金属混合物中镉暴露与肺功能检测结果受损之间的关系：一项结合队列研究和实验研究

《Ecotoxicology and Environmental Safety》：Relationship between cadmium exposure in metal mixtures and preserved ratio impaired spirometry: A combined cohort and experimental study

　　吴敏丹|王文静|陈泽民|杨远兰|严家伟|钟先阳|崔亚超|张峰|黄佩宇|周玉敏|朱乐清|冉培新
中国广东省广州市，广州医科大学附属第一医院，国家呼吸医学中心，广州呼吸健康研究所，国家呼吸系统疾病临床研究中心，呼吸系统疾病国家重点实验室

**摘要**
广泛存在的重金属污染对健康的潜在影响日益受到关注，尤其是对慢性阻塞性肺疾病（COPD）等呼吸系统疾病的影响。保真比受损肺功能测定（PRISm）是COPD发展的早期异常表型，但其与环境中的重金属混合物之间的关联尚未明确。我们的研究通过分析2007-2012年NHANES调查中的6585名美国成年人的数据来填补这一空白。多变量逻辑回归显示，镉（Cd）水平的升高会增加PRISm的风险（OR：1.35，95% CI：1.10 ~ 1.65，趋势P < 0.05，每单位对数转换后的Cd增加）。WQS（OR：1.40，95% CI：1.09 ~ 1.81，对数转换后金属混合物指数每四分位数增加）、Qgcomp（OR：1.30，95% CI：1.05 ~ 1.61）和BKMR（OR=1.079，95% CI：1.009–1.153，所有对数转换后金属从第50百分位数增加到第75百分位数）模型一致表明，金属混合物对女性的PRISm发病率有显著的不良影响，其中镉被认为是主要贡献因素（PIP = 0.9996）。血液中镉的水平与PRISm风险之间存在非线性关系，风险阈值约为logCd = -0.673（Cd = 0.510 μg/L）。中介分析显示，白蛋白、HRR和RAR分别介导了5.06%、3.59%和11.11%的logCd-PRISm关联。这些发现通过两种CdCl?暴露的小鼠模型（通过饮用水或吸入）得到了验证，这些模型显示了强烈的肺部炎症（IL-17、TNF-α、IL-13、IL-4水平升高）、组织病理学损伤以及EMT相关（N-钙粘蛋白、Tgf-β）和基质降解相关（Mmp8）mRNA表达的增加。RNA-seq KEGG通路分析富集了四个通路（ECM-受体相互作用、IL-17、TNF、造血细胞谱系），与表型和中介数据一致。总体而言，这些结果强调了镉暴露在PRISm发病机制中的关键作用，需要进一步的前瞻性和机制研究。

**1. 引言**
慢性阻塞性肺疾病（COPD）是一种慢性炎症性气道疾病，是重大的公共卫生负担。在中国，大约13.6%的40岁及以上的成年人受到影响，相当于近1亿患者，是第三大死亡原因（Yin等人，2022年）。由于COPD的进展在很大程度上是不可逆的，早期干预对于预防其发生或延缓其进展至关重要（Christenson等人，2022年）。保真比受损肺功能测定（PRISm）最近被认定为COPD的临床前阶段，其特征是使用支气管扩张剂后的第一秒用力呼气容积（FEV1）与用力肺活量（FVC）的比值（FEV1/FVC）≥ 0.7，并且FEV1和/或FVC低于预测值的80%（Wan等人，2021年）。流行病学研究表明，20%-30%的PRISm患者可能会发展为明显的COPD（Higbee等人，2022年），这突显了早期识别和管理的重要性。虽然之前的研究主要集中在吸烟和生物燃料暴露等传统风险因素上，但现代环境污染的复杂性要求进一步调查其他潜在的致病因素。

重金属污染是指由于人类活动导致的环境中镉（Cd）、汞（Hg）和铅（Pb）等金属水平显著增加，这种结果导致生态恶化并对人类健康构成威胁（Queiroz等人，2025年；Wu等人，2023年）。尽管重金属在自然界中普遍存在，但污染主要来源于采矿、冶炼、化工行业、电镀、化石燃料燃烧、电子废物处理不当以及含金属农药和化肥的使用（Pugazhendhi等人，2024年）。由于重金属无法被微生物分解，它们可以在环境中长期存在，并通过大气沉降、水流侵蚀等方式长距离传输，从而扩大污染范围（Tang等人，2024年；Liu等人，2023年；Rahman，2020年）。此外，生物体可以吸收重金属并通过食物链进行生物放大作用。因此，处于食物链顶端的人类体内的重金属浓度可能比初始环境水平高出数万倍，使他们面临显著的健康风险。

众所周知，重金属暴露会影响人们的身体健康。一旦通过吸入、摄入或皮肤接触进入体内，重金属会抵抗清除并在肾脏、骨骼和肝脏等器官中积累。这种生物积累意味着即使在低剂量和长期暴露的情况下，也会逐渐造成损害，常常导致不可逆的器官损伤（Jomova等人，2025年）。吸入重金属颗粒会直接刺激和损伤气道黏膜细胞，促进慢性炎症（Jin等人，2025年）。此外，重金属可以触发活性氧（ROS）的过度产生，导致严重的氧化应激和随后的肺损伤（Rath和Das，2023年；Zhang等人，2024年）。某些重金属，包括镉，被列为已知的人类致癌物；长期吸入这些金属会增加患肺癌的风险（Behrens等人，2023年）。当多种重金属同时存在时，可能会发生协同效应，混合物的总体毒性超过单个重金属的毒性之和（Lan等人，2024年）。

镉是一种广泛存在的环境污染物，以其广泛的毒理学特性而著称（?kesson等人，2014年）。由于其广泛的工业应用，镉对土壤和水体污染贡献显著。作为一种不可降解的元素，其环境浓度会随着时间的推移而持续积累。在普通人群中，镉的暴露主要通过吸烟和吸入受污染的空气发生。镉是大气PM2.5中的关键有毒成分，是对人类健康危害第七大的物质（Qin等人，2021年）。此外，研究表明，吸入高浓度的镉烟雾可导致化学性肺炎和肺水肿，表现为喉咙痛、咳嗽、胸闷、呼吸困难，在严重情况下甚至会导致急性呼吸衰竭死亡（Kawada，2021年）。有证据表明，重金属混合物可能会加重COPD（Yan等人，2023年）。目前认为，预防临床前COPD风险因素造成的危害比治疗已发生的疾病更为紧迫。然而，环境中的重金属混合物与PRISm之间的关联尚未得到充分研究。本研究采用了一种创新框架，将人类队列分析与动物验证相结合，确定镉是PRISm的关键环境风险因素，表现出阈值驱动的剂量-反应关系（0.510 μg/L），并通过炎症和营养相关生物标志物进行介导。多项混合物分析显示，镉是将重金属混合物与女性PRISm风险联系起来的主要因素。重要的是，这些流行病学发现通过两种镉暴露的小鼠模型（通过饮用水和吸入）得到了直接验证，这些模型显示了肺部炎症、组织病理学改变以及通路（如IL-17、TNF信号传导和造血细胞谱系）的失调，与人类中介结果一致。我们的工作从现实中的金属混合物及其各个组分的角度，弥合了PRISm与环境重金属之间的差距，并进一步阐明了将镉与PRISm联系起来的生物学途径和机制。

