产前和产后家庭空气污染与儿童纵向生长轨迹：对GRAPHS队列的长期随访研究结果

《Environment International》：Prenatal and postnatal household air pollution and longitudinal growth trajectories: results from long-term follow up of the GRAPHS cohort

　　塞拉姆·卡利 | 马丁·罗斯利 | 塔乌菲克·尤瑟夫 | 米歇尔·李 | 穆罕默德·努胡·穆杰塔巴 | 詹姆斯·罗斯 | 普罗斯珀·唐尼永 | 佩吉·S·赖 | 苏莱·阿武尼 | 穆萨·奥塞伊 | 埃琳娜·科利奇诺 | 尼科尔·普罗斯特-亨施 | 约翰内斯·塞法伊格齐 | 史蒂文·奇卢德 | 达比·杰克 | 克瓦库·波库·阿桑特 | 艾莉森·李
加纳卫生部金坦波健康研究中心，研究和开发部门，加纳东部博诺地区金坦波

**摘要**
**背景**
关于家庭空气污染（HAP）暴露在儿童关键发育窗口期及儿童期纵向生长轨迹上的长期影响，现有证据有限。

**方法**
我们利用了来自加纳中部农村社区的纵向妊娠队列数据，对这些孕妇及其婴儿进行了多次个人监测，测量了产前和产后的一氧化碳（CO）和细颗粒物（PM2.5）浓度。儿童身高在1岁时进行了测量（n=919人），随后从4岁到9岁每年进行一次测量（n=698人）。通过使用调整了相关混杂因素的广义线性混合效应模型，我们分别量化了产前和产后CO及PM2.5与儿童年龄别身高 zi 值（HAZ）、体重 zi 值（WAZ）和体质指数 zi 值（BMIZ）之间的关联。二次模型评估了处于较差生长类别的风险，例如，将发育迟缓与正常生长进行比较。

**结果**
产前CO与生长关系的相关性最为显著：较高水平的产前CO与1至9岁期间的较低HAZ相关（峰值效应为每增加一倍，β = -0.08；95% CI = -0.12, -0.03；p = 0.002），以及7至9岁期间的较低WAZ相关（峰值效应为每增加一倍，β = -0.05；95% CI = -0.09, -0.003；p = 0.04）。HAZ和WAZ的有序类别之间的结果相似。性别并未改变这些关联。

