A panel study of associations between phenolic compound exposure and blood lipid levels
-
摘要:背景
酚类化合物被广泛用作增塑剂、抗菌剂和防腐剂，对人体具有内分泌干扰作用。既往关于酚类化合物暴露与血脂的流行病学研究主要基于单次尿样检测，忽略了潜在的滞后效应，研究结论也并不一致。
目的探讨不同滞后天数的酚类化合物短期暴露对成人血脂水平的影响。
方法采用固定群组研究设计，于2017—2018年招募143名武汉成人（男性43名，女性100名），分别在夏、秋、冬3季进行重复调查。每季连续收集4 d晨尿，第1天进行问卷调查，第4天进行体格检查和空腹血样采集。共纳入126人（340人次，
1251 份尿样）进行统计分析。采用超高效液相色谱-串联质谱联用仪测定尿样中6种酚类化合物[双酚A（BPA）、双酚S（BPS）、三氯生（TCS）、对羟基苯甲酸甲酯（MeP）、对羟基苯甲酸乙酯（EtP）和对羟基苯甲酸丙酯（PrP）]的浓度。运用线性混合效应模型（LMEs）、多源信息模型和广义线性模型分析个体三季不同滞后天数中，尿酚类化合物与甘油三酯（TG）、总胆固醇（TC）、高密度脂蛋白胆固醇（HDL-C）、低密度脂蛋白胆固醇（LDL-C）、TG与HDL-C的比值（TG/HDL-C）之间的关联，并依据不同个体特征进行分层分析。结果经协变量和多重校正后，LMEs表明，在体检当天（Lag 0 d），与BPA低浓度组（＜LOD）相比，高浓度组（≥LOD）TG/HDL-C升高16.48%（95%CI：4.41%，29.94%）（
P FDR＜0.05），且上述关联在男性（P 交互=0.028）和有吸烟史的人群（P 交互=0.040）中更显著。此外，在滞后第2天（Lag 2 d），与TCS低浓度组（＜LOD）相比，高浓度组（≥LOD）的TG升高13.22%（95%CI：3.73%，23.56%）（P FDR＜0.05）。分层分析结果显示，尿TCS与TG升高的关联在年龄＜50岁的人群中更显著（P 交互=0.037）。未发现其他滞后天数的尿酚类化合物与血脂存在关联。结论成人BPA和TCS短期暴露对血脂存在不利影响，且上述关联在男性、有吸烟史和年龄＜50岁的人群中更显著。
Abstract:BackgroundPhenolic compounds, which are widely used as plasticizers, antibacterial agents, and preservatives in industrial production, have endocrine disrupting effects on humans. Previous epidemiological studies on the associations between phenolic compound exposure and blood lipids are mainly based on single measurement of spot urine samples, neglecting potential lag effects of phenolic compounds, and the conclusions are inconsistent.
ObjectiveTo investigate the effects of short-term exposure to phenolic compounds at different lag days on blood lipid levels in adults.
MethodsWe recruited 143 adults (43 males and 100 females) in Wuhan for three consecutive seasonal rounds of repeated visits: summer and autumn rounds of 2017 and winter of 2018. Morning urine samples were collected for four consecutive days during each round. A set of questionnaires were also distributed on the first day. Physical examinations and fasting venous blood sample collection were conducted on the fourth day. A total of 126 adults were included for analysis (340 person-time,
1251 urine samples). The concentrations of six urinary phenolic compounds [bisphenol A (BPA), bisphenol S (BPS), triclosan (TCS), methyl paraben (MeP), ethyl paraben (EtP), and propyl paraben (PrP)] were determined by ultra-high-performance liquid chromatography-tandem mass spectrometry. Linear mixed-effect models (LMEs), multiple informant models, and generalized linear models were utilized to estimate the associations of urinary phenolic compounds at different lag days with total cholesterol (TC), triglycerides (TG), high density lipoprotein cholesterol (HDL-C), low density lipoprotein cholesterol (LDL-C), and the ratio of TG to HDL-C (TG/HDL-C). Stratified analyses were conducted by selected characteristics.ResultsAfter covariate and multiple adjustments, the LMEs indicated that a change in urinary BPA at lag 0 day from the low concentration group (<LOD) to the high concentration group (≥LOD) was associated with a 16.48% (95%CI: 4.41%, 29.94%) increase in TG/HDL-C (
P FDR<0.05), and this association was more pronounced in men (P interaction=0.028) and smokers (P interaction=0.040). In addition, a change in urinary TCS at lag 2 day from the low concentration group (<LOD) to the high concentration group (≥LOD) was associated with a 13.22% (95%CI: 3.73%, 23.56%) increase in TG (P FDR<0.05). The positive association of TCS with TG was more evident in subjects aged < 50 years (P interaction=0.037). No significant associations were found between urinary phenolic compounds at other lag days and blood lipids.ConclusionShort-term exposures to BPA and TCS are positively correlated with unfavorable changes in blood lipids in adults, and the association seem to be more pronounced in men, smokers, or individuals aged < 50 years.
