综述：产后被动吸烟与儿童和青少年近视风险：一项观察性研究的系统回顾和荟萃分析

《Photodiagnosis and Photodynamic Therapy》：Postnatal Passive Smoking and Risk of Myopia in Children and Adolescents: A Systematic Review and Meta-Analysis of Observational Studies

　　陈媛 | 宋晓燕 | 谭瑞霞 | 张敏 | 孙建玲 | 刘超
中国山东省青岛市健康与康复科学大学青岛中心医院健康管理系，邮编266042

**摘要**
**目的**
产后被动吸烟（二手烟，SHS）与儿童近视之间的关系仍不确定，不同研究的结果存在差异，同时关于暴露测量和混杂因素也存在担忧。本荟萃分析旨在系统评估上述关联及潜在混杂因素的作用。

**方法**
在PubMed、Embase、Web of Science、Wanfang和CNKI中检索相关研究。采用随机效应模型汇总比值比（OR）及其95%置信区间（CI）。

**结果**
共纳入11项研究。总体而言，被动吸烟与近视无显著关联（OR = 1.00，95% CI 0.82–1.20；I2 = 81%）。然而，队列研究显示显著关联（OR = 2.13，95% CI 1.09–4.17；I2 = 7%），而横断面研究则无显著关联（OR = 0.95，95% CI 0.78–1.14；亚组差异p = 0.02）。地区间存在差异，亚洲人群中风险增加趋势不明显，而非亚洲人群中呈负相关。年龄、屈光测量方法、调整状态或研究质量均未检测到显著的影响修饰作用。值得注意的是，暴露评估主要依赖于家长自我报告，且关键混杂因素（如户外时间、近距工作、父母近视）的调整在各研究中不一致。

**结论**
现有证据不支持被动吸烟与近视之间存在一致关联。然而，队列研究的结果（由于其纵向设计更适于风险推断）提示可能存在潜在关联，但不能排除。鉴于此类研究数量有限，应谨慎解读这些结果，并将其视为假设生成的过程。

**1. 引言**
近视已成为全球儿童和青少年中最普遍的视觉障碍之一，发病年龄趋于提前，全球负担急剧增加[1]。在东亚，学龄儿童的近视患病率经常超过50%，欧洲和北美的发病率也在持续上升[2]。早发性近视尤其令人担忧，因为它与更快的进展和日后发展为高度近视的风险显著相关，从而大大增加了视网膜脱离、近视性黄斑病变、青光眼和白内障等威胁视力的并发症的风险[3,4]。已确定许多风险因素，包括遗传易感性、户外活动减少、过度近距工作、长时间使用数字设备、较高的教育需求以及自然光暴露不足[5]。鉴于许多这些因素是可改变的，了解可能促进近视发展的早期生活环境暴露对于制定有效的儿童和青少年预防策略至关重要。

被动吸烟是一种普遍影响儿童的环境暴露因素，尤其是在父母或看护人吸烟的家庭中[6,7]。二手烟草烟雾含有尼古丁和炎症毒素，可能通过损害脉络膜血流、氧化应激、改变视网膜神经传递或多巴胺能信号传导来影响眼睛发育，所有这些都可能影响屈光变化[8,9]。尽管多项流行病学研究调查了产后被动吸烟与近视之间的关系，但结果仍不一致，一些研究显示正相关[10, [11], [12]，而另一些研究则显示无关联[13,14]或甚至相反趋势[15, [16], [17]]。这些差异可能反映了研究设计、人群特征、暴露评估、屈光测量方法和混杂控制方面的差异。迄今为止，尚无全面的定量综合分析解决这些不一致性。因此，本荟萃分析旨在系统评估产后被动吸烟与儿童和青少年近视风险之间的关联，并确定可能解释现有研究异质性的潜在修饰因素。

