-
摘要:[背景] 大气颗粒物对健康的不良影响已得到证实，但关于健康影响季节性模式的研究结果并不一致。
[目的] 探讨天津市大气颗粒物（PM2.5和PM10）对每日非意外死亡率和相应寿命损失年（YLL）影响的季节性变化。
[方法] 收集天津市2014—2019年的逐日死亡资料、大气污染资料和气象资料，采用分层分析和时间序列分析相结合的方法。通过构建广义相加模型定量地评估PM2.5和PM10与每日非意外死亡和YLL之间的关系，模型中控制气温、相对湿度、长期趋势、星期几效应和节假日效应等混杂因素。
[结果] 全年、春季、夏季和秋季时PM2.5和PM10对每日非意外死亡率和相应YLL的影响有统计学意义（除了春季PM10对非意外死亡YLL的影响无统计学意义外），冬季时的影响均无统计学意义。全年及春、夏、秋季的PM2.5和PM10质量浓度每增加10 µg·m−3，非意外死亡率及其95%CI的增加值分别为：全年0.28%（0.11%~0.44%）和0.24%（0.11%~0.36%），春季0.44%（0.11%~0.77%）和0.17%（0.00%~0.33%），夏季1.32%（0.50%~2.16%）和2.15%（1.54%~2.76%），秋季0.68%（0.30%~1.06%）和0.57%（0.28%~0.87%）；相应的YLL及其95%CI的增加值分别为：全年7.41（2.42~13.07）和5.75（1.94~9.57）人年，春季13.11（3.00~23.22）和2.88（−2.82~8.59）人年，夏季34.66（11.92~57.40）和48.12（31.48~64.75）人年，秋季16.13（4.57~27.70）和12.60（3.56~21.65）人年。以全球空气质量指南（2021）中的限值为参考时，夏季PM2.5和PM10暴露导致的超额死亡人数和超额YLL最大，平均每日由PM2.5和PM10暴露导致的超额死亡人数及其95%CI分别为5.38（5.08~5.69）、8.62（7.95~9.28），超额YLL及其95%CI分别为112.23（105.79~118.67）、156.94（144.99~168.89）人年。
[结论] 天津市大气颗粒物对非意外死亡的影响存在明显的季节性差异，其中夏季的不良健康影响最强，提示夏季更应该加强大气颗粒物相关健康防护。
Abstract:[Background] Adverse health effects associated with particulate matter have been demonstrated, but findings on seasonal variation in the health impacts are inconsistent.
[Objective] To explore potential seasonal variation in particulate matter (PM2.5 and PM10) associated daily non-accidental mortality and corresponding years of life loss (YLL) in Tianjin.
[Methods] The daily data of non-accidental deaths, air pollution, and meteorological factors in Tianjin from 2014 to 2019 were collected. A generalized additive model, with adjusting selected confounding factors such as temperature, relative humidity, long-term trends, day of the week, and holiday, was used to quantitatively evaluate the relationships of PM2.5 and PM10 with daily non-accidental deaths and YLL.
[Results] The effects of PM2.5 and PM10 on daily non-accidental mortality and corresponding YLL were statistically significant in full year, spring, summer, and autumn (except for the effect of PM10 on non-accidental YLL in spring), but not statistically significant in winter. The non-accidental mortality and it's 95%CI increased by 0.28% (0.11%-0.44%) and 0.24% (0.11%-0.36%) in full year, 0.44% (0.11%-0.77%) and 0.17% (0.00%-0.33%) in spring, 1.32% (0.50%-2.16%) and 2.15% (1.54%-2.76%) in summer, and 0.68% (0.30%-1.06%) and 0.57% (0.28%-0.87%) in autumn for every 10 µg·m−3 increase in PM2.5 and PM10 concentrations, respectively; the corresponding YLL and it's 95%CI increased by 7.41 (2.42-13.07) and 5.75 (1.94-9.57), 13.11 (3.00-23.22) and 2.88 (−2.82-8.59), 34.66 (11.92-57.40) and 48.12 (31.48-64.75), and 16.13 (4.57-27.70) and 12.60 (3.56-21.65) person-years, respectively. When adopting the limits in the Global Air Quality Guidelines (2021) as the reference, excess deaths and YLL caused by PM2.5 and PM10 exposure were the greatest in summer. The excess deaths and it's 95%CI were 5.38 (5.08-5.69) and 8.62 (7.95-9.28), and the excess YLL and it's 95%CI were 112.23 (105.79-118.67) and 156.94 (44.99-168.89) person-years, respectively.
[Conclusion] The effects of particulate matter on non-accidental mortality and corresponding YLL may vary seasonally in Tianjin with the greatest effects in summer, suggesting that the health protection related to particulate matter should be strengthened in summer.
