中国BAPE研究中健康老年人的尿 quarter ammonium 化合物：暴露特征、决定因素及健康风险评估

《Environment International》：Urinary quaternary ammonium compounds among healthy elderly in the China BAPE study: exposure characteristics, determinants, and health risk assessment

　　余越茶|程志鹏|曹宇浩|钱建坤|马晓|郭小杰|刘娟|邵凯月|司徒永军|李晨龙|赵哲|段淑玲|贝新月|陈雨瑶|王凯|童世路|董照民|唐松|史晓明
中国疾病控制与预防中心（China CDC）环境与人口健康重点实验室，国家环境卫生研究所，北京100021，中国

摘要
季铵化合物（QACs）是一类具有抗菌特性的阳离子表面活性剂，广泛应用于工业和家庭领域，由此引发了日益严重的公共卫生问题。然而，关于老年人内部暴露及其相关健康风险的生物监测数据仍然很有限。本研究旨在测定中国健康老年人尿液中29种传统和新型QACs的浓度，并探索与暴露相关的潜在因素。在2018年9月至2019年1月期间进行的一项纵向研究中，共进行了五次每月一次的随访，收集了76名60-69岁参与者的350份尿液样本。样本通过液相色谱-串联质谱（LC-MS/MS）进行分析。所有29种QACs均被检测到，其中总浓度中位数为2.07微克/升（肌酐浓度为3.19微克/克），传统QACs占主导地位（占总量的64.02%）。调整后的某些QACs浓度在女性中显著高于男性，并且在研究期间观察到轻微的时间变化。探索性分析表明，某些饮食因素和居住行为可能与尿液中的QACs水平有关。这些初步发现需要在更大规模的独立队列中得到验证。基于三种代表性QACs（C10-BAC、C12-BAC和C8-DDAC）进行的风险评估显示，危害指数（HI）值远低于1（中位数HI = 1.80 × 10^-3）。在所假设的条件下，这些结果表明非癌症风险较低。本研究提供了中国老年人尿液中QACs的流行前基线数据。然而，由于许多QACs的排泄主要不是通过尿液进行，且仅测量了母体化合物，因此这些结果应被视为补充性的生物监测证据，而非对体内剂量或总负荷的全面描述。尽管如此，长期低剂量暴露于QACs的潜在慢性健康影响仍需要进一步深入研究。

1. 引言
季铵化合物（QACs）是一类广泛应用于工业、医疗和家庭领域的有机阳离子表面活性剂，具有显著的抗菌性能。其分子结构特征是一个带正电荷的氮原子与四个有机取代基（通常是烷基或芳基）相连，通用公式为[NR1R2R3R4]+X^-（其中X^-是Cl^-或Br^-等阴离子）（Bure?，2019）。传统季铵化合物（QACs）的主要分类依据是其取代基组成，通常分为三组：苄基二甲铵化合物（BACs）、二烷基二甲铵化合物（DDACs）和烷基三甲铵化合物（ATMACs）。
2. 新型QACs，如苄基三丁基铵氯化物（BTBAC）和苯扎氯铵（BEC），最近作为替代抗菌剂受到了关注（Arnold等人，2023；Cheng等人，2024）（图1A）。QACs在众多消费品和工业产品中都有广泛应用，从个人护理产品（如洗发水和护发素）到家用清洁剂和水处理化学品（Arnold等人，2023；Boyce，2023；Zhang等人，2015）。全球消费量预计每年将达到或超过70万吨（Jing等人，2012），并且从2020年到2027年，全球消毒剂市场的年增长率预计约为9.1%（Li等人，2023）。这种大规模生产和广泛使用不可避免地导致人类和环境的长期暴露。例如，在COVID-19疫情期间，597种美国环保署注册的针对SARS-CoV-2有效的消毒剂中有46.3%含有QACs，应用范围从医疗保健到家庭消毒（Boyce，2023）。这种前所未有的消费激增导致了环境释放量增加，从而引发了对潜在生态和人类健康风险的担忧。