**2. 方法**
本荟萃分析遵循PRISMA 2020指南[18]和Cochrane系统评价和荟萃分析手册[19]进行方案设计、数据提取、统计分析和结果报告。研究方案还注册在PROSPERO数据库中，ID为CRD420251231377。

**2.1. 文献检索**
使用广泛的搜索词在PubMed、Embase、Web of Science、Wanfang和中国国家知识基础设施（CNKI）中检索相关研究，包括：“吸烟”或“烟雾”或“香烟”或“尼古丁”或“烟草”；以及“近视”或“近视眼”或“近视力”或“短视”或“近视”。搜索范围限于发表在同行评审期刊上的英文或中文的全文文章。此外，还手动筛选了相关原始文章和综述文章的参考文献以寻找更多符合条件的研究。搜索时间从数据库建立起至2025年9月29日。每个数据库的完整搜索策略见补充文件1。

**2.2. 纳入和排除标准**
根据PICOS框架确定研究纳入标准：
- **人群（P）**：来自社区或临床样本的儿童或青少年，接受了眼科检查。
- **暴露（I）**：产后被动吸烟，定义为出生后非自愿暴露于二手烟草烟雾。可接受的暴露测量方法包括父母或家庭吸烟、家中吸烟者数量、孩子在场时吸烟，或通过生物标志物验证的环境烟草烟雾（如可替宁）。
- **对照组（C）**：未暴露于家庭或环境烟草烟雾的儿童。
- **结局（O）**：近视，根据临床诊断或与原始研究中使用的诊断标准一致的屈光标准定义。
- **研究设计（S）**：观察性研究，包括队列研究、病例对照研究和横断面研究，以完整、同行评审的文章形式发表。

排除标准：
- 仅评估产前烟草暴露的研究（例如孕期母亲吸烟）；
- 评估儿童主动吸烟的研究；
- 专注于与烟草无关暴露的研究；
- 未报告近视结果的研究；
- 提供的数据不足或无法提取的研究；
- 使用综述、会议摘要、病例报告或实验/动物研究的研究。
当多个出版物使用重叠的队列时，仅纳入数据最完整或样本量最大的研究。

**2.3. 研究质量评估和数据提取**
两位作者独立进行文献检索、研究选择、质量评估和数据提取，并通过与通讯作者讨论解决分歧。使用Newcastle–Ottawa量表（NOS）[20]评估研究质量，该量表评估选择、混杂控制和结局测量，评分范围为1至9分，9分表示最高质量。NOS评分为8分及以上的研究被视为高质量研究。提取用于分析的数据包括研究特征（作者、年份、研究设计和国家）、参与者特征（队列来源、样本量、平均年龄和性别分布）、被动吸烟的定义和测量方法、被动吸烟儿童的数量、队列研究的随访时间、近视的诊断方法和标准、被诊断为近视的儿童数量，以及用于估计被动吸烟与儿童和青少年近视关系的调整变量。

**2.4. 统计分析**
被动吸烟与儿童和青少年近视之间的关联以比值比（OR）及其对应的95%置信区间（CI）表示，比较有被动吸烟和无被动吸烟的儿童。OR及其标准误差是根据95% CI或p值计算得出的，并通过对数转换来稳定方差和规范分布[19]。为了评估异质性，我们使用了Cochrane Q检验和I2统计量[21]，I2 < 25%、25～75%和> 70%分别表示轻度、中度和重度异质性。采用随机效应模型综合结果，同时考虑研究间的变异[19]。通过依次排除个别研究进行敏感性分析以评估结果的稳健性[22]。此外，还进行了预定义的亚组分析，以评估研究特征对结果的影响，如研究设计、研究地区（亚洲与非亚洲国家）、样本量、儿童的平均年龄、近视诊断方法（睫状肌麻痹自动验光与非睫状肌麻痹自动验光）、分析模型（单变量与多变量）和研究质量评分。亚组定义使用连续变量的中值作为临界点。此外，还进行了单变量荟萃回归分析，以评估研究特征与被动吸烟与近视关联的相关性，如儿童的平均年龄、男孩比例和NOS[19]。通过漏斗图、视觉不对称性检查和Egger回归检验评估发表偏倚[23]。p值< 0.05表示统计显著。统计分析使用RevMan（版本5.3；Cochrane协作组织，英国牛津）和Stata软件（版本17.0；Stata公司，美国德克萨斯州大学站）进行。