**结论**
在关键发育窗口期间较高的HAP暴露可能显著影响儿童期的长期线性生长。

**1. 引言**
全球约有2亿五岁以下儿童存在发育迟缓或消瘦问题。非洲是这一问题最严重的地区，分别占全球发育迟缓和消瘦病例的43%和27%（世界卫生组织，2023年）。在加纳，发育迟缓和体重不足的患病率估计分别为17%和12%（Osborne等人，2025年）。短期内，儿童期生长不良与免疫力下降、反复感染风险增加（尤其是呼吸道和胃肠道感染）以及死亡率上升有关（Gwela等人，2019年；Kirolos等人，2021年；Olofin等人，2013年；Tickell等人，2020年）。幸存者面临长期健康问题，包括身体、认知和心理社会发展受损，以及终生患心血管代谢疾病的风险增加（Ansuya等人，2023年；Gizaw等人，2023年；Kirolos等人，2022年）。我们的队列研究——加纳随机空气污染与健康研究（GRAPHS）发现，早期儿童期生长不良（包括发育迟缓）与4岁时的肺功能较差相关，这对终生呼吸健康具有影响（Kaali等人，2022年）。尽管儿童期生长障碍主要是由营养不良或反复感染引起的，但空气污染也越来越被视为重要致病因素（Martorell和Zongrone，2012年；Sinharoy等人，2020年）。全球每年有超过70万五岁以下儿童死于空气污染，使其成为该年龄段的第二大死因（健康效应研究所（IHME），2024年）。在通风不良的烹饪环境中，家庭空气污染（HAP）主要源于固体燃料的使用，这种情况在低收入和中等收入国家（LMICs）尤为普遍（健康效应研究所（IHME），2024年）。暴露始于胎儿期，并持续到儿童早期。由于儿童在烹饪时通常与看护者距离较近，他们更容易受到HAP的影响（健康效应研究所（IHME），2024年）。大多数与空气污染相关的死亡病例源于呼吸道感染和胎儿生长受限，表现为死产、低出生体重和低于胎龄的体重（健康效应研究所（IHME），2024年；Lelieveld等人，2018年；Amegah等人，2014年；Quinn等人，2021年）。除了围产期外，空气污染也可能导致儿童期生长不良。然而，相关证据有限（Sinharoy等人，2020年），现有研究的结果也相互矛盾（Desouza等人，2022年；Fleisch等人，2019年；Fossati等人，2020年；Tan等人，2024年）。早期的观察性研究（包括国家和地区健康及人口调查以及前瞻性队列研究）表明，HAP对生长有负面影响（Dai等人，2025年；Islam等人，2021年；Mulat等人，2024年；Odame和Adjei-Mantey，2024年；Upadhyay等人，2021年）。然而，这些研究要么缺乏长期随访，要么仅使用单次测量来评估生长结果，或者使用炉具使用情况、燃料类型和烹饪位置等替代指标来描述HAP暴露。GRAPHS的研究发现，较高的产前和产后HAP暴露与出生后第一年的不良生长轨迹相关（Boamah-Kaali等人，2021年）。在多国家庭空气污染干预网络（HAPIN）试验中，一项关于液化石油气（LPG）炉具干预以减少孕期至1岁期间HAP的随机对照试验（RCT）并未降低1岁时的发育迟缓风险（Checkley等人，2024年）。当对秘鲁的HAPIN试验参与者进行了2至4岁的随访时，无论是按治疗意图（ITT）还是暴露-反应分析，结果均无显著差异（Nicolaou等人，2026年）。另一项在加纳北部的随机炉具干预试验也未发现清洁生物质炉具对5岁及以下儿童的生长有任何影响（Abdo等人，2021年）。迄今为止，很少有研究将客观测量到的个人HAP暴露与儿童期的长期生长结果联系起来。如前所述，我们之前的研究曾在GRAPHS中报告了产前和产后HAP个人暴露与出生后第一年生长轨迹之间的负相关（Boamah-Kaali等人，2021年），但需要进一步验证这些关联是否在整个儿童期持续存在。产前和出生后的头两年是身体生长和发育的关键时期。总体而言，最严重的生长障碍发生在出生后的头两年（Victora等人，2010年）。因此，在这些关键发育窗口期发生的暴露可能会对儿童的生长和发育造成持久影响。本研究基于GRAPHS的长期随访数据，探讨了产前和产后HAP（通过个人二氧化碳（CO）和细颗粒物（PM2.5）指数）与1至9岁儿童纵向生长轨迹之间的关联，并进一步考察了性别对这种关联的影响，因为儿童生长存在性别差异（Costa等人，2021年；Zheng等人，2013年；先前研究也报告了HAP对儿童健康结果的性别特异性影响（Kinney等人，2021年；Lee等人，2019年；Lu等人，2024年）。

**2. 材料与方法**
**2.1. 研究参与者**
本研究使用了参与GRAPHS的母亲-婴儿对的数据，GRAPHS是一项在加纳金坦波北区和金坦波南区进行的纵向妊娠队列研究。有关GRAPHS的详细信息可另文查阅（Jack等人，2015年；Jack等人，2021年）。简要来说，2013年8月至2015年6月期间，我们将1414名怀孕第一和第二孕期的非吸烟妇女随机分配到LPG炉具组、改进的生物质炉具组或传统的三石开放式炉具组（对照组）。符合条件的女性是家庭的主要做饭者，妊娠单胎，并通过超声波确认妊娠时间不超过24周。参与者在整个孕期接受跟踪观察，直至其子女1岁，此时干预措施结束。GRAPHS的主要终点是出生体重和出生后第一年的肺炎发病率。2018年5月，我们招募了698对母亲-婴儿组进行前瞻性随访，包括年度人体测量。本文中呈现的数据截至2024年6月，即儿童9岁时的测量结果。研究程序获得了金坦波健康研究中心（KHRCIEC/2017-31）、加纳卫生部伦理审查委员会（GHS-ERC：032/03/23）以及哥伦比亚大学（IRB-AAAR4373）和西奈山伊坎医学院（STUDY-17-01265）的机构审查委员会批准。在研究开始前，从看护者处获得了书面知情同意书。

