácie medzi expozíciou počas tehotenstva a detstva jednotlivým látkam znečisťujúcim ovzdušie a globálnou priemernou difúziou vo veku 9–12 rokov.

Znečisťujúca látkaKontrastGlobálna stredná difúznosť
TehotenstvoDetstvo
Coef.95 % CIp-HodnotaCoef.95 % CIp-Hodnota
NIE X 20 μg/m3 0.010.00, 0.020.10.020.01, 0.030.005
NIE 2 10 μg/m3 0.020.00, 0.040.0210.020.00, 0.030.011
PM 10 10 μg/m3 0.050.00, 0.100.0420.070.01, 0.120.027
PM hrubé 5 μg/m3 0.03 − 0.01 , 0.070.20.040.00, 0.090.038
PM 2.5 5 μg/m3 0.090.02, 0.150.0140.110.03, 0.200.010
PM 2,5 abs 10 - 5 / m 0.040.01, 0.060.0120.040.01, 0.070.009
PAH 1 ng/m3 0.01 − 0.01 , 0.040.30.01 − 0.02 , 0.040.5
B[a]P 0,1 ng/m3 0.02 − 0.01 , 0.040.10.01 − 0.02 , 0.040.3
OC 1 μg/m3 0.02 − 0.01 , 0.040.20.020.00, 0.040.1
Cu 5 ng/m3 0.050.01, 0.100.0300.03 − 0.02 , 0.090.2
Fe 100 ng/m3 0.050.01, 0.090.0180.03 − 0.01 , 0.070.1
K 50 ng/m3 0.04 − 0.02 , 0.090.20.090.03, 0.150.006
Si 100 ng/m3 0.070.02, 0.120.0100.050.00, 0.110.047
Zn 10 ng/m3 0.01 − 0.01 , 0.030.20.030.01, 0.050.003
OP DTT 1 nmol DTT/min/m3 0.06 − 0.01 , 0.130.0690.090.02, 0.160.016
OP ESR 1 000 jednotiek / m3 0.040.00, 0.090.0470.040.00, 0.090.1
UFP 10 000 častíc/cm3 0.050.01, 0.100.0230.03 − 0.01 , 0.080.1

Poznámka: Koeficienty a 95 % CI z lineárnych regresných modelov upravené pre vzdelanie matky aj otca, krajinu narodenia, vek, výšku, BMI a psychickú tieseň počas tehotenstva fajčenie matky a konzumáciu alkoholu počas tehotenstva, paritu, rodinný stav, inteligenčný kvocient, a príjem domácnosti a genetický pôvod dieťaťa, pohlavie a vek pri skenovaní. Akékoľvek chýbajúce kovariáty sa pripočítali prostredníctvom viacnásobnej imputácie a na zohľadnenie potenciálneho skreslenia výberu sa použila technika inverzného váženia pravdepodobnosti. B[a]P, benzo[a]pyrén BMI, index telesnej hmotnosti CI, koeficient intervalov spoľahlivosti, koeficient NO 2, oxid dusičitý NO X, oxidy dusíka OC, organický uhlík OP, oxidačný potenciál (vyhodnocuje sa pomocou dvoch acelulárnych metód: OP DTT , ditiotreitol a OP ESR , elektrónová spinová rezonancia) PAH, polycyklické aromatické uhľovodíky PM, častice s rôznymi aerodynamickými priemermi: PM 10 , < 10 μm PM hrubé , medzi 10 μm a 2,5 μm PM 2,5 , PM 2, PM 2. 2,5 μm PM 2,5 abs, absorbancia PM 2,5 filtrov UFP, ultrajemné častice.

Tabuľka 5 Výsledky multipolutantových modelov vybraných algoritmom Deletion/Substitution/Addition pre graviditu a detskú expozíciu vo vzťahu ku globálnej frakčnej anizotropii a globálnej strednej difuzivite.