**3. 结果**
**3.1. 研究识别**
图1概述了研究选择过程。最初在五个数据库中识别出871条记录，去除288条重复记录。经过标题和摘要筛选后，558篇文章因不符合荟萃分析标准而被排除。剩余25篇文章的全文由两位作者独立审阅，其中14篇因图1中详细说明的原因被排除。最终，11篇文章被纳入定量分析[10], [11], [12], [13], [14], [15], [16], [17],[24], [25], [26]。

**3.2. 研究特征概述**
纳入的11项研究特征见表1。这些研究均为观察性研究，包括9项横断面研究[11], [12], [13], [14], [15], [16], [17], [24], [25]和2项队列研究[10,26]，研究时间介于2004年至2025年之间，研究地点涵盖新加坡、美国、埃及、台湾（中国）、中国大陆和香港（中国）等不同地理区域。样本量差异很大，范围从232到12,630名参与者，总共有31,367名儿童和青少年。纳入人群年龄范围广泛，从婴儿期到青少年晚期（平均年龄3.0至15.4岁），各研究中男孩比例大致平衡（49.1%–53.2%）。研究设置包括基于社区的队列[10,13,14,25]、基于学校的样本[11,12,24]、全国健康调查[17]和门诊眼科诊所[15,16,26]。所有研究均评估了产后被动吸烟暴露，最常见的是通过问卷调查父母或家庭吸烟[10], [11], [12], [13], [14], [15], [17],[24], [25]，其中一项研究使用尿液可替宁和可替宁/肌酐比率[16]进行生物标志物验证的暴露。每项研究中暴露儿童的数量从105到4,092人不等，共有10,320人（32.9%）暴露于被动吸烟。近视的定义主要基于球镜等效阈值，通常通过睫状肌麻痹自动验光或睫状肌麻痹屈光测量（SE ≤ –0.50 D）[10,11,[13], [14], [15], [16],[24], [25], [26]，但有两项研究[12,17]使用非睫状肌麻痹自动验光和修改后的诊断阈值。各研究中被诊断为近视的儿童数量从16到4,100人不等，共有10,383人（33.1%）被诊断为近视。混杂因素的调整情况各不相同：七项研究[10], [11], [12], [14,15,17,25]进行了多变量分析，控制了关键的人口统计、社会经济、行为和父母眼部因素，包括年龄、性别、体重指数、父母近视、教育水平、近距工作和户外时间等。其余研究[13,16,24,26]报告了未经调整的关联。