图1. 中国BAPE研究中健康老年人（n = 350）尿液样本中季铵化合物（QACs）的结构、分类和检测情况。(A) 化学结构、分类（传统类型 vs. 新型类型）以及检测到的个别QAC分析物的数量。(B) 所有29种识别出的QACs的检测频率（%）和检测次数。(C) 不同比较组中的QACs浓度水平（根据图表以中位数和四分位数范围（IQR）或类似方式呈现)。(D) 九种最常见QACs的化学结构和测量浓度（中位数或几何平均值，μg/L），每种化合物的检测频率均超过50%。(E) 主要QAC类别或单个化合物在总尿液QAC混合物中的组成比例（相对丰度，%）。缩写：QACs，季铵化合物；ATMACs，烷基三甲铵化合物；BACs，苄基二甲铵化合物；DDACs，二烷基二甲铵化合物；C8-ATMAC，辛基三甲铵氯化物；C10-ATMAC，十二烷基三甲铵氯化物；C12-ATMAC，十二烷基三甲铵氯化物；C14-ATMAC，十四烷基三甲铵氯化物；C16-ATMAC，十六烷基三甲铵氯化物；C18-ATMAC，三甲基硬脂基铵氯化物；C6-BAC，苄基己基二甲铵氯化物；C8-BAC，苄基二甲辛基铵氯化物；C10-BAC，苄基二甲癸基铵氯化物；C12-BAC，苄基十二烷基铵氯化物；C14-BAC，苄基二甲十四烷基铵氯化物；C16-BAC，苄基二甲十六烷基铵氯化物；C18-BAC，硬脂基二甲苄基铵氯化物；C8-DDAC，二甲基二辛基铵氯化物；C10-DDAC，二癸基二甲铵氯化物；C12-DDAC，二月桂基二甲铵氯化物；C14-DDAC，二甲基十四烷基铵氯化物；C16-DDAC，二十六烷基二甲铵氯化物；C18-DDAC，二甲基二辛基十八烷基铵氯化物；BTBAC，苄基三丁基铵氯化物；BTMAC，三甲苄基铵氯化物；CPC，环吡啶inium氯化物一水合物；DMPC，苯基十二烷基铵氯化物；BEC，苯扎氯铵；DAD，二烯基二甲铵氯化物；C2:C12-DDAC，十二烷基乙基二甲铵氯化物；C8:C10-DDAC，癸基二甲辛基铵氯化物；SBTCC，丁基硫代胆碱碘化物；MTOAC，甲基三辛基铵氯化物。

QACs在多种环境介质中表现出持久性和广泛分布，包括水、土壤、空气和室内灰尘。在污水处理厂，进水中的BACs浓度可高达170微克/升，而污泥中的浓度则超过500毫克/千克（干重），这主要是由于它们对带负电荷颗粒的强吸附作用（Arnold等人，2023；Mohapatra等人，2023；Zhang等人，2015；Zhao等人，2023）。这些测量浓度超过了典型持久性有机污染物（如多环芳烃PAHs）的浓度（Arnold等人，2023）。例如，在中国南方进行的一项研究中，在住宅灰尘中检测到了传统QACs，中位浓度为42.2微克/克（范围：13.8–150微克/克），而28种新型QACs佔各种微环境中总QAC负荷的19–42%（Cheng等人，2024）。它们对土壤、沉积物和室内颗粒物的强吸附作用延长了其在环境中的持久性，估计在缺氧条件下的半衰期超过数年（Zhang等人，2015）。这些观察结果共同突显了QACs的广泛分布和稳定性，强调了进行全面暴露和风险评估的必要性（Tao等人，2024）。

越来越多的证据表明，QACs具有内在毒性和潜在的健康风险（Osimitz和Droege，2025）。它们的阳离子性质使其能够穿透细胞膜，破坏脂质双层结构（Osimitz和Droege，2022）。这会导致膜流动性降低、细胞裂解和线粒体功能障碍，最终引发组织炎症、水肿和上皮损伤（Hrubec等人，2021；Osimitz和Droege，2022）。动物毒理学研究表明，在高剂量暴露条件下，QACs（以BACs/DDACs为代表）可引起皮肤和黏膜刺激（例如红斑、溃疡）、呼吸道炎症和胃肠道损伤（Kim等人，2017；USEPA，2017a；USEPA，2017b）。例如，在一项为期13周的大鼠吸入研究中，DDAC在浓度为0.36 ± 0.20和1.41 ± 0.71毫克/米3时引起了肺部炎症细胞浸润和间质性肺炎，而0.11毫克/米3被认为是无观察到不良反应的水平（NOAEL）（Kim等人，2017）。此外，实验发现QAC暴露与生育能力和发育毒性下降有关，包括小鼠的神经管缺陷（Hrubec等人，2017；Melin等人，2014；Ulaganathan等人，2024）。生物监测研究揭示了通过皮肤接触、手口摄取和吸入等多种途径的人类暴露（Cao等人，2024；Cao等人，2025；Pack等人，2023），在包括血液（Hu等人，2024；Li等人，2023；Zheng等人，2021）、粪便（Li和Kannan，2024；Nguyen等人，2024）、母乳（Zheng等人，2022）、指甲（Du等人，2025）和头发（Du等人，2025）等多种人体介质中检测到QAC残留。炎症标志物、线粒体功能和固醇稳态的改变与血液中的QAC浓度有关（Hrubec等人，2021），表明QAC可能扰乱多种生理过程。医护人员是一个高风险亚群体，患QAC相关哮喘的比例较高（比值比OR = 3.2）（Migueres等人，2021），5.5%的接触性皮炎患者对BACs存在过敏反应（Kreipe等人，2021）。虽然当前的危害商数（HQ）值低于1，表明在常规暴露条件下风险较低，但在反复或高暴露情况下，它们的内在毒性和不良健康危害不应被忽视（Bobic等人，2024；Osimitz和Droege，2022；Ulaganathan等人，2024）。