Expozičné modelyKontrastCoef. (95 % CI)p-Hodnota
Globálna frakčná anizotropia
Modely vystavenia tehotenstvu (% sérií)
Model 1 (24,5 %)
PM 2.5 5 μg/m3 − 1.49 ( − 2.25 , − 0.73 ) < 0,001
PAH 1 ng/m3 0.33 (0.06, 0.59)0.017
OP DTT 1 nmol DTT/min/m3 0.50 ( − 0.07 , 1.07)0.1
Model 2 (20 %)
PM 2.5 5 μg/m3 − 1.32 ( − 2.06 , − 0.58 ) < 0,001
PAH 1 ng/m3 0.33 (0.06, 0.60)0.017
Model 3 (13 %)
PM 2.5 5 μg/m3 − 0.71 ( − 1.26 , − 0.16 )0.012
Modely expozície v detstve (% sérií)
Model 1 (22,5 %)
NIE X 20 μg/m3 − 0.14 ( − 0.23 , − 0.04 )0.007
Model 2 (10,5 %)
NIE X 20 μg/m3 − 0.13 ( − 0.24 , − 0.03 )0.015
OP DTT 1 nmol DTT/min/m3 0.46 ( − 0.19 , 1.11)0.2
OC 1 μg/m3 − 0.19 ( − 0.40 , 0.01)0.1
Globálna stredná difúznosť
Modely vystavenia tehotenstvu (% sérií)
Model 1 (13,5 %)
Si 100 ng/m3 0.06 ( 0.01, 0.11)0.018
OP DTT 1 nmol DTT/min/m3 0.05 ( − 0.02 , 0.11)0.2
Modely expozície v detstve (% sérií)
Model 1 (46,5 %)
Zn 10 ng/m3 0.03 (0.01, 0.04)0.005
OP DTT 1 nmol DTT/min/m3 0.07 (0.00, 0.14)0.046
Model 2 (23 %)
Zn 10 ng/m3 0.02 (0.01, 0.04)0.008
OP DTT 1 nmol DTT/min/m3 0.06 ( − 0.01 , 0.13)0.1
Si 100 ng/m3 0.04 ( − 0.02 , 0.09)0.2

Poznámka: Výber modelu sa uskutočnil pomocou algoritmu vymazania/nahradenia/pridania. PM10, B[a]P, K a UFP boli vylúčené kvôli korelácii 0,90 alebo viac s absorbanciou PM2,5, PAH, Zn a Cu. Pre každú kombináciu obdobia expozície a výsledku sa vykonalo 200 cyklov a konečný model sa vybral na základe frekvencie výskytu (percento cyklov, tu treba uviesť aspoň 10 %).Koeficienty a 95 % CI z (viacnásobných) lineárnych regresných modelov upravených pre vzdelanie matky aj otca, krajinu narodenia, vek, výšku, BMI a psychickú tieseň počas tehotenstva fajčenie matky a konzumáciu alkoholu počas tehotenstva, paritu, rodinný stav, inteligenčný kvocient a príjem domácnosti a genetický pôvod dieťaťa, pohlavie a vek počas skenovania. Akékoľvek chýbajúce kovariáty sa pripočítali prostredníctvom viacnásobnej imputácie a na zohľadnenie potenciálneho skreslenia výberu sa použila technika inverzného váženia pravdepodobnosti. B[a]P, benzo[a]pyrén BMI, index telesnej hmotnosti CI, koeficient intervalov spoľahlivosti, koeficient Cu, meď K, draslík NO X , oxidy dusíka OC, organický uhlík OP DTT, oxidačný potenciál PM 2,5 (DTT: hodnotené pomocou ditiotreitolu) PAH, polycyklické aromatické uhľovodíky PM 2,5, častice s priemerom < 2,5 μm Si, kremíkové UFP, ultrajemné častice Zn, zinok.

Čo sa týka vystavenia znečisteniu ovzdušia počas detstva, vyššie koncentrácie NO X, NO 2, absorbancie PM 2,5, OC a K boli významne spojené s nižším globálnym FA (tabuľka 3). Vyššie koncentrácie NO X, NO 2, PM 10, hrubého PM, PM 2,5, absorbancie PM 2,5, K, Si, Zn a OP DTT vykazovali významné asociácie s vyššou globálnou MD (tabuľka 4). V analýze viacerých znečisťujúcich látok zostala detská expozícia NO X významne spojená s globálnym FA [0,14 nižší globálny FA (95 % CI: - 0,23 , - 0,04 ) na 20 - μg/m 3 zvýšenie NO X], zatiaľ čo Zn a OP DTT zostala významne spojená s globálnou MD [0,03 vyššia globálna MD (95 % CI: 0,01, 0,04) na 10 ng/m 3 zvýšenie Zn a o 0,07 vyššia MD (95 % CI: 0,00, 0,44) na 1 nmol DTT / min / m 3 zvýšenie OP DTT ] (tabuľka 5).

Keď sa tehotenská expozícia PM 2,5 a detské expozície NO X, ktoré boli nominálne významné v modeloch s viacerými znečisťujúcimi látkami a nominálne významné v modeloch s jednou znečisťujúcou látkou, analyzovali súčasne, už nevykazovali štatisticky významné súvislosti s globálnymi FA (pozri tabuľku S13) a koeficienty beta sa priblížili k nule. Avšak asociácie medzi tehotenskou expozíciou Si a detskou expozíciou Zn a globálnou MD zostali po vzájomnej úprave významné a beta koeficienty sa výrazne nezmenili.

