期刊名称：Nature Communications
影响因子：15.7
DOI：https://doi.org/10.1038/s41467-024-46595-z
本研究以中国15个省份的5696名研究对象为核心，涵盖健康人群与12种慢性病患者（包括糖尿病、高尿酸血症、肥胖、高胆固醇血症等），通过气相色谱-串联质谱（GC-MS/MS）和液相色谱-串联质谱（LC-MS/MS）两种技术平台，对血清样本中的267种环境化学物进行全面生物监测，筛选出74种高检出率化学物作为核心研究靶点，系统探究环境化学物暴露与慢性病风险的关联及影响因素。
在暴露特征分析方面，研究结合9项基础流行病学因素（性别、年龄、吸烟史、饮酒史等）对研究对象进行分层，明确地域是影响人体血清化学物暴露水平的最关键因素（可解释15.6%的暴露变异），其次为年龄（可解释1.4%的暴露变异）。地域差异上，东部沿海工业发达地区（上海、浙江、江苏等）的血清总化学物浓度显著高于内陆欠发达地区（陕西、贵州等），其中长三角地区人群的全氟烷基物质（PFASs）等污染物蓄积水平最高；年龄相关性上，有机氯农药（OCPs）、PFASs等多数化学物的血清浓度随年龄增长而升高，70岁以上人群达到峰值，而环己基氨基磺酸钠等少数物质在10岁以下儿童血清中残留水平最高。此外，文化程度和收入水平较高人群的多环芳烃（PAHs）、OCPs等暴露水平更高；女性的OCPs残留显著高于男性，而男性的PFASs和邻苯二甲酸酯水平更高；饮酒人群的PFASs血清浓度显著高于非饮酒人群，吸烟对化学物暴露水平无显著影响。
在疾病风险关联方面，通过单暴露模型分析发现，OCPs和多氯联苯（PCBs）与高血压、糖尿病、代谢综合征等疾病风险升高相关，PFASs与高血脂、高尿酸血症等疾病风险密切相关，其中高血脂与最多化学物存在关联，高尿酸血症受所有检测化学物的显著影响，而高血压与化学物的风险关联相对最弱。进一步通过加权分位数和回归（WQS）、分位数g计算（q g-comp）、贝叶斯核机器回归（BKMR）三种多暴露模型验证，明确高频率化学物混合暴露对高血脂、代谢综合征和高尿酸血症具有显著的风险增强效应，筛选出核心风险化学物包括β-六氯环己烷（HCH）、对，对'-二氯二苯三氯乙烷（DDT）、全氟辛酸（PFOA）、单乙基邻苯二甲酸酯（MEP）等。
在人群易感性和健康风险评估方面，老年群体暴露于化学物后发生高血脂和代谢综合征的风险显著高于中年群体，男性的代谢综合征暴露风险高于女性；健康风险评估显示，部分研究对象的PFOA、全氟辛烷磺酸（PFOS）、六氯苯（HCB）等物质暴露水平接近或超出安全参考范围，存在潜在健康风险，且本研究提出的PFOA（3.19ng/mL）和PFOS（5.26ng/mL）参考浓度低于欧洲人类生物监测Ⅱ值（HBM Ⅱ）标准。
综上，本研究通过大样本、多平台、多模型的系统分析，构建了中国人群的血清暴露组图谱，明确了环境化学物暴露的分布特征、关键影响因素及与慢性病的关联模式，为污染管控策略制定和易感人群保护提供了科学依据。
本研究纳入中国15个省份5696名健康人群及慢性病患者的血清样本，同步收集9项基础流行病学因素和12项慢性病相关临床指标，样本按疾病类型随机分配至GC-MS/MS和LC-MS/MS平台；其中GC-MS/MS平台检测97种化合物，LC-MS/MS平台检测170种化合物。检测全程每批次构建独立校准曲线，插入质量控制（QC）样本评估批次效应与数据可靠性，通过批次特异性校准曲线定量及多内标校正降低批次效应，以相对标准偏差（RSD）<30%、回收率80%~120%确保数据稳定准确。