尽管研究兴趣日益增加，但关于人类QAC暴露的生物监测数据，特别是在老年人等易感人群中仍然有限。由于代谢和排毒能力随年龄下降、共病和终生累积负担，老年人特别容易受到化学物质的影响（Guo等人，2025；Jia等人，2022；Qian等人，2025）。然而，关于他们内部暴露水平和模式的证据仍然很少。最近的药物动力学研究表明，许多QACs的主要排泄途径是胆汁排泄，而母体化合物的尿液排泄相对有限（Belova等人，2024；Li和Kannan，2024；Li等人，2023）。此外，对于某些QACs来说，尿液代谢物可能是比未代谢的母体化合物更有信息量的生物标志物（Belova等人，2024；Li和Kannan，2024；Li等人，2023）。因此，尿液不应作为评估QACs总体负荷或整体药代动力行为的唯一指标。尽管如此，尿液是一种无创且易于获取的样本，仍可为基于人群的研究提供关于近期内部暴露和个体间差异的补充信息，特别是在可重复采样的情况下（Du等人，2025；Guo等人，2025；Qian等人，2025）。因此，老年人尿液中母体QACs的测量结果应被视为补充性的生物监测证据，而非对体内剂量、主要排泄途径或整体药代动力行为的全面描述（Du等人，2025）。

为了解决这些不足，本研究基于中国空气污染物暴露生物标志物（BAPE）研究（Tang等人，2021），调查了中国济南健康老年人的尿液QAC暴露情况。具体来说，我们的目标包括：（1）量化健康老年人的尿液QAC浓度；（2）分析5个月随访期间的性别相关和时间差异；（3）探索尿液QAC水平与选定的饮食习惯和居住行为的潜在关联；（4）进行估计摄入量和潜在风险的筛查级评估。通过关注这一研究不足的群体，本研究提供了中国老年人尿液中QACs的流行前基线生物监测数据。

2. 材料与方法
2.1. 研究设计
本研究从中国济南的China BAPE研究群体中招募了健康老年人（60-69岁，50%为女性），济南是一个污染严重的北方城市，居民超过900万。整体研究设计在其他地方有所描述（Tang等人，2021）。简而言之，招募工作于2018年9月至2019年1月期间进行，通过在安康社区医院进行健康记录筛查和每月体检来实施。排除了患有急性或慢性疾病、当前吸烟或饮酒以及有药物滥用史的个体。最终，有76名来自69个家庭的健康参与者参与了研究，并完成了五次每月一次的随访访问。该研究方案已由中国疾病控制与预防中心国家环境卫生研究所伦理委员会审批（编号201816）。所有参与者在参与前均提供了书面知情同意书。
2.2. 现场调查和样本收集
在每次每月的随访访问期间，我们在安康社区医院与参与者进行了面对面访谈。结构化问卷收集了关键的社会人口统计特征信息，包括年龄、性别、收入和教育水平。此外，还评估了饮食摄入和生活方式行为，并将其转换为二分类变量（例如，高/低、是/否）。在体检过程中测量了身高和体重以计算体质指数（BMI，千克/米2）。使用标准化的聚丙烯容器在早上7:00左右从参与者那里收集了空腹中段尿样（70毫升）。收集后，所有样本迅速冷冻并保存在-80°C以供后续分析（Qian等人，2025；Tang等人，2021）。
2.3. 化学品和试剂
本研究分析了29种纯度在95%至98%之间的QACs，包括19种传统QACs（6种ATMACs、7种BACs和6种DDACs）和10种新型QACs。所有标准品以及三种同位素标记的内标（C18-BAC-d7、C12-DDAC-d25和C10-ATMAC-d21）均从Dr. Ehrenstorfer（德国奥格斯堡）、Toronto Research Chemicals（加拿大多伦多）和Sigma-Aldrich（美国密苏里州圣路易斯）采购（Cao等人，2024；Du等人，2025）。29种目标有机氯农药（QACs）的通用信息，包括全名、缩写、CAS注册号、结构和分子式以及分子量，均列于表S1.2.4中。