Analýzy FA v 12 špecifických traktoch bielej hmoty neukázali FDR-významné asociácie s tehotenstvom PM 2,5 alebo detským NO X v žiadnom trakte (pozri tabuľku S14). V analýzach MD v špecifických traktoch bielej hmoty sa odhadli asociácie významné pre FDR pre tehotenstvo Si a MD v cingulárnej gyrusovej časti cingula ľavej hemisféry, hornom pozdĺžnom fascikule ľavej hemisféry a kliešťoch minor. Asociácie medzi detským Zn a MD boli FDR-významné pre 6 traktov: trakt fasciculus uncinate pravej hemisféry, časť cingula gyrus cingulum oboch hemisfér, horný pozdĺžny fasciculus oboch hemisfér a kliešte minor (pozri tabuľku S15 ). Žiadny z koeficientov pre detskú OP DTT a MD v špecifických traktoch nebol FDR-významný. Keď sme simultánne modelovali tehotenský Si a detský Zn v spojení s MD v 3 traktoch, ktoré boli FDR-významné pre obe znečisťujúce látky v modeloch s jednou znečisťujúcou látkou, asociácie boli nominálne významné pre obe expozície vo všetkých 3 traktoch (pozri tabuľku S16). Započítanie chyby merania len mierne zvýšilo štandardné chyby a nezmenilo hlavné závery (pozri tabuľku S17).

Diskusia

Pozorovali sme súvislosti medzi vystavením sa látkam znečisťujúcim ovzdušie v dvoch kritických obdobiach vývoja mozgu, konkrétne v tehotenstve a detstve, a mikroštruktúrou bielej hmoty u preadolescentov vo veku 9–12 rokov. Naša multipollutantná analýza identifikovala štatisticky významné asociácie medzi expozíciou PM 2,5 a elementárnemu Si počas tehotenstva a expozíciou NO X , elementárnemu Zn a OP DTT počas detstva a mikroštruktúry bielej hmoty, asociácie, ktoré boli štatisticky významné aj v modelových analýzach jednotlivých znečisťujúcich látok. Keď boli tehotenské PM 2,5 a detské NO X zahrnuté do rovnakého modelu, asociácie s globálnymi FA už neboli štatisticky významné. Keď však boli tehotenstvo Si a detský Zn a OP DTT zahrnuté do rovnakého modelu, asociácie tehotenstva Si a detského Zn s globálnou MD zostali štatisticky významné. Vyššie expozície znečisťujúcim látkam súviseli predovšetkým s nižším FA a vyšším MD, ktoré sa všeobecne považujú za indikátory atypickej mikroštruktúry bielej hmoty a predtým spojené s psychiatrickými a neurologickými poruchami (White a kol. 2008, Aoki a kol. 2017 van Ewijk a kol. 2012) .

Medzi tehotenskými expozíciami, ktoré boli významne spojené s mikroštruktúrou bielej hmoty v modeloch s jednou znečisťujúcou látkou a boli vybrané pre modely s viacerými znečisťujúcimi látkami pomocou algoritmu DSA, zostal PM 2,5 významne spojený s nižším globálnym FA. Expozícia PM 2,5 je problémom ľudského zdravia, s pridruženými zdravotnými účinkami vrátane tých v neurologických a neuropsychologických doménach, medzi mnohými inými (Beelen a kol. 2014 Block a kol. 2012 Chen a kol. 2017 Kaufman a kol. 2016 Pedersen a kol. 2013 Raaschou-Nielsen a kol., 2013). Hoci modely globálnych FA s jednou znečisťujúcou látkou neboli významné pre tehotenské PAH, algoritmus DSA vybral modely, ktoré odhadovali významné asociácie pre tehotenské PM 2,5 a tehotenské PAH, pričom PAH vykazovali významnú pozitívnu súvislosť s globálnymi FA v modeli s viacerými znečisťujúcimi látkami. nevykazovali žiadnu významnú súvislosť v modeli jednej znečisťujúcej látky. Jedným z možných vysvetlení týchto neočakávaných výsledkov s PAH by mohlo byť, že vzájomne upravené odhady mohli byť ovplyvnené kolinearitou. Tieto dve expozície však len mierne korelovali (r = 0,66).