-
Keywords:
- phenolic compound /
- blood lipid /
- linear mixed-effect models /
- adult /
- panel study
-
酚类化合物，主要包括双酚A（bisphenol A, BPA）、双酚S（bisphenol S, BPS）、三氯生（triclosan, TCS）、对羟基苯甲酸酯［包括对羟基苯甲酸甲酯（methyl paraben, MeP）、对羟基苯甲酸乙酯（ethyl paraben, EtP）和对羟基苯甲酸丙酯（propyl paraben, PrP）］等，作为常见的内分泌干扰物，被广泛用作增塑剂、抗菌剂和防腐剂[1]。双酚类物质多用于制造聚碳酸酯塑料和环氧树脂，应用在各种塑料材料和食品饮料罐的内涂层[2]。对羟基苯甲酸酯和TCS具有抗菌特性，主要应用于个人护理产品和食品包装材料等日常消费品中[3]。人们可通过食物摄入、空气吸入或皮肤接触等途径长期暴露于酚类化合物[1]。
酚类化合物广泛存在于人体血清、尿液和母乳中[4]。其在体内代谢速度快（半减期＜24 h），主要以尿代谢物形式排出体外。尿酚类化合物浓度常被用作评估人体内暴露水平的首选标志物[5]。既往研究发现酚类化合物与多种不良健康结局有关，包括肥胖、心血管疾病、Ⅱ型糖尿病、非酒精性脂肪肝等[6]。
心血管疾病是世界上发病率和死亡率最高的疾病之一，血脂作为心血管疾病重要且独立的危险因素，其与酚类化合物暴露之间的关联一直备受关注[7]。既往动物实验已发现BPA和TCS染毒能引起血清甘油三酯（triglycerides, TG）和总胆固醇（total cholesterol, TC）水平升高[8–9]。目前有关酚类化合物暴露与血脂关联的流行病学研究主要采集单次尿样进行暴露评估，且仅关注单个/类化学物质，研究结论尚不一致。美国国家健康与营养检查调查（National Health and Nutrition Examination Survey, NHANES）
1046 名成人的横断面研究观察到酚类化合物的暴露对血脂存在不利影响[10]。一项基于加拿大1137 名成人的横断面研究显示，尿酚类化合物与高密度脂蛋白胆固醇（high-density lipoprotein cholesterol, HDL-C）呈正相关[11]。然而荷兰成人（n=662）的队列研究结果表明，酚类化合物暴露与血脂之间并无关联[12]。酚类化合物的半减期短，环境中的含量波动大，采用单次尿样评估易引起错分偏倚。此外，不同滞后天数的尿酚类化合物变异较大[13]，对血脂的影响可能存在滞后效应。鉴于此，本研究基于固定群组的重复测量设计，探讨不同滞后天数的酚类化合物暴露与血脂指标[TC、TG、HDL-C、低密度脂蛋白胆固醇（low-density lipoprotein cholesterol, LDL-C）、TG/HDL-C]的关联。
1. 对象与方法
1.1 研究对象
本研究在武汉市宝丰和堤角两个社区共招募了143名调查对象（男性43名，女性100名）。纳入标准：1）年龄＞18岁；2）在该社区居住满2年及以上，且未来1年内无离开计划。本研究在夏季进行了1次基线调查（2017年7月12日至2017年9月5日），在秋季（2017年11月6日至2017年12月1日）和冬季（2018年1月8日至2018年3月16日）进行了2次随访调查。每季收集调查对象连续4 d的尿样，并于第4天早晨完成体格检查和空腹静脉血的采集。本研究排除了患有肿瘤（n=7）、脑卒中（n=5）和冠心病（n=4）的患者。进一步排除了血尿样缺失或失访的个体后，最终共126名（340人次，
1251 份尿样）受试者纳入分析。详细的纳入排除标准见补充材料图S1。该项研究获得华中科技大学同济医学院伦理审查委员会批准，批准号：[2018]IEC（S176）号。所有研究对象均获知本次研究的目的和意义，并签署了知情同意书。1.2 信息收集
问卷信息主要包括人口学基本特征（年龄、性别和文化程度等）、生活方式（吸烟、饮酒和锻炼等）、疾病史和用药史等。现在吸烟定义为每天吸烟1支及以上且持续6个月以上；现已戒烟定义为曾经吸烟并已戒烟6个月以上；其他情况定义为从不吸烟。现在饮酒定义为每周饮酒1次及以上且持续6个月以上；现已戒酒定义为曾经饮酒并已戒酒6个月以上；其他情况定义为从不饮酒。锻炼定义为6个月内每周进行以锻炼身体为目的的各项规律性运动3次及以上，且每次超过20 min。体重指数（body mass index, BMI）=体重（kg）/身高的平方（m2）。高血压的定义为自报患有经医师诊断的高血压、收缩压/舒张压≥140/90 mmHg或使用降压药物。糖尿病的定义为自报患有经医师诊断的糖尿病、空腹血糖≥7.0 mmol·L−1或使用降糖药/胰岛素。
1.3 尿中酚类化合物浓度检测
采用超高效液相色谱-三重四极杆串联质谱法（ultra-high-performance liquid chromatography-tandem mass spectrometry, UPLC-MS/MS）测定尿中6种酚类化合物的浓度。操作步骤如下：取3 mL尿液，依次加入乙酸-乙酸钠缓冲溶液、内标溶液和β-葡萄糖醛酸酶/芳基硫酸酯酶。混合样品在37 ℃恒温水浴箱中酶解16 h。然后使用Bond Elut C18 柱（安捷伦，中国）进行固相萃取。将萃取得到的洗脱液在35 ℃水浴加热下氮吹至近干后加入200 µL的（甲醇与水体积比为1∶4）的甲醇复溶，最后转移至内插管待测。为了稀释仪器背景干扰、制备过程中的污染以及仪器偏倚，本研究在每批检测样品（20个）中加入了1个程序空白溶液和1个基质加标样品作为质控样本。6种酚类化合物的加标回收率在82.0%~99.8%之间，检出限在0.01~0.09 μg·L−1之间。所有低于检出限（limit of detection, LOD）的结果均使用LOD/$ \sqrt{2} $来替代。为了消除尿液稀释度带来的影响，用尿肌酐校正酚类化合物的质量浓度后以摩尔质量纳入分析，单位为μg·mmol−1（尿肌酐校正）。
1.4 统计学分析
对研究对象的人口学特征、血脂水平及酚类化合物暴露水平进行统计学描述。采用Kolmogorov-Smirnov检验数据的正态性。满足正态分布的连续性变量采用重复测量方差分析进行比较，用均数±标准差表示；非正态分布的连续性变量的比较采用Kruskal-Wallis检验，用中位数（第25百分位数，第75百分位数）表示；分类变量的比较采用卡方检验，用频数（百分比）表示。由于血脂指标和尿酚类化合物水平呈偏态分布，故对其进行自然对数（ln）转换。计算组内相关系数（intraclass correlation coefficients, ICC）以评估不同滞后天数中尿酚类化合物浓度的时间变异性。采用Spearman相关分析计算不同滞后天数的尿酚类化合物之间的相关系数。
采用线性混合效应模型（linear mixed-effect models, LMEs）分析不同滞后日单个酚类化合物与血脂指标的关联。对于检出率＜60%的酚类（BPA和TCS），将其浓度分为2组（＜LOD和≥LOD）。所有的LMEs均校正年龄、性别、BMI、吸烟、饮酒、锻炼、文化程度、社区、季节、高血压、糖尿病和降脂药的使用。为降低发生I型错误的概率，采用Benjamini-Hochberg校正法校正P值，即PFDR。此外，进一步根据研究对象的年龄（≤50/＞50岁）、性别（男/女）、BMI（＜24/≥24 kg·m−2）、吸烟状况（是/否）、饮酒状况（是/否）、锻炼状况（是/否）进行分层分析。采用广义线性模型（generalized linear models, GLM）分析不同季节、不同滞后天数中尿酚类化合物浓度与血脂指标的关联。敏感性分析中，考虑到不同滞后天数中酚类化合物的潜在相关性，在探讨不同滞后天数的尿酚类化合物浓度与血脂指标的关联时，进一步建立多源信息模型以校正其他滞后天数的尿酚类化合物。统计分析均使用R 4.3.0和SAS 9.4完成，双侧PFDR＜0.05被认为具有统计学差异。