**2. 方法**
**2.1. 人群队列**
2.1.1. 研究人群和排除标准
参与者数据来自2007-2012年的NHANES，这是一项具有批准伦理协议和知情同意的美国人群横断面研究。选择这些周期是因为它们包含了进行PRISm表型分析所需的肺功能测量数据。参与者选择过程如下：从最初的30,442名参与者中，我们应用了逐步排除标准，包括排除年龄<20岁或>79岁的参与者、孕妇以及身高、血液金属、肺功能或关键协变量数据不完整的参与者。我们进一步排除了肺功能质量不佳（等级C、D或F）、近期急性呼吸道感染或有气流阻塞证据（FEV1/FVC < 0.7）的参与者。应用这些标准后，最终确定了6585名参与者（图1）。

**2.1.2. 肺功能测量和PRISm定义**
肺功能参数是根据ATS标准通过肺功能测定确定的（详细协议可在NHANES官方网站上找到）。从SPX数据集中提取了FEV1和FVC。随后使用GLI 2022参考方程计算预测的FEV1%值，这些方程相比传统的NHANES III方程具有更低的风险分类偏差（Bowerman等人，2023年）。PRISm最终定义为FEV1/FVC比值≥ 0.7且FEV1%< 80%的同时存在（Wan等人，2021年）。

**2.1.3. 暴露：血液中的重金属水平**
通过全血样本来评估重金属暴露。最初的分析面板包括镉（Cd）、汞（Hg）、铅（Pb）和硒（Se）。然而，由于2007-2008年和2009-2010年的调查周期中没有测量Se和Mn，因此最终分析仅限于Cd、Pb和Hg，以确保三个周期之间的一致性。这些金属的浓度是通过电感耦合等离子体质谱法（ICP-MS）确定的。对于低于检测限的测量值，分配了一个LOD/√2的值。单位分别为Cd和Hg的μg/L，Pb的μg/dL。NHANES网站提供了详细的实验室协议和质量控制标准。

**2.1.4. 协变量**
根据现有文献（Deng等人，2025年；Zheng等人，2024年），分析调整了十一个在人口统计、临床和行为领域已确定的混杂因素。人口统计协变量包括年龄（连续变量）、性别、种族、教育水平、婚姻状况和收入水平——后者通过贫困收入比（PIR）进行分类。临床指标包括体重指数（BMI）类别，而行为和健康相关变量包括吸烟状况、饮酒史以及自我报告的高血压和糖尿病诊断。

**2.1.5. 统计分析**
使用R Studio（版本4.5.0）、GraphPad Prism（版本9.0.0）和IBM SPSS Statistics（版本27.0）进行统计分析。双尾p值< 0.05被定义为统计学显著。根据NHANES分析指南，我们考虑了复杂的调查设计，包括分层（SDMVSTRA）、主要抽样单位（SDMVPSU）和适当的血液重金属子样本权重（WTSA2YR），以确保全国代表性及所有估计的稳健性。所有分析均应用了适当的调查加权方法。

总结了整个研究人群的参与者特征，并比较了PRISm组和非PRISm组之间的差异。分类变量以数字（百分比）表示，并使用卡方检验进行比较。连续变量的正态性通过Kolmogorov-Smirnov检验进行评估。正态分布的数据以均值±标准误差表示，并使用Student's t检验进行比较；非正态分布的数据以中位数（第25和第75百分位数）表示，并使用Mann-Whitney U检验进行比较。为了解决偏斜问题，将重金属浓度对数转换以近似正态分布，或将其分类为四分位数，并在整个过程中应用适当的调查权重。我们使用了三种逻辑回归模型来研究它们与PRISm的关联：未调整模型（模型1）、调整了年龄、性别和种族的模型（模型2）以及完全调整的模型（模型3）。结果以比值比（OR）和95%置信区间（CI）报告，并进行了趋势检验以检查各四分位数之间的剂量-反应模式。在传统逻辑回归框架内进一步进行了亚组分析，以评估个别金属与PRISm之间的潜在相互作用。

首先使用Spearman等级检验评估了三种重金属之间的相关性。鉴于这三种金属构成了一个综合的暴露源，混合物模型比传统逻辑回归更能敏感地识别关键贡献因素（Ou等人，2025年）。因此，我们采用了三种互补的混合物分析方法——加权分位数和（WQS）回归、分位数g计算（Qgcomp）和贝叶斯核机器回归（BKMR）——以稳健地估计整体混合物效应，识别主要金属，并减少依赖单一建模框架的偏差。所有模型都调整了多变量逻辑回归中使用的相同一组混杂因素（模型3）。WQS回归方法通过构建基于分位数转换暴露的加权综合指数来降低维度。指数权重是通过基于自助法的训练-验证程序（1000次迭代，4:6的训练-验证分割）经验估计的，该程序通过“gWQS”包实现。这一框架在统计上估计了整体混合效应，同时识别了暴露集内的主要贡献因素。“Qgcomp”方法（“qgcomp”包）通过建模非线性和交互式暴露-反应关系来有效分析连续的环境混合物。与假设方向一致性的WQS方法不同，Qgcomp允许组分权重为正或负，从而对WQS的发现提供了稳健的验证。为了分析重金属混合物中的复杂关系，我们使用了“bkmr”包应用了BKMR方法。这种贝叶斯非参数方法无需预先指定的功能形式即可捕捉非线性和交互式暴露-反应模式。模型通过马尔可夫链蒙特卡洛算法进行了5000次迭代以确保收敛和稳定估计。分析分为三个步骤：（1）计算每种金属的后验包含概率（PIP）以评估其相对重要性；（2）将所有暴露固定在第50百分位，并估计每增加5百分位的混合物对结果的影响；（3）可视化每种金属与PRISm之间的剂量-反应关系。为了检查每种金属与PRISm之间的非线性关联，我们应用了RCS（“rms”包）来建模暴露-反应关系，并进行了阈值效应分析（“segmented”包）以识别任何拐点。结点位置是使用赤池信息和贝叶斯信息准则（AIC/BIC）客观选择的，这是RCS回归中优化模型拟合的标准方法。然后应用了并行中介分析来将总效应分解为直接和间接成分。最后，进行了接收者操作特征（ROC）曲线分析，以评估血液金属浓度对PRISm风险的预测性能。

