中国广西地区孕妇新烟碱类杀虫剂暴露与早产风险的关联性研究：基于机器学习模型的预测分析

《Environmental Pollution》：The association between maternal exposure to ten neonicotinoid insecticides and preterm birth in Guangxi, China

本研究针对新烟碱类农药(NEOs)暴露与早产(PTB)风险关联不明的科学问题，通过广西壮族出生队列的病例对照分析，结合液相色谱-串联质谱(LC-MS/MS)检测和XGBoost-SHAP机器学习模型，首次发现吡虫啉(IMI)和呋虫胺(DIN)暴露显著增加PTB风险（ORIMI=1.17，ORDIN=1.41），为环境污染物致PTB机制研究提供新证据。

　　

在全球早产(Preterm Birth, PTB)发生率持续高企的背景下，环境污染物暴露对妊娠结局的影响日益受到关注。新烟碱类(Neonicotinoids, NEOs)农药作为替代有机磷农药的新型杀虫剂，虽具有高效低毒特性，但其在环境中的持久残留和生物蓄积性引发健康担忧。尤其值得注意的是，这类农药已在水体、土壤甚至孕妇血清中被检出，而现有研究对其生殖发育毒性认知仍存在显著空白。更令人警惕的是，尽管动物实验提示NEOs可能通过免疫调节和炎症通路干扰妊娠，但关于其与人类PTB关联的流行病学证据几乎为零。这一科学盲区直接阻碍了孕期环境风险防控策略的制定。

针对这一关键问题，广西医科大学的研究团队依托广西壮族出生队列(Guangxi Zhuang Birth Cohort, GZBC)，开展了一项具有开创性的病例对照研究。该研究创新性地整合传统生物统计与前沿机器学习技术，系统评估了10种NEOs及其代谢物与PTB的关联特征。论文发表于环境科学领域权威期刊《Environmental Pollution》，其发现不仅填补了NEOs生殖毒性研究的空白，更为环境污染物健康风险评估提供了方法学范式。

研究采用多阶段技术路线：首先基于GZBC队列（2015-2018年）纳入157例PTB和471例足月产对照，通过液相色谱-串联质谱(LC-MS/MS)精准定量母体血清中10种NEOs浓度；继而运用逻辑回归、分位数g计算和限制性立方样条模型分析个体及混合暴露效应；最后引入XGBoost机器学习结合SHAP值解析，构建NEOs暴露的PTB风险预测模型。

研究结果揭示：

1. 关键暴露物识别：在单污染物模型中，呋虫胺(DIN)和吡虫啉(IMI)的ln转化浓度每增加1个标准差，PTB风险分别升高41%(95%CI:1.16-1.72)和17%(95%CI:1.02-1.36)，且在晚PTB亚组中风险增幅更显著。
2. 混合暴露效应：分位数g计算显示NEOs混合暴露整体呈正向关联（OR=1.21,95%CI:1.03-1.42），其中DIN和IMI贡献度最高（权重>30%），而n-去甲基啶虫脒(NACE)、氟啶虫胺腈(SUL)等5种化合物却表现出保护性关联。
3. 机器学习验证：XGBoost模型确认DIN和IMI为PTB最重要的预测因子（SHAP值>0.15），其非线性剂量-效应关系在限制性立方样条分析中得到进一步验证。

讨论与意义
该研究首次在人群水平证实DIN和IMI暴露与PTB风险存在显著正相关，这一发现与既往报道的NEOs免疫调节特性高度吻合——动物实验显示这类化合物可激活TLR4/NF-κB通路，诱发胎盘炎症反应。特别值得注意的是，研究发现的晚PTB特异性易感性，可能源于妊娠后期胎儿快速发育阶段对母体炎症状态的敏感度增加。

方法学上，研究通过传统流行病学与人工智能的交叉融合，克服了环境混合物研究的维度灾难问题。发现的保护性关联化合物（如SUL）提示不同NEOs可能具有拮抗作用，这一发现为后续机制研究指明新方向。局限性在于未能直接检测炎症标志物，且样本局限于广西地区。

这项研究为重新评估NEOs的生殖安全标准提供了关键证据，提示当前农药管理政策需考虑妊娠期特殊敏感性。未来研究应着重阐明DIN/IMI干扰胎盘功能的分子机制，并探索基于生物标志物的早期预警体系。正如作者所言，在全球NEOs使用量持续增长的背景下，这项发现对制定孕期环境健康干预策略具有重要指导价值。