为评估血清暴露组引发慢性病的风险，本研究开展了以下工作：（1）设计研究队列，纳入来自中国15个省份的5696名健康人群和慢性病患者，涉及的12种慢性病包括糖尿病、高尿酸血症、肥胖、高胆固醇血症、高甘油三酯血症、代谢综合征、舒张期高血压、收缩期高血压、腹型肥胖、高血压、低密度脂蛋白胆固醇升高和高血脂；同时收集研究对象的9项基础流行病学因素、9项慢性病临床指标及血清样本（表1）。采用GC-MS/MS和LC-MS/MS技术全面表征包含267种化学物的人类血清暴露组，筛选出74种高检出率化学物作为核心研究对象（图1a、表2）。（2）依据基础流行病学信息对研究对象进行分组，分析不同分层人群的血清化学物残留水平（图1b）。（3）联合单暴露和多暴露模型，建立暴露与慢性病风险的可靠关联，明确与慢性病相关的风险化学物残留（图1c）。
表1.本研究涉及样本的流行病学信息及慢性病相关参数。
aLDL-C：低密度脂蛋白胆固醇。
表2.人体血清中74种高检出率暴露物的浓度水平。
LOQ：定量限。
图1.研究概述。（a）研究设计：本研究纳入5696名研究对象的血清样本，收集9项基础流行病学信息及9项慢性病相关临床指标；采用LC-MS/MS和GC-MS/MS两种技术平台检测267种暴露物，最终确定74种高检出率暴露物。（b）暴露特征：暴露物与基础流行病学因素存在关联，依据这些因素对研究对象进行分层，分析暴露物的分布特征。（c）风险发现：首先通过单暴露分析明确每种暴露物对慢性病的风险、分层风险及健康风险评估结果；随后基于3种多暴露模型WQS、q g-comp、BKMR，分析混合暴露对相关慢性病的风险效应。
（1）血清化学物检测与批次质量控制
本研究结合文献和公共数据库，优先选择可能在体内蓄积并产生健康效应的化学物开展人体生物监测。选取97种和170种化学物作为重点检测对象，涵盖OCPs、有机磷农药（OPPs）、除草剂、杀虫剂、杀菌剂、兽药、食品添加剂、PAHs、PCBs、PFASs和邻苯二甲酸酯等，分别采用GC-MS/MS和LC-MS/MS法进行检测。其中74种暴露物在血清样本中的检出率均超过50%（表2）。
在大规模样本的长期分析过程中，为保证仪器性能及数据的重复性和稳定性，需对仪器进行常规维护并定期开展性能校准，同时据此划分检测批次，包含校准曲线、QC样本和实际样本的检测顺序。每一批次检测前均构建校准曲线，并在低、中、高三种浓度水平下验证各校准曲线的准确性：GC-MS/MS平台对29条校准曲线进行验证时，添加的标准品浓度为2、5、20ng/mL；LC-MS/MS平台对20条校准曲线进行验证时，添加的标准品浓度为1、10、100ng/mL。整个样本分析过程中共构建49条独立的校准曲线用于各批次的定量检测，结果显示各浓度水平下的校准曲线均具有良好的准确性。采用QC样本评估批次效应及数据的稳定性和准确性，原始检测信号中存在明显的批次效应，但经批次特异性校准曲线定量及多内标校正后，批次效应显著降低。267种检出暴露物中92%的物质、74种高检出率暴露物中84%的物质，其在QC样本中的RSDs均低于30%，表明检测数据具有良好的稳定性；此外，GC-MS/MS和LC-MS/MS平台监测的暴露物中，分别有98%和79%的物质在QC样本中的检测回收率处于80%~120%，表明检测数据具有良好的准确性。最后，根据研究对象的疾病类型随机分配样本至两种检测平台进行分析，实现样本随机化。