2.2. 动物实验
2.2.1. 动物和实验方案
成年BALB/c小鼠（6-8周大，北京Vital River）在特定无病原体（SPF）条件下饲养。氯化镉（CdCl2，202908）购自Sigma（美国密苏里州）。在饮用水暴露模型中，小鼠被随机分配到三个实验组：（1）对照组（仅含去离子水），（2）低剂量CdCl?（1 ppm），（3）高剂量CdCl?（10 ppm）（Wang等人，2023a）。暴露持续六周。对于吸入模型，小鼠每天暴露于气溶胶化的CdCl?（100 ppm）2小时，持续7天，而对照组动物则暴露于蒸馏去离子水产生的蒸汽中（Tan等人，2025）。所有程序均按照广州实验室动物伦理委员会批准的指南进行（批准号GZLAB-AUCP-2023–02-A04）。
2.2.2. 血清Cd含量测量
收集血液样本并在室温下使其凝固，然后离心以分离血清。血清样本与含有10% HNO?和0.5% Triton X-100的消化溶液混合，彻底涡旋后，在4°C下过夜储存。在25°C下平衡30分钟后，用超纯水将体积调整至2.5 mL。再次涡旋混合物，并以3500 rpm离心3分钟。使用ICP-MS（PerkinElmer NexION 300D）定量上清液中的镉含量。
2.2.3. ELISA
使用商业ELISA试剂盒（Cusabio，武汉，中国）分析肺组织的上清液中的白细胞介素-17（IL-17）和肿瘤坏死因子-α（TNF-α）水平。同样，使用Elabscience（武汉，中国）提供的试剂盒按照制造商的说明测量白细胞介素-4（IL-4）和IL-13的浓度。每个检测重复5次生物学实验。
2.2.4. 组织学分析
收集肺组织并用4%甲醛固定，然后进行石蜡包埋。获取4 mm厚的切片，并进行苏木精和伊红（H&E）染色以进行形态学评估。炎症反应根据既定的组织病理学标准进行评分。所有切片由两名独立的研究人员盲法评估，每个样本至少评估10个支气管。
2.2.5. 总RNA提取和实时RT-PCR
使用Trizol试剂（Invitrogen）从小鼠肺组织中提取总RNA。使用cDNA合成试剂盒（Takara）进行逆转录。定量PCR按照制造商的方案使用TB Green? Premix Ex Taq?进行。目标基因（N-cadherin, Tgf-β, Mmp8）和参考基因（18S rRNA）的引物序列见表S1。目标基因表达水平归一化到18S rRNA，并使用2-ΔΔCt方法计算（n = 5）。
2.2.6. 转录组测序和生物信息学分析
在构建文库之前，对从肺组织中提取的总RNA进行质量评估。使用VAHTS mRNA捕获珠捕获mRNA。使用VAHTS Universal V6 RNA-seq Library Prep Kit（Illumina）准备测序文库。使用DESeq2根据|log?(foldchange)| > 0.585的标准和调整后的P值< 0.05识别差异表达基因（DEGs）。使用京都基因与基因组百科全书（KEGG）数据库进行DEGs的功能富集分析。

3. 结果
3.1. 参与者的基线特征
对6585名参与者的分析显示，包括424名PRISm患者，各组之间存在显著的人口统计学和临床差异，如表1所总结。PRISm患者通常年龄较大，并且吸烟、高血压和糖尿病的患病率较高。一个关键发现是PRISm组的血液Cd浓度显著高于非PRISm组（p < 0.001），而其他金属没有显著差异。此外，在log??转换后，三种重金属之间的相关性较低（Spearman's ρ范围：0.008–0.298；图S1）。这种低相关性为随后应用逻辑回归和混合分析方法来评估这些金属与PRISm风险的个体和综合作用提供了依据。
表1. 按PRISm状态分类的参与者基线特征（NHANES 2007-2012）
| 变量 | 总数(n=6585) | 非PRISm(n=6161) | PRISm(n=424) |
|--------------|-----------|-----------|-----------|
| 年龄（岁），平均值（SE） | 43.12 (0.42) | 42.85 (0.43) | 47.73 (0.96) |
| 性别，N (%) | 3215 (48.48) | 3370 (51.52) | 2968 (70.71) |
| 种族，N (%) | 1086 (8.25) | 3370 (51.52) | 2968 (70.71) |
| 婚姻状况，N (%) | 1397 (20.91) | 3993 (63.87) | 2195 (15.22) |
| 教育程度，N (%) | 1443 (14.15) | 3747 (65.56) | 2377 (33.39) |
| 收入，N (%) | 1882 (18.63) | 2326 (47.97) | 2326 (47.97) |
| BMI等级，N (%) | 71 (1.12) | 2247 (34.56) | 2487 (35.04) |
| 吸烟，N (%) | 4944 (80.30) | 3923 (60.40) | 3709 (61.04) |
| 高血压，N (%) | 2238 (29.45) | 2487 (35.04) | 2487 (35.04) |
| 糖尿病，N (%) | 943 (10.11) | 5642 (89.89) | 5351 (90.88) |
| 血液重金属水平，中位数（Q1, Q3）| 0.28 (0.17, 0.46) | 0.27 (0.16, 0.46) | 0.34 (0.21, 0.64) | Z = -3.91 < 0.001 |
| Pb (μg/dL) | 1.09 (0.72, 1.63) | 1.08 (0.71, 1.63) | 1.14 (0.82, 1.70) | Z = -1.91 < 0.001 |
| Hg (μg/L) | 0.92 (0.50, 1.83) | 0.92 (0.50, 1.85) | 0.87 (0.43, 1.50) | Z = -1.43 < 0.001 |
| FVC (mL)，平均值（SE） | 4200.02 (18.83) | 3365.37 (16.71) | 3419.91 (15.54) |
| FEV1 (mL)，平均值（SE） | 3365.37 (16.71) | 3419.91 (15.54) | 2416.03 (47.08) |