Expozícia Si v tehotenstve bola významným prediktorom globálnej MD v modeli s viacerými znečisťujúcimi látkami, ktorý zahŕňal aj detský Zn a OP DTT. Expozícia tehotenstva Si bola tiež FDR-významným prediktorom pre MD v troch úsekoch bielej hmoty na základe modelov s jednou znečisťujúcou látkou a asociácie zostali štatisticky významné, keď sme upravili modely pre detskú expozíciu Zn. Si doteraz nebol zdokumentovaný ako potenciálna neurotoxická látka. Si však môže byť ukazovateľom expozície resuspendovanému cestnému prachu (Viana et al. 2008) a asociácie so Si môžu preto odrážať asociácie s vystavením vysokej premávke, a nie špecificky voči Si.

V analýzach expozícií znečisteniu ovzdušia počas detstva zostala súvislosť medzi vyššími koncentráciami NO X a nižšími globálnymi FA v analýze viacerých znečisťujúcich látok významná. V Európe je prevládajúcim zdrojom plynov NO X v ovzduší nedokonalé spaľovanie uhľovodíkov pochádzajúcich najmä z motorovej nafty (Cyrys et al. 2003). Expozícia výfukovým plynom z nafty je spojená s mnohými nepriaznivými zdravotnými účinkami, ako je zvýšené riziko neuroinflamácie (Block et al. 2012). Výsledky analýzy viacerých znečisťujúcich látok tiež naznačujú silnú súvislosť medzi vyššou detskou expozíciou Zn, ktorý je ukazovateľom brzdového obloženia a opotrebovania pneumatík (Viana et al. 2008), a vyššou globálnou MD. Súvislosť medzi vyššou detskou expozíciou Zn a vyššou globálnou MD bola ďalej podporená identifikáciou šiestich traktov bielej hmoty, vrátane asociačných a kalóznych traktov a traktov limbického systému. Tieto výsledky sú stredne miestne v súlade so zisteniami našej predchádzajúcej štúdie, v ktorej sme zistili súvislosť medzi vyššími koncentráciami znečistenia ovzdušia počas tehotenstva a tenšou mozgovou kôrou v precuneus a rostrálnej strednej frontálnej oblasti u detí vo veku 6–10 rokov (Guxens et al. 2018). Zn je životne dôležitý stopový prvok pre správne procesy vývoja mozgu a mozgových funkcií neskôr v živote (Gower-Winter a Levenson 2012), jeho akumulácia v mozgu však môže spôsobiť excitotoxicitu, oxidačný stres a narušenie tvorby bunkovej energie (Gower-Winter a Levenson 2012). Winter a Levenson 2012). Pozorovali sme tiež súvislosť v modeloch s jednou znečisťujúcou látkou, ako aj s viacerými znečisťujúcimi látkami, medzi detskou expozíciou vyššiemu oxidačnému potenciálu PM 2,5, čo je miera na kvantifikáciu potenciálu PM 2,5 vyvolať oxidačný stres, a vyššou globálnou MD. Oxidačný stres spolu so zápalom a chronickou aktiváciou osi hypotalamus-hypofýza-nadobličky predstavujú najpravdepodobnejšie mechanizmy, prostredníctvom ktorých môžu látky znečisťujúce ovzdušie spôsobiť poškodenie mozgu (Block et al. 2012 Thomson 2013).

Podľa našich vedomostí existovala iba jedna predchádzajúca epidemiologická štúdia asociácií medzi znečistením ovzdušia a mikroštruktúrou bielej hmoty (Pujol et al. 2016b). V tejto štúdii bola expozícia vyšším koncentráciám Cu v školách spojená s vyššou FA v regiónoch susediacich s nucleus caudate u detí vo veku 8–12 rokov. Podobne ako Zn, Cu odráža brzdové obloženia (Viana et al. 2008). V našej štúdii sme nenašli významnú súvislosť medzi tehotenstvom alebo detskou expozíciou Cu a FA a získané nevýznamné asociácie boli inverzné, čo súvisí s vyššou expozíciou Cu a nižším FA. Nezrovnalosti vo výsledkoch medzi štúdiou Pujol et al. (2016b) a našu štúdiu možno pripísať rozdielom v hodnotení expozície s ohľadom na miesto a načasovanie (školské úrovne vo veku 8–10 rokov vs. obytné úrovne počas tehotenstva a od narodenia do veku 9–12 rokov), rôzne Cu koncentrácie ( 8,7 ng / m 3 vs. 4,7 ng / m 3 ), alebo rozdiely vo veľkosti vzorky (263 vs. 2 954 detí).