**样品预处理**：
尿液样品被恢复至室温并涡旋混合1分钟。取1毫升样品加入25纳克内标（IS），随后加入200微升谷胱甘肽（1毫摩尔/升）和0.4克氯化钠。平衡30分钟后，使用3毫升乙腈（ACN）进行液-液萃取，涡旋速度为2300转/分钟提取10分钟，超声处理15分钟，然后以4000转/分钟的速度离心10分钟。经过两次萃取步骤后，合并的上清液用温和的氮气流浓缩至接近干燥状态。重新溶解的残留物（在1毫升甲醇中）通过0.22微米有机相尼龙膜过滤，最终滤液储存在-20摄氏度下，用于后续的液相色谱-质谱（LC-MS/MS）分析。

**2.5. 仪器分析**：
分析在Nexera LC-40超快速液相色谱系统上进行，该系统连接了一个Triple Quad 5500质谱仪（LC-MS/MS；AB Sciex，美国马萨诸塞州弗雷明汉）。质谱仪采用正电喷雾离子化（ESI+）模式（Du等人，2025年）。所有数据均使用Sciex OS软件处理（Cao等人，2024年）。分析采用了ACQUITY UPLC BEH C18柱（2.1毫米×50毫米，1.7微米，Waters公司）。流动相为二元体系，组分A为0.1%甲酸的水溶液，组分B为纯甲醇（Zhang等人，2024年）。进样量为3微升，流速保持在0.3毫升/分钟。质谱检测在优化条件下进行。关键参数包括：离子源温度150摄氏度，脱溶剂温度350摄氏度，毛细管电压3.5千伏，锥形电压30伏，脱溶剂气体流量500升/小时，锥形气体流量150升/小时。高纯度氩气（99.999%）作为碰撞气体，流量为0.25毫升/分钟。定量分析采用多反应监测（MRM）模式（Cao等人，2025年）。每种化合物的质谱数据总结在表S2中。

**2.6. 质量保证和质量控制**：
中国国家卫生健康委员会（NIEH）和中国疾病预防控制中心（CDC）监督了一个全面的质量控制（QC）系统，涵盖现场调查、问卷设计、生物样本收集和实验室分析等所有阶段（Tang等人，2021年）。所有研究人员在项目开始前必须完成标准化培训并通过能力评估。在野外操作期间，每天随机审查20%的完成问卷，以检查逻辑一致性和数据质量。样本的收集、运输和储存严格遵守《中华人民共和国生物监测质量保证指南》（16126号）以确保样本完整性。分析方法根据美国食品药品监督管理局（FDA）的《行业指南：生物分析方法验证》（Administration，2018年）进行了验证。实验室严格实施了既定的QC方案。所有分析包括标准曲线、试剂空白样品、现场空白样品和加标空白样品（Du等人，2025年）。注射器和过滤膜用甲醇超声清洗，清洗溶剂通过LC-MS/MS进行分析。在任何预先筛选的样本接触材料中，均未检测到目标QACs超过方法检测限（MDL）。标准曲线是通过连续稀释单次制备的储备溶液（1000 ppm甲醇）来制备的，覆盖1-200微克/升的浓度范围。所有校准曲线的决定系数（R2）均大于0.99，所有样本浓度均在此校准范围内。内标的选择基于结构相似性：C18-BAC-d7用于BACs，相应的氘代类似物用于ATMAC和DDAC同系物。新兴QACs被分类到其中一个组中，并使用相应的内标进行定量（详细信息见表S1）。29种QACs的回收率通过使用加标浓度为5微克/升和25微克/升的混合真实尿液样本来评估，每个浓度水平制备四个重复样品（n=4）。回收率介于87.86%到109.18%之间，具体数值见表S1。分析精密度通过对10%的研究样品进行重复分析来评估，相对百分比差异在可接受范围内。