2. 结果
2.1 描述性分析结果
如表1所示，本研究在夏季基线调查时共纳入126名研究对象，平均年龄为（47.3±15.9）岁，BMI为（22.9±2.9）kg·m−2，其中男性37名（29.4%）。大多数对象从不吸烟（80.2%），从不饮酒（84.1%），并且有规律性运动的习惯（72.2%）。此外，大部分研究对象接受过高中及以上的教育（65.1%）。高血压的患病率为31.7%，糖尿病的患病率为11.9%。基线血脂指标TC、TG、HDL-C、LDL-C和TG/HDL-C的中位数（第25百分位数，第75百分位数）分别为4.62（3.99，5.27）mmol·L−1、1.36（0.92，1.94）mmol·L−1、1.37（1.11，1.60）mmol·L−1、2.84（2.60，3.31）mmol·L−1和1.10（0.72，1.54）。此外，研究对象三季的锻炼情况、血脂水平差异均具有统计学意义（P＜0.05）。女性中从不吸烟与从不饮酒的比例高于男性（补充材料表S1）。
表 1 研究人群的基本特征及血脂水平Table 1. Basic characteristics and blood lipid levels of study participants变量(Variable) 夏季(Summer)
(n=126)秋季(Autumn)
(n=112)冬季(Winter)
(n=102)P 年龄/岁(Age/years)，$ \bar x \pm s $ 47.3±15.9 47.7±16.2 47.0±16.4 0.942 性别(Gender)，n(%) 0.932 男(Male) 37(29.4) 35(31.2) 32(31.4) 女(Female) 89(70.6) 77(68.8) 70(68.6) BMI/(kg·m−2)，$ \bar x \pm s $ 22.9±2.9 23.4±3.0 23.5±2.9 0.275 吸烟(Smoking)，n(%) 0.979 从不吸烟(Never) 101(80.2) 89(79.5) 83(81.4) 现已戒烟(Former) 19(15.1) 17(15.2) 13(12.7) 现在吸烟(Current) 6(4.8) 6(5.4) 6(5.9) 饮酒(Drinking)，n(%) 0.992 从不饮酒(Never) 106(84.1) 93(83.0) 86(84.3) 现已戒酒(Former) 17(13.5) 17(15.2) 14(13.7) 现在饮酒(Current) 3(2.4) 2(1.8) 2(2.0) 锻炼(Physical activity)，n(%) 91(72.2) 69(61.6) 56(54.9) 0.023 文化程度(Education)，n(%) 0.850 初中及以下(Below
high school)44(34.9) 38(33.9) 30(29.4) 高中(High school) 21(16.7) 18(16.1) 15(14.7) 大学及以上(Above
high school)61(48.4) 56(50.0) 57(55.9) 社区(Community)，n(%) 0.568 宝丰社区(Baofeng) 87(69.0) 75(67.0) 75(73.5) 堤角社区(Dijiao) 39(31.0) 37(33.0) 27(26.5) 高血压(Hypertension)，n(%) 40(31.7) 46(41.1) 42(41.2) 0.227 服用降脂药(Lipid lowering drugs using)，n(%) 8(6.3) 8(7.1) 11(10.8) 0.436 糖尿病(Diabetes)，n(%) 15(11.9) 14(12.5) 15(14.7) 0.810 血脂指标(Blood lipids indices)，M(P25，P75) TC/(mmol·L−1) 4.62(3.99，5.27) 4.85(4.35，5.64) 4.90(4.34，5.74) <0.001 TG/(mmol·L−1) 1.36(0.92，1.94) 1.23(0.82，1.80) 1.19(0.81，1.87) 0.004 HDL-C/(mmol·L−1) 1.37(1.11，1.60) 1.43(1.20，1.61) 1.60(1.40，1.74) <0.001 LDL-C/(mmol·L−1) 2.84(2.60，3.31) 2.70(2.50，2.90) 2.90(2.60，3.35) 0.005 TG/HDL-C 1.10(0.72，1.54) 0.82(0.56，1.43) 0.79(0.49，1.24) <0.001 [注] 表中不符合正态分布的连续变量用M（P25，P75）表示，采用Kruskal-Wallis检验进行分析；符合正态分布的连续变量用$ \bar x \pm s $表示，采用重复测量方差分析进行分析；分类变量用n（%）表示，采用卡方检验进行分析。[Note] Non-normally distributed continuous variables are expressed as M(P25, P75) and analyzed by Kruskal-Wallis test; normally distributed continuous variables are expressed as $ \bar x \pm s $ and analyzed by repeated-measure analysis of variances; categorical variables are expressed as n(%) and analyzed by Chi-square test. 2.2 尿酚类化合物浓度及其分布特征
尿酚类化合物浓度分布情况如表2所示。BPA的检出率为49.48%，TCS的检出率为50.68%，其余4种污染物检出率范围为92%~100%。6种酚类化合物中MeP的中位数摩尔质量最高（4.32 μg·mmol−1），其次为EtP（0.52 μg·mmol−1）、TCS（0.26 μg·mmol−1）、PrP（0.03 μg·mmol−1）。不同季节TCS、MeP、EtP浓度存在一定差异（P<0.05）。相较于夏季，秋季和冬季中的TCS、MeP、EtP浓度更高。ICC结果显示，夏季和冬季的BPA、BPS、TCS、MeP和EtP，秋季BPA、BPS、TCS和EtP的重现性一般（0.4≤ICC＜0.75）。夏冬季的PrP，秋季的MeP和PrP重现性良好（ICC≥0.75）（补充材料表S2）。不同滞后天数的绝大多数酚类化合物间呈中等至强的正相关关系（相关系数范围为0.06~0.78）（补充材料图S2）。
表 2 研究人群的尿酚类化合物浓度Table 2. Concentrations of urinary phenolic compounds of study participants酚类化合物
(Phenolic compounds)LOD/
(μg·L−1)检出率
(Rate of detection)/%合计(Total)
(n=1251 )夏季(Summer)
(n=467)秋季(Autumn)
(n=397)冬季(Winter)