Naša štúdia má niekoľko významných silných stránok: a) veľká vzorka pre populačnú neuroimagingovú štúdiu v mestskom prostredí b) používanie pokročilých štatistických metód vrátane inverzného váženia pravdepodobnosti na zníženie možného skreslenia výberu a opotrebovania v štúdii c) prispôsobenie sa rôznym sociálno-ekonomickým premenným a premenným životného štýlu, o ktorých je známe, že sú potenciálne spojené s vystavením znečisteniu ovzdušia a štruktúrou mozgu u detí d) štandardizované a overené hodnotenie znečistenia ovzdušia v dvoch kľúčových vývojových obdobiach s nedostatočne veľkou chybou merania na skreslenie odhadov účinkov na zdravie a e) veľký počet súčasne hodnotených znečisťujúcich látok v pokročilom prístupe pre viaceré znečisťujúce látky. Korelácie medzi expozíciami počas tehotenstva a počas detstva boli len mierne, čo nám umožnilo rozlúštiť asociácie v týchto dvoch obdobiach.

V našej štúdii je tiež niekoľko obmedzení. Kampane na odber vzoriek sa uskutočňovali, keď boli deti vo veku 3,5 až 9 rokov, a údaje o historickom znečistení v študijných oblastiach neboli k dispozícii pre všetky znečisťujúce látky na extrapoláciu koncentrácií na konkrétne obdobia záujmu. Preto sme predpokladali, že koncentrácie znečisťujúcich látok zostali priestorovo stabilné v priebehu času na základe predchádzajúceho výskumu podporujúceho stabilitu priestorového kontrastu v znečistení ovzdušia preukázaného v Holandsku na obdobie do 8 rokov (1999–2007) (Eeftens et al. 2011) a vo Veľkej Británii na obdobie do 18 rokov (1991–2009) (Gulliver et al. 2013). Ďalším obmedzením tejto štúdie je vysoká korelácia medzi niektorými znečisťujúcimi látkami. Použili sme pokročilú techniku ​​variabilného výberu, ktorá preukázala lepší výkon s odkazom na kompromis medzi citlivosťou a podielom falošných objavov v porovnaní s alternatívnymi metódami v nastaveniach porovnateľných s našimi (Agier et al. 2016). Napriek tomu sme stále získali nepravdepodobný výsledok s tehotenskými PAH vybranými pomocou algoritmu DSA a vykazujúcimi významnú pozitívnu súvislosť s globálnym FA pri analýze súčasne s tehotenským PM 2,5 v multipolutantovom modeli, zatiaľ čo pri analýze jednej znečisťujúcej látky nevykazoval žiadnu významnú súvislosť. . Na jednoznačnú identifikáciu špecifických znečisťujúcich látok v komplexnej zmesi je ešte potrebný ďalší metodologický výskum, najmä ak pochádzajú z rovnakého zdroja. Okrem toho, napriek starostlivému a komplexnému výberu potenciálnych mätúcich premenných nemôžeme vylúčiť možnosť zvyškového zmätenia iných premenných, ktoré sme buď nezohľadnili, alebo sme ich zvažovali, ale nemohli sme ich zahrnúť z dôvodu zlého merania alebo nedostatku merania, ako napr. dokonalá kontrola sociálno-ekonomického stavu. Zvyškové zmätenie by mohlo spôsobiť skreslenie a tým viesť k nesprávnym odhadom hlavných asociácií (Weisskopf et al. 2018). Okrem toho viaceré potenciálne mätúce premenné, ako aj premenné používané na predpovedanie účasti v štúdii mali vysoké percento chýbajúcich hodnôt. Použili sme viacnásobnú imputáciu, po ktorej nasledovalo inverzné váženie pravdepodobnosti, aby sme znížili možné skreslenie výberu a opotrebovania v štúdii, ale je možné, že to nemuselo stačiť na úplné odstránenie skreslenia v dôsledku chýbajúcich kovariát, ako aj chýbajúcich premenných použitých na výpočet inverzné váhy pravdepodobnosti. Nakoniec, nižšia FA a vyššia MD boli vo všeobecnosti spojené s narušeným neurovývojom a súviseli s psychiatrickými a neurologickými poruchami, ako je porucha autistického spektra a porucha pozornosti s hyperaktivitou (Aoki et al. 2017 van Ewijk et al. 2012). Mozog je však vysoko komplikovaný orgán, ktorý prechádza mnohými vývojovými procesmi, z ktorých mnohé prebiehajú súčasne, a zdravý priebeh takýchto procesov môže mať niekedy opačné vlastnosti (Di Martino et al. 2014). Preto by sa naše výsledky mali interpretovať opatrne.

