现代预防医学

变量	组别	总数（n=2 503）	非血脂异常患者（n=1 651）	血脂异常患者（n=852）	P
年龄（岁）					0.241
	18~44	1 336（53.38）	889（53.85）	447（52.46）
	45~59	738（29.48）	494（29.92）	244（28.64）
	≥60	429（17.14）	268（16.23）	161（18.90）
性别					<0.001
	男	1 204（48.10）	752（45.55）	452（53.05）
	女	1 299（51.90）	899（54.45）	400（46.95）
民族					0.019
	少数民族	1 126（44.99）	715（43.31）	411（48.24）
	汉族	1 377（55.01）	936（56.69）	441（51.76）
教育水平					0.498
	文盲/半文盲	1 081（43.19）	718（43.49）	363（42.61）
	小学	527（21.05）	351（21.26）	176（20.66）
	初中	624（24.93）	399（24.17）	225（26.41）
	高中	179（7.15）	116（7.03）	63（7.39）
	大专及以上	92（3.68）	67（4.05）	25（2.93）
婚姻状况					0.715
	单身	239（9.55）	150（9.09）	89（10.45）
	已婚/同居	2 061（82.34）	1 368（82.86）	693（81.34）
	离婚/丧偶/分居	193（7.71）	126（7.63）	67（7.86）
	其他	10（0.40）	7（0.42）	3（0.35）
职业					0.454
	体力劳动	2 183（87.22）	1 434（86.86）	749（87.91）
	脑力劳动	320（12.78）	217（13.14）	103（12.09）
蔬菜摄入量（g/d）^a					0.640
	≥300	1 640（67.13）	1 077（66.81）	563（67.75）
	<300	803（32.87）	535（33.19）	268（32.25）
水果摄入量（g/d）^a					0.923
	≥200	121（4.89）	80（4.92）	41（4.83）
	<200	2 355（95.11）	1 547（95.08）	808（95.17）
现在吸烟					0.010
	否	1 813（72.43）	1 223（74.08）	590（69.25）
	是	690（27.57）	428（25.92）	262（30.75）
油摄入量（g/d）^a					0.186
	<25	707（28.50）	480（29.36）	227（26.83）
	≥25	1 774（71.50）	1 155（70.64）	619（73.17）
盐摄入量（g/d）					<0.001
	<5	417（16.66）	312（18.90）	105（12.32）
	≥5	2 086（83.34）	1 339（81.10）	747（87.68）
饮酒					<0.001
	否	1 745（69.72）	1 197（72.50）	548（64.32）
	是	758（30.28）	454（27.50）	304（35.68）
BMI（kg/m²）^a					0.667
	<18.5	162（6.49）	113（6.86）	49（5.76）
	18.5~23.9	1 758（70.40）	1 157（70.25）	601（70.71）
	24~27.9	481（19.26）	317（19.25）	164（19.29）
	≥28	96（3.85）	60（3.64）	36（4.24）
使用清洁燃料					0.077
	是	950（37.95）	647（39.19）	303（35.56）
	否	1 553（62.05）	1 004（60.81）	549（64.44）
使用排风设备^a					0.869
	是	261（10.44）	171（10.36）	90（10.58）
	否	2 240（89.56）	1 479（89.64）	761（89.42）
身体活动不足					0.344
	否	1 893（75.63）	1 239（75.05）	654（76.76）
	是	610（24.37）	412（24.95）	198（23.24）
DBP （mmHg）M（P₂₅,P₇₅）		76.00（69.33，82.00）	76.00（69.33，81.67）	76.67（69.33，83.00）	0.322
SBP （mmHg）M（P₂₅,P₇₅）		118.00（108.00，130.00）	117.33（106.67，129.33）	119.33（109.33，132.00）	0.003

变量	组别	总数（n=2 503）	非血脂异常患者（n=1 651）	血脂异常患者（n=852）	P
年龄（岁）					0.241
	18~44	1 336（53.38）	889（53.85）	447（52.46）
	45~59	738（29.48）	494（29.92）	244（28.64）
	≥60	429（17.14）	268（16.23）	161（18.90）
性别					<0.001
	男	1 204（48.10）	752（45.55）	452（53.05）
	女	1 299（51.90）	899（54.45）	400（46.95）
民族					0.019
	少数民族	1 126（44.99）	715（43.31）	411（48.24）
	汉族	1 377（55.01）	936（56.69）	441（51.76）
教育水平					0.498
	文盲/半文盲	1 081（43.19）	718（43.49）	363（42.61）
	小学	527（21.05）	351（21.26）	176（20.66）
	初中	624（24.93）	399（24.17）	225（26.41）
	高中	179（7.15）	116（7.03）	63（7.39）
	大专及以上	92（3.68）	67（4.05）	25（2.93）
婚姻状况					0.715
	单身	239（9.55）	150（9.09）	89（10.45）
	已婚/同居	2 061（82.34）	1 368（82.86）	693（81.34）
	离婚/丧偶/分居	193（7.71）	126（7.63）	67（7.86）
	其他	10（0.40）	7（0.42）	3（0.35）
职业					0.454
	体力劳动	2 183（87.22）	1 434（86.86）	749（87.91）
	脑力劳动	320（12.78）	217（13.14）	103（12.09）
蔬菜摄入量（g/d）^a					0.640
	≥300	1 640（67.13）	1 077（66.81）	563（67.75）
	<300	803（32.87）	535（33.19）	268（32.25）
水果摄入量（g/d）^a					0.923
	≥200	121（4.89）	80（4.92）	41（4.83）
	<200	2 355（95.11）	1 547（95.08）	808（95.17）
现在吸烟					0.010
	否	1 813（72.43）	1 223（74.08）	590（69.25）
	是	690（27.57）	428（25.92）	262（30.75）
油摄入量（g/d）^a					0.186
	<25	707（28.50）	480（29.36）	227（26.83）
	≥25	1 774（71.50）	1 155（70.64）	619（73.17）
盐摄入量（g/d）					<0.001
	<5	417（16.66）	312（18.90）	105（12.32）
	≥5	2 086（83.34）	1 339（81.10）	747（87.68）
饮酒					<0.001
	否	1 745（69.72）	1 197（72.50）	548（64.32）
	是	758（30.28）	454（27.50）	304（35.68）
BMI（kg/m²）^a					0.667
	<18.5	162（6.49）	113（6.86）	49（5.76）
	18.5~23.9	1 758（70.40）	1 157（70.25）	601（70.71）
	24~27.9	481（19.26）	317（19.25）	164（19.29）
	≥28	96（3.85）	60（3.64）	36（4.24）
使用清洁燃料					0.077
	是	950（37.95）	647（39.19）	303（35.56）
	否	1 553（62.05）	1 004（60.81）	549（64.44）
使用排风设备^a					0.869
	是	261（10.44）	171（10.36）	90（10.58）
	否	2 240（89.56）	1 479（89.64）	761（89.42）
身体活动不足					0.344
	否	1 893（75.63）	1 239（75.05）	654（76.76）
	是	610（24.37）	412（24.95）	198（23.24）
DBP （mmHg）M（P₂₅,P₇₅）		76.00（69.33，82.00）	76.00（69.33，81.67）	76.67（69.33，83.00）	0.322
SBP （mmHg）M（P₂₅,P₇₅）		118.00（108.00，130.00）	117.33（106.67，129.33）	119.33（109.33，132.00）	0.003