**2.7. 风险评估**：
目标QACs的每日估计摄入量（EDI）根据以下公式计算：EDI = (C × V) / (BW × ?)（1）。参数定义如下：C为未调整的尿中浓度（微克/升）；V为每日尿液排泄量（毫升/天）；BW为参与者体重（千克）；?为特定化学物质的尿液排泄率（无单位）。为了评估潜在的健康风险，推导了两个指标：危害商数（HQ）= EDI / ADI（2），危害指数（HI）= ∑HQ（3）。HQ评估单个化学物质的风险，而HI反映多种化学物质的累积风险。V基于中国人口暴露手册（Duan，2014年）中的性别和年龄分层每日水分摄入数据估算。老年男性的V值设为2418毫升/天，老年女性为2021毫升/天。由于尿液体积是使用每日水分摄入量估算的，因此得到的EDI值可能略有高估。

用于摄入量回计算的特定化学物质的尿液排泄分数来自欧洲化学品管理局（ECHA）CHEM注册物质档案中的口服毒代动力学研究，特别是第7节（“毒理学信息”）和第7.1节（“毒代动力学、代谢和分布”）。对于BACs（季铵化合物、苄基C12-C16烷基二甲基氯化物），档案总结了大鼠（包括Sprague-Dawley大鼠）的口服研究，报告显示尿中排泄量约为给药物剂量的5-8%（ECHA）。对于DDACs，相应的档案总结了大鼠（包括Sprague-Dawley大鼠）的口服毒代动力学研究，报告尿中排泄量分别为约1.4%、<2.5%和0.93-3.16%的给药物剂量（ECHA）。因此，在初步分析中，BACs和DDACs的保守下限排泄分数分别采用5%和1%。对于风险特征描述，采用欧盟生物活性物质评估报告（ECHA，2020a，2020b，Hussein等人，2025）中推荐的0.12毫克/千克体重/天的可接受每日摄入量（ADI）。潜在的健康风险定义为HQ或HI值大于1。由于缺乏排泄率或ADI数据，ATMACs和新兴QACs被排除在评估之外，因此仅评估BACs和DDACs。

**2.8. 统计分析**：
连续变量以平均值±标准差（SD）表示，分类变量以百分比报告。目标QACs的特征包括其浓度范围、检测频率（DF）以及描述性统计参数，如平均值、标准差（SD）、中位数以及第25、第75和第95百分位数。尿中浓度低于方法检测限（MDL）的QACs被赋予MDL/2的值。为了减少尿液稀释效应，QAC浓度经过尿肌酐（Cr）水平校正。在检测到的29种QACs中，有9种的DF超过50%，被选中进行进一步分析，包括C12-ATMAC、C18-ATMAC、C10-BAC、C12-BAC、C8-DDAC、BTBAC、BTMAC、BEC和DAD。Spearman相关系数用于评估各种QACs之间的相互关系。由于数据不符合正态分布，因此应用了非参数检验（Mann-Whitney U检验和Kruskal-Wallis检验）进行数据分析。性别和月份间的差异分别使用Wilcoxon检验和线性混合效应模型（LMMs）进行比较。QAC浓度的月度变化趋势使用模糊C均值聚类算法进行计算（Guo等人，2025年；Qian等人，2025年）。Spearman等级相关分析用于研究饮食和生活方式因素与尿中QAC浓度之间的关联。对于显示显著效应的因素，应用了LMMs，同时调整了年龄、性别、BMI、收入和教育水平等协变量，参与者ID作为随机效应。双侧p值<0.05被设为统计显著性的阈值。所有描述性统计在Excel 2016中处理，图表使用Origin 2024生成，化学结构用ChemDraw 22.0.0绘制，差异分析、影响因素分析和风险评估使用R软件（版本4.2.3）及lme4和Mfuzz包（Qian等人，2025年）进行。

**3. 结果**：
**3.1. 研究人群的特征**：
共收集了350份尿液样本，来自76名健康老年人，采样时间跨度为五个月。每次访问的参与者数量在65至73人之间。参与者特征总结在表1中。该队列的平均年龄为65.1岁，平均BMI为25.0千克/平方米，男女比例均衡。人口统计、饮食和生活方式变量的定义和测量方法见补充表S3。这些变量之间的相关性显示在图S1和表S4中。