V súhrne sme zistili súvislosť medzi vyššou expozíciou látkam znečisťujúcim ovzdušie, ktoré predstavujú brzdové obloženie, opotrebovanie pneumatík a výfukové emisie pochádzajúce najmä zo spaľovania nafty s nižším FA a vyšším MD bielej hmoty u predadolescentov. Pozorované asociácie zahŕňali vystavenie znečisteniu ovzdušia počas oboch kľúčových vývojových období, konkrétne tehotenstva a detstva, čo dokazuje dôležitosť skúmania oboch období v budúcich štúdiách. Všetky znečisťujúce látky vykazujúce asociácie majú ako hlavný zdroj dopravu, a preto sú v mestskom prostredí veľmi všadeprítomné, čím ohrozujú veľkú časť detí. Na základe našich výsledkov autori výrazne podporujú súčasné smerovanie k inovatívnym riešeniam pre vozidlá s čistejšou energiou. Tieto opatrenia však nemusia úplne postačovať na zmiernenie zdravotných problémov spôsobených znečistením ovzdušia súvisiacim s dopravou, keďže sme tiež pozorovali asociácie s elementárnym zinkom, ktorý je ukazovateľom brzdového obloženia a opotrebovania pneumatík. Na potvrdenie týchto výsledkov sú potrebné ďalšie štúdie.


Abstraktné

Pozadie

Výskumníci a tvorcovia politík sa čoraz viac zameriavajú na kombinované vystavenie sociálnym a environmentálnym stresorom, najmä vzhľadom na to, ako často majú tieto stresory tendenciu sa lokalizovať. Takéto ožiarenia sú rovnako dôležité v mestských a vidieckych oblastiach a môžu sa neúmerne hromadiť v konkrétnych spoločenstvách alebo špecifických subpopuláciách.

Ciele

Odhadnúť vzťahy medzi rasovou izoláciou (RI), meradlom rozsahu, v akom sú príslušníci menšinových rasových/etnických skupín vystavení iba jeden druhému, a dlhodobými časticami s aerodynamickým priemerom < 2,5 μ (PM2.5) a ozón (O3) úrovne v mestských a mimomestských oblastiach východných dvoch tretín USA.

Metódy

Dlhodobý (priemer 5 rokov) PM na úrovni sčítacieho traktu2.5 a O3 koncentrácie boli vypočítané pomocou výstupu z modelu downscaler (2002–2006). Znižovač používa lineárnu regresiu s aditívnymi a multiplikačnými koeficientmi skreslenia na porovnanie údajov z monitorovania okolia s mriežkovaným výstupom z modelu Spoločenstva pre viacúrovňovú kvalitu vzduchu (CMAQ). Miestna, priestorová miera RI bola vypočítaná na úrovni traktu a trakty boli klasifikované podľa urbanicity, RI a geografického regiónu. Skúmali sme rozdiely v odhadovaných expozíciách znečisťujúcich látok podľa RI, urbanicity a demografickej podskupiny (napr. rasa/etnická príslušnosť, vzdelanie, socioekonomický status, vek) a použili sme lineárne modely na odhadnutie asociácií medzi RI a úrovňami znečistenia ovzdušia v mestách, na predmestí a na vidieku. traktoch.

Výsledky

Vysoké RI trakty (≥ 80. percentil) mali vyšší priemerný PM2.5 úrovne v každej kategórii urbanicity v porovnaní s traktami s nízkym RI (< 20 percentil), s výnimkou vidieckeho západu. Vzory v O3 úrovne podľa urbanicity a RI sa líšili podľa regiónu. Lineárne modely naznačovali, že PM2.5 koncentrácie boli významne a pozitívne spojené s RI. Najväčšia asociácia medzi PM2.5 a RI sa pozorovalo na vidieku na Stredozápade, kde bol jeden kvintilový nárast RI spojený so zvýšením PM o 0,90 μg/m 3 (95 % interval spoľahlivosti: 0,83, 0,99 μg/m 3 )2.5 koncentrácie. Asociácie medzi O3 a RI na severovýchode, stredozápade a západe boli pozitívne a najvyššie v prímestských a vidieckych oblastiach, a to aj po kontrole potenciálnych faktorov, ako je percento chudoby.

Záver

RI je spojená s vyššou 5-ročnou odhadovanou PM2.5 koncentrácie v mestských, predmestských a vidieckych oblastiach sčítania ľudu, čo je dôkazom toho, že segregácia je vo veľkej miere spojená s rozdielnym vystavením znečisteniu ovzdušia. Neúmerné zaťaženie nepriaznivým vystavením, ako je znečistenie ovzdušia, môže byť cestou k rasovým/etnickým rozdielom v zdraví.