（2）基础流行病学因素与血清暴露的关联分析
考虑到不同人群的化学物接触和蓄积情况存在显著差异，本研究分析了血清暴露与地域、性别、年龄等社会因素及生活方式等流行病学因素的具体关联。首先明确各流行病学因素对血清暴露的影响，依据各因素对样本进行分层，筛选出与流行病学因素相关的血清暴露物。研究发现，地域是影响人体血清暴露水平的主要因素，可解释15.6%的暴露变异（图2a）；受地域因素影响最显著的化学物为PFASs，尤其是全氟羧酸类物质，包括PFOA、PFNA、PFTrDA（全氟十三酸）和PFDA等（图2b）。采样时间为第二大影响因素，且其与血清暴露的关联特征与地域因素相似（图2b），这可能与研究采用分地域分时段的采样方式有关；此外，本研究的采样时间主要集中在3个月内，因此认为采样时间对血清暴露组的影响可归因于地域因素，未作进一步探讨。年龄是导致人体血清暴露变异的第三大因素，可解释1.4%的暴露变异，除地域和年龄外，其他因素对暴露水平的影响相对有限（图2a、2b）。主成分分析结果显示，基于体内化学物残留水平，不同地域和年龄人群的样本呈现出显著的分离趋势，而其他因素分组的样本未观察到该趋势（图2c、2d）。尽管人体血清暴露与流行病学因素存在显著关联，但其关联性远低于同类别化学物之间的关联性；其中PFASs之间的关联性最强，其次为OCPs、PCBs和PAHs（图2e），这提示同类别化学物可能具有相似的污染来源。
图2.基础流行病学因素与暴露物的相关性分析。（a）基于变异分解分析，阐释流行病学信息对暴露变异的解释程度。（b）每种暴露物与9项基础流行病学因素的相关性热图，热图数据基于偏斯皮尔曼相关分析得到的相关系数绘制。（c）15个省份研究对象的主成分分析得分图。（d）不同年龄组研究对象的主成分分析得分图。（e）暴露物与流行病学因素的相关性网络图：红色线条代表斯皮尔曼正相关，蓝色线条代表斯皮尔曼负相关。缩写说明：HCH（六氯环己烷）、DDD（对，对'-二氯二苯二氯乙烷）、DDE（对，对'-二氯二苯二氯乙烯）、DDT（对，对'-二氯二苯三氯乙烷）、IBA（吲哚-3-丁酸）、PFOA（全氟辛酸）、PFNA（全氟壬酸）、PFDA（全氟癸酸）、PFUnDA（全氟十一酸）、PFDoDA（全氟十二酸）、PFTrDA（全氟十三酸）、PFOS（全氟辛烷磺酸）、PFHxS（全氟己烷磺酸）、6:2 Cl-PFAES（6:2氯代全氟烷基醚磺酸）、6:2 diPAP（双[2-（全氟己基）乙基]磷酸酯）、PFPeA（全氟戊酸）、PFHpS（全氟庚烷磺酸）、MCHP（单环己基邻苯二甲酸酯）、MEP（单乙基邻苯二甲酸酯）。
鉴于地域是影响人体暴露水平的最重要因素，本研究按地域对人群进行分层，探究暴露物的分布特征。总体而言，上海人群的血清总化学物浓度最高，其次为浙江、江苏和山东等东部沿海人口密集、工业发达地区；陕西和贵州等内陆人口较少、工业欠发达地区的化学物浓度最低（图3a）。在各类血清暴露物中，药物类物质的浓度水平最高，其次为PFASs，且这两类物质在各省份间的浓度差异显著（图3b）。长三角地区人群的血清PFASs水平较高，其中以上海和江苏尤为明显；PAHs、PCBs和OCPs的暴露水平在不同地域人群中也存在显著差异，例如河南、浙江和山东人群的血清PAHs浓度显著高于其他省份，重庆、上海和江苏人群的血清PCBs和OCPs水平显著偏高；OPPs在重庆人群中的暴露水平最高；兽药和食品添加剂在各省份人群中的浓度差异较小。