-
Keywords:
- seasonal /
- particulate matter /
- mortality /
- years of life lost /
- exposure-response relationship
-
矽肺是由于长期暴露于职业粉尘环境中吸入可吸入结晶二氧化硅（respirable crystalline silica, RCS）导致的以矽结节形成和弥漫性肺间质纤维化为主要病理特征的慢性肺疾病[1]，在我国是最严重的职业病之一。近年来，发达国家由于职业防护不到位，相继出现了打磨人造石等引起新尘肺病种产生的职业[2]。矽肺发病隐匿，周期长，疾病持续进展无法逆转，尚无有效治疗手段，给患者、家庭和社会带来沉重的负担[3–4]。因此，迫切需要进一步探索矽肺发病机制，为其治疗提供新的靶点和思路。
课题组前期研究结果发现，肺泡巨噬细胞受到呼吸性结晶型二氧化硅的刺激后，蛋白质折叠出现错误，内质网应激信号被激活[5–6]，内质网应激通过激活促凋亡通路，诱导上皮-间质转化，促进炎症反应，进一步介导肺纤维化重塑[7–8]。抗纤维化短肽Ｎ-乙酰基-丝氨酰-天冬氨酰-赖氨酰-脯氨酸（N-acetyl-serine-aspartyl-lysine-proline, Ac-SDKP）能抑制矽肺纤维化进程中内质网应激信号通路的激活从而延缓纤维化进展[9]，但由于其半衰期短、易失活，进入临床试验阶段还面临许多困难。综合应激反应抑制剂（integrated stress response inhibitor, ISRIB）是研发于2013年的一种小分子药物[10]，是蛋白激酶RNA样ER激酶（protein kinase RNA-like ER kinase, PERK）信号通路抑制剂，可逆转真核翻译启动因子2α（eukaryotic initiation factor 2 alpha, eIF-2α）磷酸化的作用，从而抑制活化转录因子4（activating transcription factor 4, ATF4）的激活。由于eIF-2α磷酸化与记忆巩固有关，目前针对ISRIB的研究主要集中在阿尔茨海默病、脑震荡、认知障碍等脑部疾病，发现ISRIB在小鼠神经退行性病变和创伤性脑损伤模型中起到重要的保护作用[11–12]。在肺纤维化中，ISRIB能够通过修复肺泡上皮细胞的损伤从而延缓肺纤维化的进展[13]。目前对于ISRIB对矽肺的作用机制仍未所知，内质网应激是触发综合应激反应的机制之一，因此，本研究拟通过体内外实验观察ISRIB能否通过对肺泡巨噬细胞内质网应激信号的调节从而发挥拮抗矽肺纤维化的作用及其机制。
1. 对象与方法
1.1 实验动物
8周龄雄性C57BL/6J小鼠（20±2）g 40只，SPF级，购于北京维通利华动物技术有限公司[SCXY（京）2016-0008]，饲养于华北理工大学实验动物中心清洁级动物房[SYXK（冀）2020-0007]，饲养环境明暗各12 h循环，恒温26 ℃，自由饮食饮水。本研究方案经华北理工大学伦理委员会批准，批准编号为LX2019033，符合动物研究伦理学要求。小鼠肺泡巨噬细胞株MH-S细胞购自中国科学院细胞库。
1.2 主要仪器和试剂
1.2.1 主要仪器
小动物CT仪（NEMO-II NMC-20，中国平生)，光学显微镜（DP 80，日本OLYMPUS），荧光显微镜（U-HGLGPS，日本OLYMPUS），显影仪（ChemiScope 6100 EXP，上海勤翔）。
1.2.2 细胞和主要试剂
SiO2粉尘（美国Sigma）；罗斯威尔公园纪念研究所（Roswell Park Memorial Institute, RPMI）1640培养基（以色列BI）；胎牛血清（中国李记）；β-巯基乙醇（中国瑞帕特）；ISRIB（CAS号：1597403-47-8，纯度≥95%，美国cayman）；异氟烷（中国RWD）；苏木素-伊红（Hematoxylin eosin, HE）染液以及Van Gieson（VG）染液（中国贝索）；蛋白提取试剂盒（中国英文特）；I型胶原蛋白（collagen I, Col I）（中国博士德）；肌醇需求蛋白-1α（inositol-requiring enzyme-1α, IRE-1α）（中国ABclonal）；磷酸化肌醇需求蛋白-1α（p-inositol-requiring enzyme-1α, p-IRE-1α）（英国Abcam）；PERK（中国华安）；磷酸化PERK（p-PERK）（美国Affinity）；eIF-2α（中国Abclonal）；磷酸化eIF-2α（p-eIF-2α）（中国华安）；ATF4（中国华安）；α-微管蛋白（α-tubulin, α Tub）（中国Abclonal）；NOD样受体热蛋白结构域相关蛋白3（NOD-like receptor thermal protein domain associated protein 3, NLRP3）（中国华安）；荧光二抗（美国Novex）；含二脒基苯基吲哚（diamidine phenyl indole, DAPI）的封片剂（美国Cell Signaling）；免疫印迹二抗（美国KPL）；增强型化学发光试剂（enhanced chemiluminescence, ECL）（中国庄盟）。