污染物		M	IQR	最小值	最大值
PM₁₀	78.14±5.90	76.50	7.50	69.83	123.50
NO₂	17.39±3.02	16.50	3.50	13.00	35.33
O₃	67.77±2.17	67.67	3.33	63.17	77.17

污染物		M	IQR	最小值	最大值
PM₁₀	78.14±5.90	76.50	7.50	69.83	123.50
NO₂	17.39±3.02	16.50	3.50	13.00	35.33
O₃	67.77±2.17	67.67	3.33	63.17	77.17

污染物	Model 1	Model 2	Model 3
PM₁₀	1.055（0.988, 1.127）	0.108	1.139（1.056, 1.228）	0.001	1.204（1.106, 1.310）	<0.001
PM₁₀+NO₂	1.294（1.160, 1.444）	<0.001	1.332（1.190, 1.492）	<0.001	1.434（1.276, 1.612）	<0.001
PM₁₀+O₃	1.081（0.997, 1.172）	0.059	1.185（1.083, 1.296）	<0.001	1.282（1.166, 1.410）	<0.001
PM₁₀+NO₂+ O₃	1.336（1.184, 1.508）	<0.001	1.387（1.226, 1.568）	<0.001	1.550（1.366, 1.759）	<0.001

污染物	Model 1	Model 2	Model 3
PM₁₀	1.055（0.988, 1.127）	0.108	1.139（1.056, 1.228）	0.001	1.204（1.106, 1.310）	<0.001
PM₁₀+NO₂	1.294（1.160, 1.444）	<0.001	1.332（1.190, 1.492）	<0.001	1.434（1.276, 1.612）	<0.001
PM₁₀+O₃	1.081（0.997, 1.172）	0.059	1.185（1.083, 1.296）	<0.001	1.282（1.166, 1.410）	<0.001
PM₁₀+NO₂+ O₃	1.336（1.184, 1.508）	<0.001	1.387（1.226, 1.568）	<0.001	1.550（1.366, 1.759）	<0.001

血脂异常亚型	污染物模型	HR（95%CI）	P
高TC血症	PM₁₀	1.013（0.822,1.248）	0.905
高TG血症	PM₁₀	1.019（0.899,1.154）	0.771
低HDL-C血症	PM₁₀	1.019（0.881,1.180）	0.796
高LDL-C血症	PM₁₀	1.649（1.424,1.909）	<0.001
高TC血症	PM₁₀+NO₂	0.890（0.666,1.189）	0.429
高TG血症	PM₁₀+NO₂	0.957（0.807,1.135）	0.614
低HDL-C血症	PM₁₀+NO₂	1.033（0.841,1.268）	0.759
高LDL-C血症	PM₁₀+NO₂	2.644（2.174,3.217）	<0.001
高TC血症	PM₁₀+O₂	1.227（0.983,1.531）	0.071
高TG血症	PM₁₀+O₃	1.104（0.960,1.269）	0.166
低HDL-C血症	PM₁₀+O₃	1.008（0.850,1.194）	0.931
高LDL-C血症	PM₁₀+O₃	1.761（1.503,2.064）	<0.001
高TC血症	PM₁₀+NO₂+O₃	1.087（0.804,1.469）	0.590
高TG血症	PM₁₀+NO₂+O₃	1.042（0.867,1.252）	0.663
低HDL-C血症	PM₁₀+NO₂+O₃	1.020（0.813,1.278）	0.865
高LDL-C血症	PM₁₀+NO₂+O₃	2.907（2.360,3.582）	<0.001

血脂异常亚型	污染物模型	HR（95%CI）	P
高TC血症	PM₁₀	1.013（0.822,1.248）	0.905
高TG血症	PM₁₀	1.019（0.899,1.154）	0.771
低HDL-C血症	PM₁₀	1.019（0.881,1.180）	0.796
高LDL-C血症	PM₁₀	1.649（1.424,1.909）	<0.001
高TC血症	PM₁₀+NO₂	0.890（0.666,1.189）	0.429
高TG血症	PM₁₀+NO₂	0.957（0.807,1.135）	0.614
低HDL-C血症	PM₁₀+NO₂	1.033（0.841,1.268）	0.759
高LDL-C血症	PM₁₀+NO₂	2.644（2.174,3.217）	<0.001
高TC血症	PM₁₀+O₂	1.227（0.983,1.531）	0.071
高TG血症	PM₁₀+O₃	1.104（0.960,1.269）	0.166
低HDL-C血症	PM₁₀+O₃	1.008（0.850,1.194）	0.931
高LDL-C血症	PM₁₀+O₃	1.761（1.503,2.064）	<0.001
高TC血症	PM₁₀+NO₂+O₃	1.087（0.804,1.469）	0.590
高TG血症	PM₁₀+NO₂+O₃	1.042（0.867,1.252）	0.663
低HDL-C血症	PM₁₀+NO₂+O₃	1.020（0.813,1.278）	0.865
高LDL-C血症	PM₁₀+NO₂+O₃	2.907（2.360,3.582）	<0.001

贵州省成人PM₁₀长期暴露与血脂异常及其亚型的前瞻性队列研究

PDF下载

王和艳 ¹ , 王河焱 ¹^,³ , 张福艳 ⁴ , 雷季星 ⁵ , 尹丽华 ⁵ , 李小雪 ⁵ , 刘涛 ²

现代预防医学 | 环境与职业卫生 2026,53(12): 2173-2180

收起

现代预防医学 |环境与职业卫生 2026 , 53 (12) : 2173 -2180

贵州省成人PM₁₀长期暴露与血脂异常及其亚型的前瞻性队列研究

全屏

王和艳¹, 王河焱¹^,³, 张福艳⁴, 雷季星⁵, 尹丽华⁵, 李小雪⁵, 刘涛²

作者信息

^1.贵州中医药大学基础医学院，贵州贵阳 550025

^2.贵州省疾病预防控制中心慢性病防治研究所

^3.贵州省第三人民医院急诊科

^4.铜仁职业技术学院护理学院

^5.贵州医科大学

通讯作者:

刘涛，E-mail: liutao9099@163.com

作者简介:

王和艳和王河焱为共同第一作者。

王和艳（1998—），女，硕士，研究方向：临床流行病学。

王河焱（1981—），男，硕士，副主任医师，研究方向：重症呼吸系统感染性疾病的病原学诊断与检测技术研究

Prospective cohort study on long-term exposure to PM₁₀ and dyslipidemia and its subtypes in adults, Guizhou

He-yan WANG¹, He-yan WANG¹^,³, Fu-yan ZHANG⁴, Ji-xing LEI⁵, Li-hua YIN⁵, Xiao-xue LI⁵, Tao LIU²

Affiliations

School of Basic Medicine, Guizhou University of Traditional Chinese Medicine, Guiyang, Guizhou 550025, China

出版时间: 2026-06-25 doi: 10.20043/j.cnki.MPM.202601226

文章导航

摘要

收起

目的

探讨长期PM₁₀暴露与血脂异常及其亚型发病的关联，并评估不同人群的效应差异。

方法

基于贵州省健康人群队列研究，2010年为基线，2016—2020年随访，纳入2 503名成年人。采用高空间分辨率模型预测2005—2010年期间PM₁₀的年均暴露水平，运用时间依赖Cox比例风险回归模型评估PM₁₀与血脂异常及其亚型发病的风险比（Hazard Ratio，HR）和95%置信区间（Confidence Interval，CI），并进行年龄、性别、民族、职业、现在吸烟、饮酒、使用清洁燃料及使用排风设备的亚组分析。

结果

总随访人年为17 333.50年，中位随访6.63年，随访期间共发生852例血脂异常，发病密度为49.15/1 000人年。调整混杂因素后，PM₁₀每增加1个标准差（5.90 μg/m³），血脂异常的HR=1.204（95%CI:1.106~1.310），在双污染物和多污染物模型中结果仍稳健。血脂异常亚型分析显示，PM₁₀主要与高LDL-C血症的发病风险显著相关，PM₁₀每增加1个标准差，高LDL-C血症的HR=1.649（95%CI:1.424~1.909），在双污染物和多污染物模型中，结果仍然显著（P<0.001）。亚组分析发现，PM₁₀对高LDL-C血症在未使用清洁燃料、未使用排风设备、少数民族、体力劳动者中效应更强（P for interaction<0.05）。

结论

长期PM₁₀暴露显著增加血脂异常风险，尤以高LDL-C血症最为显著，并在少数民族、体力劳动者及室内环境不良人群中效应更强，提示需针对易感人群制定精准化空气污染防控策略。

关键词

血脂异常 / 血脂异常亚型 / PM₁₀ / 队列研究 / 易感人群

Abstract

收起

Objective

To investigate the association between long-term PM₁₀ exposure and dyslipidemia, including its subtypes, and to explore effect heterogeneity across populations.

Methods

Data were from the Guizhou Population Health Cohort Study, with baseline in 2010 and follow-up from 2016-2020, including 2 503 adults. Annual PM₁₀ exposure during 2005-2010 was estimated using a high-resolution spatial model. Time-dependent Cox models estimated hazard ratios (HR) and 95% confidence intervals (CI) for dyslipidemia and its subtypes. Subgroup analyses were conducted by age, sex, ethnicity, occupation, smoking, alcohol use, and indoor air conditions.

Results

Over 17 333.5 person-years (median follow-up 6.63 years), 852 dyslipidemia cases occurred (49.15/1 000 person-years). Each 1 SD increase in PM₁₀(5.90 μg/m²) was associated with HR=1.204 (95%CI: 1.106-1.310) for dyslipidemia, remaining robust in dual- and multi-pollutant models. PM₁₀ was mainly associated with elevated LDL-C (HR=1.649, 95%CI: 1.424-1.909). Stronger associations were observed among ethnic minorities, manual laborers, and participants using no clean fuel or lacking ventilation (P for interaction<0.05).

Conclusion

Long-term PM₁₀ exposure increases dyslipidemia risk, especially elevated LDL-C, with stronger effects in ethnic minorities, manual laborers, and those with poor indoor air conditions, emphasizing the need for targeted air pollution control for susceptible populations.

Key words

Dyslipidemia / Dyslipidemia subtypes / PM₁₀ / Cohort study / Susceptible populations

引用本文

王和艳, 王河焱, 张福艳, 雷季星, 尹丽华, 李小雪, 刘涛. 贵州省成人PM₁₀长期暴露与血脂异常及其亚型的前瞻性队列研究. 现代预防医学, 2026 , 53 (12) : 2173 -2180 . DOI: 10.20043/j.cnki.MPM.202601226

He-yan WANG, He-yan WANG, Fu-yan ZHANG, Ji-xing LEI, Li-hua YIN, Xiao-xue LI, Tao LIU. Prospective cohort study on long-term exposure to PM₁₀ and dyslipidemia and its subtypes in adults, Guizhou[J]. Modern Preventive Medicine, 2026 , 53 (12) : 2173 -2180 . DOI: 10.20043/j.cnki.MPM.202601226

正文

收起

血脂异常（dyslipidemia, DLP）是动脉粥样硬化性心血管疾病（atherosclerotic cardiovascular disease, ASCVD）的重要危险因素，表现为总胆固醇（total cholesterol, TC）、甘油三酯（triglyceride, TG）和低密度脂蛋白胆固醇（low-density lipoprotein cholesterol, LDL-C）升高或高密度脂蛋白胆固醇（high-density lipoprotein cholesterol, HDL-C）降低^［1］。我国成人DLP患病率为35.6%，且随年龄升高^［2］，而心血管患者约3.30亿^［3］，其中LDL-C升高是心血管死亡的重要危险因素^［4］。空气污染，尤其是颗粒物污染，是代谢性疾病和心血管疾病的重要环境危险因素^［5］。世界卫生组织（World Health Organization, WHO）估计，约1/4的心血管疾病负担与环境暴露有关^［6］。可吸入颗粒物（particulate matter ≤10 μm，PM₁₀）可通过炎症、氧化应激及免疫失衡影响脂质代谢，增加血脂异常风险^［7］。不同血脂亚型对PM₁₀反应可能存在异质性，但前瞻性证据不足。贵州省地处西南喀斯特高原，地形不利于污染物扩散^［8］。PM₁₀年均浓度普遍高于我国（70 μg/m³）和WHO标准（15 μg/m³）^［9-10］。因此，本研究基于前瞻性队列，探讨长期PM₁₀暴露与血脂异常及其亚型发病风险的关联，为环境污染防控和代谢疾病的管理提供科学依据。