**2.2. 暴露测量**
GRAPHS中的暴露测量细节已在其他文献中描述（Chillrud等人，2021年）。简而言之，母亲和婴儿接受了多次产前和产后的一氧化碳监测，使用的是Lascar EL-CO-USB数据记录仪（美国宾夕法尼亚州埃里）。在980名妇女中使用了MicroPEM（μPEM）v3.2b设备（RTI International，美国北卡罗来纳州研究三角园区）来监测细颗粒物（直径<2.5 μm）。产前CO监测在四个时间点进行：干预前一次，以及预计分娩日期前的三个等间隔时间点（9周、6周和3周）。产后期间，母亲和婴儿在1岁、4个月和12个月时分别进行了个人CO监测。PM2.5与CO在第二次产前和第二次产后监测时同时进行。由于MicroPEM设备体积较大，无法安全地用于婴儿，因此仅对母亲进行了产后PM2.5监测。每次监测会话最多持续72小时。参与者在整个监测会话期间将监测设备佩戴在靠近呼吸区域的衣物上，洗澡或睡眠时除外。为了将暴露归因于个体，从设备部署到数据处理的整个过程中实施了详细的质量保证/质量控制（QA/QC）协议。除了工厂校准外，研究团队每6周使用认证的气体（零空气中50 ppm CO）对Lascar监测仪进行严格检查。时间序列数据会检查数据异常情况，如意外平台期、基线值升高或0 ppm持续时间过长。PM2.5测量结合了实时散射测量和积分重量采样（Teflon 25毫米过滤器，Pall Biotech）及加速度计来评估佩戴合规性。使用高效颗粒空气（HEPA）过滤器在部署前后对散射测量值进行基线校正，并在采样期间进行插值。校正后的散射数据进一步根据PM2.5的净过滤器重量进行了调整。此外，还对时间序列数据进行了视觉检查。对于CO和PM2.5，后续分析使用了每次监测前48小时的平均值，以避免最后24小时数据缺失的偏差（Boamah-Kaali等人，2021年；Chillrud等人，2021年；Daouda等人，2021年；Kinney等人，2021年）。CO和PM2.5的48小时数据完整性均超过90%（Chillrud等人，2021年）。为了获得整个妊娠期（平均产前CO）和出生后第一年（平均产后CO）的总体估计值，我们按先前描述的方法对连续监测值进行了线性插值（Quinn等人，2021年）。