1.3 动物模型的建立
将小鼠随机分为4组（每组10只）。（1）对照组：气管一次性灌注50 μL 0.9%氯化钠溶液，一周后每天腹腔注射200 μL 0.9%氯化钠溶液；（2）ISRIB对照组：灌注方法同对照组，一周后每天腹腔注射200 μL 2.5 mg·kg−1 ISRIB溶液；（3）矽肺模型组：根据课题组前期实验结果，气管一次性灌注50 μL 200 mg·mL−1 SiO2混悬液[14]，一周后每天腹腔注射200 μL 0.9%氯化钠溶液；（4）ISRIB治疗组：灌注方法同矽肺模型组，一周后每天腹腔注射2.5 mg·kg−1的ISRIB溶液200 μL。各组小鼠均饲养至4周。用1%戊巴比妥钠麻醉小鼠，取小鼠肺组织，4%多聚甲醛固定左肺，用于HE染色、VG染色和免疫荧光染色，将其余肺组织冻于−80 ℃冰箱保存备用。
1.4 细胞培养
MH-S细胞在37 ℃、5% CO2的孵育箱中培养，用含15%胎牛血清和0.1%β-巯基乙醇的RPMI 1640培养基培育细胞。本实验选用第3代细胞进行实验，用空白培养基将细胞同步化24 h后分为4组。（1）对照组：用不含血清的培养基培养；（2）ISRIB对照组：无血清培养条件下，给予1 μg·mL−1 ISRIB处理；（3）SiO2诱导组：无血清培养条件下，给予100 μg·mL−1 SiO2诱导；（4）ISRIB干预组：无血清培养条件下，先给予1 μg·mL−1 ISRIB处理1 h，再给予100 μg·mL−1 SiO2诱导。
1.5 小动物CT图像采集
造模结束后饲养小鼠至4周取材前，用异氟烷麻醉小鼠，采用小动物CT仪拍摄小鼠活体肺CT图像，小鼠采用俯卧位，拍摄期间确保动物舱门关闭，挡板归位，并使用PadCam软件视频监控观察小鼠状态，使用cruiser 1.7.40软件采集拍摄数据，使用recon daemon 1.7.40软件离线重建拍摄数据，使用avatar3 1.7.40软件分析拍摄数据和重建肺结构。
1.6 HE染色观察肺组织病理形态
肺组织经4%多聚甲醛溶液固定24 h，流水过夜去除组织中的甲醛，在梯度乙醇溶液脱水，最后浸泡于石蜡溶液中6 h，用包埋机将肺组织包埋。将蜡块切成4 μm厚的肺切片。切片常规脱蜡至水，用苏木素染液染色3 min，2%盐酸酒精溶液中分化数秒，再将切片置于水中返蓝15 min，使用伊红染液染色2 min后将切片放入90%乙醇溶液5 min，依次将切片置于无水乙醇和二甲苯中浸泡，彻底透明后用中性树胶封片。待切片干燥后镜下观察肺组织形态。
1.7 VG染色观察肺组织胶原沉积情况
脱蜡至水步骤同HE染色，将铁苏木素A和铁苏木素B等比例混合后滴于组织表面染色3 min，然后在2%盐酸酒精中分化2 min，在自来水中水化10 min，再将VG染液覆盖于组织表面染色10 min，再放入90%乙醇溶液5 min，余下步骤同HE染色。
1.8 免疫荧光染色观察细胞p-PERK阳性表达情况
石蜡切片脱蜡至水，细胞爬片洗去固定液，加入乙二胺四乙酸（ethylenediamine tetraacetic acid, EDTA）溶液后，采用高压修复80 s使抗原暴露，滴加p-PERK（1∶100），4 ℃孵育过夜，次日用磷酸盐缓冲液将切片洗3次后，将荧光二抗充分覆盖于组织和细胞上，于37 ℃恒温箱孵育90 min，用含DAPI的封片剂封片。荧光显微镜下观察阳性细胞染色。
1.9 免疫印迹法检测内质网应激信号以及胶原蛋白表达水平
使用总蛋白提取试剂盒提取小鼠肺组织和MH-S细胞总蛋白，比辛可宁酸（bicinchonininc acid, BCA）试剂盒测定蛋白浓度后以每个泳道15 μg的蛋白量进行常规电泳电转。按1∶1000稀释一抗Col I、p-PERK、PERK、p-IRE-1α、IRE-1α、p-eIF-2α、eIF-2α、ATF4、NLRP3、α Tub，置于4 ℃冰箱孵育过夜，次日含吐温的缓冲盐水（triethanolamine-buffered saline +Tween, TBST）洗三次后，二抗（1∶5000）室温孵育40 min，采用ECL发光试剂盒显色。后期采用Image-Pro-plus 6.0图像处理软件对条带进行定量分析。
1.10 统计学分析
所有实验至少重复3次，数据以平均数±标准差（$ \bar x \pm s $）表示，采用SPSS 20.0统计分析软件将数据进行完全随机设计的单因素方差分析；两两比较方差齐采用最小显著性差异法（least significant difference, LSD）检验，方差不齐则采用Tamhane’s检验。P<0.05表示差异具有统计学意义。
2. 结果
2.1 ISRIB抑制矽肺小鼠胶原沉积
各组小鼠均无死亡情况出现。取材前，对照组体重（24.56±0.23）g，ISRIB对照组（25.35±0.43）g，矽肺模型组（20.79±0.67）g，ISRIB治疗组（22.39±0.42）g。小鼠肺部CT显示，对照组以及ISRIB对照组小鼠双肺纹理清晰，走向和分布正常，肺野内未见明显异常密度影；矽肺模型组小鼠肺纹理增粗，肺野内见数个大小不等的高密度影，主要分布于支气管周围；和矽肺模型组相比，ISRIB治疗组高密度影数量和体积均减少（P＜0.05）。结果见图1。
![]()