3.2. 单种重金属暴露与PRISm风险的关系
逻辑回归分析的结果见表2。在单变量分析中，log??转换后的Cd（logCd，OR = 1.41，95% CI: 1.22–1.63，P < 0.001）和log??转换后的Pb（logPb，OR = 1.22，95% CI: 1.02–1.46，P = 0.032）与PRISm风险显著相关，而log??转换后的Hg（logHg）则不相关。在多变量模型中完全调整协变量后，只有血液Cd仍然与PRISm风险增加显著相关，无论是作为原始浓度（OR = 1.43，95% CI: 1.22–1.67，P < 0.001）还是log10转换后（OR = 1.35，95% CI: 1.10–1.65，P = 0.008）。当将金属分为四分位数时，在所有模型中观察到Cd的显著剂量-反应关系（P值< 0.05）。在基于四分位数的分析中，Cd的最高四分位数（Q4）在原始模型（OR = 1.75，95% CI: 1.28–2.40，P = 0.001，与最低四分位数Q1相比）和人口统计学调整后的模型（OR = 1.48，95% CI: 1.08–2.02，P = 0.018，与Q1相比）中均显著，并在完全调整后的模型中显示出强烈趋势（OR = 1.47，95% CI: 1.02–2.14，P = 0.052，与Q1相比），整体趋势也显著（P = 0.01）。这些发现一致表明，血液Cd水平升高与PRISm风险增加相关。这种关联在关键亚组中仍然明显，如女性（OR=1.46）、非西班牙裔黑人（OR=1.58）、肥胖者（OR=1.32）、当前吸烟者（OR=1.47）和有饮酒史的人（OR=1.36）以及高血压患者（OR=1.41），所有这些都代表了logCd每单位增加的风险。然而，交互作用测试未达到统计显著性（P > 0.05）（图S2）。
表2. 三种金属（Cd, Hg, Pb）与PRISm之间的关联（通过逻辑回归模型）
| 金属 | PRISm | OR (95% CI) | P值 |
|------------|-----------|------------|-----------|
| Cd | 1.50 (1.28 ~ 1.77) | < 0.001*** | 1.47 (1.27 ~ 1.71) | < 0.001*** |
| | 1.43 (1.22 ~ 1.67) | < 0.001*** | | |
| | logCd | 1.41 (1.22 ~ 1.63) | < 0.001*** | |
| | 1.33 (1.15 ~ 1.55) | 0.008** | | |
| | P for trend | < 0.001*** | < 0.001*** | |
| | 1.10 (Reference) | 1.00 (Reference) | 1.00 (Reference) |
| | 20.85 (0.56 ~ 1.31) | 0.468 | 0.78 (0.50 ~ 1.21) | 0.274 |
| | 31.14 (0.83 ~ 1.57) | 0.431 | 0.97 (0.68 ~ 1.37) | 0.851 |
| | 41.75 (1.28 ~ 2.40) | 0.001** | 1.48 (1.08 ~ 2.02) | 0.018* |
| | 1.35 (1.10 ~ 1.65) | 0.008** | | |
| | P for trend | < 0.001*** | < 0.001*** | |
| | 11.00 (Reference) | 1.00 (Reference) | 1.00 (Reference) |
| | 20.85 (0.56 ~ 1.31) | 0.468 | 0.78 (0.50 ~ 1.21) | 0.400 |
| | 31.14 (0.83 ~ 1.57) | 0.431 | 0.97 (0.68 ~ 1.37) | 0.851 |
| | 41.75 (1.28 ~ 2.40) | 0.001** | 1.48 (1.08 ~ 2.02) | 0.018* |
| | Hg | 1.01 (0.97 ~ 1.05) | 0.696 | 0.98 (0.92 ~ 1.04) | 0.553 |
| | logHg | 0.92 (0.80 ~ 1.06) | 0.246 | 0.83 (0.71 ~ 1.06) | 0.014* |
| | P for trend | 0.156 | 0.014* | 0.282 | |
| | 11.00 (Reference) | 1.00 (Reference) | 1.00 (Reference) |
| | 20.67 (0.47 ~ 1.31) | 0.030* | 0.60 (0.42 ~ 0.85) | 0.006** |
| | 30.89 (0.60 ~ 1.33) | 0.574 | 0.75 (0.50 ~ 1.12) | 0.163 |
| | 40.66 (0.43 ~ 1.01) | 0.063 | 0.50 (0.32 ~ 0.77) | 0.003** |
| | Pb | 1.01 (0.98 ~ 1.05) | 0.457 | 0.92 (0.82 ~ 1.03) | 0.175 |
| | logPb | 1.22 (1.02 ~ 1.46) | 0.032* | 0.90 (0.70 ~ 1.15) | 0.416 |
| | P for trend | 0.220 | 0.142 | 0.401 | |
| | 11.00 (Reference) | 1.00 (Reference) | 1.00 (Reference) |
| | 21.26 (0.76 ~ 2.10) | 0.376 | 1.00 (0.58 ~ 1.72) | 0.997 |
| | 31.49 (0.94 ~ 2.35) | 0.094 | 0.99 (0.59 ~ 1.66) | 0.971 |
| | 41.32 (0.84 ~ 2.07) | 0.239 | 0.76 (0.44 ~ 1.31) | 0.326 |
| | | 0.43 (0.84 ~ 1.01) | 0.063 | 0.50 (0.32 ~ 0.77) | 0.003** |

所有分析均应用了适当的调查加权方法。
缩写：NHANES，国家健康与营养调查；PRISm，保存比率受损肺功能；SE，标准误差；BMI，身体质量指数；N，数量；Q1，第一四分位数；Q3，第三四分位数；Cd，镉；Pb，铅；Hg，汞；FVC，用力肺活量；FEV1，第一秒用力呼气容积。