(n=387)P 肌酐校正后(Creatinine-adjusted)/(μg·mmol−1） BPA(×10−1) — — 0.16
(0.02，3.42)0.80
(0.02，3.83)0.09
(0.02，3.07)0.10
(0.02，3.22)0.780 BPS(×10−1) — — 0.08
(0.02，0.61)0.10
(0.01，0.49)0.07
(0.02，0.71)0.07
(0.02，0.67)0.208 TCS — — 0.26
(0.08，1.13)0.17
(0.07，0.65)0.35
(0.09，1.50)0.38
(0.12，1.59)<0.001 MeP — — 4.32
(0.82，18.52)1.87
(0.43，9.82)8.06
(1.38，26.26)6.46
(1.21，21.12)<0.001 EtP — — 0.52
(0.07，3.50)0.18
(0.04，1.90)0.84
(0.10，4.54)1.06
(0.12，5.03)<0.001 PrP — — 0.03
(0.01，0.42)0.04
(0.01，0.35)0.02
(0.01，0.42)0.03
(0.01，0.51)0.625 未校正肌酐(Unadjusted)/(μg·L−1) BPA 0.03 49.48 0.02
(0.02，3.33)0.95
(0.02，4.70)0.02
(0.02，2.78)0.02
(0.02，2.64)<0.001 BPS 0.01 100.00 0.02
(0.02，0.46)0.07
(0.02，0.46)0.02
(0.02，0.51)0.02
(0.02，0.40)0.305 TCS 0.09 50.68 0.17
(0.06，4.06)0.60
(0.06，4.30)0.06
(0.06，4.06)0.06
(0.06，3.92)0.211 MeP 0.05 98.80 33.99
(7.44，144.94)21.29
(5.00，109.39)52.09
(10.54，201.61)36.80
(10.60，129.58)<0.001 EtP 0.04 94.96 2.02
(0.89，8.83)1.58
(0.77，6.64)2.34
(0.95，10.51)2.25
(1.06，9.55)0.003 PrP 0.03 92.65 4.33
(0.78，27.60)1.98
(0.53，21.22)6.39
(0.99，32.47)7.52
(0.98，29.61)<0.001 [注] 表中数据用M（P25，P75）表示，未校正肌酐的尿酚类化合物采用Kruskal-Wallis检验，肌酐校正后的尿酚类化合物采用重复测量方差分析进行分析。n代表尿样的数量。[Note] Values are presented as M(P25, P75) and analyzed by Kruskal-Wallis test for unadjusted urinary phenolic compounds or repeated-measure analysis of variances for creatinine-adjusted urinary phenolic compounds. n is the number of urine samples. 2.3 尿酚类化合物暴露与血脂水平的关联
图1展示了不同滞后天数中单种酚类化合物暴露与血脂指标的关联。校正其他混杂因素后，LMEs结果显示，在体检当天（Lag 0 d），与低浓度组（＜LOD）相比，BPA高浓度组（≥LOD）的TG/HDL-C升高16.48%（95%CI：4.41%，29.94%）（PFDR＜0.05）。在滞后第2天（Lag 2 d），与低浓度组（＜LOD）相比，TCS高浓度组（≥LOD）TG升高13.22%（95%CI：3.73%，23.56%）（PFDR＜0.05）。
![]()
图 1 不同滞后天数中尿酚类化合物暴露与TC（A）、TG（B）、HDL-C（C）、LDL-C（D）及TG/HDL-C（E）的关联线性混合效应模型校正年龄、性别、BMI、吸烟、饮酒、锻炼、文化程度、社区、季节、高血压、糖尿病和降脂药的使用。Lag 0 d、Lag 1 d、Lag 2 d、Lag 3 d分别表示体检当天、滞后第1天、滞后第2天、滞后第3天。百分比变化表示为尿酚类化合物增加至2倍时血脂的百分比改变，百分比变化=(eβ*ln(2)−1)×100%。a：与低浓度组（＜LOD）相比，高浓度组（≥LOD）血脂的百分比改变，百分比变化=(eβ−1)×100%。*：PFDR＜0.05。Figure 1. Associations of urinary phenolic compounds at different lag days with TC (A), TG (B), HDL-C (C), LDL-C (D), and TG/HDL-C (E)LMEs are adjusted for age, gender, BMI, smoking status, drinking status, physical activity, education, community, season, hypertension, diabetes, and the use of lipid-lowering drugs. Lag 0 d, Lag 1 d, Lag 2 d, and Lag 3 d represent the day of physical examination, the first, second, and third days before physical examination, respectively. % Changes represent 2-fold increase in phenolic compounds resulted in changes of blood lipids, % change=(eβ*ln(2)−1)×100%. a: % Changes of blood lipids for the high concentration group (≥ LOD) versus the low concentration group (< LOD), % change=[(eβ -1)×100%]. *: P FDR < 0.05.GLM结果表明，在夏季Lag 1 d时，与低浓度组（＜LOD）相比，BPA高浓度组TC降低了9.97%（95%CI：−15.35%，−4.26%）（PFDR=0.006）（补充材料表S3）。多源信息模型结果见补充材料表S4，在考虑了其他滞后日后，并未观察到酚类化合物与血脂指标之间的统计学关联。
分层分析提示，校正其他混杂因素后，Lag 0 d的尿BPA与TG/HDL-C水平升高的关联在男性（P交互=0.028）和有吸烟史的人群（P交互=0.040）中更显著。此外，Lag 2 d的尿TCS和TG水平升高的关联在年龄＜50岁的个体中更显著（P交互=0.037）（表3）。
表 3 Lag 0 d 或者 Lag 2 d尿酚类化合物与血脂关联的分层分析Table 3. Associations of urinary phenolic compounds at Lag 0 d or Lag 2 d with blood lipid levels stratified by baseline characteristics变量(Variable) TG/HDL-C 百分比变化
(% Changes of TG/HDL-C)(95%CI)a/%P交互(P interaction) TG 百分比变化