13.8: Znečistenie ovzdušia a choroby - biológia

Všetky články publikované MDPI sú okamžite dostupné na celom svete pod licenciou s otvoreným prístupom. Na opätovné použitie celého alebo časti článku publikovaného spoločnosťou MDPI vrátane obrázkov a tabuliek sa nevyžaduje žiadne špeciálne povolenie. V prípade článkov publikovaných pod licenciou Creative Common CC BY s otvoreným prístupom môže byť akákoľvek časť článku znovu použitá bez povolenia za predpokladu, že pôvodný článok je jasne citovaný.

Feature Papers predstavujú najpokročilejší výskum s významným potenciálom vysokého vplyvu v tejto oblasti. Hlavné články sa predkladajú na individuálne pozvanie alebo odporúčanie vedeckých redaktorov a pred zverejnením prechádzajú odborným posudkom.

Feature Paper môže byť buď originálnym výskumným článkom, podstatnou novou výskumnou štúdiou, ktorá často zahŕňa niekoľko techník alebo prístupov, alebo komplexným prehľadovým dokumentom so stručnými a presnými aktualizáciami o najnovšom pokroku v tejto oblasti, ktorý systematicky zhodnocuje najúžasnejšie vedecké pokroky. literatúre. Tento typ papiera poskytuje výhľad na budúce smerovanie výskumu alebo možné aplikácie.

Články Editor’s Choice sú založené na odporúčaniach vedeckých redaktorov časopisov MDPI z celého sveta. Redaktori vyberajú malý počet článkov nedávno publikovaných v časopise, o ktorých sa domnievajú, že budú pre autorov obzvlášť zaujímavé alebo dôležité v tejto oblasti. Cieľom je poskytnúť prehľad niektorých najzaujímavejších prác publikovaných v rôznych oblastiach výskumu časopisu.


Abstraktné

Dobre fungujúci imunitný systém je pre zdravé telo životne dôležitý. Nedostatočné a nadmerné imunitné reakcie sú základom rôznych patológií, ako sú závažné infekcie, metastatické malignity a autoimunitné stavy. Preto je pochopenie účinkov okolitých znečisťujúcich látok na imunitný systém nevyhnutné na pochopenie toho, ako znečistenie spôsobuje ochorenie a ako by sa táto patológia dala zrušiť.

Samotný imunitný systém pozostáva z viacerých typov imunitných buniek, ktoré spoločne vytvárajú (alebo negenerujú) imunitné reakcie a v tomto článku uvádzame dôkazy o tom, ako môžu látky znečisťujúce ovzdušie ovplyvniť rôzne typy imunitných buniek, ako sú makrofágy odstraňujúce častice, zápalové neutrofily. , dendritické bunky, ktoré organizujú adaptívne imunitné reakcie a lymfocyty, ktoré tieto reakcie vyvolávajú. Spoločné témy, ktoré sa objavujú, sa týkajú schopnosti látok znečisťujúcich ovzdušie stimulovať prozápalové imunitné reakcie vo viacerých triedach imunitných buniek. Znečistenie ovzdušia môže zvýšiť adaptívne imunitné reakcie pomocných T lymfocytov typu 2 (Th2) a T pomocných lymfocytov typu 17 (Th17), ako je vidieť pri alergii a astme, a narušiť antivírusové imunitné reakcie. Klinické účinky znečistenia ovzdušia, najmä známa súvislosť medzi zvýšeným znečistením okolitého prostredia a exacerbáciami astmy a chronickej obštrukčnej choroby pľúc (CHOCHP), sú v súlade s týmito identifikovanými imunologickými mechanizmami. Okrem toho, keďže inhalačné znečistenie ovzdušia sa ukladá predovšetkým na sliznici dýchacích ciest, tento prehľad sa zameriava na mechanizmy respiračných ochorení. Ako je však uvedené v článku, znečistenie ovzdušia ovplyvňuje aj širší imunitný systém, napríklad v novorodeneckom a gastrointestinálnom trakte. Zatiaľ čo mnohé identifikované účinky znečistenia ovzdušia na imunitný systém sú značne odlišné, imunologický výskum naznačuje potenciálne stratégie na zlepšenie takýchto účinkov, napríklad suplementáciou vitamínu D. Hlboké pochopenie imunologických účinkov okolitých znečisťujúcich látok by snáď malo priniesť nové nápady, ako znížiť nepriaznivé zdravotné účinky znečistenia ovzdušia.


Environmentálny vplyv znečistenia ovzdušia

Znečistenie ovzdušia poškodzuje nielen ľudské zdravie, ale aj životné prostredie (115), v ktorom žijeme. Najdôležitejšie účinky na životné prostredie sú nasledovné.