**表1. 纳入研究的特征**
| 研究 | 设计 | 国家 | 参与者特征 | 样本量 | 平均年龄（岁） | 男孩比例 (%) | 被动吸烟的定义 | 被动吸烟儿童数量 | 随访时间（年） | 近视诊断方法 | 调整的变量 |
| --- | --- | --- | --- | --- | --- | --- | --- | --- | --- |
| Saw 2004 | CSS | 新加坡 | 三所学校一年级至三年级的中国儿童 | 133 | 49.3 | 基于问卷的儿童生命期内父母吸烟 | 4 | 3 | 睫状肌麻痹自动验光；SE ≤ -0.50 D | 7 |
| Stone 2006 | CS | 美国 | 儿童医院的三级儿科眼科诊所就诊儿童 | 32 | 38.7 | 5 | 任一父母在儿童生命期内吸烟或在家中吸烟（基于问卷） | 16 | 9 | 睫状肌麻痹屈光；双眼平均SE ≤ -0.50 D | 6 |
| Iyer 2012 | CSS | 新加坡 | 6–72个月大的中国儿童（居住在政府公寓） | 30 | 9 | 3.4 | 2 | 通过访谈者管理的问卷评估父母吸烟 | 11 | 0 | 睫状肌麻痹自动验光；SE ≤ -0.50 D | 29 |
| El-Shazly 2012 | CS | 埃及 | 5–12岁的儿童（就诊于门诊眼科诊所） | 30 | 8.6 | 4 | 通过问卷评估父母吸烟（室内吸烟、每日吸烟数量）和生物标志物验证的暴露（尿液可替宁和可替宁/肌酐比率） | 10 | 5 | 8 | 6.0 |
| Chua 2016 | PC | 新加坡 | 基于社区的出生队列 | 57 | 2 | 3.0 | 4 | 从出生到6个月前的暴露，通过父母问卷评估 | 19 | 7 | 3 | 睫状肌麻痹自动验光；SE ≤ -0.50 D | 3 |
| Chiang 2020 | CS | 美国2001-2006年全国健康和营养调查周期的青少年 | 65 | 7 | 11 | 5.4 | 5 | 通过问卷确认有家庭吸烟者的儿童 | 13 | 4 | 0 | 非睫状肌麻痹自动验光 |近视定义为较差眼的球镜度数（SE）≤ -1.00 D。2139年龄、性别、教育水平、家庭贫困收入比、观看电视的时间、使用电脑的时间。刘2022年，中国台湾。基于人口的3-18岁儿童样本。3845人，平均SE为1.6。通过访谈者管理的问卷评估父母吸烟情况。1567人。NAC。睫状肌麻痹自动验光；SE ≤ -0.50 D。1894人。无。张2023年，中国香港。基于人口的6-8岁中国学童样本。1263人，平均SE为7.45。通过家长问卷验证家中至少有1名吸烟者。4092人。NAC。睫状肌麻痹自动验光；SE ≤ -0.50 D。4100人。年龄、性别、父母近视情况、BMI、户外活动时间、近工作距离时间、家庭收入。史2023a年，中国。来自多民族学校的1-9年级学童。876人，平均SE为1.35。通过访谈者管理的问卷评估父母吸烟情况。262人。NAC。睫状肌麻痹自动验光；SE ≤ -0.50 D。378人。年龄、性别、饮食、户外活动和睡眠。史2023b年，中国。来自两所小学的2-6年级学童。1675人，平均SE为9.64。通过访谈者管理的问卷评估父母吸烟情况。926人。NAN。非睫状肌麻痹自动验光；未矫正视力< 5.0，SE ≤ -0.50 D。645人。年龄、性别、父母近视情况、居住地（城市/农村）、不良用眼习惯、父母监督/提醒、屏幕使用时间、每日户外活动时间、课堂座位轮换频率以及参加课外兴趣班的频率。卢2025年，中国。前往大学眼科诊所进行视力检查的儿童。232人，平均SE为6.94。通过访谈者管理的问卷评估父母家庭吸烟情况。128人，NAC。睫状肌麻痹自动验光；SE ≤ -0.50 D。16人。无。CS，横断面研究；PC，前瞻性队列研究；RC，回顾性队列研究；SE，球镜等效值；D，屈光度；BMI，身体质量指数；CCR，可替宁/肌酐比率；NA，不适用。3.3. 研究质量评估使用Newcastle-Ottawa量表（NOS）进行评估，横断面研究的总分为6至9分，队列研究的总分为6至9分，总体上表明方法学质量为中等到高（表2）。在队列研究中，Chua等人2016年的研究[10]得分最高，为9分，反映了较强的代表性、明确的暴露确定、彻底的混杂因素控制以及足够的随访时间。相比之下，Lu等人2025年的研究[26]得分为6分，主要是由于混杂因素调整有限和随访时间较短。在横断面研究中，有两项研究[14,17]显示出最高的方法学严谨性，每项得分均为9分，这些研究有大型基于人口的样本、明确的病例定义、全面的混杂因素调整和可靠的结果评估。另有三项研究[11,12,25]也得分较高（8分），反映了较强的暴露评估和一致的结果测量，尽管对非应答率的报告有限。其他四项研究[13,15,16,24]的得分较低（6-7分），主要是由于年龄、性别或其他混杂因素控制不足、病例代表性不足或非应答率报告有限。表2. 使用Newcastle-Ottawa量表进行的研究质量评估。队列研究：暴露组的代表性；非暴露组的选取；暴露的确定；基线时结果的缺失；年龄和性别的控制；其他混杂因素的控制；结果的评估；足够的长期随访时间；队列随访的充分性。Chua 2016年 11 11 11 11 11 19 Lu 2025年 11 11 00 10 16 横断面研究：病例的充分定义；病例的代表性；对照组的选取；对照组的定义；年龄和性别的控制；其他混杂因素的控制；事件确定的相同方法；非应答率。