1　对象与方法

收起

1.1　研究对象

本研究基于贵州省健康人群队列研究（Guizhou Population Health Cohort Study, GPHCS）。2010年采用多阶段整群随机抽样方法，在贵州省12个（县、区）、48个乡镇抽取9 280名≥18岁常住居民进行基线调查。2016—2020年开展随访，共随访到8 163人，结局不清楚1 117人，随访率达87.96%，排除死亡133人，基线患血脂异常4 621人，基线血脂异常亚型信息不清楚91人，随访血脂异常信息不清楚455人，随访血脂异常亚型信息不清楚360人，最终纳入分析2 503人（见图1）。本研究经贵州省疾病预防控制中心伦理委员会批准（编号：S2017-02），所有调查对象均签署知情同意书。

1.2　方法

1.2.1　问卷调查

采用统一培训的医务人员进行面对面访谈，收集人口学特征及生活方式信息。饮食摄入量通过食物频率问卷（food frequency questionnaire, FFQ）获取，评估近12个月主要食物摄入情况。烹调油与食盐摄入量依据近30天家庭总用量，并按家庭就餐人数折算为个体日均摄入量。

1.2.2　体格检查及生化指标检测

（1）身高、体重测量：要求受试者穿轻薄衣物并脱鞋，读数精确到0.1 cm和0.1 kg，取两次测量的平均值。（2）血压测量：使用欧姆龙电子血压计测量收缩压（systolic blood pressure,SBP）和舒张压（diastolic blood pressure, DBP），测量前休息5分钟，相隔1~2分钟重复测量2次，取平均值。若两次SBP或DBP差值>5 mmHg，应再次测量，取3次均值。（3）血生化指标检测：受试者空腹≥ 8小时采集静脉血，检测其TC、TG、HDL-C、LDL-C等。

1.2.3　相关变量定义

（1）根据《中国成人血脂异常防治指南（2016年修订版）》^［11］，血脂异常定义为：TC≥6.22 mmol/L为高TC血症、TG≥2.26 mmol/L为高TG血症、HDL-C <1.04 mmol/L为低HDL-C血症、LDL-C≥4.14 mmol/L为高LDL-C血症、或自报医生诊断血脂异常或正在使用降脂药，符合任一项即判定为血脂异常。（2）体质指数（body mass index, BMI）：BMI=体重（kg /身高²（m²）。分为：BMI<18.5 kg/m²为轻体重，18.5~23.9 kg/m²为正常，24~27.9 kg/m²为超重，BMI ≥28 kg/m²为肥胖。（3）清洁燃料：使用煤气、天燃气、液化气、沼气、太阳能或电作为燃料。（4）现在吸烟：调查时仍存在吸烟的人，包括每日吸烟和偶尔吸烟者。（5）饮酒^［12］：指过去12个月内存在饮酒行为，包括白酒、啤酒、黄酒、米酒、葡糖酒、青稞酒等。（6）身体活动不足^［13］：指每周中等强度活动<150 min、高强度活动<75 min或未达到等效活动量。（7）人年：基线至血脂异常发生或随访截止的时间。

1.2.4　协变量

社会人口学协变量包括年龄（18~44岁、45~59岁、≥ 60岁）、性别（男、女），民族（少数民族、汉族）、教育水平（文盲/半文盲、小学、初中、高中、大专及以上）、婚姻状况（单身、已婚/同居、离婚/丧偶/分居、其他）、职业（体力劳动、脑力劳动）。生活方式协变量有蔬菜摄入量（<300 g/d、≥300 g/d）、水果摄入量（<200 g/d、≥200 g/d）、盐摄入量（<5 g/d、≥5 g/d）、油摄入量（<25 g/d、≥25 g/d）、BMI（<18.5 kg/m²、18.5~23.9 kg/m²、24~27.9 kg/m²、≥28 kg/m²）、现在吸烟（否、是）、饮酒（否、是）、身体活动不足（否、是）、使用清洁燃料（是、否）、使用排风设备（是、否）、SBP、DBP。

1.2.5　暴露评估

本研究以2010年为基线，选取2005—2010年作为PM₁₀长期暴露时间窗口，反映基线前累积暴露。PM₁₀浓度采用基于随机森林模型的空间预测方法进行评估，以地面测量的PM₁₀数据为因变量，结合社区多尺度空气质量建模系统（Community Multiscale Air Quality Model, CMAQ）模拟PM₁₀浓度、气象参数、土地利用、能见度和人口密度等变量进行建模。模型基于日均PM₁₀浓度进行预测，交叉验证结果显示R²=0.87，均方根误差（root mean square error,RMSE）为22.07 μg/m³^［14］。根据研究对象居住地址匹配至1 km²网格，计算其年均PM₁₀暴露浓度。同时匹配同分辨率O₃和NO₂浓度数据，并在模型中作为协变量进行调整。

1.2.6　统计分析

采用R 4.5.0和Stata 18.0软件进行统计分析，计数资料以频数（n）和构成比（%）表示，组间比较用χ²检验；非正态分布的计量资料以［M（P₂₅，P₇₅）］表示，组间比较用Mann-Whitney U非参数检验。采用Spearman等级相关分析评估污染物相关性。以中位随访时间6.63年为时间尺度，构建3种时间依赖性Cox比例风险回归模型，分析PM₁₀暴露与血脂异常及其亚型发病风险，结果以HR和CI表示。在PM₁₀模型基础上构建双污染物模型（分别纳入NO₂或O₃）和多污染物模型（同时纳入NO₂和O₃），评估相互调整后的独立效应，并用方差膨胀因子（VIF）诊断多重共线性。采用限制性立方样条（restricted cubic splines,RCS）分析剂量-反应关系。按年龄、性别、民族、职业、现在吸烟、饮酒、使用清洁燃料及使用排风设备进行分层分析。敏感性分析包括：（1）剔除<2年随访时间的研究对象；（2）剔除基线服用降脂药物和糖尿病的参与者；（3）采用2010—2020年年均PM₁₀浓度进行分析。所有检验均为双侧检验，α=0.05。

2　结果

收起

2.1　研究对象的基本情况

本研究共纳入2 503人（男1 204，女1 299）,随访总人年为17 333.50人年，中位随访人年为6.63年，血脂异常患者852人，发病密度为49.15/1 000人年。血脂异常患者集中在体力劳动者、水果摄入量<200 g/d、未使用排风设备的人群中。血脂异常患者与非血脂异常患者在性别、民族、现在吸烟、盐摄入量、饮酒、收缩压的分组中存在统计学差异（P<0.05）。见表1。