(% Changes of TG)(95%CI)b/%P交互(P interaction) 年龄/岁(Age/years) 0.223 0.037 <50(n=154) 25.40(4.83，50.00) 21.84(8.04，37.40) ≥50(n=186) 9.60(−3.30，24.22) 5.61(−6.15，18.85) 性别(Gender) 0.028 0.059 女(Female)(n=236) 7.81(−4.86，22.17) 7.18(−3.01，18.45) 男(Male)(n=104) 42.09(14.84，75.80) 29.78(9.86，53.31) BMI/(kg·m−2) 0.711 0.865 <24(n=216) 14.42(−1.32，32.66) 14.07(1.63，28.03) ≥24(n=124) 21.26(5.58，39.27) 9.45(−3.28，23.85) 吸烟状况(Smoking) 0.040 0.262 否(No)(n=273) 9.97(−2.08，23.52) 10.20(0.58，20.73) 是(Yes)(n=67) 48.83(12.51，96.88) 32.32(4.76，67.14) 饮酒状况(Drinking) 0.108 0.356 否(No)(n=285) 11.72(0.04，24.77) 11.21(1.77，21.53) 是(Yes)(n=55) 24.90(−9.40，72.17) 20.02(−4.85，51.38) 锻炼(Physical activity) 0.318 0.965 否(No)(n=124) 22.98(2.78，47.16) 11.78(−4.28，30.52) 是(Yes)(n=216) 10.99(−3.75，27.98) 10.11(−1.84，23.51) [注] 所有校正变量包括年龄、性别、BMI、吸烟、饮酒、锻炼、文化程度、社区、季节、高血压、糖尿病和降脂药的使用，每组校正除自身之外的其他协变量。a：在Lag 0 d，与BPA低浓度组（<LOD）相比，BPA高浓度组（≥LOD）TG/HDL-C的百分比改变，百分比变化=（eβ−1）×100%。b：在Lag 2 d，与TCS低浓度组（<LOD）相比，TCS高浓度组（≥LOD）TG的百分比改变，百分比变化=（eβ−1）×100%。[Note] Models are adjusted for age, gender, BMI, smoking status, drinking status, physical activity, education, community, season, hypertension, diabetes, and the use of lipid-lowering drugs, except for stratified covariates. a: % Changes of TG/HDL-C at Lag 0 d for the urinary BPA high concentration group (≥ LOD) versus the low concentration group (< LOD), % change=[(eβ –1)×100%]. b: % Changes of TG at Lag 2 d for the urinary TCS high concentration group (≥ LOD) versus the low concentration group (< LOD), % change=[(eβ –1)×100%]. 3. 讨论
本研究采用固定群组研究设计，探讨不同滞后天数的尿酚类化合物与血脂水平之间的关联。结果表明，在Lag 0 d，尿BPA与TG/HDL-C水平升高的关联有统计学意义；在Lag 2 d，尿TCS与TG水平升高的关联有统计学意义。分层分析显示，在男性和有吸烟史的人群中，尿BPA与TG/HDL-C水平升高的关联更明显；此外，尿TCS与TG水平升高的关联在年龄＜50岁的人群中更强。
本研究中BPA、BPS和TCS的中位数质量浓度分别为0.02 μg·L−1、0.02 μg·L−1和0.17 μg·L−1。其中BPA质量浓度低于韩国成人（中位数=1.28 μg·L−1），而BPS质量浓度与其相近（中位数=0.02 μg·L−1）[14]。TCS质量浓度低于美国成人（中位数=9.70 μg·L−1）[15]。本次研究中3种对羟基苯甲酸酯的检出率均高于90%。EtP质量浓度（中位数=2.02 μg·L−1）低于韩国成人（中位数=32.22 μg·L−1），而MeP、PrP质量浓度（中位数=33.89、4.33 μg·L−1）与韩国成人（39.98 μg·L−1、2.69 μg·L−1）[14]相近。Jia等[13]基于广州成人连续45 d的尿液检测发现，酚类化合物浓度的重现性一般（ICC范围为0.32~0.95），与本研究结果类似。
本研究发现BPA和TCS短期暴露与血脂升高有关。既往关于酚类化合物暴露与血脂关联的流行病学研究结果尚不一致。2013—2016年美国NHANES（n=
1046 ）的横断面研究发现，成人尿BPA浓度升高和TG水平升高及HDL-C水平降低有关[10]。2015—2017年韩国国家环境健康调查（Korean National Environmental Health Survey, KoNEHs）（n=3692 ）的横断面研究结果显示，尿BPA和MeP浓度升高与TG水平升高有关，但并未发现尿TCS与血脂的关联[16]。而在基于荷兰成人（n=662）和美国孕妇（n=388）的队列研究中均未发现酚类化合物与血脂之间的关联[12–17]。上述研究结论不一致的可能原因为研究设计、人群特征、样本量及污染物暴露情况存在差异。分层分析发现，尿BPA与TG/HDL-C升高的关联在男性、有吸烟史的人群中更显著。Chol等[10]发现成人尿BPA与HDL-C降低和TG升高的关联在男性中更加明显，与本研究的结果一致。本研究中三分之二的男性（62.2%）有吸烟史，只有2.2%的女性有吸烟史。既往研究发现吸烟与HDL-C水平降低有关[18]。此外，尿TCS与TG升高的关联在年龄＜50岁的人群中更加显著。研究表明，血脂变化率会随着年龄增长急剧下降[19]。因此，脂质控制的健康效应应更多关注关键年龄窗口。
酚类化合物暴露对血脂影响的确切机制尚不清楚。雌激素受体位于心血管系统参与调节脂质谱，酚类化合物作为内分泌干扰物具有雌激素活性，可通过模拟雌激素与雌激素受体结合，扰乱脂质合成、代谢和运转通路，从而影响血脂[20]。一些体外实验、流行病学研究表明酚类化合物能够诱导细胞产生过多的活性氧，导致体内脂质代谢紊乱[21]。酚类化合物暴露还可能导致细胞组分的氧化损伤，进而触发炎症级联反应。激活的炎症反应可引起血清TG的升高和HDL-C的降低，甚至会损害胆固醇逆转运[22]。此外，有研究表明过氧化物酶体增殖物激活受体（peroxisome proliferator-activated receptor, PPAR）与脂质代谢调节密切相关，而BPA暴露可以激活小鼠及人体的PPARα、PPARγ受体，从而促进脂肪酸的合成和TG的沉积[23]。
本研究的主要优势为采用重复测量的研究设计测定不同季节内连续多日的尿酚类化合物浓度，提高了内暴露评估的准确性，同时考虑了酚类化合物暴露对血脂影响的潜在滞后效应。但本研究仍存在一定的局限性。首先，本研究是基于横断面的观察性研究，无法确定酚类化合物暴露与血脂之间的因果关系；其次，本研究的研究对象是中年人，因此研究结果在外推时需谨慎；第三，虽然本研究校正了多种混杂因素，但其他未测定的因素（如饮食、生物学因素等）、残差仍可能造成结果的偏倚；最后，本研究选择6种酚类化合物作为暴露指标，无法排除其他未测定化学物质的干扰，也未考虑多种污染物联合暴露对血脂水平的影响。