Saw 2004年 11 11 00 11 06 Stone 2006年 10 11 11 11 107 Iyer 2012年 11 11 11 11 108 El-Shazly 2012年 10 11 00 11 06 Chiang 2020年 11 11 11 11 19 Liu 2022年 11 11 00 11 17 Zhang 2023年 11 11 11 11 19 Shi 2023a年 11 11 11 11 108 Shi 2023b年 11 11 11 11 108 3.4. 元分析结果 11项研究[[10], [11], [12], [13], [14], [15], [16], [17], [24], [25], [26]]的汇总结果使用随机效应模型进行分析，未显示被动吸烟与儿童和青少年近视之间存在显著关联（OR: 1.00，95% CI: 0.82至1.20，p = 0.97；I2 = 81%；图2A）。逐一排除一项研究进行的敏感性分析并未显著改变结果（OR: 0.95至1.06，p均> 0.05）。有趣的是，进一步的亚组分析表明，在横断面研究中被动吸烟与近视无关（OR: 0.95，95% CI: 0.78至1.14，p = 0.57；I2 = 83%），而在队列研究中观察到被动吸烟与近视风险增加之间存在显著关联（OR: 2.13，95% CI: 1.09至4.17，p = 0.03；I2 = 7%），并且亚组间存在显著差异（p = 0.02，图2B）。此外，在亚洲国家的研究中观察到被动吸烟的儿童近视风险增加的趋势（OR: 1.14，95% CI: 0.97至1.34，p = 0.10；I2 = 69%），而在非亚洲国家的研究中被动吸烟与近视风险降低有关（OR: 0.44，95% CI: 0.20至0.95，p = 0.04；I2 = 83%），亚组间也存在显著差异（p = 0.02，图3A）。进一步的亚组分析显示，样本量< 1000和≥ 1000的研究之间（OR: 0.86 vs. 0.99，p = 0.76；图3B）、平均年龄< 9岁和≥ 9岁的儿童之间（OR: 0.81 vs. 1.13，p = 0.21；图4A）、使用睫状肌麻痹自动验光诊断近视的研究与未使用睫状肌麻痹自动验光的研究之间（OR: 0.97 vs. 1.36，p = 0.57；图4B）、单变量分析和多变量分析的研究之间（OR: 0.86 vs. 1.09，p = 0.30；图5A），以及NOS评分为6～7和8～9的研究之间（OR: 0.73 vs. 1.18，p = 0.05；图5B）的被动吸烟与近视之间的关联没有显著差异。单变量元回归分析的进一步结果显示，儿童的平均年龄、男孩比例和研究质量评分等研究特征并未显著影响被动吸烟与近视之间的关联（p均> 0.10）。下载：下载高分辨率图像（963KB）下载：下载全尺寸图像图2. 儿童和青少年被动吸烟与近视关联的元分析森林图。A，总体元分析；B，根据研究设计的亚组分析；下载：下载高分辨率图像（1MB）下载：下载全尺寸图像图3. 儿童和青少年被动吸烟与近视关联的亚组分析森林图。A，根据研究国家的亚组分析；B，根据样本量的亚组分析；下载：下载高分辨率图像（1MB）下载：下载全尺寸图像图4. 儿童和青少年被动吸烟与近视关联的亚组分析森林图。A，根据儿童平均年龄的亚组分析；B，根据近视诊断方法的亚组分析；下载：下载高分辨率图像（1MB）下载：下载全尺寸图像图5. 儿童和青少年被动吸烟与近视关联的亚组分析森林图。A，根据分析模型的亚组分析；B，根据NOS的亚组分析；表3. 单变量元回归分析结果。变量：被动吸烟与近视关联的OR；95% CI；p值；调整后的R2。平均年龄（岁）-0.028 -0.17 1至0.11 50.670%；男孩（%）0.065 -0.19 5至0.32 40.590%；NOS 0.21 -0.17至0.60 0.25 18.6%；OR，比值比；CI，置信区间；NOS，Newcastle-Ottawa量表；3.5. 发表偏倚图6显示了评估儿童和青少年被动吸烟与近视关联元分析的发表偏倚的漏斗图。从视觉上看，漏斗图是对称的，表明发表偏倚的风险较低。Egger的回归分析也进一步支持了这一发现，未显示出显著的发表偏倚（p = 0.48）。下载：下载高分辨率图像（122KB）下载：下载全尺寸图像图6. 用于估计儿童和青少年被动吸烟与近视关联元分析潜在发表基础的漏斗图。4. 讨论本元分析表明，总体而言，产后被动吸烟与儿童和青少年的近视没有一致关联。然而，不同研究设计之间存在重要差异。在涉及超过31,000名参与者的11项观察性研究中，汇总估计值为零，敏感性分析证实了这一发现的稳定性。值得注意的是，按研究设计分层后，队列研究——由于其纵向性质和确定时间关系的能力，更适于风险评估——显示暴露组儿童的近视风险显著增加，而横断面研究则没有这种趋势。区域分析进一步显示亚洲人群中风险增加的趋势，而非亚洲人群中则呈现相反的关联。总体而言，尽管证据不支持一致关联，但队列研究的发现表明不能排除这种潜在关系，且可能取决于具体情境。几种机制可能有助于解释总体零结果和不同的亚组发现。从生物学角度来看，二手烟草烟雾含有尼古丁、一氧化碳以及氧化和炎症毒素，这些物质可能通过减少脉络膜或视网膜血流、氧化损伤、低度炎症或破坏视网膜中的多巴胺能信号传导来影响眼睛生长[27,28]。