为更全面地分析人体血清暴露水平，本研究结合文献将部分高检出率化学物的暴露数据与其他7个国家进行对比。结果显示，中国人群血清中DDE、HCH、DDT、PFOA、PFUnDA和PFHpS的残留水平为全球最高；韩国人群血清中HCB、PFOS和PFDA的残留水平最高；美国和加拿大人群血清中则分别检测到最高水平的PFNA和PFHxS。
年龄是解释人体暴露组差异的重要因素，可能与不同年龄段人群的暴露时长和代谢水平差异相关，因此本研究分析了各年龄组的暴露水平（图3c-3e）。研究发现，人体血清中大部分化学物（如OCPs和PFASs）的蓄积量随年龄增长而增加（图3c、3d），其中HCH、DDE、芘和IBA的含量随年龄增长呈上升趋势，70岁以上人群的上述物质浓度达到峰值；PFASs的浓度在50岁前随年龄增长持续升高（图3d）。与之相反，部分化学物的浓度随年龄增长而降低，10岁以下儿童血清中环己基氨基磺酸钠和安赛蜜的残留水平最高（图3e），这提示需进一步探究该年龄段儿童的人工甜味剂摄入情况。
其他因素也对血清暴露存在影响：按文化程度和收入水平分层后发现，多数化学物（包括PAHs、OCPs和PCBs）的水平随文化程度和收入水平的提高而升高（图3f-h），仅IBA的残留水平呈下降趋势。性别是影响人体内化学物蓄积和排泄的重要因素，女性血清中的OCPs水平显著高于男性，而PFASs和邻苯二甲酸酯水平显著低于男性（图3i），受性别影响最显著的化学物为HCH、MCHP和PFHxS。最后分析吸烟和饮酒对血清暴露的影响，由于本研究中女性的吸烟和饮酒比例极低，仅对男性群体进行分析。结果显示，饮酒人群的多种化学物浓度显著高于非饮酒人群（图3j），其中环己基氨基磺酸钠和6种PFASs受饮酒的影响最显著，饮酒人群的上述PFASs水平更高，提示需关注饮酒相关的暴露风险；与饮酒不同，吸烟人群和非吸烟人群的各类化学物暴露水平无显著差异。
图3.基于关键流行病学因素的暴露水平分层分析。（a）本研究纳入省份的地理位置及其暴露物总浓度分布。（b）不同类别暴露物的地域分布（以堆积柱状图呈现）。（c，d）随年龄增长显著升高的暴露物。（e）随年龄增长显著降低的暴露物。（f-h）随文化程度升高显著增加的暴露物。注：图（c-h）采用z分数标准化后的浓度数据绘制，误差线代表均值标准误（n=5696个生物学独立样本）。（i）随性别不同显著差异的暴露物；（j）男性饮酒史相关的暴露物显著差异（饮酒人群与非饮酒人群对比）。注：图（a，b，i，j）采用暴露物的几何均值数据绘制；图（i，j）中的灰色虚线代表倍数变化（fold change）<0.8或>1.3的界限（即差异具有统计学意义的阈值）。
（4）单暴露与慢性病的风险关联分析
化学物暴露是否与慢性病风险相关、哪些化学物为关键风险因素，是目前备受关注的两个科学问题。本研究将9项慢性病临床指标划分为12种相关的慢性病结局，并分析各结局的暴露健康风险。其中高血脂、代谢综合征和高血压3种疾病由多项临床指标联合判定，其余9种疾病由单一临床指标判定。为每种疾病结局匹配相应的对照人群。研究发现，12种慢性病结局均与多种暴露物存在风险关联：OCPs和PCBs与高血压、糖尿病、代谢综合征和肥胖的发病风险升高相关，PFASs与高血脂、代谢综合征、糖尿病和高尿酸血症的发病风险升高相关（图4）。与最多化学物存在关联的疾病为高血脂及其相关亚型（图4a-d），其次为代谢综合征（图4e），表明这类疾病受环境化学物的影响最显著。除高血压和腹型肥胖外，多数化学物均会增加慢性病的发病风险，尤其是高尿酸血症，所有检测化学物均对其发病风险存在显著影响（图4h）；而高血压及其相关亚型与化学物的风险关联最弱（图4j-l）。在纳入空气污染、气象条件等外部环境混杂因素进行校正后，上述研究结果仍保持一致。