3.3. 单种重金属暴露与PRISm风险的关系
逻辑回归分析的结果见表2。在单变量分析中，log??转换后的Cd（logCd，OR = 1.41，95% CI: 1.22–1.63，P < 0.001）和log??转换后的Pb（logPb，OR = 1.22，95% CI: 1.02–1.46，P = 0.032）与PRISm风险显著相关，而log??转换后的Hg（logHg）则不相关。在多变量模型中完全调整协变量后，只有血液Cd仍然与PRISm风险增加显著相关，无论是作为原始浓度（OR = 1.43，95% CI: 1.22–1.67，P < 0.001）还是log10转换后（OR = 1.35，95% CI: 1.10–1.65，P = 0.008）。当金属被分为四分位数时，在所有模型中观察到Cd的显著剂量-反应关系（P值< 0.05）。在基于四分位数的分析中，Cd的最高四分位数（Q4）在原始模型（OR = 1.75，95% CI: 1.28–2.40，P = 0.001，与最低四分位数Q1相比）和人口统计学调整后的模型（OR = 1.48，95% CI: 1.08–2.02，P = 0.018，与Q1相比）中均显著，并在完全调整后的模型中显示出强烈趋势（OR = 1.47，95% CI: 1.02–2.14，P = 0.052，与Q1相比），整体趋势也显著（P = 0.01）。总之，这些发现一致表明，血液Cd水平升高与PRISm风险增加相关。这种关联在关键亚组中仍然明显，如女性（OR=1.46）、非西班牙裔黑人（OR=1.58）、肥胖者（OR=1.32）、当前吸烟者（OR=1.47）、有饮酒史的人（OR=1.36）和高血压患者（OR=1.41），所有这些都代表了logCd每单位增加的风险。然而，交互作用测试未达到统计显著性（P > 0.05）（图S2）。
表2. 三种金属（Cd, Hg, Pb）与PRISm之间的关联（通过逻辑回归模型）
| 金属 | PRISm | OR (95% CI) | P值 |
|------------|-----------|------------|-----------|
| Cd | 1.50 (1.28 ~ 1.77) | < 0.001*** | 1.47 (1.27 ~ 1.71) | < 0.001*** |
| | 1.43 (1.22 ~ 1.67) | < 0.001*** | | |
| | logCd | 1.41 (1.22 ~ 1.63) | < 0.001*** | |
| | 1.33 (1.15 ~ 1.55) | 0.008** | | |
| | P for trend | < 0.001*** | < 0.001*** | |
| | 11.00 (Reference) | 1.00 (Reference) | 1.00 (Reference) |
| | 20.85 (0.56 ~ 1.31) | 0.468 | 0.78 (0.50 ~ 1.21) | 0.274 |
| | 31.14 (0.83 ~ 1.57) | 0.431 | 0.97 (0.68 ~ 1.37) | 0.851 |
| | 41.75 (1.28 ~ 2.40) | 0.001** | 1.48 (1.08 ~ 2.02) | 0.018* |
| | Hg | 1.01 (0.97 ~ 1.05) | 0.696 | 0.98 (0.92 ~ 1.04) | 0.553 |
| | logHg | 0.92 (0.80 ~ 1.06) | 0.246 | 0.83 (0.71 ~ 1.06) | 0.014* |
| | P for trend | 0.156 | 0.014* | 0.282 | |
| | 11.00 (Reference) | 1.00 (Reference) | 1.00 (Reference) |
| | 20.67 (0.47 ~ 1.31) | 0.030* | 0.60 (0.42 ~ 0.85) | 0.006** |
| | 30.89 (0.60 ~ 1.33) | 0.574 | 0.75 (0.50 ~ 1.12) | 0.163 |
| | 40.66 (0.43 ~ 1.01) | 0.063 | 0.50 (0.32 ~ 0.77) | 0.003** |
| | Pb | 1.01 (0.98 ~ 1.05) | 0.457 | 0.92 (0.82 ~ 1.03) | 0.175 |
| | logPb | 1.22 (1.02 ~ 1.46) | 0.032* | 0.90 (0.70 ~ 1.15) | 0.416 |
| | P for trend | 0.220 | 0.142 | 0.401 | |
| | 11.00 (Reference) | 1.00 (Reference) | 1.00 (Reference) |
| | 21.26 (0.76 ~ 2.10) | 0.376 | 1.00 (0.58 ~ 1.72) | 0.997 |
| | 31.49 (0.94 ~ 2.35) | 0.094 | 0.99 (0.59 ~ 1.66) | 0.971 |
| | 41.32 (0.84 ~ 2.07) | 0.239 | 0.76 (0.44 ~ 1.31) | 0.326 |
| | | 0.43 (0.84 ~ 1.01) | 0.063 | 0.50 (0.32 ~ 0.77) | 0.003** |

值得注意的是，在单一污染物模型中，Cd的估计效应可能受到共暴露于相关金属（如Hg和Pb）的干扰，这些金属通常来自工业排放或某些食物等共同来源。这一限制突显了从单一污染物评估转向能够捕捉实际混合暴露的模型的必要性。