2.2　污染物浓度的描述统计

2005—2010年的污染物平均浓度为：PM₁₀ 78.14 μg/m³，NO₂ 17.39 μg/m³，O₃ 67.77 μg/m³。见表2。Spearman相关性分析显示，PM₁₀与NO₂呈正相关，与O₃呈负相关；NO₂与O₃呈负相关。见补充材料表1。共线性诊断结果显示，各变量VIF均<5，TOL接近1，未见明显多重共线性。见补充材料表2。

2.3　长期暴露于PM₁₀对血脂异常发病的影响

根据模型3的结果显示，PM₁₀浓度每增加1 SD μg/m³，血脂异常的发病风险为HR=1.204（95%CI:1.106~1.310），该关联在双污染物模型和多污染物模型中依然稳健。见表3。

2.4　长期暴露于PM₁₀对血脂异常亚型发病的影响

随访期间共有222人发生高LDL-C血症，基于Model 3的分析显示，PM₁₀浓度每增加1 SD μg/m³，高LDL-C血症的发病风险为HR=1.649（95%CI:1.424~1.909）。然而，其余三种血脂异常亚型均未发现与PM₁₀浓度存在显著关联（P>0.05），该关联在双污染物模型和多污染模型中均保持稳健。见表4。

2.5　PM₁₀暴露对血脂异常发病风险的剂量反应关系

采用RCS评估PM₁₀长期暴露与血脂异常及其亚型的剂量-反应关系，结果如图2所示，PM₁₀与总体血脂异常发病风险之间呈线性正相关（P non linear > 0.05），随着PM₁₀浓度的增大，血脂异常发病的风险会逐渐升高。在亚型分析中（见图3），PM₁₀与高LDL-C血症呈非线性剂量-反应关系、与低HDL-C血症和高TG血症均为线性剂量-反应关系、而与高TC血症未观察到显著关联（P overall>0.05）。

2.6　分层分析

PM₁₀暴露与高LDL-C血症的发病风险在不同特征人群中均存在显著交互作用（P for interaction<0.05 ）。具体而言，在少数民族、体力劳动者、未使用清洁燃料和未使用排风设备的人群中，PM₁₀暴露显著增加高LDL-C血症的发病风险（见图4）。

2.7　敏感性分析

为排除随访时间不足及基线健康状况对研究结果的潜在影响。本研究剔除随访时间<2年的研究对象8人，基线已服用降脂药物或患糖尿病者150人，并将2010—2020年间PM₁₀年均浓度作为暴露窗口。基于Model 3重新分析。结果依然稳健（见图5）。

3　讨论

收起

本研究发现长期PM₁₀暴露显著增加血脂异常的发生风险，尤其是高LDL-C血症。该效应在少数民族、体力劳动者以及未使用清洁燃料或排风设备的人群中更为显著，提示特定人群对空气污染更敏感。该结果与既往研究一致。例如SHANELY等人发现PM₁₀每增加一个四分位距（11.1 μg/m³），TG和TC水平升高^［15］。SHIN等人亦发现PM₁₀与血脂异常关联在心脏代谢疾病中最显著^［16］。但上述研究多为横断面设计，难以明确时间顺序和因果关系。本研究基于前瞻性队列，进一步证实PM₁₀暴露显著增加血脂异常发病风险（HR=1.204,95%CI:1.106~1.310）。在控制NO₂和O₃的双污染物模型及多污染物模型中，PM₁₀的效应估计值进一步增强，多污染物模型中增至HR=1.550（95%CI:1.366~1.759）。这一结果提示，在复杂空气污染混合暴露情境下，PM₁₀可能具有相对独立的健康效应，同时不同污染物之间可能存在协同或叠加作用。进一步分析血脂异常亚型发现，PM₁₀与不同亚型之间的关联存在差异。例如，GUI等人在我国儿童青少年中未发现PM₁₀与血脂异常亚型的显著关联^［17］。而MAO等人在农村人群中发现PM₁₀增加高TC血症和低HDL-C血症风险、降低高TG血症风险,但与高LDL-C血症无显著关联^［18］。本研究在成年人中发现PM₁₀仅与高LDL-C血症风险显著相关（HR=1.649,95%CI:1.424~1.909），该关联在分别或同时调整NO₂或O₃后仍然稳健。上述差异可能与颗粒物影响脂质代谢通路及研究人群特征不同有关。一方面，PM₁₀可通过诱导全身炎症和氧化应激等干扰LDL代谢，使LDL-C水平升高，对TG或HDL-C影响较弱^［19］。另一方面，不同人群的年龄、社会经济地位及遗传差异，导致对空气污染暴露的易感性不同^［20］。此外，不同研究在暴露评估、时间窗口选择及混杂因素控制上的差异可能导致结果不一致^［21］。例如，本研究以居住地1 km²网格平均PM₁₀估算暴露，未能充分反映个体活动及室内外浓度差异，可能导致非差异性暴露误差，使效应估计偏向保守。

亚组分析通过在模型中加入交互项并报告P for interaction值评估统计学差异。结果显示，PM₁₀与高LDL-C血症的关联在特定人群中存在异质性。首先，在室内环境方面，未使用清洁燃料或未配备排风设备人群中，PM₁₀与高LDL-C血症的关联显著增强（P for interaction<0.05），提示不良通风条件或使用非清洁燃料可能增加颗粒物的累积暴露，从而加剧健康危害^［22］。其次，在民族差异方面，本研究发现该关联在少数民族人群中强于汉族。既往研究亦表明PM₁₀与血脂指标的关联在不同民族中存在差异^［23］，可能与居住环境、地理分布、饮食结构及社会经济状况等因素有关^［24］，进而影响实际暴露水平。最后，从职业角度来看，PM₁₀与高LDL-C血症的关联在体力劳动者中更为显著，可能与户外暴露时间延长、职业相关污染接触以及职业健康资源差异有关^［25］。长期颗粒物吸入可能持续诱导氧化应激与系统性炎症反应，加速脂质代谢紊乱。

本研究具有以下优势：首先，基于贵州省长期随访队列和高空间分辨率污染数据，系统评估PM₁₀长期暴露与血脂异常及其亚型的关联；其次，采用多污染物模型控制NO₂和O₃共暴露，提高结果稳健性；最后，通过亚组分析识别易感人群，提升医疗服务的精准性。局限性包括：一，研究人群来自特定区域，限制结果的外推性；二，未考虑PM₁₀化学成分和个体活动轨迹，可能存在暴露误差；三，尽管已控制多种混杂因素，残余混杂仍可能存在；四，受数据来源限制，未纳入SO₂和CO等污染物进行分析，可能对结果产生一定影响。未来研究可扩展至不同区域和多民族人群，结合可穿戴监测设备与脂质代谢组学，探讨PM₁₀化学成分通过氧化应激影响脂质功能失调的机制，并评估环境干预对血脂与心血管健康的长期效应。