图4.暴露物与慢性病的比值分析。（a）高血脂。（b）低密度脂蛋白胆固醇升高。（c）高胆固醇血症。（d）高甘油三酯血症。（e）代谢综合征。（f）肥胖。（g）糖尿病。（h）高尿酸血症。（i）腹型肥胖。（j）高血压。（k）舒张期高血压。（l）收缩期高血压的显著风险暴露物。注：暴露物浓度经log10转换，比值比（OR）代表暴露浓度每升高一个log10单位时的疾病风险变化；二元逻辑回归模型校正了年龄、性别、地域、采样时间、文化程度、收入水平、婚姻状况、吸烟史和饮酒史等混杂因素；钻石的位置和颜色分别代表比值比大小和关联性显著性（双侧检验，n=5696个生物学独立样本）；误差线代表比值比的95%置信区间。
本研究还分析了193种低检出率暴露物与慢性病的关联，发现多数低检出率化学物也与慢性病发病风险升高相关，其中以代谢综合征、肥胖、糖尿病和高尿酸血症最为显著；但与高检出率暴露物相比，低检出率化学物与慢性病的关联显著性更低，置信区间更大，提示对这类关联结果的解读需保持谨慎。因此，后续分析仅聚焦于高检出率化学物的关联研究。对9项连续性临床指标的分析得到了与疾病分类结局相似的暴露风险关联结果，有13种化学物在两种回归模型中均对5种及以上疾病存在风险效应（图5a），且主要的不良效应由OCPs、PFASs和PCBs引起，表明这类化学物对多种慢性病存在非特异性风险。
此外，本研究探究了不同年龄和性别人群的慢性病易感性，旨在识别并保护易感亚群。基于样本量充足且暴露-疾病关联显著的特点，选取高血脂和代谢综合征为目标疾病，将研究人群分为30~50岁、50~60岁和60~80岁三个年龄段，分别代表青年、中年和老年群体。结果显示，与中年群体相比，老年群体暴露于化学物后发生高血脂的风险更高，且风险因素主要为PFASs和OCPs；这类物质对老年群体的代谢综合征也具有更强的暴露风险（图5b）。考虑到多种疾病风险因素存在性别特异性，本研究还分析了暴露与疾病风险的性别关联，发现高血脂的暴露风险无显著性别差异，但男性发生代谢综合征的暴露风险显著升高（图5c）。
最后，本研究结合已报道的暴露指导值对所有研究对象进行健康风险评估，共收集到11种PFASs的参考剂量，以及8种化学物的血液暴露指导值（生物监测等效值（BE）、人类生物监测Ⅱ值（HBM II）或生物监测指导值（BGV）），并基于危害商开展人群暴露水平的健康风险评估。结果显示，与参考剂量相比，多数PFASs的暴露水平处于安全范围，但少数研究对象的PFOA、PFOS、PFNA和PFUnDA暴露水平接近或超过风险浓度；部分研究对象的HCB、PFOA和PFOS暴露水平超出BE、HBM II和BGV等参考标准，提示存在潜在健康风险。针对高血脂风险的剂量-风险关系曲线分析，识别出16种相关化学物的暴露指导值，其中PFOA和PFOS的参考浓度分别为3.19ng/mL和5.26ng/mL，均低于欧洲HBM II规定的10ng/mL和20ng/mL；此外，HCH、DDE、PFHpS、6:2 Cl-PFAES和MEP等5种化学物的暴露参考值尚未见报道。