图 1 CT观察活体小鼠肺成像及肺纤维化体积定量比较A：CT横截面，B：CT冠状面，C：CT矢状面；1：对照组，2：ISRIB对照组，3：矽肺模型组，4：ISRIB治疗组。D：肺纤维化体积定量图；a：与对照组比较，P＜0.05；b：与矽肺模型组比较，P＜0.05。Figure 1. Quantitative comparison of pulmonary fibrosis volume of living mice lung imaging by micro CTHE染色结果显示，对照组和ISRIB对照组组肺泡结构完整、肺泡壁薄，无炎症及渗出；矽肺模型组可见部分肺组织失去正常肺结构，有矽结节形成，矽结节周围肺泡增厚，有炎症细胞浸润；而和矽肺模型组相比，ISRIB治疗组矽结节面积和个数明显减少，矽结节范围被局限。结果见图2A1-A4。VG染色结果显示，矽肺模型组有较多胶原沉积，肺组织胶原纤维面积占比为21.47%±2.59%；而和矽肺模型组相比，ISRIB治疗组胶原沉积面积显著减少，肺组织胶原纤维面积占比降至9.34%±1.06%，差异具有统计学意义（P＜0.05)，结果见图2B1-B4，图2C。同样，免疫印迹结果显示，和对照组相比，矽肺模型组Col I和NLRP3的表达上调，而给予ISRIB干预后，肺组织Col I和NLRP3的表达下调，差异具有统计学意义（P＜0.05)，结果见图3。
![]()
图 2 ISRIB对矽肺小鼠胶原沉积的调节作用（HE染色和VG染色）（20×）A：HE染色，B：VG染色；1：对照组，2：ISRIB对照组，3：矽肺模型组，4：ISRIB治疗组；红色箭头所指为矽结节。C：矽结节面积定量图；a：与对照组比较，P＜0.05；b：与矽肺模型组比较，P＜0.05。Figure 2. The regulatory effect of ISRIB on collagen deposition in silicotic mice (HE staining and VG staining) (20×)![]()
图 3 ISRIB对各组小鼠胶原沉积的调节作用（免疫印迹法）A：各指标免疫印迹图，B：Col I和NLRP3表达量定量图；a：与对照组比较，P＜0.05；b：与矽肺模型组比较，P＜0.05。Figure 3. The regulatory effect of ISRIB on collagen deposition in each group of mice (immunoblotting)2.2 ISRIB抑制矽肺小鼠内质网应激信号通路的激活
免疫荧光结果显示，p-PERK在矽肺模型组小鼠肺结节中表达明显增强，并且和巨噬细胞标记物CD68共定位；而与矽肺模型组相比，ISRIB治疗组p-PERK的表达明显降低。HE所示组织结构与前述结果一致。结果见图4。免疫印迹结果显示，和对照组相比，内质网应激信号相关蛋白p-PERK、p-IRE-1α、p-eIF-2α和ATF4在矽肺模型组中上调；而与矽肺模型组相比，上述因子在ISRIB治疗组中的表达下调，差异具有统计学意义（P＜0.05）。结果见图5。
![]()
图 4 p-PERK和CD68在小鼠肺组织中的共定位（免疫荧光染色）（20×）A：DAPI，B：CD68，C：P-PERK，D：组合图，E：HE染色；1：对照组，2：ISRIB对照组，3：矽肺模型组，4：ISRIB治疗组。Figure 4. The colocalization of p-PERK and CD68 in mice (immunofluorescence staining) (20×)![]()
图 5 ISRIB对各组小鼠p-PERK、p-IRE-1α、p-eIF-2α和ATF4蛋白水平的影响（免疫印迹法）A：各指标免疫印迹图；B：p-PERK、p-IRE-1α、p-eIF2α和ATF4表达量定量图；a：与对照组比较，P＜0.05；b：与矽肺模型组比较，P＜0.05。Figure 5. Effects of ISRIB on the expressions of p-PERK, p-IRE-1α, p-eIF-2α, and ATF4 in each group of mice (immunoblotting)2.3 ISRIB抑制SiO2诱导的MH-S细胞中内质网应激信号通路的激活
取第3代细胞进行实验，镜下观察细胞密度为70%时按照前述分组进行细胞诱导实验。细胞免疫荧光染色结果显示，SiO2诱导组中可见p-PERK的强表达，而给予ISRIB干预后，ISRIB干预组中p-PERK的荧光强度明显减少，结果见图6。免疫印迹结果显示，与对照组相比，SiO2诱导组中内质网应激信号相关蛋白p-PERK、p-IRE-1α、p-eIF-2α和ATF4的表达上调；与SiO2诱导组相比，ISRIB干预组中的p-PERK、p-IRE-1α、p-eIF-2α和ATF4表达下调，差异具有统计学意义（P＜0.05）。结果见图7。
![]()
图 6 p-PERK在MH-S细胞中的表达（免疫荧光染色）（20×）A：DAPI，B：P-PERK，C：组合图。Figure 6. Expression of p-PERK in MH-S cells (immunofluorescence staining) (20×)![]()