综上，本研究基于贵州省前瞻性队列数据发现，长期PM₁₀暴露可显著增加血脂异常的发生风险，尤其是高LDL-C血症，同时提示改善空气质量、推广清洁燃料及加强居家通风应纳入慢病防控策略，强调在公共卫生实践中应关注少数民族、体力劳动者等高风险人群，实施更具针对性的空气污染防控措施，以减轻血脂异常及相关心血管疾病的疾病负担。

基金

收起

贵州省科技计划项目(黔科合支撑（2018）2819)
西南地区有影响力的重点优势学科“慢性非传染性疾病控制学”培育项目

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

[1]

Abera

, Worede

, Hirigo

, et al. Dyslipidemia and associated factors among adult cardiac patients: a hospital-based comparative cross-sectional study［J］. European Journal of Medical Research, 2024, 29(1): 237.

[2]

Zou

, Su

, Du

, et al. Longitudinal association between physical activity, blood lipids, and risk of dyslipidemia among Chinese adults: findings from the China health and nutrition surveys in 2009 and 2015［J］. Nutrients, 2023, 15(2): 341.

[3]

The

. Report on cardiovascular health and diseases in China 2022:an updated summary［J］. Biomedical and Environmental Sciences, 2023, 36(8): 669-701.

[4]

Bekbossynova

, Saliev

, Ivanova

, et al. Beyond cholesterol: emerging risk factors in atherosclerosis［J］. Journal of Clinical Medicine, 2025, 14(7): 2352.

[5]

Guo

, Zeeshan

, Huang

, et al. Influence of air pollution exposures on cardiometabolic risk factors: a review［J］. Current Environmental Health Reports, 2023, 10(4): 501-507.

[6]

Schlezinger

, Gokce

. Perfluoroalkyl/polyfluoroalkyl substances: links to cardiovascular disease risk［J］. Circulation Research, 2024, 134(9): 1136-1159.

[7]

Mei

, Li

, Zhao

, et al. Association of long-term exposure to air pollution and residential greenness with lipid profile: mediating role of inflammation［J］. Ecotoxicology and Environmental Safety, 2023, 257: 114920.

[8]

, Wang

, Xu

, et al. Chemical characterization and source identification of PM2.5 in the Huaxi urban area of Guiyang［J］. Scientific Reports, 2024, 14(1): 30451.

[9]

Wang

, Ying

, Hu

, et al. Spatial and temporal variations of six criteria air pollutants in 31 provincial capital cities in China during 2013-2014［J］. Environment International, 2014, 73: 413-422.

[10]

Song

, Zhang

, et al. The development of local ambient air quality standards: A case study of Hainan Province, China［J］. Eco-Environment & Health, 2024, 3(1): 11-20.

[11]

诸骏仁，高润霖，赵水平，等．《中国成人血脂异常防治指南(2016年修订版)》［J］．中国循环杂志，2016，31（10）：937-953．

Zhu

, Gao

, Zhao

, et al. Guidelines for the prevention and treatment of dyslipidemia in Chinese adults (2016 Revision)［J］. Chinese Journal of Circulation, 2016, 31(10): 937-953. (In Chinese)

[12]

, Miao

, Zhang

, et al. Alcohol consumption in relation to cardiovascular and non-cardiovascular mortality in an elderly male Chinese population［J］. BMC Public Health, 2021, 21(1): 2053.

[13]

Strain

, Flaxman

, Guthold

, et al. National, regional, and global trends in insufficient physical activity among adults from 2000 to 2022: a pooled analysis of 507 population-based surveys with 5.7 million participants［J］. Lancet Global Health, 2024, 12(8): e1232-e1243.

[14]

Jiang

, Tong

, Yu

, et al. Ambient particulate matter and chronic obstructive pulmonary disease mortality: a nationwide, individual-level, case-crossover study in China［J］. eBioMedicine, 2024, 107: 105270.

[15]

Shanley

, Hayes

, Cromar

, et al. Particulate air pollution and clinical cardiovascular disease risk factors［J］. Epidemiology, 2016, 27(2): 291-298.

[16]

Shin

, Choi

, Kim

. Association between long-term exposure of ambient air pollutants and cardiometabolic diseases: A 2012 Korean Community Health Survey［J］. Nutrition, Metabolism, and Cardiovascular Diseases, 2019, 29(2): 144-151.

[17]

Gui

, Yang

, Zou

, et al. Exposure to ambient air pollution and blood lipids in children and adolescents: A National population based study in China［J］. Environmental Pollution, 2020, 266(Pt 3): 115422.

[18]

Mao

, Chen

, Liu

, et al. Long-term effects of ambient air pollutants to blood lipids and dyslipidemias in a Chinese rural population［J］. Environmental Pollution, 2020, 256: 113403.

[19]

Hasanpour

, Mansourzadeh

, Khajavi

, et al. Ambient air pollution and cardiometabolic health in the Tehran lipid and glucose study: a scoping review of two decades of evidence［J］. International Journal of Endocrinology and Metabolism, 2025, 23(4): e166630.

[20]

Kalia

, Kulick

, Vardarajan

, et al. Linking air pollution exposure to Blood-Based metabolic features in a Community-Based aging cohort with and without dementia［J］. Journal of Alzheimer’s Disease, 2023, 96(3): 1025-1040.

[21]

Fedrizzi

, Carugno

, Consonni

, etal. Past exposure to PM10 and lung cancer risk in the EAGLE case-control study［J］. Scientific Reports, 2025, 15(1): 31530.

[22]

Chen

, Zhao

, Zhang

, et al. Associations of ambient particulate matter and household fuel use with chronic liver disease in China: A nationwide analysis［J］. Environment International, 2024, 193: 109083.

[23]

Wang

, Chen

, Pan

, et al. Association of long-term exposure to ambient air pollutants with blood lipids in Chinese adults: The China Multi-Ethnic Cohort study［J］. Environmental Research, 2021, 197: 111174.

[24]

Abed al ahad

, Demšar

, Sullivan

, et al. The spatial-temporal effect of air pollution on individuals’ reported health and its variation by ethnic groups in the United Kingdom: a multilevel longitudinal analysis［J］. BMC Public Health, 2023, 23(1): 897.