队列研究和横断面研究之间的差异具有重要的方法学意义。队列研究更适合风险评估，因为它们建立了暴露与结果之间的明确时间序列，并允许随时间评估新发近视。相比之下，横断面研究同时评估暴露和结果，限制了因果推断，并增加了反向因果关系和残余混杂的可能性[29]。因此，本分析中队列研究观察到的正相关可能更合理地反映了被动吸烟对近视风险的真实影响。然而，鉴于队列研究数量有限，这一发现应谨慎解读。事实上，结果显示研究设计也可能通过暴露分类、结果评估和混杂因素控制的差异影响观察到的关联。队列研究[10,26]通过纳入纵向随访和更清晰的产后被动吸烟时间定义，更适合风险评估，因此可能更能够检测到真实效应（如果存在的话）。相比之下，横断面研究通常依赖于眼科检查时的单次父母自我报告，往往缺乏关于暴露时间、强度和持续时间的详细信息，更容易出现暴露分类错误。此外，同时评估暴露和结果增加了反向因果关系和残余混杂的可能性。这些限制，加上可能的非差异性分类，可能导致关联偏向于零值，从而解释了横断面研究中观察到的较弱和不一致的结果。区域差异，特别是亚洲和非亚洲研究之间的对比，也值得考虑。在许多亚洲环境中，非常高的近视基线患病率和强烈的教育压力可能主导了风险特征[30,31]，使得难以区分被动吸烟的微弱贡献与其他相关环境和生活方式因素。在这些情况下，被动吸烟可能是更广泛的家庭或社会经济模式的标志（例如，拥挤的住房、有限的户外空间或特定的父母工作模式），这些因素与近工作距离和户外行为相互作用[32]。在非亚洲环境中，近视患病率和教育强度可能较低，明显的相反关联可能反映了残余混杂、选择偏倚或在少数研究中的偶然发现，而不是真正的保护效应。例如，吸烟的成年人在户外习惯、屏幕使用时间或医疗保健利用方面可能存在系统差异，而这些特征可能在这些研究中没有得到充分调整。被动吸烟对近视的生物学合理性仍然存在争议。一方面，长期暴露于烟草烟雾可能通过缺氧、氧化应激和炎症影响巩膜重塑和脉络膜厚度，或通过破坏通常限制眼球轴伸长的视网膜多巴胺信号传导来促进近视[27,28]。另一方面，一些实验和流行病学数据表明，尼古丁和某些毒素可能暂时改变自主神经张力和眼部灌注，但这些效应可能与遗传、近工作距离和户外时间等主要风险因素相比微不足道[33]。例如，最近的一项临床前研究表明，无论是通过玻璃体内注射还是作为局部眼药水给予的尼古丁都能显著抑制实验性近视的进展[34]。现有研究中缺乏明确的剂量-反应关系以及不同地区和设计之间的不一致性进一步表明，如果被动吸烟确实影响近视，其效应大小可能较小且取决于具体情境。还应注意的是，一些进行良好的研究报告了被动吸烟与近视之间的正相关，包括大型基于人口的分析和纵向队列[13,14,24]。这些研究通常受益于更详细的暴露评估或更强的混杂因素控制，这可能增强了它们检测效应的能力。本元分析整合了这些发现，但也强调了文献中的不一致性，表明如果存在这种关联，它可能取决于具体情境并受方法学差异的影响。本元分析有几个优点。我们进行了最新的全面搜索，涵盖了多个国际和中国数据库，减少了遗漏相关研究的可能性。我们应用了明确的纳入标准，以结构化的方式提取数据，并使用随机效应模型来解释研究间的变异性。进行了多种亚组和敏感性分析，包括按研究设计、地区、验光方法、调整状态和研究质量的分层，以及探索平均年龄、性别分布和NOS评分影响的元回归分析。尽管各敏感性分析中零相关性的结果具有一致性，且研究设计和地区的模式也较为连贯，但这比单独来看个别研究能提供更细致的见解。然而，在解释这些发现时必须承认一些重要的局限性。所有纳入研究的一个关键限制是对被动吸烟暴露评估的不精确性。在大多数研究中，暴露程度基于父母的自我报告，而没有详细量化暴露的强度（例如每天吸烟的数量）、持续时间（暴露的年数）、时间（早期儿童期与后期暴露）或环境背景（室内与室外暴露）。这种非差异性的错误分类可能会使效应估计偏向于零值，从而可能掩盖真实的关联。只有一项研究采用了基于生物标志物的验证方法（例如可替宁水平），这被认为是衡量二手烟暴露的更客观的方法。此外，无法区分低水平和高水平的暴露限制了对潜在剂量-反应关系的评估，而这对因果推断至关重要。这一限制可能部分解释了不同研究结果之间的差异以及队列研究中观察到的更强关联性。此外，大多数纳入的研究都是横断面的，这限制了我们确定时间顺序的能力，并增加了反向因果关系和残余混杂因素的可能性。此外，参与者的人口统计学特征、暴露评估方法（父母自我报告与基于生物标志物的测量）以及近视诊断方法（睫状肌麻痹与非睫状肌麻痹验光、不同的球镜等效阈值）也存在相当大的异质性。由于无法获取个别参与者的数据，这些差异无法得到充分探讨。我们还无法系统地分析被动吸烟的时间（早期儿童期与后期儿童期）、频率和强度，也无法评估剂量-反应关系，而这些对于因果推断至关重要。此外，残余混杂因素仍然是一个主要问题。尽管有几项研究调整了年龄、性别和父母近视等关键变量，但对近视的关键环境决定因素（特别是户外时间、近工作活动、教育强度和社会经济地位）的调整并不一致且往往不完整。这些因素与被动吸烟暴露和近视风险都有很强的关联，从而增加了混杂偏倚的可能性。例如，有吸烟暴露的家庭在生活方式、生活环境和影响儿童视觉习惯的父母行为方面可能存在系统性差异。由于缺乏标准化和全面的调整，我们无法单独确定被动吸烟的独立效应。最后，与任何观察性研究的荟萃分析一样，我们的综合分析不能证明因果关系。

