Annual average exposure to ambient air pollution, polygenic risk, and incidence of major chronic diseases: a large-scale prospective cohort study.
پخش حرفهای فارسی و انگلیسی
در حال بررسی نسخههای صوتی ذخیرهشده…
تنظیم صدای طبیعی و سرعت
صداهایی که در نامشان «Natural»، «Neural» یا «Online» دیده میشود معمولاً طبیعیترند. انتخاب صدا به صداهای نصبشده در ویندوز و مرورگر شما بستگی دارد.
چکیده اصلی
Ambient air pollution is a major environmental risk factor for chronic diseases, yet its independent effects, as well as its joint associations and interactions with genetic susceptibility, on multiple chronic conditions remain understudied. This study aims to investigate the association between annual average exposure to multiple air pollutants and five major chronic diseases, while quantifying the role of polygenic risk in these relationships. We included 313,534 participants from the UK Biobank. Land use regression models were used to estimate annual average air pollution concentrations at residential addresses. Chronic diseases (cardiovascular, respiratory, neurodegenerative, hypertension, and diabetes) were identified using ICD-9 and ICD-10 codes. Weighted polygenic risk scores (PRS) were constructed for each disease. Cox proportional hazards models were used to assess associations, and additive interactions were evaluated using RERI and AP. Annual average exposure to PM2.5, PM10, NO2, and NOx was significantly associated with increased chronic disease risk. PM2.5 showed the strongest association (HR = 1.22 per 5 µg/m³, 95% CI: 1.19-1.26). High genetic risk was independently associated with disease incidence (e.g., diabetes: HR = 1.77 per SD increase in PRS). Significant additive interactions were observed between high genetic risk and high PM2.5 exposure for neurodegenerative disease (RERI = 0.14) and diabetes (RERI = 0.21). Participants with both high genetic risk and high pollution exposure had the highest disease burden. Annual average exposure to air pollutants is associated with increased risks of multiple chronic diseases, with effect modification by genetic susceptibility.
نتیجه فارسی
این مطالعه نشان میدهد که آوایش سالانه در معرض آلایندههای هوا (مانند PM2.5) با افزایش ریسک چندین بیماری مزمن مرتبط است. ریسک ژنتیکی بالا نیز به طور مستقل با بروز بیماریها مرتبط است. تعاملات جمعی بین ریسک ژنتیکی بالا و آلودگی هوا برای بیماریهای عصبی و دیابت مشاهده شده است.
- آوایش سالانه در معرض PM2.5، PM10، NO2 و NOx با افزایش ریسک بیماریهای مزمن مرتبط است.
- PM2.5 قویترین همبستگی را با ریسک بیماریهای مزمن نشان داد.
- ریسک ژنتیکی بالا به طور مستقل با بروز بیماریهای مزمن مرتبط است.
- تعاملات جمعی معناداری بین ریسک ژنتیکی بالا و آوایش بالا در معرض PM2.5 برای بیماریهای عصبی و دیابت مشاهده شد.
ترجمه فارسی چکیده
آلودگی هوا یک عامل ریسک محیطی مهم برای بیماریهای مزمن است، اما اثرات مستقل آن و همچنین همبستگیها و تعاملات آن با حساسیت ژنتیکی در شرایط مزمن مختلف کمتر مورد مطالعه قرار گرفته است. این مطالعه به بررسی رابطه بین آوایش سالانه در معرض چندین آلاینده هوا و پنج بیماری مزمن اصلی، و همچنین سنجش نقش امتیاز ریسک ژنتیکی چندگانه در این روابط میپردازد. ما ۳۱۳،۵۳۴ شرکتکننده را از UK Biobank وارد مطالعه کردیم. مدلهای رگرسیون کاربری زمین برای برآورد غلظتهای میانگین سالانه آلودگی هوا در آدرسهای مسکونی استفاده شد. بیماریهای مزمن (قلبی، تنفسی، عصبی، فشار خون بالا و دیابت) با استفاده از کدهای ICD-9 و ICD-10 شناسایی شدند. امتیازهای ریسک ژنتیکی چندگانه (PRS) برای هر بیماری ساخته شد. مدلهای خطر نسبتاً متناسب کاکس برای ارزیابی همبستگیها استفاده شد و تعاملات جمعی با استفاده از RERI و AP ارزیابی شدند. آوایش سالانه در معرض PM2.5، PM10، NO2 و NOx به طور معناداری با افزایش ریسک بیماریهای مزمن مرتبط بود. PM2.5 قویترین همبستگی را نشان داد (HR = 1.22 برای هر افزایش 5 µg/m³، 95% CI: 1.19-1.26). ریسک ژنتیکی بالا به طور مستقل با بروز بیماری مرتبط بود (مثلاً دیابت: HR = 1.77 برای هر افزایش 1 SD در PRS). تعاملات جمعی معناداری بین ریسک ژنتیکی بالا و آوایش بالا در معرض PM2.5 برای بیماریهای عصبی (RERI = 0.14) و دیابت (RERI = 0.21) مشاهده شد. شرکتکنندگان با همزمانی ریسک ژنتیکی بالا و آوایش بالا در معرض آلودگی، بیشترین بار بیماری را داشتند. آوایش سالانه در معرض آلایندههای هوا با افزایش ریسک چندین بیماری مزمن مرتبط است، که با حساسیت ژنتیکی تغییر مییابد.
روش پژوهش
این مطالعه یک مطالعه کوهورت پیشرو مقیاس بزرگ با استفاده از دادههای UK Biobank است. از مدلهای رگرسیون کاربری زمین برای برآورد آلودگی هوا و مدلهای خطر نسبتاً متناسب کاکس برای ارزیابی همبستگیها استفاده شد.
محدودیتها
محدودیتهای این مطالعه در متن ارائه نشده است.
نمای PICO و پیامدها
- جمعیت
- ۳۱۳،۵۳۴ شرکتکننده از UK Biobank.
- مداخله/مواجهه
- آوایش سالانه در معرض PM2.5، PM10، NO2 و NOx.
- مقایسه
- مقایسه با گروههای کمتر در معرض آلودگی.
- حجم نمونه
- ۳۱۳،۵۳۴
متن کامل اصلی
برای بررسی دسترسی کتابخانهای یا خرید، رکورد اصلی را باز کنید.
رفتن به منبع اصلی