[25]

, Yu

, Li

, et al. Dyslipidemia awareness, treatment, control and influence factors among adults in the Jilin province in China: a cross-sectional study［J］. Lipids in Health and Disease, 2014, 13:122.

2026年第53卷第12期

PDF下载

144

引用本文

BibTeX

文章信息

doi: 10.20043/j.cnki.MPM.202601226

接收时间：2026-01-14
首发时间：2026-09-28
出版时间：2026-06-25

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2026-01-14

基金

贵州省科技计划项目(黔科合支撑（2018）2819)

西南地区有影响力的重点优势学科“慢性非传染性疾病控制学”培育项目

作者信息

^1.贵州中医药大学基础医学院，贵州贵阳 550025

^2.贵州省疾病预防控制中心慢性病防治研究所

^3.贵州省第三人民医院急诊科

^4.铜仁职业技术学院护理学院

^5.贵州医科大学

通讯作者:

刘涛，E-mail: liutao9099@163.com

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/xdyfyx/CN/10.20043/j.cnki.MPM.202601226

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT

变量	组别	总数（n=2 503）	非血脂异常患者（n=1 651）	血脂异常患者（n=852）	P
年龄（岁）					0.241
	18~44	1 336（53.38）	889（53.85）	447（52.46）
	45~59	738（29.48）	494（29.92）	244（28.64）
	≥60	429（17.14）	268（16.23）	161（18.90）
性别					<0.001
	男	1 204（48.10）	752（45.55）	452（53.05）
	女	1 299（51.90）	899（54.45）	400（46.95）
民族					0.019
	少数民族	1 126（44.99）	715（43.31）	411（48.24）
	汉族	1 377（55.01）	936（56.69）	441（51.76）
教育水平					0.498
	文盲/半文盲	1 081（43.19）	718（43.49）	363（42.61）
	小学	527（21.05）	351（21.26）	176（20.66）
	初中	624（24.93）	399（24.17）	225（26.41）
	高中	179（7.15）	116（7.03）	63（7.39）
	大专及以上	92（3.68）	67（4.05）	25（2.93）
婚姻状况					0.715
	单身	239（9.55）	150（9.09）	89（10.45）
	已婚/同居	2 061（82.34）	1 368（82.86）	693（81.34）
	离婚/丧偶/分居	193（7.71）	126（7.63）	67（7.86）
	其他	10（0.40）	7（0.42）	3（0.35）
职业					0.454
	体力劳动	2 183（87.22）	1 434（86.86）	749（87.91）
	脑力劳动	320（12.78）	217（13.14）	103（12.09）
蔬菜摄入量（g/d）^a					0.640
	≥300	1 640（67.13）	1 077（66.81）	563（67.75）
	<300	803（32.87）	535（33.19）	268（32.25）
水果摄入量（g/d）^a					0.923
	≥200	121（4.89）	80（4.92）	41（4.83）
	<200	2 355（95.11）	1 547（95.08）	808（95.17）
现在吸烟					0.010
	否	1 813（72.43）	1 223（74.08）	590（69.25）
	是	690（27.57）	428（25.92）	262（30.75）
油摄入量（g/d）^a					0.186
	<25	707（28.50）	480（29.36）	227（26.83）
	≥25	1 774（71.50）	1 155（70.64）	619（73.17）
盐摄入量（g/d）					<0.001
	<5	417（16.66）	312（18.90）	105（12.32）
	≥5	2 086（83.34）	1 339（81.10）	747（87.68）
饮酒					<0.001
	否	1 745（69.72）	1 197（72.50）	548（64.32）
	是	758（30.28）	454（27.50）	304（35.68）
BMI（kg/m²）^a					0.667
	<18.5	162（6.49）	113（6.86）	49（5.76）
	18.5~23.9	1 758（70.40）	1 157（70.25）	601（70.71）
	24~27.9	481（19.26）	317（19.25）	164（19.29）
	≥28	96（3.85）	60（3.64）	36（4.24）
使用清洁燃料					0.077
	是	950（37.95）	647（39.19）	303（35.56）
	否	1 553（62.05）	1 004（60.81）	549（64.44）
使用排风设备^a					0.869
	是	261（10.44）	171（10.36）	90（10.58）
	否	2 240（89.56）	1 479（89.64）	761（89.42）
身体活动不足					0.344
	否	1 893（75.63）	1 239（75.05）	654（76.76）
	是	610（24.37）	412（24.95）	198（23.24）
DBP （mmHg）M（P₂₅,P₇₅）		76.00（69.33，82.00）	76.00（69.33，81.67）	76.67（69.33，83.00）	0.322
SBP （mmHg）M（P₂₅,P₇₅）		118.00（108.00，130.00）	117.33（106.67，129.33）	119.33（109.33，132.00）	0.003