3.3. 重金属混合物暴露与PRISm风险的关系
为了区分单个金属的独立效应与相关共暴露的影响，并更好地表征它们对PRISm的综合影响，我们应用了一个综合的混合分析框架，包括WQS回归、Qgcomp和BKMR模型。在正向WQS回归中，Cd被确定为主要贡献因素（权重=89.30%），其次是Pb（6.88%）和Hg（3.82%）。在负向模型中，Hg显示出最大的负权重（55.26%），其次是Pb（44.74%），而Cd的作用可以忽略不计（<0.01%）（图2A）。同样，Qgcomp分析表明Cd是主要的正向驱动因素（90.55%），Pb贡献了9.45%；Hg具有100.00%的负权重（图2B）。这些结果一致强调了Cd在金属混合物中的主导作用。尽管在WQS或Qgcomp模型中，总体混合物-PRISm关联在总人群中不显著，但在按性别分层分析中，女性显示出显著的阳性关联。具体来说，WQS模型在女性中显示出显著的混合效应（OR = 1.40，95% CI: 1.09–1.81，每增加一个四分位的混合物指数log10转换后的金属），而在男性中则没有（图2C，表S2）。这一发现得到了Qgcomp的证实，Qgcomp也表明在女性中存在显著关联（OR = 1.30，95% CI: 1.05–1.61，每增加一个四分位的所有log10转换后的金属），其中Cd（55.10%）和Pb（44.90%）具有正权重（图2D，2E；表S3）。在按年龄分层分析中未观察到显著关联（图2C，2E）。混合物分析（WQS、Qgcomp和BKMR模型）确定镉（Cd）是环境中金属混合物导致女性PRISm（保护性比率受损的肺功能）风险的关键因素。(A) WQS模型和(B) Qgcomp模型中的金属权重均表明镉是主要的正向贡献者。(C) WQS亚组分析的森林图显示，仅在女性中存在显著的混合物效应（OR：混合物指数每增加一个四分位数，log10转换后的金属浓度增加）。(D) 基于Qgcomp的金属权重显示，镉和铅（Pb）是主要的正向贡献者。(E) Qgcomp分析的森林图确认了女性中显著的混合物关联（OR：所有log10转换后的金属浓度每增加一个四分位数）。(F-I) BKMR分析了重金属混合物与女性PRISm风险之间的关联。(F) 变量重要性分析的PIP（后验包含概率）确定镉是主要的风险因素。(G) 当所有log10转换后的金属浓度同时从其第50百分位数开始增加时，显示出与PRISm风险呈单调上升的剂量-反应关系。(H) 当其他金属浓度固定在第25、50或75百分位数时，镉的单变量暴露-反应曲线显示在其暴露范围内风险稳定上升。(I) 暴露-反应曲线显示镉有强烈的正向非线性关联，汞（Hg）在高浓度下有弱正向趋势，而铅（Pb）的关联基本平坦且不显著。所有分析均采用了适当的调查加权方法。重金属浓度均进行了log10转换。缩写：Cd，镉；Pb，铅；Hg，汞；WQS，加权分位数和；Qgcomp，分位数g计算；BKMR，贝叶斯核机器回归；PRISm，保护性比率受损的肺功能；OR，比值比；CI，置信区间；log，log10转换；PIP，后验包含概率。我们进一步应用BKMR模型来描述重金属混合物与女性亚组中PRISm发病率之间的关系。变量重要性分析确定镉是主要的风险因素，其后验包含概率（PIP）为0.9996，而汞（PIP = 0.3480）和铅（PIP = 0.0184）的关联明显较弱（图2F）。当所有log10转换后的金属浓度同时从其第50百分位数开始增加时，整体混合物与PRISm风险呈单调上升的剂量-反应关系（图2G）。这种增加表现出阈值效应，只有当联合暴露超过第75百分位数时才达到统计显著性（OR = 1.079，95% CI：1.009–1.153）。当其他金属浓度固定在第25、50或75百分位数时，镉的单变量暴露-反应函数显示在其暴露范围内风险稳定上升（图2H）。相比之下，铅和汞的估计效应接近零，表明它们的贡献很小。最后，剂量-反应曲线（图2I）直观地证实了镉的强烈正向非线性关系，汞在高浓度下有弱正向趋势，而铅的关联基本平坦且不显著。总体而言，我们的混合物分析一致认为镉是女性PRISm的主要风险因素，而铅和汞的独立效应有限。3.4. 镉暴露与PRISm风险之间的剂量-反应关系鉴于多种分析方法均显示镉与PRISm风险之间存在一致关联，我们后续分析重点关注这种金属。我们使用RCS和阈值效应分析，并调整了混杂因素，描述了血液中镉浓度与PRISm发病率之间的剂量-反应关系。观察到logCd的非线性关系（非线性P值=0.042）。阈值效应分析进一步确定了一个风险阈值，即logCd = -0.673（相当于Cd = 0.510 μg/L）。当logCd低于-0.673（相当于Cd < 0.510 μg/L）时，关联不显著；当logCd达到或超过-0.673（相当于Cd ≥ 0.510 μg/L）时，PRISm的风险显著增加（OR = 2.13，95% CI：1.46–3.12，P < 0.001，与logCd < -0.673相比）（图3A，3B）。尽管RCS和阈值分析也应用于未转换的血液镉，但其严重偏斜的分布阻碍了模型的可靠拟合。因此，未检测到原始浓度的显著非线性或阈值效应（图S3）。相比之下，log10转换后的镉更接近正态分布，减少了极端值的影响，提高了模型的稳定性，并增强了可解释性。尽管实际指南中可以采用0.510 μg/L的镉阈值，但log10转换对于稳健的剂量-反应建模和准确的风险阈值估计是方法学上必要的。下载：下载高分辨率图像（338KB）下载：下载全尺寸图像图3. 血液中的镉浓度与PRISm风险之间存在非线性关系，这种关系通过炎症/营养生物标志物介导。(A) 使用AIC/BIC原则确定的三个结点的RCS分析显示logCd与PRISm风险之间存在非线性关联。(B) 阈值效应分析确定了一个风险阈值，即logCd = -0.673（相当于Cd = 0.510 μg/L）。(C) 介导分析显示白蛋白（Albumin）、血红蛋白与红细胞分布宽度比（HRR）和红细胞分布宽度与白蛋白比（RAR）分别介导了logCd与PRISm之间5.06%、3.59%和11.11%的关联。所有分析均采用了适当的调查加权方法。模型调整了年龄、性别、种族、婚姻状况、吸烟史、BMI等级、教育水平、收入、高血压和糖尿病等因素。箭头和圆头分别表示促进和抑制作用。其上方的数据显示了路径分析的β系数（95% CI）。缩写：Cd，镉；logCd，镉浓度的log10转换（μg/L）；PRISm，保护性比率受损的肺功能；RCS：受限立方样条；AIC/BIC：赤池和贝叶斯信息准则；HRR，血红蛋白与红细胞分布宽度比；RAR，红细胞分布宽度与白蛋白比；OR，比值比；CI，置信区间。3.5. 炎症/营养相关指标对镉暴露和PRISm风险的中介效应为了探索潜在的潜在机制，我们研究了炎症和营养相关指标是否介导了镉暴露与PRISm之间的关联。介导分析显示，白蛋白、血红蛋白与红细胞分布宽度比（HRR）和红细胞分布宽度与白蛋白比（RAR）分别介导了logCd与PRISm之间5.06%、3.59%和11.11%的关联（图3C）。路径分析进一步表明，白蛋白（β = -0.68，95% CI：-1.13至-0.23，P = 0.007）和HRR（β = -1.11，95% CI：-0.85至-0.37，P = 0.007）与PRISm风险呈负相关，而RAR则呈正相关（β = 0.46，95% CI：0.20–0.73，P = 0.002）。在这些中介因素中，RAR的中介比例最高，并且与结果呈正相关，表明涉及红细胞指数和白蛋白的联合效应。总体而言，这些结果强调了炎症和营养相关途径在镉暴露与PRISm关联中的作用。3.6. 镉浓度在PRISm发病率中的诊断能力使用ROC曲线分析初步评估了血液中镉浓度对PRISm的预测性能。未转换镉的曲线下面积（AUC）为0.746（95% CI：0.722–0.770，P < 0.0001），logCd的曲线下面积为0.742（95% CI：0.718–0.766，P = 0.0004）（图S4，表S4）。鉴于两种形式在敏感性、特异性和准确性方面的差异很小（表S4），它们的区分能力被认为是大致相当的。这些探索性发现表明，血液中的镉浓度可能作为PRISm的预测指标。3.7. CdCl2暴露通过饮用水和吸入途径引起肺部炎症和组织损伤基于人群队列研究的发现，镉对肺部损伤的影响最为显著，我们进一步使用两种暴露途径（饮用水和吸入）进行了小鼠实验以进一步阐明镉引起的损伤。饮用水是人类镉暴露的关键途径。如图4A所示，小鼠连续6周暴露于含有1 ppm或10 ppm CdCl2的饮用水中，而对照组（Ctrl）小鼠则饮用去离子水。血清中的镉水平随CdCl2暴露剂量依赖性地增加，证实了口服镉摄入会导致血液中镉的系统性、剂量依赖性升高。鉴于肺部炎症是COPD相关病理的标志，我们测量了肺组织中的IL-17、TNF-α、IL-13和IL-4水平。与对照组相比，10 ppm CdCl2组中的四种炎症细胞因子均显著升高。尽管在1 ppm CdCl2下TNF-α也显著升高，但在这一较低浓度下其他细胞因子没有差异；所有因素均表现出明显的剂量依赖性升高（图4B）。这些动物结果与人群队列中观察到的阈值效应一致。H&E染色（图4C）显示CdCl2暴露小鼠的肺部有明显的组织病理学改变，这通过定量组织学评分得到证实（图4D）。1 ppm和10 ppm CdCl2组均表现出剂量依赖性的炎症病理变化。下载：下载高分辨率图像（1MB）下载：下载全尺寸图像图4. CdCl2暴露通过饮用水和吸入途径引起肺部炎症和组织损伤。(A) 饮用水暴露方案的示意图（每组N = 5只）。(B) 通过ICP-MS测量的血清镉水平随CdCl2暴露剂量依赖性地增加。通过ELISA评估的肺部炎症细胞因子（IL-17、TNF-α、IL-13、IL-4）在10 ppm CdCl2组中显著升高，并表现出明显的剂量依赖性上调。