图5.单一暴露物对主要慢性病的风险关联。（a）每种暴露物与9项临床疾病指标的关联：纳入的暴露物均与至少一种疾病结局存在显著关联。（b）按年龄分层的高血脂及代谢综合征暴露风险。（c）按性别分层的高血脂及代谢综合征暴露风险。注：分层风险热图采用标准化后的比值比（OR）绘制；*表示差异显著（0.01<p<0.05），**表示差异极显著（0.001<p<0.01），***表示差异极其显著（p<0.001）（双侧检验）；热图仅纳入与对应疾病存在显著关联的暴露物，数据基于多重线性回归和二元逻辑回归模型分析获得；所有回归模型均校正了年龄、性别、地域、采样时间、文化程度、收入水平、婚姻状况、吸烟史和饮酒史等混杂因素。
（5）混合暴露对慢性病的风险效应
化学物混合暴露是人体在真实环境中的暴露常态，但相关研究尚未得到足够关注。本研究采用WQS、q g-comp和BKMR三种多暴露模型，探究混合暴露与各疾病结局的关联。结果显示，高检出率暴露物的混合暴露对高尿酸血症、高血脂和代谢综合征存在不良效应（图6），并通过权重和后验包含概率筛选出对模型贡献较大的风险化学物。
对于高尿酸血症，三种模型分别筛选出14种、10种和13种主要风险化学物，其中13种化学物在至少两种模型中均被识别；对于高血脂，三种模型分别筛选出15种、7种和10种重要风险化学物，其中10种化学物存在模型间重叠；对于代谢综合征，三种模型分别筛选出11种、7种和6种显著风险化学物，其中5种化学物存在模型间重叠。三种模型得到的高检出率混合暴露的总体风险见（图6a-c）。
将在三种多暴露模型中均被识别的化学物定义为核心风险化学物，主要包括OCPs（HCH、DDT、DDE、HCB、五氯苯酚）、PFASs（PFPeA、PFOA、PFDA、PFHxS、PFHpS、PFOS）、邻苯二甲酸酯（MCHP、MEP）和其他农药（IBA、氟虫腈砜、毒死蜱、三氯生、醚菊酯）等（图6d-i）。将这些核心风险化学物的混合物重新纳入WQS及q g-comp模型，得到的比值比（OR）显著高于单一化学物，表明混合暴露存在不可忽视的风险增强效应。部分核心风险化学物在单暴露模型中未表现出显著风险（图6d-f），提示多暴露模型在识别风险化学物方面更灵敏，可作为单暴露风险分析的补充手段。
为深入理解剂量-风险关系，本研究对重叠的核心风险化学物进行分析，发现其与慢性病风险呈单调递增的非线性关联（图6g-i）。具体而言，高尿酸血症的13种重叠核心风险化学物中，有7种在单模型中表现出显著风险效应，包括IBA、MCHP、MEP、PFOA、PFNA、PFHxS和PFHpS；除PFHxS仅在低浓度下风险快速升高外，其余暴露物的风险均随浓度升高而快速增加（图6g）。高血脂的10种重叠核心风险化学物中，有9种在单模型中表现出显著风险效应，包括HCH、DDT、DDE、HCB、氟虫腈砜、PCB138、MEP、PFOS和PFHxS；其中氟虫腈砜、PCB138和PFHxS仅在低浓度下风险快速升高，其余物质在高浓度下的风险升高更显著（图6h）。代谢综合征的5种重叠核心风险化学物中，有3种在单模型中表现出显著风险效应，包括HCH、DDT和MCHP，且均在高浓度下风险快速升高（图6i）。仅在多暴露模型中被识别的化学物，其风险关系几乎呈非单调变化，这可能是其无法被传统单暴露模型（如本研究使用的线性回归和逻辑回归模型）识别的原因。