**2.3. 生长测量**
训练有素的现场工作人员在所有队列的1岁时测量了体重和长度/身高，并在选定进行前瞻性随访的子组的4至9岁期间每年进行测量。1岁时，我们使用Tanita BD 590数字秤（日本东京Tanita公司）和Ayrton M-200婴儿身高计（美国明尼苏达州Ayrton公司）分别测量了婴儿的体重和长度。4至9岁时，每年进行两次测量，使用Seca 803 Clara数字地磅和Seca 213便携式身高计。每次测量均重复进行两次或三次，以获得更准确的结果。体重和长度/身高分别精确到0.1公斤和0.1厘米。对于重复测量，取平均值；对于三次测量，取最后两次的平均值。体质指数计算方法为体重（千克）除以长度/身高的平方（米）。原始的体重、身高/体长数据和BMI数据随后根据WHO的生长标准转换为z分数，这些标准考虑了性别和年龄（对于60个月以下的儿童使用WHO zscore06 Stata软件包，对于60个月及以上的儿童使用WHO 2007宏程序）（Leroy, 2011, Onis等人，2007）。2.4. 协变量 在有向无环图（DAG）和先前研究的指导下，我们预先选择了一组协变量，假设这些协变量会影响有害环境暴露（HAP）与儿童生长之间的关联。资产指数作为社会经济地位的代理指标，是通过将家庭特征列表、耐用资产的所有权以及使用Filmer和Gunnsteinsson等人描述的方法获得的公用设施访问情况应用主成分分析来计算的（Filmer和Pritchett, 2001, Gunnsteinsson等人, 2010）。母亲BMI是根据GRAPHS登记时测量的体重和身高计算得出的。母亲年龄、教育水平、种族以及家庭接触二手烟草烟雾的情况在登记时被记录下来。出生季节（雨季与旱季）和儿童性别在出生时也被记录下来。2.5. 统计分析 我们总结了整个队列以及按性别划分的基线特征。然后我们将每个连续的z分数结果编码成一个有序的分类变量。对于身高发育迟缓指数（HAZ），儿童被分类为正常（≥?1标准差），发育迟缓风险（?2 ≤ HAZ < ?1标准差），或发育迟缓（< ?2标准差）。同样地，对于体重发育迟缓指数（WAZ），我们根据相同的标准差阈值将儿童分类为正常、体重不足风险或体重不足；对于BMI发育迟缓指数（BMIZ），也使用相同的阈值进行分类。分析的目标是量化产前和产后HAP与1至9岁儿童生长轨迹之间的长期关联。为此，我们构建了两套模型。首先，使用HAZ、WAZ和BMIZ的连续生长结果，我们分别为每个暴露-生长z分数组合拟合了线性混合效应模型作为主要分析。其次，我们使用比例优势累积链接混合效应模型，并配备了logit链接函数来处理每个暴露-有序分类生长结果组合。我们在混合效应模型中指定了一个相关随机效应结构，其中包括儿童层面的随机截距和随机斜率，以解释每个儿童内部的重复生长测量以及儿童之间的基线生长和生长率的异质性。为了捕捉随时间变化的线性和非线性生长，并估计随年龄变化的暴露效应，我们使用二次多项式（对于中心化的年龄使用线性项和平方项）对年龄进行了参数化，并包括了年龄与暴露之间的交互项。我们通过比较包含线性暴露项的模型和包含自然样条函数的模型来评估暴露-反应关系中的潜在非线性。在有证据表明偏离线性的情况下，我们进一步通过比较log2变换模型和基于样条的模型来评估适当的函数形式，并根据似然比检验和信息标准选择了首选的模型（见补充材料）。在没有观察到非线性的情况下，暴露在线性尺度上进行建模。所有模型都包括了暴露-年龄交互项，以允许效应随时间变化。为了评估HAP-生长关联可能因性别而产生的修正，我们通过指定多项式年龄项、暴露和性别之间的三方交互项来拟合交互模型。模型方程见补充材料。从线性混合效应模型中，我们得出了产前和产后HAP的年龄特定平均边际效应（AMEs）。对于log2变换模型，AMEs表示暴露加倍时z分数的预测变化，效应随年龄而变化。对于线性模型，AMEs表示每增加1 ppm CO或每增加10 μg/m3 PM2.5时z分数的预测变化。对于基于样条的模型，AMEs表示在中位PM2.5水平下，每增加10 μg/m3 PM2.5时z分数的预测变化，效应随年龄而变化。比例优势模型的系数是通过拉普拉斯近似法利用最大似然估计得出的。在比例优势假设下，比值比表示处于较低（较差）生长类别与较高类别之间的倍数变化（例如，发育迟缓风险与正常，或发育迟缓与正常风险或正常）。所有模型的估计值是通过对协变量的观察到的联合分布进行平均计算得出的。分类协变量按频率加权，对于正态分布的协变量固定在其均值处，对于偏斜分布的协变量固定其中位数。通过在每个性别层内分别重复这些程序，获得了按性别分层的关联。模型根据母亲教育水平、年龄、BMI、生育次数、种族；家庭资产指数；二手烟草烟雾暴露；出生季节（雨季与旱季）；以及儿童性别进行了调整。产后模型还根据产前暴露进行了调整。调整集的选择基于先前的文献和有向无环图（DAG）的使用（补充图S1）。估计值是在整个群体层面上通过对随机效应进行边际化计算得出的。分析是在R版本4.4.1中进行的。混合效应的二次模型和样条模型使用lme4和spline软件包运行；比例优势模型通过ordinal软件包实现。AMEs使用marginaleffects软件包实现。比值比使用emmeans计算得出。3. 结果 基线特征在表1中进行了总结。GRAPHS记录了1306例活产（Quinn等人，2021年），其中n=919例在1岁随访时具有有效的人体测量数据。在选定为4岁时进行前瞻性随访的n=698个亚组中，n=691例在4岁到9岁期间至少参加了一次随访。如先前报告的那样，队列保留率和随访完整性很高（Kaali等人，2025年）。在4岁、5岁、6岁、7岁、8岁和9岁的随访时，分别有n=593（88%）、n=569（99%）、n=622（98%）、n=544（97%）、n=628（99%）和n=592（97%）具有有效的人体测量数据。分娩时的平均妊娠期为39周，3.7%的儿童是早产（定义为妊娠期不足37周分娩）。平均出生体重为2.9公斤[标准差（sd）= 0.5]，低出生体重患病率为16.4%，平均出生身长为46.6厘米（sd = 3.6）。中位产前CO [1.07 ppm，四分位数范围（IQR）= 0.65, 1.65]是出生后儿童中位CO（0.53 ppm，IQR = 0.24, 1.02）的两倍。同样，中位产前PM2.5（70.6 μg/m3，IQR = 44.3, 103.4）是出生后母亲中位PM2.5（57.3 μg/m3，IQR = 37.3, 87.2）的1.2倍。产前和产后暴露之间存在弱相关性（补充图S2）。补充图S3和补充表S1显示了原始人体测量数据的分布。大多数研究儿童的z分数低于参考人群的中位数值（图1；补充表S2）。尽管发育迟缓、体重不足和消瘦的患病率随年龄下降，但在9岁时，有发育迟缓、体重不足和消瘦风险的儿童比例仍然很高（图2，补充表S3）。表1. 参与者的特征。总体（n=919）男性（n=472）女性（n=447）连续变量资产指数 [(中位数，(IQR)] ?0.37 (?1.28,0.85) ?0.39 (?1.32, 0.94) ?0.36 (?1.25, 0.84)母亲在登记时的年龄，年份 [均值，(sd)] 28.1 (7.2) 27.7 (7.3) 28.6 (7.0)母亲的BMI，kg/m2 [均值，(sd)] 23.4 (3.4) 23.5 (3.3) 23.3 (3.5)生育次数 [(中位数，IQR)] 2.0 (1.0, 4.0) 2.0 (1.0, 4.0) 3.0 (1.0, 4.0)分娩时的妊娠期，周 [均值 (sd)] 39.2 (1.7) 39.1 (1.59) 39.3 (1.79)出生体重，Kg [均值，(sd)] 2.90 (0.46) 2.93 (0.47) 2.87 (0.46)平均产前CO，ppm均值 (sd) 1.33 (1.00) 1.33 (0.90) 1.33 (1.09)中位数 (IQR) 1.11 (0.69, 1.72) 1.11 (0.72, 1.70) 1.11 (0.64, 1.75)儿童平均出生后CO，ppm均值 (sd) 0.88 (1.39) 0.89 (1.63) 0.87 (1.07)中位数 (IQR) 0.53 (0.24, 1.02) 0.51 (0.23, 0.99) 0.58 (0.27, 1.03)产前PM2.5，μg/m3均值 (sd) 85.77 (58.56) 88.39 (63.13) 82.97 (53.26)中位数 (IQR) 70.40 (43.32, 107.46) 70.47 (43.70, 110.31) 69.72 (42.87, 101.80)缺失 n (%) 391 (42.5) 200 (42.4) 191 (42.7)母亲出生后PM2.5，μg/m3均值 (sd) 65.83 (40.15) 66.28 (41.93) 65.34 (38.27)中位数 (IQR) 55.64 (37.26, 83.84) 56.81 (35.39, 83.75) 55.23 (38.67, 85.89)缺失 n (%) 438 (47.7) 225 (47.7) 213 (47.7)分类变量 [(n (%)]种族1163 (17.7) 73 (44.8) 90 (55.2) 2121 (13.2) 62 (51.2) 59 (48.8) 3596 (64.9) 312 (52.3) 284 (47.7) 439 (4.2) 25 (64.1) 14 (35.9)二手烟草暴露189 (20.6) 93 (19.7) 96 (21.5)低出生体重149 (16.6) 71 (15.5) 78 (17.7)缺失20155小于妊娠年龄196 (21.8) 92 (20.1) 104 (23.5)早产33 (3.6) 17 (3.6) 16 (3.6)缺失2111岁时的母乳喂养911 (99.2) 469 (99.6) 442 (98.9)缺失110母亲教育水平无376 (40.9) 197 (52.4) 179 (47.6)小学245 (26.7) 133 (54.3) 112 (45.7)初中/高中258 (28.1) 127 (49.2) 131 (50.8)高中/大专40 (4.4) 15 (37.5) 25 (62.5)出生季节旱季534 (58.1) 276 (51.7) 258 (48.3)雨季385 (41.9) 196 (50.9) 189 (49.1)下载：下载高分辨率图像（117KB）下载：下载全尺寸图像图1. 各年龄段的z分数分布，包括身高、体重和BMI。Z分数是根据WHO 2006和2007生长标准计算得出的。HAZ = 年龄别身高z分数；WAZ = 年龄别体重z分数；BMIZ = 年龄别BMI z分数。下载：下载高分辨率图像（212KB）下载：下载全尺寸图像图2. 各年龄段的发育迟缓、消瘦和体重不足严重程度的分布。3.1. 产前和产后HAP与连续生长结果（HAZ, WAZ, BMIZ）的年龄变化关联 在调整后的线性混合效应模型中，较高的产前CO与1至9岁的HAZ呈负相关，4岁时的效应达到峰值（4岁时调整后的β = ?0.08；95%置信区间 = ?0.12, ?0.03；每加倍产前CO的效应 = 0.002；图3A，补充表S4）。同样，产前PM2.5在所有年龄段都显示出与HAZ的负相关趋势；然而，除了1岁外，效应估计在统计上并不显著（1岁时β = ?0.02；95%置信区间 = ?0.32, ?0.001；每增加10 μg/m3产前PM2.5的效应 = 0.04；图3C，补充表S4）。对于产后暴露，CO在7至9岁期间与HAZ呈正相关（图3B，补充表S4）。产后PM2.5在与所有年龄段的HAZ之间呈负相关，但效应估计在统计上不显著（图3D；补充表S4）。下载：下载高分辨率图像（345KB）下载：下载全尺寸图像图3. 产前和产后HAP对HAZ的年龄变化平均边际效应（AMEs）。这些曲线是从具有二次时间项和暴露-时间交互项的线性混合效应单污染物模型中得出的。产前CO在对数2尺度上进行建模；产前PM2.5使用自然样条（df = 3）；产后暴露在线性尺度上进行建模。边际效应表示每单位暴露增加（或对于log2变换的CO，每加倍）时HAZ的变化，是在人群水平上评估的。对于样条模型，效应是在中位暴露水平上评估的。模型根据资产指数、母亲年龄、母亲BMI、种族、二手烟草烟雾暴露、生育次数、出生季节、儿童性别和产前CO（对于产后CO模型）或产前PM2.5（对于产后PM2.5模型）进行了调整。曲线是在分类协变量上平均得出的（按频率加权）；连续协变量固定在均值或中位数处。阴影区域表示95%置信区间。CO – 一氧化碳；PM2.5 – 细颗粒物；HAZ – 年龄别身高z分数。与HAZ类似，WAZ也与产前CO呈负相关，但这种关联在7至9岁期间达到统计显著性，9岁时的效应达到峰值（9岁时调整后的β = ?0.05；95%置信区间 = ?0.09, ?0.003；每加倍产前CO的效应 = 0.04；图4A，补充表S4）。产后CO与WAZ无关；图4B，补充表S4）。产前和产后PM2.5在大多数年龄段与WAZ呈负相关，但这些关联在所有年龄段都不显著（图4C和4D，补充表S4）。下载：下载高分辨率图像（314KB）下载：下载全尺寸图像图4. 产前和产后HAP对年龄别体重z分数的年龄变化平均边际效应（AMEs）。这些曲线是从具有二次时间项和暴露-时间交互项的线性混合效应单污染物模型中得出的。产前CO和产后PM2.5在对数2尺度上进行建模，而产前PM2.5和产后CO在线性尺度上进行建模。AMEs是通过在对随机效应进行边际化在人群水平上计算得出的。模型根据资产指数、母亲年龄、母亲BMI、种族、二手烟草烟雾暴露、生育次数、出生季节、儿童性别和产前CO（对于产后CO模型）或产前PM2.5（对于产后PM2.5模型）进行了调整。曲线是在分类协变量上平均得出的（按频率加权）；连续协变量固定在均值或中位数处。阴影区域表示95%置信区间。CO – 一氧化碳；PM2.5 – 细颗粒物；WAZ – 年龄别体重z分数。BMI与产后CO和产后PM2.5在大多数年龄段呈负相关，但这些关联在统计上不显著（图5B和D；补充表S4）。在代表性年龄，产前CO与HAZ的暴露-反应曲线见补充图S7。下载：下载高分辨率图像（333KB）下载：下载全尺寸图像图5. 产前和产后HAP对年龄别BMI z分数的年龄变化边际效应。这些**CO – 一氧化碳；PM2.5 – 细颗粒物；BMIZ – 年龄别体质指数z分数。**
3.2. 产前和产后有害空气污染（HAP）与生长发育迟缓、体重过轻和消瘦不同等级之间的关系
从比例优势模型来看，较高的产前一氧化碳浓度与处于更严重生长发育迟缓等级的概率增加有关（例如，生长发育迟缓与处于风险或正常等级相比；生长发育迟缓或处于风险等级与正常等级相比），这一关联在所有年龄段都存在（峰值效应出现在9岁时：调整后的比值比（OR）= 1.30；95%置信区间（CI）= 1.06, 1.57；每增加一倍产前一氧化碳浓度，p = 0.01（见补充图S4A和补充表S5）。其他所有暴露指标与生长发育迟缓的严重程度无关。对于体重过轻的情况，只有在1至7岁期间，产后细颗粒物浓度与更严重的体重过轻趋势相关（见补充图S5D和补充表S5）。同样地，对于消瘦程度，产后细颗粒物浓度也与1岁和4岁时的更严重消瘦情况相关（峰值效应出现在1岁时：调整后的比值比= 1.42；95%置信区间= 1.02, 1.98；p = 0.040）（见补充图S6D和补充表S5）。
3.3. 按性别分层后，产前和产后有害空气污染与儿童生长轨迹之间的关系
总体而言，大多数暴露-结局组合中性别对效应的影响不明显。然而，有证据表明，产后一氧化碳浓度与低于平均身高（HAZ）和体重低于平均身高标准（WAZ）之间的关系因性别而异（HAZ：产后一氧化碳浓度×性别 = 0.012；WAZ：产后一氧化碳浓度×性别 = 0.006）。按性别分层的估计显示，在所有年龄段中，较高的产后一氧化碳浓度与女孩的HAZ较低相关，尽管这些关联在统计学上并不显著。相比之下，在男孩中，产后一氧化碳浓度与较高的HAZ相关（见补充图S8B和补充表S6）。产后一氧化碳浓度与WAZ之间的关系也呈现类似模式（见补充图S9B和补充表S6）。对于HAZ、WAZ和年龄别体质指数（BMIZ）的不同等级，也观察到了类似的性别特异性关联（见补充图S11–S13和补充表S8及S9）。
4. 讨论
我们通过GRAPHS队列的长期随访，研究了产前和产后有害空气污染与儿童生长轨迹之间的关联。在这一高度暴露且脆弱的群体中，有害空气污染与儿童生长之间最一致的关联是一氧化碳浓度与身高发育轨迹之间的关系。具体来说，较高的产前一氧化碳浓度与较低的平均身高水平以及从1岁到9岁期间处于更严重生长发育迟缓等级的概率增加相关。产前一氧化碳浓度还与7岁到9岁期间较低的WAZ相关，而产后细颗粒物浓度与1岁和4岁期间处于更严重消瘦等级的概率增加相关。产前和产后细颗粒物浓度与大多数年龄段的较低HAZ、WAZ和BMIZ相关，但这些关联在统计学上并不显著。然而，这些关联的一致性和方向性表明细颗粒物可能对儿童生长有潜在的不良影响。这些发现可能反映了效应量较小，难以通过有限的精确度检测出来，这可能与细颗粒物模型中的样本量较小有关，而不是真正不存在关联。尽管如此，这些发现仍应谨慎解读，但需要在越来越多的证据支持颗粒物空气污染与儿童生长相关性的背景下进行理解。总体而言，所有暴露-生长结局组合中性别对效应的影响都很小。