综上所述，本研究发现成人BPA和TCS短期暴露对血脂存在不利影响，其效应在男性、有吸烟史和年龄＜50岁的人群中更强。需要采取进一步的措施对环境酚类化合物污染进行管控。
-
![]()
图 1 不同滞后天数中尿酚类化合物暴露与TC（A）、TG（B）、HDL-C（C）、LDL-C（D）及TG/HDL-C（E）的关联
线性混合效应模型校正年龄、性别、BMI、吸烟、饮酒、锻炼、文化程度、社区、季节、高血压、糖尿病和降脂药的使用。Lag 0 d、Lag 1 d、Lag 2 d、Lag 3 d分别表示体检当天、滞后第1天、滞后第2天、滞后第3天。百分比变化表示为尿酚类化合物增加至2倍时血脂的百分比改变，百分比变化=(eβ*ln(2)−1)×100%。a：与低浓度组（＜LOD）相比，高浓度组（≥LOD）血脂的百分比改变，百分比变化=(eβ−1)×100%。*：PFDR＜0.05。
Figure 1. Associations of urinary phenolic compounds at different lag days with TC (A), TG (B), HDL-C (C), LDL-C (D), and TG/HDL-C (E)
LMEs are adjusted for age, gender, BMI, smoking status, drinking status, physical activity, education, community, season, hypertension, diabetes, and the use of lipid-lowering drugs. Lag 0 d, Lag 1 d, Lag 2 d, and Lag 3 d represent the day of physical examination, the first, second, and third days before physical examination, respectively. % Changes represent 2-fold increase in phenolic compounds resulted in changes of blood lipids, % change=(eβ*ln(2)−1)×100%. a: % Changes of blood lipids for the high concentration group (≥ LOD) versus the low concentration group (< LOD), % change=[(eβ -1)×100%]. *: P FDR < 0.05.
表 1 研究人群的基本特征及血脂水平
Table 1 Basic characteristics and blood lipid levels of study participants
变量(Variable) 夏季(Summer)
(n=126)秋季(Autumn)
(n=112)冬季(Winter)
(n=102)P 年龄/岁(Age/years)，$ \bar x \pm s $ 47.3±15.9 47.7±16.2 47.0±16.4 0.942 性别(Gender)，n(%) 0.932 男(Male) 37(29.4) 35(31.2) 32(31.4) 女(Female) 89(70.6) 77(68.8) 70(68.6) BMI/(kg·m−2)，$ \bar x \pm s $ 22.9±2.9 23.4±3.0 23.5±2.9 0.275 吸烟(Smoking)，n(%) 0.979 从不吸烟(Never) 101(80.2) 89(79.5) 83(81.4) 现已戒烟(Former) 19(15.1) 17(15.2) 13(12.7) 现在吸烟(Current) 6(4.8) 6(5.4) 6(5.9) 饮酒(Drinking)，n(%) 0.992 从不饮酒(Never) 106(84.1) 93(83.0) 86(84.3) 现已戒酒(Former) 17(13.5) 17(15.2) 14(13.7) 现在饮酒(Current) 3(2.4) 2(1.8) 2(2.0) 锻炼(Physical activity)，n(%) 91(72.2) 69(61.6) 56(54.9) 0.023 文化程度(Education)，n(%) 0.850 初中及以下(Below
high school)44(34.9) 38(33.9) 30(29.4) 高中(High school) 21(16.7) 18(16.1) 15(14.7) 大学及以上(Above
high school)61(48.4) 56(50.0) 57(55.9) 社区(Community)，n(%) 0.568 宝丰社区(Baofeng) 87(69.0) 75(67.0) 75(73.5) 堤角社区(Dijiao) 39(31.0) 37(33.0) 27(26.5) 高血压(Hypertension)，n(%) 40(31.7) 46(41.1) 42(41.2) 0.227 服用降脂药(Lipid lowering drugs using)，n(%) 8(6.3) 8(7.1) 11(10.8) 0.436 糖尿病(Diabetes)，n(%) 15(11.9) 14(12.5) 15(14.7) 0.810 血脂指标(Blood lipids indices)，M(P25，P75) TC/(mmol·L−1) 4.62(3.99，5.27) 4.85(4.35，5.64) 4.90(4.34，5.74) <0.001 TG/(mmol·L−1) 1.36(0.92，1.94) 1.23(0.82，1.80) 1.19(0.81，1.87) 0.004 HDL-C/(mmol·L−1) 1.37(1.11，1.60) 1.43(1.20，1.61) 1.60(1.40，1.74) <0.001 LDL-C/(mmol·L−1) 2.84(2.60，3.31) 2.70(2.50，2.90) 2.90(2.60，3.35) 0.005 TG/HDL-C 1.10(0.72，1.54) 0.82(0.56，1.43) 0.79(0.49，1.24) <0.001 [注] 表中不符合正态分布的连续变量用M（P25，P75）表示，采用Kruskal-Wallis检验进行分析；符合正态分布的连续变量用$ \bar x \pm s $表示，采用重复测量方差分析进行分析；分类变量用n（%）表示，采用卡方检验进行分析。[Note] Non-normally distributed continuous variables are expressed as M(P25, P75) and analyzed by Kruskal-Wallis test; normally distributed continuous variables are expressed as $ \bar x \pm s $ and analyzed by repeated-measure analysis of variances; categorical variables are expressed as n(%) and analyzed by Chi-square test. 