图 7 ISRIB对SiO2诱导的MH-S细胞中p-PERK、p-IRE-1α、p-eIF-2α和ATF4蛋白水平的影响（免疫印迹法）A：各指标免疫印迹图，B：p-PERK、p-IRE-1α、p-eIF2α和ATF4表达量定量图；a：与对照组比较，P＜0.05；b：与SiO2诱导组组比较，P＜0.05。Figure 7. Effects of ISRIB on the expressions of p-PERK, p-IRE-1α, p-eIF-2α, and ATF4 in SiO2-induced MH-S cells (immunoblotting)3. 讨论
为探寻矽肺治疗的新方法，本研究采用气管一次性灌注法构建小鼠矽肺模型，给予ISRIB治疗后，小鼠纤维化指标Col I显著下调，肺功能明显改善，内质网应激信号相关因子的表达显著下调，表明ISRIB具有一定抗矽肺纤维化的效应。
由于职业健康覆盖率较低，目前实际患矽肺病人数可能远大于已知病例数，且临床使用的抗纤维化药物吡非尼酮、汉防己甲素等在预防疾病进展和改善患者生活质量方面疗效有限[15–16]，因此仍需进一步探寻治疗矽肺的有效治疗靶点和治疗药物。内质网的功能旨在促进蛋白质的正确折叠和运输，在正常情况下，葡萄糖相关肽78（glucose-related peptide 78, GRP78）与内质网应激传感器PERK、活化转录因子6 (activating transcription factor 6, ATF6)和IRE1α结合，并抑制其信号转导。随着错误折叠的蛋白积累，GRP78与传感器的结合减少，PERK在与GRP78解离后发生自磷酸化，其下游的eIF-2α的Ser51位点被磷酸化，导致mRNA的翻译减少，这一系列反应激活ATF4，从而促进抗氧化反应等基因的表达[7]。课题组前期研究结果证实SiO2在大鼠体内外激活GRP78从而激活内质网应激信号[17]，本研究观察到一次性灌注SiO2后，免疫荧光结果显示小鼠矽结节内p-PERK强表达，且定位于巨噬细胞，免疫印迹结果显示小鼠肺组织内质网应激信号相关蛋白p-PERK、p-IRE-1α、p-eIF-2α和ATF4表达显著上调。说明ISRIB能抑制二氧化硅诱导的小鼠体内外内质网应激信号的激活。
在肺纤维化进展过程中，内质网应激是重要的驱动因素，巨噬细胞发生内质网应激后可通过外泌体诱导肌成纤维细胞分化，驱动纤维化进展[18]。靶向线粒体的抗氧化剂也能抑制内质网应激信号的激活，从而抑制炎症反应以及随后的肺纤维化进展[19]。因此阻断内质网应激信号通路对于阻抑矽肺纤维化进展起着至关重要的作用。本实验结果显示，给予小分子药物ISRIB干预后，首先在小鼠体内观察到无论是矽结节面积还是胶原沉积情况均有显著改善，证实了ISRIB在SiO2诱导的矽肺纤维化模型中有抑制胶原沉积，延缓肺纤维化进展的效应。为进一步探讨ISRIB抑制胶原沉积的作用机制，本实验观察了内质网应激信号通路相关因子的表达，结果显示ISRIB的干预在矽肺小鼠肺内阻断了PERK以及eIF-2α的磷酸化，从而阻止了其下游ATF4的激活。作为综合应激反应抑制剂[20]，ISRIB能拮抗p-eIF-2α破坏细胞内蛋白质稳态的效应，直接结合于真核起始因子2B（eukaryotic initiation factor 2B, eIF2B），维持eIF2B的正常功能，启动被抑制的蛋白质翻译，使细胞恢复蛋白质稳态，从而恢复正常的细胞状态与功能[21]。此外，本实验研究结果还显示ISRIB同样阻抑了内质网应激另一传感器IRE-1α的磷酸化，提示ISRIB可能还通过抑制内质网应激IRE-1α通路，从而达到抑制内质网应激的效应。
本研究结果显示巨噬细胞标记物CD68和p-PERK发生共定位，提示巨噬细胞发生内质网应激。另外，体外培养小鼠肺泡巨噬细胞（MH-S）细胞，给予SiO2刺激后，内质网应激信号被激活，而ISRIB显著抑制内质网应激信号的激活。巨噬细胞受SiO2刺激后发生极化是矽肺纤维化进展的驱动环节之一[22]，改变巨噬细胞极化状态可减轻肺纤维化[23]。而PERK及其下游信号是巨噬细胞免疫抑制功能的代谢中枢[24]，此外，内质网应激传感器的缺失，会导致巨噬细胞无法发生M1极化[25]。ISRIB作为内质网应激的抑制剂，可能通过抑制巨噬细胞发生极化从而发挥抗纤维化作用。
本研究尚存在一定的局限性，例如只选择雄性小鼠作为实验对象，未能排除性别因素的影响；此外，可以结合前人的研究结论，同时在上皮细胞以及成纤维细胞上研究ISRIB的效应以拓展ISRIB可能的作用机制。
矽肺纤维化的治疗目前仍然是难点，已批准上市的药物吡非尼酮和尼达尼布由于药物的耐受性和副作用等问题，使用范围十分受限[26]。ISRIB在动物实验中即使达到饱和浓度也未出现副作用，并且在起效浓度时保留急性综合应激反应的细胞保护作用[27]，ISRIB能通过修复受损的肺泡II型上皮细胞从而改善石棉和博来霉素所致小鼠肺纤维化[13]，十分适合进入临床试验，为矽肺的治疗提供新思路。
综上所述，本研究通过体内外实验验证了ISRIB可通过抑制巨噬细胞内质网应激信号的激活拮抗矽肺纤维化的进展。
-
![]()
图 1
不同季节和滞后天数PM2.5浓度每增加10 µg·m−3致非意外死亡的超额危险度 [ER（95%CI）/%]
Figure 1.