综上所述，这些数据强调了空气污染暴露对儿童生长的重要性，这对整个生命过程中的健康都有影响。生长不良不仅增加了儿童死亡的风险，还增加了幸存者患慢性疾病的风险，并通过减少人力资本发展对社会产生负面影响（Dewey和Begum, 2011; Freer等人, 2025）。特别是生长发育迟缓与神经认知发展不良有关，进而影响教育成就和社会经济生产力（Soliman等人, 2021）。因此，有害空气污染可能会加剧最脆弱群体中的社会和收入不平等。在这项综合性分析中，我们利用了GRAPHS的个人空气污染暴露数据库和重复的人体测量数据，客观地将有害空气污染与儿童早期到中期的生长轨迹联系起来。我们使用了线性模型（将生长视为连续变量）和基于阈值的模型（使用阈值来定义正常与不理想的生长）。虽然基于阈值的模型在临床解释上更易于理解，但重要的是要认识到生长迟缓是一个渐进的过程，即使未达到阈值定义的儿童仍可能面临长期后果（De Onis和Branca, 2016）。这一点对于我们的研究群体尤为重要，因为大多数研究对象的HAZ和WAZ从1岁到9岁一直低于标准人群的中位数。我们发现，相对于产前一氧化碳浓度，HAZ和WAZ的效应量较小，每增加一倍暴露浓度，效应量在?0.04到?0.08个标准差之间（例如，对于一氧化碳浓度每增加0.5到1.0 ppm）。这些效应量与Spears等人报告的值相当（Spears等人, 2019），但略小于Lu等人报告的每增加1 ppm一氧化碳浓度，HAZ减少0.21个标准差的效果（Lu等人, 2024）。在个体层面，这些效应量可能不会导致身高或体重的临床显著变化。然而，在数百万高风险儿童的群体层面，HAZ或WAZ的微小变化可能会导致生长发育迟缓或体重过轻的显著变化。实际上，这种效应范围与大型临床试验中营养干预或改善卫生条件所带来的影响相当或更大（Dewey等人, 2021, Dewey等人, 2023, Luby等人, 2018），这突显了清洁烹饪干预措施对生长的潜在影响。尽管如此，来自随机对照试验的证据有限，表明液化石油气（LPG）或改进的生物质炉灶在改善婴儿或儿童生长方面成效甚微。在PERU儿童队列的长期随访中，LPG对婴儿（Checkley等人, 2024）或4岁以下儿童（Nicolaou等人, 2026）的线性生长没有影响。Abdo等人也未发现改进的生物质炉灶对5岁及以下儿童HAZ的影响（Abdo等人, 2021）。同样，GRAPHS研究也未发现LPG干预对出生后一年内儿童的身高、长度、体重-长度z分数和WAZ轨迹的影响（Boamah-Kaali等人, 2021）。相反，在GRAPHS研究中，LPG干预与头部周长和上臂围度的更好轨迹相关（Boamah-Kaali等人, 2021）。关于有害空气污染对HAZ、WAZ和BMIZ的性别特异性关联，也有类似发现（见补充图S11–S13和补充表S8及S9）。