下载: 导出CSV
表 2 研究人群的尿酚类化合物浓度
Table 2 Concentrations of urinary phenolic compounds of study participants
酚类化合物
(Phenolic compounds)LOD/
(μg·L−1)检出率
(Rate of detection)/%合计(Total)
(n=1251 )夏季(Summer)
(n=467)秋季(Autumn)
(n=397)冬季(Winter)
(n=387)P 肌酐校正后(Creatinine-adjusted)/(μg·mmol−1） BPA(×10−1) — — 0.16
(0.02，3.42)0.80
(0.02，3.83)0.09
(0.02，3.07)0.10
(0.02，3.22)0.780 BPS(×10−1) — — 0.08
(0.02，0.61)0.10
(0.01，0.49)0.07
(0.02，0.71)0.07
(0.02，0.67)0.208 TCS — — 0.26
(0.08，1.13)0.17
(0.07，0.65)0.35
(0.09，1.50)0.38
(0.12，1.59)<0.001 MeP — — 4.32
(0.82，18.52)1.87
(0.43，9.82)8.06
(1.38，26.26)6.46
(1.21，21.12)<0.001 EtP — — 0.52
(0.07，3.50)0.18
(0.04，1.90)0.84
(0.10，4.54)1.06
(0.12，5.03)<0.001 PrP — — 0.03
(0.01，0.42)0.04
(0.01，0.35)0.02
(0.01，0.42)0.03
(0.01，0.51)0.625 未校正肌酐(Unadjusted)/(μg·L−1) BPA 0.03 49.48 0.02
(0.02，3.33)0.95
(0.02，4.70)0.02
(0.02，2.78)0.02
(0.02，2.64)<0.001 BPS 0.01 100.00 0.02
(0.02，0.46)0.07
(0.02，0.46)0.02
(0.02，0.51)0.02
(0.02，0.40)0.305 TCS 0.09 50.68 0.17
(0.06，4.06)0.60
(0.06，4.30)0.06
(0.06，4.06)0.06
(0.06，3.92)0.211 MeP 0.05 98.80 33.99
(7.44，144.94)21.29
(5.00，109.39)52.09
(10.54，201.61)36.80
(10.60，129.58)<0.001 EtP 0.04 94.96 2.02
(0.89，8.83)1.58
(0.77，6.64)2.34
(0.95，10.51)2.25
(1.06，9.55)0.003 PrP 0.03 92.65 4.33
(0.78，27.60)1.98
(0.53，21.22)6.39
(0.99，32.47)7.52
(0.98，29.61)<0.001 [注] 表中数据用M（P25，P75）表示，未校正肌酐的尿酚类化合物采用Kruskal-Wallis检验，肌酐校正后的尿酚类化合物采用重复测量方差分析进行分析。n代表尿样的数量。[Note] Values are presented as M(P25, P75) and analyzed by Kruskal-Wallis test for unadjusted urinary phenolic compounds or repeated-measure analysis of variances for creatinine-adjusted urinary phenolic compounds. n is the number of urine samples.
下载: 导出CSV
表 3 Lag 0 d 或者 Lag 2 d尿酚类化合物与血脂关联的分层分析
Table 3 Associations of urinary phenolic compounds at Lag 0 d or Lag 2 d with blood lipid levels stratified by baseline characteristics
变量(Variable) TG/HDL-C 百分比变化
(% Changes of TG/HDL-C)(95%CI)a/%P交互(P interaction) TG 百分比变化
(% Changes of TG)(95%CI)b/%P交互(P interaction) 年龄/岁(Age/years) 0.223 0.037 <50(n=154) 25.40(4.83，50.00) 21.84(8.04，37.40) ≥50(n=186) 9.60(−3.30，24.22) 5.61(−6.15，18.85) 性别(Gender) 0.028 0.059 女(Female)(n=236) 7.81(−4.86，22.17) 7.18(−3.01，18.45) 男(Male)(n=104) 42.09(14.84，75.80) 29.78(9.86，53.31) BMI/(kg·m−2) 0.711 0.865 <24(n=216) 14.42(−1.32，32.66) 14.07(1.63，28.03) ≥24(n=124) 21.26(5.58，39.27) 9.45(−3.28，23.85) 吸烟状况(Smoking) 0.040 0.262 否(No)(n=273) 9.97(−2.08，23.52) 10.20(0.58，20.73) 是(Yes)(n=67) 48.83(12.51，96.88) 32.32(4.76，67.14) 饮酒状况(Drinking) 0.108 0.356 否(No)(n=285) 11.72(0.04，24.77) 11.21(1.77，21.53) 是(Yes)(n=55) 24.90(−9.40，72.17) 20.02(−4.85，51.38) 锻炼(Physical activity) 0.318 0.965 否(No)(n=124) 22.98(2.78，47.16) 11.78(−4.28，30.52) 是(Yes)(n=216) 10.99(−3.75，27.98) 10.11(−1.84，23.51) [注] 所有校正变量包括年龄、性别、BMI、吸烟、饮酒、锻炼、文化程度、社区、季节、高血压、糖尿病和降脂药的使用，每组校正除自身之外的其他协变量。a：在Lag 0 d，与BPA低浓度组（<LOD）相比，BPA高浓度组（≥LOD）TG/HDL-C的百分比改变，百分比变化=（eβ−1）×100%。b：在Lag 2 d，与TCS低浓度组（<LOD）相比，TCS高浓度组（≥LOD）TG的百分比改变，百分比变化=（eβ−1）×100%。[Note] Models are adjusted for age, gender, BMI, smoking status, drinking status, physical activity, education, community, season, hypertension, diabetes, and the use of lipid-lowering drugs, except for stratified covariates. a: % Changes of TG/HDL-C at Lag 0 d for the urinary BPA high concentration group (≥ LOD) versus the low concentration group (< LOD), % change=[(eβ –1)×100%]. b: % Changes of TG at Lag 2 d for the urinary TCS high concentration group (≥ LOD) versus the low concentration group (< LOD), % change=[(eβ –1)×100%].