从临床和公共卫生的角度来看，这些发现应谨慎解读。总体上的零相关性表明，被动吸烟不太可能是儿童和青少年近视的主要独立驱动因素，特别是与遗传、近距离工作强度和户外时间不足等已知风险因素相比。然而，队列研究中观察到的正相关性（由于其纵向设计更适合进行风险推断）以及亚洲人群中风险增加的趋势表明，在特定情况下，被动吸烟仍可能对近视风险有所贡献。重要的是，与二手烟暴露对儿童造成的已知且严重的危害（包括呼吸系统疾病、中耳炎、心血管功能障碍和整体健康状况受损）相比，被动吸烟的潜在影响似乎较为轻微。因此，无论其在近视中的作用如何，减少儿童接触被动吸烟仍然是重要的公共卫生优先事项。值得注意的是，不能排除只有高强度或长期被动吸烟暴露才会影响近视风险的可能性。目前的证据基础不足以区分高暴露和低暴露的差异，有可能只有大量的累积暴露才会对眼睛发育产生生物学意义上的影响。未来的研究应优先考虑定量暴露指标，并明确探讨剂量-反应关系，特别是在家庭烟草暴露水平较高的群体中。未来的研究应优先设计前瞻性队列，进行重复和标准化的被动吸烟暴露和屈光状态评估，理想情况下应结合基于生物标志物的暴露测量方法（如可替宁）。详细了解暴露的时间、强度和位置（室内与室外），以及全面测量共暴露因素（近工作环境、数字设备使用、教育需求和户外活动）将是必不可少的。在不同人群和环境中进行的研究可以澄清文化、环境或政策相关因素是否改变了被动吸烟与近视之间的关联。如果可行，剂量-反应分析和探索潜在的中介因素（如脉络膜厚度或视网膜多巴胺相关生物标志物）将进一步加强因果推断。