(C-D) H&E染色显示CdCl2暴露小鼠的肺部有明显的组织病理学改变，这通过定量组织学评分得到证实。(C) 肺部H&E染色的代表性图像（上标：50μm；下标：20μm）。(D) H&E染色的半定量炎症评分。(E) 吸入暴露方案的示意图（每组N = 5只）。(F) 吸入100 ppm CdCl2显著增加了肺组织中EMT相关基因（N-钙粘蛋白、Tgf-β）和Mmp8的mRNA表达。(G) KEGG通路富集分析的气泡图，显示CdCl2暴露肺组织与对照组相比的DEGs（差异表达基因）。气泡的大小代表基因数量，颜色代表P值。数据以平均值±SEM表示。*，P < 0.05；**，P < 0.01；***，P < 0.001。缩写：CdCl2，氯化镉；ICP-MS，电感耦合等离子体质谱；IL，白细胞介素；TNF，肿瘤坏死因子；ELISA，酶联免疫吸附测定；H&E，苏木精和伊红；EMT，上皮-间质转化；N-钙粘蛋白，神经钙粘蛋白；Tgf-β，转化生长因子β；Mmp8，基质金属蛋白酶8；KEGG，京都基因组百科全书；DEGs，差异表达基因。此外，空气中的镉污染也是另一个主要途径。因此，我们建立了另一种通过吸入途径的呼吸道镉暴露的小鼠模型（图4E）。吸入100 ppm CdCl2后，与对照组相比，肺组织中上皮-间质转化（EMT）相关基因（N-钙粘蛋白、Tgf-β）和基质金属蛋白酶8（Mmp8）的相对mRNA表达水平显著升高（图4F）。这些结果表明，吸入的CdCl2触发了EMT和细胞外基质的降解——这是COPD中的关键病理过程。我们进一步对吸入暴露组的肺组织进行了转录组测序。KEGG通路富集分析显示，CdCl2暴露与对照组相比，差异表达基因（DEGs）在几个通路中富集（图4G）。在这些通路中，我们重点关注了三个与动物表型一致的通路（ECM-受体相互作用、IL-17信号通路、TNF信号通路）。人类队列中的介导分析显示，HRR和RAR部分介导了Cd与PRISm的关联，这一发现得到了动物转录组中造血细胞谱系通路富集的支持。4. 讨论结合基于人群的证据和实验验证，本研究确定镉是PRISm的关键环境风险因素，其剂量-反应关系受炎症和营养相关生物标志物（白蛋白、HRR和RAR）的调节。多种混合物分析显示，镉是女性中重金属混合物与PRISm关联的主要贡献者。这些流行病学发现在小鼠模型中得到了进一步证实，其中通过饮用水或吸入途径的镉暴露引起了肺部炎症和组织重塑。我们的结果共同强调了镉在早期呼吸功能障碍中的特定和多方面作用，并突出了环境控制镉在预防呼吸系统疾病中的重要性。在女性中，重金属混合物（镉、汞和铅）与PRISm风险增加有关，WQS、Qgcomp和BKMR模型均表明了这种性别特异性关联。这种性别特异性关联可能归因于几个生理和行为因素。首先，女性通常具有较高比例的脂肪组织，亲脂性金属如镉可以在其中积累，可能导致在相同暴露水平下体内负担更高。其次，激素影响——特别是雌激素——可能调节重金属的代谢和毒性，从而可能放大其对目标器官（如肾脏、内分泌系统）的损害作用，从而增加PRISm相关风险（Wang等人，2023b；Namvar等人，2025；Zhang等人，2023）。第三，女性在日常生活中可能会接触到不同的暴露源，例如含有某些金属的化妆品和个人护理产品，导致慢性低剂量暴露和逐渐的风险积累（Irfan等人，2022；Wang等人，2023c）。从临床和公共卫生的角度来看，这些发现表明女性可能是对重金属相关呼吸健康风险敏感的亚群体。因此，可以考虑采取针对性别的预防措施，例如为女性制定更严格的暴露指南，推广使用低金属或无金属的个人护理产品，并加强对饮用水中镉的监测。在针对女性的PRISm预防策略中，除了管理传统风险因素（如肥胖、糖尿病）外，还应将重金属暴露评估纳入常规风险评估中，并采取有针对性的干预措施以减少环境和生活方式带来的暴露。在重金属混合物中，镉被确定为PRISm风险的主要驱动因素。镉暴露与PRISM风险之间存在明显的剂量-反应关系，风险阈值约为logCd = -0.673（相当于Cd = 0.510 μg/L），表明超过这一水平后风险会增加。与此一致的是，小鼠口服CdCl2会导致血清中镉含量呈剂量依赖性升高，这与肺部炎症因子的剂量依赖性上调相关。作为慢性阻塞性肺疾病（COPD）的前兆阶段，PRISm与明显的阻塞性肺病具有共同的病理途径。已知吸入镉等重金属会直接诱发包括肺气肿和慢性支气管炎在内的阻塞性肺病，并增加患肺癌的风险（Lee等人，2022年）。最近的证据表明，长期暴露于镉会导致小鼠肺组织出现类似COPD的病理变化（Wang等人，2023d年），这与我们观察到的炎症介质（IL-17、TNF-α、IL-4、IL-13）升高和组织损伤一致。从机制上讲，镉可以通过吸入进入肺部，直接刺激并损伤肺组织（Jomova等人，2025年）。一旦被吸收到全身循环系统中，镉会促进全身炎症和氧化应激，并对肾脏和骨骼等肺外器官产生不良影响。在细胞水平上，镉暴露会诱导线粒体（mtROS）过度产生，导致氧化应激、细胞损伤和功能障碍（Wang等人，2023e年；Peng等人，2024年）。同时，镉可能通过氧化机制抑制SIRT1（一种与长寿相关的蛋白质）的活性，从而损害其在细胞代谢、抗氧化防御和抗衰老中的作用（Zhou等人，2023年）。由持续的细胞损伤引发的慢性炎症以及炎症细胞的浸润和细胞因子的释放是COPD的核心病理特征，这会导致持续的组织损伤和修复能力下降（Zhang等人，2024年；Min等人，2025年）。随着时间的推移，这一过程会驱动肺部结构重塑——表现为气道壁增厚和肺泡破坏（肺气肿），最终导致不可逆的气流受限，并促进从PRISm发展为临床明显的COPD（He等人，2024年）。最近的临床和实验证据表明，镉暴露会加剧COPD的病理进程。病例对照研究显示，COPD患者体内的循环镉水平与EMT标志物（如N-钙粘蛋白、波形蛋白）呈正相关，同时FEV1/FVC比率显著降低——这是气流阻塞的关键诊断指标（Wang等人，2024年；Zheng等人，2021年）。此外，补充的动物实验表明，长期吸入镉会导致小鼠出现类似COPD的肺损伤，表现为气道炎症、纤维化和EMT激活（Wang等人，2023d年；Min等人，2025年）。这些发现与我们的吸入镉暴露动物模型一致，该模型显示N-钙粘蛋白和Tgf-β的mRNA表达升高。人群队列的中介分析显示，HRR和RAR部分介导了镉与PRISm之间的效应。这一发现得到了我们吸入暴露小鼠模型的实验支持，在该模型中，肺组织中的KEGG通路突出了造血细胞谱系通路。进入人体后，镉主要在肾脏中积累，损害肾小管功能并导致大量尿白蛋白丢失（蛋白尿），从而降低血清白蛋白水平（Satarug等人，2025年）。此外，慢性炎症和镉毒性会抑制肝脏白蛋白合成，可能导致厌食和营养不良，进一步加重低白蛋白血症。慢性炎症还会破坏红细胞生成平衡，而镉会竞争性抑制肠道铁的吸收和利用，导致缺铁性贫血。在缺铁和炎症的共同影响下，骨髓会向循环系统中释放大小不一且不成熟的红细胞，直接升高RAR水平（Lee等人，2025年；Rocabois等人，2024年）。低白蛋白血症和全身代谢失调会损害肺部的修复和维持能力，从而促进不适应性的结构重塑。同时发生的贫血（表现为HRR降低）会降低血液的携氧能力，而肺部微环境的损伤会进一步降低气体交换效率（Dai等人，2024年）。这些过程共同可能导致肺容量减少（表现为FEV1和FVC下降）。然而，由于这一阶段的细小气道阻塞相对较轻，FEV1/FVC比率得以保持——这与PRISm的定义特征一致（Huang等人，2024年；Robertson等人，2025年）。我们的研究具有以下创新点：首先，我们关注了COPD的临床前阶段PRISm，并研究了其与环境重金属暴露的关联。通过应用三种互补的混合物分析模型，我们区分了单个金属的独立贡献及其综合效应，从而填补了现有文献中的关键空白，现有文献主要依赖于单一污染物方法（Wang等人，2024年）。我们的混合物分析显示，重金属混合物对PRISm风险的负面影响仅在女性中观察到。在这种性别特异性的混合物效应中，镉被确定为主要贡献因素。这种性别特异性易感性为针对脆弱人群的预防策略提供了明确的方向。其次，利用RCS和阈值效应模型，我们揭示了血液中镉水平与PRISm风险之间的非线性关系，并确定了一个特定的暴露阈值logCd = -0.673（相当于Cd = 0.510 μg/L），这对公共卫生具有重要意义。第三，我们创新性地引入并验证了炎症/营养相关指标（白蛋白、HRR、RAR）在镉暴露与PRISm关联中的中介作用，为理解潜在的生物学途径提供了新的证据。通过初步和探索性的ROC分析，我们提出镉可能作为PRISm风险评估和早期筛查的生物标志物。最后，我们通过使用两种互补的镉暴露小鼠模型（通过饮用水和吸入）直接验证了镉引起的肺部炎症和组织损伤。尽管本研究提供了许多新的见解，但也应承认一些局限性。首先，这项研究的横断面性质排除了确定重金属暴露与PRISm发病率之间的因果关系或时间顺序的可能性。未来的前瞻性队列研究或机制研究对于验证这些关联的生物学合理性是必要的。其次，研究样本来自特定的数据库（NHANES），可能无法完全代表更广泛的人群，从而限制了我们发现的普遍性。第三，尽管我们调整了多种已知的协变量，但无法完全排除未测量或未知的混杂因素。第四，重金属浓度仅通过血液样本测量，主要反映近期暴露情况。缺乏对长期累积暴露的评估（例如使用尿液样本）可能无法完全捕捉其健康影响。最后，未对转录组发现进行下游验证，未来工作需要进一步阐明其功能机制。我们的证据突显了一个紧迫的公共卫生问题：长期低水平暴露于重金属混合物正在默默损害呼吸健康。确定特定的血液镉阈值（0.510 μg/L）为采取行动提供了明确的目标。这要求在工业、农业和消费领域加强对镉排放的控制。此外，公共卫生策略必须采用多金属生物监测，而不仅仅是单一金属评估，以有效保护脆弱群体并减少环境驱动的肺部疾病的全球负担。

