《基於行為軌跡驅動的顆粒物精細化暴露研究》是依託中國科學院大學，由張元勛擔任項目負責人的重大研究計畫。
基本介紹
- 中文名：基於行為軌跡驅動的顆粒物精細化暴露研究
- 項目類別：重大研究計畫
- 項目負責人：張元勛
- 依託單位：中國科學院大學
項目摘要,結題摘要,
項目摘要
對暴露的準確測量是劑量效應關係和流行病學研究的關鍵。現有暴露模型未考慮室內外空氣品質差異、個體行為軌跡等因素，導致模擬結果存在較大的不確定性。因此，本研究在原有個體暴露模型基礎上，考慮室內外顆粒物污染動力學特徵、個體行為軌跡和人群行為模式，結合環境數據對暴露水平進行精細化估算，並利用個體暴露實測數據對估算結果進行驗證，最佳化模型。研究中將採用GPS定位和問卷調查等手段獲取高解析度的個體運動軌跡，得到特定地區人群的行為模式，提高現有暴露模型的時空辨識度；用實測的室內外顆粒物濃度數據，完善所研究區域典型建築物的室內外滲透係數；將已獲取的行為模式和室內外滲透係數參數化到所選取的暴露模型中，最終建立基於軌跡驅動的精細化個體暴露模型，並用個體暴露實測數據對所建立的精細化個體暴露模型進行驗證和最佳化，給出模型的不確定性。並將個體暴露結果與暴露標誌物關聯，發現具有健康指導價值的暴露標誌物。
結題摘要
PM2.5暴露濃度的計算是研究健康效應的基礎，在大樣本佇列研究中，往往使用暴露模型來估算個體暴露濃度，然而傳統的暴露模型普遍存在時空解析度低、假設不合理和依賴測量數據等不足。本研究以個體行為軌跡為基礎建立精細化PM2.5暴露模型。首先面向研究區域進行人群問卷調查，獲取人群行為模式，確定暴露模型構成形式。綜合調查統計結果，本研究確定暴露模型由四個主要模組組成，分別是：GPS模組、濃度場模組、微環境模組和污染源模組。各模組原始數據分別為GPS接收器、衛星遙感圖像、研究區域建築物邊界以及污染源經緯度。研究中使用VBA、Python等編程軟體處理各類數據，統一數據格式成為暴露模型組成模組。通過GPS模組在濃度場模組中檢索對應時空處的PM2.5濃度，並與微環境模組、污染源模組互動，調整、修正不同時空處的暴露濃度，之後積分計算目標日均PM2.5暴露濃度。 本研究通過定點個體採樣和移動個體採樣分別驗證暴露模型的合理性與準確性。定點採樣招募國科大雁棲湖與玉泉路校區學生、保全志願者攜帶GPS接收器與個體採樣器於校園內活動，對比模型估算濃度與採樣實測濃度。模擬值與實測值線性回歸方程為y = 0.85x（R2=0.86），符合程度較高，證明暴露模型構成形式的合理。移動採樣招募兩名志願者在日常生活中攜帶GPS信號和個體採樣器，對比模型估算濃度與採樣實測濃度。在PM2.5濃度低時，兩名志願者模擬值與實測值的線性回歸方程的斜率和R2分別為1.05、0.85與0.59、0.57，模擬值可較好地代表志願者個體暴露。但在PM2.5濃度高時，暴露模型會低估個體暴露濃度。 本研究使用PMF與CMB模型分別對部分定點暴露樣品與移動暴露樣品進行污染物來源解析，發現個體樣品與環境樣品在污染源構成上存在差異，其中香菸源為個體暴露樣品中特有的污染源，約占PM2.5暴露濃度的3.6%。個體樣品中存在與環境樣品相比比例較高的污染源，可能是導致暴露模型低估個體PM2.5暴露濃度的原因。移動暴露樣品之間的有機碳（OC）污染源組成類似，個體行為軌跡的不同對源貢獻比例存在一定影響。其他OC源的貢獻率不可忽略，占OC暴露的6.9% ~ 7.9%，可能是導致暴露模型低估個體暴露濃度的原因。利用混合效應模型對大氣污染與血清中細胞因子的相關性進行擬合發現，人體血清IFN-γ和CXCL10可作為反應大氣污染個體暴露的生物標誌物。