Season-specific excess risks of non-accidental morality with per 10 µg·m−3 increase in PM2.5 at different lag days [ER (95%CI)/%]
![]()
图 2
不同季节和滞后天数PM10浓度每增加10 µg·m−3致非意外死亡的超额危险度 [ER（95%CI）/%]
Figure 2.
Season-specific excess risks of non-accidental morality with per 10 µg·m−3 increase in PM10 at different lag days [ER (95%CI)/%]
![]()
图 3
不同季节和滞后天数PM2.5浓度每增加10 µg·m−3对非意外死亡寿命损失年的影响[YLL （95%CI）/（人年）]
Figure 3.
Season-specific increment of non-accidental YLL with per 10 µg·m−3 increase in PM2.5 at different lag days [YLL (95%CI)/(person-year)]
![]()
图 4
不同季节和滞后天数PM10浓度每增加10 µg·m−3对非意外死亡寿命损失年的影响[YLL （95%CI）/（人年）]
Figure 4.
Season-specific increment of non-accidental YLL with per 10 µg·m−3 increase in PM10 at different lag days [YLL (95%CI)/(person-year)]
表 1
2014—2019年天津市大气颗粒物、气象因素及健康结局的描述性分析结果（
$ \overline x \pm s $ ）Table 1
Descriptive statistics on particulate matter, meteorological factors, and health outcomes in Tianjin from 2014 to 2019 (
$ \overline x \pm s $ )因素(Factor) 指标 (Variable) 全年 (Full year) 春季 (Spring) 夏季 (Summer) 秋季 (Autumn) 冬季 (Winter) 大气颗粒物
Particulate matterPM2.5/(µg·m−3) 65.6±50.6 64.6±39.4 47.8±22.1 63.2±48.2 85.1±67.4 PM10/(µg·m−3) 105.8±69.2 122.6±72.3 76.4±31.8 96.9±58.9 126.1±83.2 气象因素
Meteorological factor日均温度/℃
Daily mean temperature/℃9.9±11.2 15.5±6.8 26.7±2.7 14.0±7.6 −0.7±3.1 日均相对湿度/%
Daily mean relative humidity/%55.4±18.8 45.1±16.0 64.6±15.3 60.8±16.4 50.8±20.2 健康结局
Health outcome每日非意外死亡人数
Daily non-accidental morality147.2±50.4 145.0±42.5 136.1±42.6 148.7±44.5 168.8±58.6 每日非意外死亡YLL/（人年）
Daily non-accidental YLL/(person-year)2987.7±1029.1 2982.4±876.7 2840.3±890.0 3030.3±907.4 3381.3±1167.0 
下载: 导出CSV
表 2
不同季节条件下平均每日由PM2.5和PM10暴露导致的非意外超额死亡人数和超额YLL
Table 2
Daily average excess deaths and YLL of non-accidental mortality due to PM2.5 and PM10 exposure in different seasons
颗粒物
Particulate matter季节 (Season) 中国环境空气质量标准
Chinese National Ambient Air Quality Standards全球空气质量指南(2021)
Global Air Quality Guidelines (2021)超额死亡人数(95%CI)
Excess deaths (95%CI)超额YLL(95%CI)/(人年)
Excess YLL (95%CI)/(person-year)超额死亡人数(95%CI)
Excess deaths (95%CI)超额YLL(95%CI)/(人年)
Excess YLL (95%CI)/(person-year)PM2.5 全年 (Full year) 0.59(0.53~0.66) 11.59(10.39~12.79) 2.03(1.94~2.12) 39.29(37.66~40.93) 春季 (Spring) 0.70(0.55~0.84) 15.34(12.36~18.31) 3.08(2.86~3.31) 66.36(61.92~70.8) 夏季 (Summer) 0.28(0.20~0.37) 6.65(4.59~8.71) 5.38(5.08~5.69) 112.23(105.79~118.67) 秋季 (Autumn) 1.36(1.08~1.63) 23.16(18.63~27.7) 4.74(4.33~5.16) 78.67(72.09~85.25) PM10 全年 (Full year) 0.42(0.36~0.47) 7.34(6.33~8.35) 2.09(1.99~2.19) 35.61(33.98~37.25) 春季 (Spring) 0.34(0.25~0.44) — 1.81(1.66~1.95) — 夏季 (Summer) 0.11(0.04~0.18) 2.10(0.80~3.39) 8.62(7.95~9.28) 156.94(144.99~168.89) 秋季 (Autumn) 0.69(0.48~0.9) 11.25(7.97~14.54) 4.33(3.92~4.74) 67.44(61.21~73.67) [注] 中国环境空气质量标准（PM2.5：75 µg·m−3；PM10：150 µg·m−3）；全球空气质量指南（2021）（PM2.5：15 µg·m−3；PM10：45 µg·m−3）。冬季PM2.5和PM10对健康结局的影响均无统计学意义，因此该表不包括冬季；春季PM10对非意外YLL的影响也没有统计学意义，因此不计算其超额YLL。上述数据均选择具有最大健康效应的滞后日进行计算。[Note] Chinese National Ambient Air Quality Standards (PM2.5: 75 µg·m−3; PM10: 150 µg·m−3); Global Air Quality Guidelines (2021) (PM2.5: 5 µg·m−3; PM10: 45 µg·m−3). The associations of PM2.5 and PM10 with health outcomes are not significant in winter, so this table does not include winter. The effect of PM10 on YLL is not significant in spring, so its excess YLL is not calculated. The above data are calculated by selecting the lag day with the maximum health effect.