下载: 导出CSV
-
[1] ZHANG D, LIU X, XIAO Q, et al. Co-exposure to bisphenols, parabens, and antimicrobials and association with coronary heart disease: oxidative stress as a potential mediating factor?[J]. Environ Sci Technol, 2023, 57(1): 531-538. doi: 10.1021/acs.est.2c06488
[2] MICHAŁOWICZ J. Bisphenol A-Sources, toxicity and biotransformation[J]. Environ Toxicol Pharmacol, 2014, 37(2): 738-758. doi: 10.1016/j.etap.2014.02.003
[3] WEI F, MORTIMER M, CHENG H, et al. Parabens as chemicals of emerging concern in the environment and humans: a review[J]. Sci Total Environ, 2021, 778: 146150. doi: 10.1016/j.scitotenv.2021.146150
[4] AZZOUZ A, RASCÓN A J, BALLESTEROS E. Simultaneous determination of parabens, alkylphenols, phenylphenols, bisphenol A and triclosan in human urine, blood and breast milk by continuous solid-phase extraction and gas chromatography-mass spectrometry[J]. J Pharm Biomed Anal, 2016, 119: 16-26. doi: 10.1016/j.jpba.2015.11.024
[5] TEITELBAUM S L, LI Q, LAMBERTINI L, et al. Paired serum and urine concentrations of biomarkers of diethyl phthalate, methyl paraben, and triclosan in rats[J]. Environ Health Perspect, 2016, 124(1): 39-45. doi: 10.1289/ehp.1409586
[6] WEI X, HU Y, ZHU Q, et al. Co-exposure and health risks of several typical endocrine disrupting chemicals in general population in eastern China[J]. Environ Res, 2022, 204: 112366. doi: 10.1016/j.envres.2021.112366
[7] 张凯华. 石家庄地区空气污染和血脂水平关系研究[D]. 石家庄: 河北医科大学, 2021. ZHANG K H. The association between ambient air pollution and blood lipid level: a longitudinal study in Shijiazhuang, China[D]. Shijiazhuang: Hebei Medical University, 2021.
[8] SUN L, LING Y, JIANG J, et al. Differential mechanisms regarding triclosan vs. bisphenol A and fluorene-9-bisphenol induced zebrafish lipid-metabolism disorders by RNA-Seq[J]. Chemosphere, 2020, 251: 126318. doi: 10.1016/j.chemosphere.2020.126318
[9] HUANG W, XIE P, CAI Z. Lipid metabolism disorders contribute to hepatotoxicity of triclosan in mice[J]. J Hazard Mater, 2020, 384: 121310. doi: 10.1016/j.jhazmat.2019.121310
[10] CHOI J Y, LEE J, HUH D A, et al. Urinary bisphenol concentrations and its association with metabolic disorders in the US and Korean populations[J]. Environ Pollut, 2022, 295: 118679. doi: 10.1016/j.envpol.2021.118679
[11] KIM J, CHEVRIER J. Exposure to parabens and prevalence of obesity and metabolic syndrome: an analysis of the Canadian Health Measures Survey[J]. Sci Total Environ, 2020, 713: 135116. doi: 10.1016/j.scitotenv.2019.135116
[12] VAN DER MEER T P, VAN FAASSEN M, VAN BEEK A P, et al. Exposure to Endocrine Disrupting Chemicals in the Dutch general population is associated with adiposity-related traits[J]. Sci Rep, 2020, 10(1): 9311. doi: 10.1038/s41598-020-66284-3
[13] JIA L L, LUAN Y L, SHEN H M, et al. Long-term stability of several endocrine disruptors in the first morning urine samples and their associations with lifestyle characteristics[J]. Sci Total Environ, 2022, 850: 157873. doi: 10.1016/j.scitotenv.2022.157873
[14] KIM B, PARK B, KIM C H, et al. Association between endocrine-disrupting chemical mixture and metabolic indices among children, adolescents, and adults: a population-based study in Korea[J]. Environ Pollut, 2022, 315: 120399. doi: 10.1016/j.envpol.2022.120399
[15] WARD J B, CASAGRANDE S S, COWIE C C. Urinary phenols and parabens and diabetes among US adults, NHANES 2005-2014[J]. Nutr Metab Cardiovasc Dis, 2020, 30(5): 768-776. doi: 10.1016/j.numecd.2020.01.005
[16] NGUYEN H D, OH H, KIM M S. The effects of chemical mixtures on lipid profiles in the Korean adult population: threshold and molecular mechanisms for dyslipidemia involved[J]. Environ Sci Pollut Res Int, 2022, 29(26): 39182-39208. doi: 10.1007/s11356-022-18871-2
[17] VUONG A M, BRAUN J M, SJÖDIN A, et al. Exposure to endocrine disrupting chemicals (EDCs) and cardiometabolic indices during pregnancy: the HOME Study[J]. Environ Int, 2021, 156: 106747. doi: 10.1016/j.envint.2021.106747
[18] MIYAMURA K, NAWA N, ISUMI A, et al. The association of passive smoking and dyslipidemia among adolescence in Japan: results from A-CHILD study[J]. J Clin Endocrinol Metab, 2021, 106(7): e2738-e2748. doi: 10.1210/clinem/dgab094
[19] LI J, LIU M, LIU F, et al. Age and genetic risk score and rates of blood lipid changes in China[J]. JAMA Netw Open, 2023, 6(3): e235565. doi: 10.1001/jamanetworkopen.2023.5565
[20] MCDONOUGH C M, XU H S, GUO T L. Toxicity of bisphenol analogues on the reproductive, nervous, and immune systems, and their relationships to gut microbiome and metabolism: insights from a multi-species comparison[J]. Crit Rev Toxicol, 2021, 51(4): 283-300. doi: 10.1080/10408444.2021.1908224
[21] 刘辉, 刘芳芳, 王广胤, 等. 双酚A暴露诱导活性氧水平升高对肝脏脂质代谢的影响[J]. 卫生研究, 2021, 50(2): 289-295,300. LIU H, LIU F F, WANG G Y, et al. Effect of the reactive oxygen species-induced by bisphenol A on liver lipid metabolism disorder[J]. J Hyg Res, 2021, 50(2): 289-295,300.
[22] MA J, XIE Y, ZHOU Y, et al. Urinary copper, systemic inflammation, and blood lipid profiles: Wuhan-Zhuhai cohort study[J]. Environ Pollut, 2020, 267: 115647. doi: 10.1016/j.envpol.2020.115647
[23] CHEN Y, LV J, FU L, et al. Metabolome-wide association study of four groups of persistent organic pollutants and abnormal blood lipids[J]. Environ Int, 2023, 173: 107817. doi: 10.1016/j.envint.2023.107817
-
-
PDF格式
23375 补充材料 685KB
-
-
-
计量
- 文章访问数: 160
- HTML全文浏览量: 33
- PDF下载量: 26