5. 结论
本研究确定镉是PRISm的一个关键环境风险因素，其风险与剂量呈阈值依赖关系（0.510 μg/L），并通过炎症和营养相关的生物标志物（白蛋白、HRR和RAR）进行调节。多项混合物分析显示，镉是将重金属混合物与女性PRISm风险联系起来的主要因素。补充的动物实验证实了镉引起的肺部损伤。我们的工作从现实的重金属混合物及其各个组分的角度，弥合了PRISm与环境重金属之间的差距。总体而言，这些发现强调了镉暴露对呼吸健康的重大公共卫生影响，需要进一步的研究和有针对性的干预。

**作者贡献声明**
Feng Zhang：撰写——审阅与编辑。
Peiyu Huang：撰写——审阅与编辑。
Xianyang Zhong：软件、正式分析。
Yachao Cui：软件、正式分析。
Yumin Zhou：方法学。
Leqing Zhu：撰写——审阅与编辑、概念化。
Mindan Wu：撰写——审阅与编辑、软件、正式分析。
Pixin Ran：监督、项目管理。
Yuanlan Yang：撰写——初稿。
Jiawei Yan：数据管理。
Wenjing Wang：撰写——初稿。
Zemin Chen：撰写——初稿。

**资助**
广州国家实验室（ZL-SRPG22016、SRPG22018、MP-GZNL2023A02001）和广州国家实验室重大项目（MP-GZNL2025C02006）。

**伦理批准和参与同意**
NHANES方案获得了国家卫生统计和伦理审查委员会的批准，并从每位参与者处获得了书面知情同意。