下载: 导出CSV
-
[1] ZENG Q, NI Y, JIANG G, et al. The short term burden of ambient particulate matters on non-accidental mortality and years of life lost: a ten-year multi-district study in Tianjin, China[J]. Environ Pollut, 2017, 220: 713-719.
doi: 10.1016/j.envpol.2016.10.036[2] LI G, XUE M, ZENG Q, et al. Association between fine ambient particulate matter and daily total mortality: an analysis from 160 communities of China[J]. Sci Total Environ, 2017, 599-600: 108-113.
doi: 10.1016/j.scitotenv.2017.04.010[3] SAMOLI E, ANALITIS A, TOULOUMI G, et al. Estimating the exposure-response relationships between particulate matter and mortality within the APHEA multicity project[J]. Environ Health Perspect, 2005, 113(1): 88-95.
doi: 10.1289/ehp.7387[4] KELLY F J, FUSSELL J C. Size, source and chemical composition as determinants of toxicity attributable to ambient particulate matter[J]. Atmos Environ, 2012, 60: 504-526.
doi: 10.1016/j.atmosenv.2012.06.039[5] PARK M, JOO H S, LEE K, et al. Differential toxicities of fine particulate matters from various sources[J]. Sci Rep, 2018, 8(1): 17007.
doi: 10.1038/s41598-018-35398-0[6] TIAN L, PAN X. The interactive effects between particulate matter and temperature on mortality in Beijing, China[J]. Occup Environ Med, 2018, 75(Suppl 1): A28.
[7] WONG C M, YANG L, THACH T Q, et al. Modification by influenza on health effects of air pollution in Hong Kong[J]. Environ Health Perspect, 2009, 117(2): 248-253.
doi: 10.1289/ehp.11605[8] BELL M L, EBISU K, PENG R D, et al. Seasonal and regional short-term effects of fine particles on hospital admissions in 202 US counties, 1999-2005[J]. Am J Epidemiol, 2008, 168(11): 1301-1310.
doi: 10.1093/aje/kwn252[9] YI O, HONG Y C, KIM H. Seasonal effect of PM10 concentrations on mortality and morbidity in Seoul, Korea: a temperature-matched case-crossover analysis[J]. Environ Res, 2010, 110(1): 89-95.
doi: 10.1016/j.envres.2009.09.009[10] CHEN R, PENG R D, MENG X, et al. Seasonal variation in the acute effect of particulate air pollution on mortality in the China Air Pollution and Health Effects Study (CAPES)[J]. Sci Total Environ, 2013, 450-451: 259-265.
doi: 10.1016/j.scitotenv.2013.02.040[11] PENG R D, DOMINICI F, PASTOR-BARRIUSO R, et al. Seasonal analyses of air pollution and mortality in 100 US cities[J]. Am J Epidemiol, 2005, 161(6): 585-594.
doi: 10.1093/aje/kwi075[12] KAN H, LONDON S J, CHEN G, et al. Season, sex, age, and education as modifiers of the effects of outdoor air pollution on daily mortality in Shanghai, China: the Public Health and Air Pollution in Asia (PAPA) study[J]. Environ Health Perspect, 2008, 116(9): 1183-1188.
doi: 10.1289/ehp.10851[13] QIAN Z, LIN H M, STEWART W F, et al. Seasonal pattern of the acute mortality effects of air pollution[J]. J Air Waste Manag Assoc, 2010, 60(4): 481-488.
doi: 10.3155/1047-3289.60.4.481[14] LIANG W M, WEI H Y, KUO H W, et al. Association between daily mortality from respiratory and cardiovascular diseases and air pollution in Taiwan[J]. Environ Res, 2009, 109(1): 51-58.
doi: 10.1016/j.envres.2008.10.002[15] UEDA K, YAMAGAMI M, IKEMORI F, et al. Associations between fine particulate matter components and daily mortality in Nagoya, Japan[J]. J Epidemiol, 2016, 26(5): 249-257.