**结论**
我们的研究强调了空气污染暴露对儿童生长的影响，这对整个生命过程中的健康都有重要意义。生长不良不仅增加了儿童死亡的风险，还增加了幸存者患慢性疾病的风险，并通过减少人力资本发展对社会产生负面影响（Dewey和Begum, 2011; Freer等人, 2025）。特别是生长发育迟缓与神经认知发展不良有关，从而影响教育成就和社会经济生产力（Soliman等人, 2021）。有害空气污染可能会加剧最脆弱群体中的社会和收入不平等。在这项全面分析中，我们利用了GRAPHS的个人空气污染暴露数据库和重复的人体测量数据，将有害空气污染与儿童早期到中期的生长轨迹客观联系起来。虽然这些效应量较小，但它们在结果和年龄上的 consistency 和方向性表明细颗粒物可能对儿童生长有潜在的不良影响。尽管如此，这些发现应谨慎解读，但需要在越来越多的证据支持下理解颗粒物空气污染与儿童生长之间的关系。

总体而言，这些数据突显了空气污染暴露对儿童生长的重要性，这对整个生命过程的健康都有影响。生长不良不仅增加了儿童死亡的风险，还增加了幸存者患慢性疾病的风险，并通过减少人力资本发展对社会产生负面影响（Dewey和Begum, 2011; Freer等人, 2025）。特别是生长发育迟缓与神经认知发展不良有关，这会影响教育成就和社会经济生产力（Soliman等人, 2021）。因此，有害空气污染可能会加剧最脆弱群体中的社会和收入不平等。这项采用纵向研究设计的方法，通过对儿童早期到中期的反复人体测量，使我们能够捕捉到儿童个体内部以及儿童之间的生长轨迹差异，从而提高了研究的内部有效性。我们使用了不同的统计建模方法，但得到的结果在各模型之间较为一致，这表明了我们的结论具有稳健性。最后，该研究样本广泛代表了撒哈拉以南非洲地区资源匮乏的环境特征，这些地区的儿童普遍依赖生物质燃料作为生活能源。因此，我们的研究结果对于那些在全球范围内承受着最大空气污染（HAP）负担的儿童群体具有高度相关性；不过，这些结果可能不适用于城市或高收入地区、具有不同暴露环境的儿童群体。尽管如此，我们仍需认识到以下局限性：首先，我们没有关于饮食摄入的数据，而饮食摄入是影响儿童生长的关键因素；其次，我们缺乏2岁和3岁的儿童生长数据，因此分析仅限于1岁以及4至9岁的数据；第三，我们的暴露监测策略可能不足以充分反映妊娠期和婴儿出生后第一年内儿童对空气污染的暴露情况。虽然一氧化碳（CO）在多个时间点被监测到，但颗粒物2.5（PM2.5）仅在妊娠期和婴儿随访期间各测量了一次。此外，我们无法直接测量研究对象的产后PM2.5暴露水平，而是以母亲的暴露情况作为婴儿暴露的替代指标。