变量

组别

总数（n=2 503）

非血脂异常患者（n=1 651）

血脂异常患者（n=852）

年龄（岁）

0.241

18~44

1 336（53.38）

889（53.85）

447（52.46）

45~59

738（29.48）

494（29.92）

244（28.64）

≥60

429（17.14）

268（16.23）

161（18.90）

性别

<0.001

男

1 204（48.10）

752（45.55）

452（53.05）

女

1 299（51.90）

899（54.45）

400（46.95）

民族

0.019

少数民族

1 126（44.99）

715（43.31）

411（48.24）

汉族

1 377（55.01）

936（56.69）

441（51.76）

教育水平

0.498

文盲/半文盲

1 081（43.19）

718（43.49）

363（42.61）

小学

527（21.05）

351（21.26）

176（20.66）

初中

624（24.93）

399（24.17）

225（26.41）

高中

179（7.15）

116（7.03）

63（7.39）

大专及以上

92（3.68）

67（4.05）

25（2.93）

婚姻状况

0.715

单身

239（9.55）

150（9.09）

89（10.45）

已婚/同居

2 061（82.34）

1 368（82.86）

693（81.34）

离婚/丧偶/分居

193（7.71）

126（7.63）

67（7.86）

其他

10（0.40）

7（0.42）

3（0.35）

职业

0.454

体力劳动

2 183（87.22）

1 434（86.86）

749（87.91）

脑力劳动

320（12.78）

217（13.14）

103（12.09）

蔬菜摄入量（g/d）^a

0.640

≥300

1 640（67.13）

1 077（66.81）

563（67.75）

<300

803（32.87）

535（33.19）

268（32.25）

水果摄入量（g/d）^a

0.923

≥200

121（4.89）

80（4.92）

41（4.83）

<200

2 355（95.11）

1 547（95.08）

808（95.17）

现在吸烟

0.010

否

1 813（72.43）

1 223（74.08）

590（69.25）

是

690（27.57）

428（25.92）

262（30.75）

油摄入量（g/d）^a

0.186

<25

707（28.50）

480（29.36）

227（26.83）

≥25

1 774（71.50）

1 155（70.64）

619（73.17）

盐摄入量（g/d）

<0.001

417（16.66）

312（18.90）

105（12.32）

≥5

2 086（83.34）

1 339（81.10）

747（87.68）

饮酒

<0.001

否

1 745（69.72）

1 197（72.50）

548（64.32）

是

758（30.28）

454（27.50）

304（35.68）

BMI（kg/m²）^a

0.667

<18.5

162（6.49）

113（6.86）

49（5.76）

18.5~23.9

1 758（70.40）

1 157（70.25）

601（70.71）

24~27.9

481（19.26）

317（19.25）

164（19.29）

≥28

96（3.85）

60（3.64）

36（4.24）

使用清洁燃料

0.077

是

950（37.95）

647（39.19）

303（35.56）

否

1 553（62.05）

1 004（60.81）

549（64.44）

使用排风设备^a

0.869

是

261（10.44）

171（10.36）

90（10.58）

否

2 240（89.56）

1 479（89.64）

761（89.42）

身体活动不足

0.344

否

1 893（75.63）

1 239（75.05）

654（76.76）

是

610（24.37）

412（24.95）

198（23.24）

DBP （mmHg）M（P₂₅,P₇₅）

76.00（69.33，82.00）

76.00（69.33，81.67）

76.67（69.33，83.00）

0.322

SBP （mmHg）M（P₂₅,P₇₅）

118.00（108.00，130.00）

117.33（106.67，129.33）

119.33（109.33，132.00）

0.003

污染物		M	IQR	最小值	最大值
PM₁₀	78.14±5.90	76.50	7.50	69.83	123.50
NO₂	17.39±3.02	16.50	3.50	13.00	35.33
O₃	67.77±2.17	67.67	3.33	63.17	77.17

污染物

IQR

最小值

最大值

PM₁₀

78.14±5.90

76.50

7.50

69.83

123.50

NO₂

17.39±3.02

16.50

3.50

13.00

35.33

O₃

67.77±2.17

67.67

3.33

63.17

77.17

污染物	Model 1	Model 2	Model 3
PM₁₀	1.055（0.988, 1.127）	0.108	1.139（1.056, 1.228）	0.001	1.204（1.106, 1.310）	<0.001
PM₁₀+NO₂	1.294（1.160, 1.444）	<0.001	1.332（1.190, 1.492）	<0.001	1.434（1.276, 1.612）	<0.001
PM₁₀+O₃	1.081（0.997, 1.172）	0.059	1.185（1.083, 1.296）	<0.001	1.282（1.166, 1.410）	<0.001
PM₁₀+NO₂+ O₃	1.336（1.184, 1.508）	<0.001	1.387（1.226, 1.568）	<0.001	1.550（1.366, 1.759）	<0.001

污染物

Model 1

Model 2

Model 3

HR（95%CI）

PM₁₀

1.055（0.988, 1.127）

0.108

1.139（1.056, 1.228）

0.001

1.204（1.106, 1.310）

<0.001

PM₁₀+NO₂

1.294（1.160, 1.444）

<0.001

1.332（1.190, 1.492）

<0.001

1.434（1.276, 1.612）

<0.001

PM₁₀+O₃

1.081（0.997, 1.172）

0.059

1.185（1.083, 1.296）

<0.001

1.282（1.166, 1.410）

<0.001

PM₁₀+NO₂+ O₃

1.336（1.184, 1.508）

<0.001

1.387（1.226, 1.568）

<0.001

1.550（1.366, 1.759）

<0.001

血脂异常亚型	污染物模型	HR（95%CI）	P
高TC血症	PM₁₀	1.013（0.822,1.248）	0.905
高TG血症	PM₁₀	1.019（0.899,1.154）	0.771
低HDL-C血症	PM₁₀	1.019（0.881,1.180）	0.796
高LDL-C血症	PM₁₀	1.649（1.424,1.909）	<0.001
高TC血症	PM₁₀+NO₂	0.890（0.666,1.189）	0.429
高TG血症	PM₁₀+NO₂	0.957（0.807,1.135）	0.614
低HDL-C血症	PM₁₀+NO₂	1.033（0.841,1.268）	0.759
高LDL-C血症	PM₁₀+NO₂	2.644（2.174,3.217）	<0.001
高TC血症	PM₁₀+O₂	1.227（0.983,1.531）	0.071
高TG血症	PM₁₀+O₃	1.104（0.960,1.269）	0.166
低HDL-C血症	PM₁₀+O₃	1.008（0.850,1.194）	0.931
高LDL-C血症	PM₁₀+O₃	1.761（1.503,2.064）	<0.001
高TC血症	PM₁₀+NO₂+O₃	1.087（0.804,1.469）	0.590
高TG血症	PM₁₀+NO₂+O₃	1.042（0.867,1.252）	0.663
低HDL-C血症	PM₁₀+NO₂+O₃	1.020（0.813,1.278）	0.865
高LDL-C血症	PM₁₀+NO₂+O₃	2.907（2.360,3.582）	<0.001

血脂异常亚型

污染物模型

HR（95%CI）

高TC血症

PM₁₀

1.013（0.822,1.248）

0.905

高TG血症

PM₁₀

1.019（0.899,1.154）

0.771

低HDL-C血症

PM₁₀

1.019（0.881,1.180）

0.796

高LDL-C血症

PM₁₀

1.649（1.424,1.909）

<0.001

高TC血症

PM₁₀+NO₂

0.890（0.666,1.189）

0.429

高TG血症

PM₁₀+NO₂

0.957（0.807,1.135）

0.614

低HDL-C血症

PM₁₀+NO₂

1.033（0.841,1.268）

0.759

高LDL-C血症

PM₁₀+NO₂

2.644（2.174,3.217）

<0.001

高TC血症

PM₁₀+O₂

1.227（0.983,1.531）

0.071

高TG血症

PM₁₀+O₃

1.104（0.960,1.269）

0.166

低HDL-C血症

PM₁₀+O₃

1.008（0.850,1.194）

0.931

高LDL-C血症

PM₁₀+O₃

1.761（1.503,2.064）

<0.001

高TC血症

PM₁₀+NO₂+O₃

1.087（0.804,1.469）

0.590

高TG血症

PM₁₀+NO₂+O₃

1.042（0.867,1.252）

0.663

低HDL-C血症

PM₁₀+NO₂+O₃

1.020（0.813,1.278）

0.865

高LDL-C血症

PM₁₀+NO₂+O₃

2.907（2.360,3.582）

<0.001