Kyslý dážď sú mokré (dážď, hmla, sneh) alebo suché (častice a plyn) zrážky obsahujúce toxické množstvá kyseliny dusičnej a sírovej. Sú schopné okysliť vodné a pôdne prostredie, poškodzovať stromy a plantáže, dokonca poškodzovať budovy a vonkajšie sochy, stavby a sochy.

Haze vzniká, keď sú jemné častice rozptýlené vo vzduchu a znižujú priehľadnosť atmosféry. Spôsobujú ho emisie plynov v ovzduší pochádzajúce z priemyselných zariadení, elektrární, automobilov a nákladných áut.

Ozón, ako bolo uvedené vyššie, sa vyskytuje tak na úrovni zeme, ako aj v hornej úrovni (stratosfére) atmosféry Zeme. Stratosférický ozón nás chráni pred škodlivými ultrafialovými (UV) lúčmi Slnka. Naproti tomu prízemný ozón je pre ľudské zdravie škodlivý a je znečisťujúcou látkou. Bohužiaľ, stratosférický ozón je postupne poškodzovaný látkami, ktoré poškodzujú ozónovú vrstvu (t. j. chemikálie, pesticídy a aerosóly). Ak sa táto ochranná vrstva stratosférického ozónu zoslabí, UV žiarenie sa môže dostať na našu Zem so škodlivými účinkami na ľudský život (rakovina kože) (116) a úrodu (117). V rastlinách ozón preniká cez prieduchy a vyvoláva ich uzavretie, čo blokuje CO2 transfer a vyvoláva zníženie fotosyntézy (118).

Globálna klimatická zmena je dôležitá otázka, ktorá sa týka ľudstva. Ako je známe, “ skleníkový efekt” udržuje teplotu Zeme' stabilnú. Nanešťastie, antropogénne aktivity zničili tento ochranný teplotný efekt produkciou veľkého množstva skleníkových plynov a globálne otepľovanie narastá so škodlivými účinkami na ľudské zdravie, zvieratá, lesy, divokú prírodu, poľnohospodárstvo a vodné prostredie. Správa uvádza, že globálne otepľovanie zvyšuje zdravotné riziká chudobných ľudí (119).

Ľudia žijúci v zle postavených budovách v krajinách s teplým podnebím sú vystavení vysokému riziku zdravotných problémov súvisiacich s teplom, keď teploty stúpajú (119).

Divoká zver je zaťažený toxickými znečisťujúcimi látkami pochádzajúcimi zo vzduchu, pôdy alebo vodného ekosystému a týmto spôsobom môžu u zvierat pri vystavení vysokým hladinám znečisťujúcich látok vzniknúť zdravotné problémy. Bolo hlásené zlyhanie reprodukcie a účinky pri narodení.

Eutrofizácia vzniká vtedy, keď zvýšené koncentrácie živín (najmä dusíka) stimulujú kvitnutie vodných rias, čo môže spôsobiť nerovnováhu v diverzite rýb a ich úhyn.

Bezpochyby existuje kritická koncentrácia znečistenia, ktorú ekosystém dokáže tolerovať bez toho, aby bol zničený, čo súvisí so schopnosťou ekosystému neutralizovať kyslosť. Kanadský program kyslých dažďov stanovil toto zaťaženie na 20 kg/ha/rok (120).

Znečistenie ovzdušia má teda škodlivé účinky na pôdu aj vodu (121). Čo sa týka PM ako látky znečisťujúcej ovzdušie, bol zaznamenaný jej vplyv na výnos plodín a produktivitu potravín. Jeho vplyv na vodné útvary je spojený s prežitím živých organizmov a rýb a ich potenciálom produktivity (121).

U rastlín vystavených účinkom ozónu sa pozoruje zhoršenie fotosyntetického rytmu a metabolizmu (121).

Oxidy síry a dusíka sa podieľajú na tvorbe kyslých dažďov a sú škodlivé pre rastliny a morské organizmy.

V neposlednom rade, ako už bolo spomenuté vyššie, toxicita spojená s olovom a inými kovmi je hlavnou hrozbou pre naše ekosystémy (vzduch, voda a pôda) a živé tvory (121).


Pozri si video: Air Pollution Control using Microorganisms (Smieť 2022).


Komentáre:

  1. Zulkigrel

    I apologize, but this one completely different. Kto iný môže povedať čo?

  2. Ommar

    Bude to zaujímavé.

  3. Elhanan

    Wonderful, very useful idea

  4. Alhric

    It is rather valuable information

  5. Archambault

    som proti.



Napíšte správu