doi: 10.2188/jea.JE20150039[16] CHRISTOPHER J L, MURRAY M D, ALAN D, et al. Measuring the global burden of disease[J]. N Engl J Med, 2013, 369(5): 448-457.
doi: 10.1056/NEJMra1201534[17] STAFOGGIA M, SCHWARTZ J, FORASTIERE F, et al. Does temperature modify the association between air pollution and mortality? A multicity case-crossover analysis in Italy[J]. Am J Epidemiol, 2008, 167(12): 1476-1485.
doi: 10.1093/aje/kwn074[18] NAWROT T S, TORFS R, FIERENS F, et al. Stronger associations between daily mortality and fine particulate air pollution in summer than in winter: evidence from a heavily polluted region in western Europe[J]. J Epidemiol Commun Health, 2007, 61(2): 146-149.
doi: 10.1136/jech.2005.044263[19] ZAULI-SAJANI S, ROVELLI S, TRENTINI A, et al. Higher health effects of ambient particles during the warm season: The role of infiltration factors[J]. Sci Total Environ, 2018, 627: 67-77.
doi: 10.1016/j.scitotenv.2018.01.217[20] YAN G, ZHANG P, YANG J, et al. Chemical characteristics and source apportionment of PM2.5 in a petrochemical city: implications for primary and secondary carbonaceous component[J]. J Environ Sci, 2021, 103: 322-335.
doi: 10.1016/j.jes.2020.11.012[21] WANG Q, LI J, YANG J, et al. Seasonal characterization of aerosol composition and sources in a polluted city in Central China[J]. Chemosphere, 2020, 258: 127310.
doi: 10.1016/j.chemosphere.2020.127310[22] GONZÁLEZ L T, LONGORIA-RODRÍGUEZ G E, SÁNCHEZ-DOMÍNGUEZ M, et al. Seasonal variation and chemical composition of particulate matter: a study by XPS, ICP-AES and sequential microanalysis using Raman with SEM/EDS[J]. J Environ Sci (China), 2018, 74: 32-49.
doi: 10.1016/j.jes.2018.02.002[23] GALINDO N, NICOLÁS J F, YUBERO S, et al. Factors affecting levels of aerosol sulfate and nitrate on the Western Mediterranean coast[J]. Atmos Res, 2008, 88(3/4): 305-313.
[24] MICHIKAWA T, YAMAZAKI S, UEDA K, et al. Effects of exposure to chemical components of fine particulate matter on mortality in Tokyo: a case-crossover study[J]. Sci Total Environ, 2021, 755: 142489.
doi: 10.1016/j.scitotenv.2020.142489[25] LI G, ZHOU M, CAI Y, et al. Does temperature enhance acute mortality effects of ambient particle pollution in Tianjin City, China[J]. Sci Total Environ, 2011, 409(10): 1811-1817.
doi: 10.1016/j.scitotenv.2011.02.005[26] ANALITIS A, DE’ DONATO F, SCORTICHINI M, et al. Synergistic effects of ambient temperature and air pollution on health in Europe: results from the PHASE project[J]. Int J Environ Res Public Health, 2018, 15(9): 1856.
doi: 10.3390/ijerph15091856[27] REN C, TONG S. Temperature modifies the health effects of particulate matter in Brisbane, Australia[J]. Int J Biometeorol, 2006, 51(2): 87-96.
doi: 10.1007/s00484-006-0054-7[28] LUONG L M T, PHUNG D, DANG T N, et al. Seasonal association between ambient ozone and hospital admission for respiratory diseases in Hanoi, Vietnam[J]. PLoS One, 2018, 13(9): e0203751.
doi: 10.1371/journal.pone.0203751[29] 谷少华, 陆蓓蓓, 王钢, 等. 臭氧对心脑血管疾病急救的短期影响及其季节性差异[J]. 中国卫生统计, 2019, 36(1): 52-56.
GU S H, LU B B, WANG G, et al. Seasonal variation in the acute effect of ozone on emergency ambulance dispatches for cardiovascular diseases[J]. Chin J Health Stat, 2019, 36(1): 52-56.
[30] MOOLGAVKAR S H. Air pollution and daily mortality in two U. S. counties: season-specific analyses and exposure-response relationships[J]. Inhal Toxicol, 2003, 15(9): 877-907.
doi: 10.1080/08958370390215767[31] 张标, 王锦香. 上海市崇明区大气污染物与医院门诊量关系的时间序列研究[J]. 环境与职业医学, 2019, 36(4): 376-380.
ZHANG B, WANG J X. Time-series study on relationship between air pollutants and outpatient visits in Chongming district of Shanghai[J]. J Environ Occup Med, 2019, 36(4): 376-380.
[32] SARIGIANNIS D A, KARAKITSIOS S P, KERMENIDOU M, et al. Total exposure to airborne particulate matter in cities: the effect of biomass combustion[J]. Sci Total Environ, 2014, 493: 795-805.
doi: 10.1016/j.scitotenv.2014.06.055 -
-
PDF格式
21480-补充材料 232KB
-
-
-
计量
- 文章访问数: 1848
- HTML全文浏览量: 9
- PDF下载量: 241