图6.混合暴露风险及关键暴露物与相关慢性病的剂量-风险关系。（a）高尿酸血症。（b）高血脂。（c）代谢综合征：基于WQS、q g-comp及BKMR三种模型分析，混合暴露对这三种慢性病均存在正向风险效应。（d-f）三种多暴露模型筛选出的核心风险化学物及其联合效应的比值比（OR）（图中所列化学物均在至少两种模型中被识别）：联合化学物的比值比通过WQS和q g-comp模型获得，单个化学物的比值比通过二元逻辑回归模型获得；比值比代表暴露混合物或单一暴露浓度每升高一个log转换单位时的疾病风险变化。三种多暴露模型均校正了年龄、性别、地域、吸烟史和饮酒史；二元逻辑回归模型校正了年龄、性别、地域、采样时间、文化程度、收入水平、婚姻状况、吸烟史和饮酒史。钻石的位置和颜色分别代表比值比大小和关联性显著性（双侧检验），灰色钻石代表无统计学显著性；误差线代表95%置信区间。（g）高尿酸血症的剂量-风险关系：纳入7种同时被单暴露和混合暴露模型筛选出的关键暴露物。（h）高血脂的剂量-风险关系：纳入9种关键暴露物。（i）代谢综合征的剂量-风险关系：纳入3种关键暴露物。注：黑色实线代表比值比（OR）；灰色、蓝色和深绿色阴影分别代表高尿酸血症（n=927个生物学独立样本）、高血脂（n=2842个生物学独立样本）和代谢综合征（n=1284个生物学独立样本）比值比的95%置信区间。
3.结论
环境化学物暴露是全球慢性病防控面临的重要挑战，明确体内暴露特征与疾病风险的关联对制定精准防控策略具有关键意义。本研究通过对中国15个省份5696名研究对象的血清样本进行系统分析，构建了覆盖267种环境化学物的血清暴露组图谱，揭示了中国人群环境暴露的分布规律及与12种慢性病的关联模式，为环境健康研究提供了重要的基础数据支撑。
研究证实，地域是影响人体血清化学物暴露水平的核心因素，可解释15.6%的暴露变异，工业发达的东部沿海地区（尤其是长三角地区）人群的污染物蓄积水平显著高于内陆欠发达地区；年龄是第二大影响因素，OCPs、PFASs等多数持久性化学物的血清浓度随年龄增长而升高，而儿童群体中人工甜味剂残留水平较高，性别、文化程度、收入水平和饮酒状态也对暴露特征存在显著影响。这些发现表明，环境暴露的人群差异与社会经济发展、生活方式及生理特征密切相关，为识别高暴露人群提供了关键依据。
在疾病风险关联方面，OCPs、PFASs、PCBs和邻苯二甲酸酯等类别化学物与慢性病存在广泛关联，其中高血脂、代谢综合征和高尿酸血症受环境暴露的影响最为显著。单暴露模型明确了各类化学物的特异性疾病风险，而WQS、q g-comp、BKMR三种多暴露模型进一步证实，混合暴露通过“鸡尾酒效应”显著增强健康风险，筛选出HCH、DDT、PFOA、MEP等核心风险化学物。此外，老年群体和男性对代谢综合征等疾病的暴露易感性更高，部分化学物的暴露水平已接近或超出安全参考范围，凸显了风险管控的紧迫性。
本研究通过大样本、多平台、多模型的系统设计，全面表征了中国人群的血清暴露组特征，填补了大规模普通人群环境暴露与慢性病关联研究的空白。研究结果不仅为污染源头管控、区域环境治理提供了科学靶点，也为易感人群精准保护、慢性病风险预警提供了重要依据。尽管本研究尚未明确化学物与慢性病的因果关系，但构建的血清暴露组图谱和风险关联模型，为后续开展纵向流行病学追踪、毒理学机制验证等深入研究奠定了基础。未来需进一步聚焦核心风险化学物的作用机制，完善暴露指导标准，推动环境健康风险防控从“广谱治理”向“精准防控”转变。