综上所述，我们发现，以一氧化碳指标表示的产前空气污染与儿童生长不良密切相关，尤其是1至9岁期间的线性生长速度减缓，这可能对未来儿童的健康产生负面影响。这些研究结果为关于空气污染对儿童健康多种危害影响的现有文献提供了重要证据，并强调了通过向最脆弱人群提供更清洁的烹饪技术来加速打击空气污染工作的必要性。减少空气污染暴露的干预措施（如在她们的关键生命阶段提供清洁烹饪燃料）或许是一种重要但常被忽视的策略，有助于降低儿童生长迟缓的问题。

**资金来源**
该研究得到了以下机构的支持：美国国家环境卫生科学研究所（NIEHS）的资助（项目编号R01 ES019547、R01 ES026991、R01ES034433、R01 ES035791、U24 ES036007、P30 ES009089和P30 ES023515）；Fogarty研究所（项目编号R21 TW010957）；美国国立卫生研究院（NIH）共享仪器计划（项目编号S10OD016219）；Thrasher研究基金；以及清洁烹饪联盟（Clean Cooking Alliance）。

**作者贡献声明**
Seyram Kaali：撰写、审稿与编辑、初稿撰写、数据可视化、项目监督、方法论设计、数据分析、资金筹集、正式数据分析、数据管理、概念构思。
Martin R??sli：撰写、审稿与编辑、项目监督。
Tawfiq Yussif：撰写、审稿与编辑、项目管理、数据收集。
Michelle Li：撰写、审稿与编辑、数据管理。
Mohammed Nuhu Mujtaba：撰写、审稿与编辑、项目管理、数据收集。
James Ross：撰写、审稿与编辑、方法论设计、数据管理。
Prosper Donneyong：撰写、审稿与编辑、数据收集。
Peggy S. Lai：撰写、审稿与编辑。
Sule Awuni：撰写、审稿与编辑。
Musah Osei：撰写、审稿与编辑、数据收集。
Elena Colicino：撰写、审稿与编辑。
Nicole Probst-Hensch：撰写、审稿与编辑、项目监督。
Yohannes Tsefaigzi：撰写、审稿与编辑。
Steven Chillrud：撰写、审稿与编辑、结果验证、项目监督、资源协调、方法论设计、数据收集、概念构思。
Darby Jack：撰写、审稿与编辑、结果验证、资源协调、项目管理、方法论设计、数据收集、概念构思。
Kwaku Poku Asante：撰写、审稿与编辑、项目监督、资源协调、方法论设计、数据收集、概念构思。
Alison Lee：撰写、审稿与编辑、结果验证、项目监督、资源协调、方法论设计、数据收集、概念构思。