总之，这项荟萃分析并不支持产后被动吸烟与儿童和青少年近视之间存在一致的整体关联。然而，来自队列研究的证据（由于其纵向设计更适合进行风险推断）表明可能存在这种关联。鉴于此类研究的数量有限以及数据的观察性质，这些发现应谨慎解读，并视为提出假设而非定论。未来需要设计良好的前瞻性研究，进行严格的暴露评估、全面的混杂因素控制以及剂量-反应关系的评估。

**符合伦理标准**
本系统评价和荟萃分析遵循了《系统评价和荟萃分析优先报告项目》（PRISMA）指南。由于该研究仅使用公开可用的数据，不涉及人类受试者或动物的直接参与，因此不需要机构审查委员会的伦理批准。也不需要参与者的知情同意。

**作者贡献声明**
陈媛：撰写——审阅与编辑、初稿撰写、可视化、验证、软件使用、资源获取、调查、数据分析、数据管理、概念构思。
宋晓燕：撰写——审阅与编辑、可视化、验证、软件使用、项目管理、调查、数据分析、数据管理。
谭瑞霞：撰写——审阅与编辑、可视化、验证、资源获取、调查、数据管理。
张敏：撰写——审阅与编辑、可视化、验证、监督、软件使用、调查、资金筹集、数据分析、数据管理、概念构思。
孙建玲：撰写——审阅与编辑、验证、监督、软件使用、资源获取、数据分析、数据管理、概念构思。
刘超：撰写——审阅与编辑、初稿撰写、可视化、验证、监督、软件使用、资源获取、项目管理、调查、数据分析、概念构思。