**表1. 中国BAPE研究中参与者特征（N=76人）在五次每月访问期间的特征（2018年9月至2019年1月，共350份样本）：**
| 特征 | 平均值±标准差（±SD）或百分比 (%) |
|-------------------|------------------|
| 白肉 | 否 | 340 (97.14) |
| 年龄（岁） | 65.06±2.74 | |
| 低 | 330 (94.29) |
| BMI（千克/平方米） | 25.02±2.40 | |
| 高 | 20 (5.71) | |
| 维生素 | 否 | 309 (88.29) |
| 男性 | 是 | 38 (50.00) |
| 是 | 12 (3.43) | |
| 蔬菜 | 否 | 338 (96.57) |
| 低 | 46 (13.14) |
| 收入（10千元/年） | 10.12±6.56 | |
| 高 | 304 (86.86) |
| 教育水平 | 低 | 4 (1.14) |
| 油炸食品 | 低于初中 | 8 (10.53) |
| 高 | 346 (98.86) |
| 低 | 344 (98.29) |
| 中学 | 54 (71.05) |
| 喝茶 | 是 | 19 (56.86) |
| 鱼油 | 否 | 15 (43.14) |
| 生活信息 | 是 | 2 (0.57) |
| 窗户数量 | 3±2 | |
| 辛辣食品 | 否 | 348 (99.43) |
| 吸尘器使用 | 低 | 314 (89.71) |
| 鱼类 | 是 | 167 (47.71) |
| 高 | 36 (10.29) | |
| 低 | 329 (94.00) |
| 开窗时间 | 96±0 | |
| 低 | 195 (55.71) |
| 鸡蛋 | 否 | 155 (44.29) |
| 高 | 19 (5.43) |
| 否 | 261 (74.57) |
| 红肉 | 是 | 331 (94.57) |
| 低 | 89 (25.43) |
| 低 | 114 (32.57) |
| 饮用水 | 否 | 343 (98.00) |
| 否 | 283 (80.86) |
| 低 | 153 (43.71) |
| 咖啡 | 是 | 197 (56.29) |
| 低 | 344 (98.29) |
| 低 | 51 (14.57) |
| 泡菜 | 否 | 299 (85.43) |
| 低 | 264 (75.43) |
| 高 | 86 (24.57) |
| 低 | 203 (58.00) |
| 低 | 273 (78.00) |
| 营养素 | 否 | 147 (42.00) |
| 高 | 77 (22.00) |
| 低 | 228 (65.14) |
| 新鲜空气系统使用 | 是 | 122 (34.86) |
| 低 | 191 (54.57) |
| 是 | 58 (16.57) |
| 面条 | 否 | 159 (45.43) |
| 低 | 292 (83.43) |
| 低 | 57 (16.29) |
| 果汁 | 否 | 293 (83.71) |
| 高 | 14 (1.14) |
| 运动时间 | 15±11 |
| 矿物质 | 是 | 10 (2.86) |

**3.2. 老年人群中的尿中QACs浓度**：
所有29种QACs均在尿液样本中检测到，检测频率（DF）范围为0.86%至99.43%（图1B，表S5，S6）。总QAC浓度（∑QACs）范围为0.52至47.22微克/升，中位数为2.07微克/升（3.19微克/克Cr）。传统QACs（∑traditional QACs）占主导地位，占比64.02%，而新兴QACs（∑emerging QACs）占35.98%。在传统QACs中，ATMACs是最主要的组别，其∑6ATMACs浓度中位数为0.88微克/升（1.32微克/克Cr），其次是BACs[∑7BACs：0.25微克/升（0.38微克/克Cr）]和DDACs[∑6DDACs：0.08微克/升（0.14微克/克Cr）]（图1C，E和表S5，S6）。进一步分析了九种检测频率超过50%的QACs。其中，C12-ATMAC和C18-ATMAC是最主要的ATMACs，C10-BAC和C12-BAC是主要的BACs，C8-DDAC代表了DDAC的暴露。在新兴QACs中，BTBAC、BTMAC、BEC和DAD是主要贡献者（图1D，E，S2和表S5，S6）。经过肌酐校正后，这九种QACs显示出普遍的正相关关系（图S3；表S7）。

**3.3. 性别差异和五个月间QAC浓度的时间趋势**：
九种主要QACs的浓度（DF>50%）按性别显示在图2A和表S8-9中。总体而言，C12-ATMAC和C18-ATMAC在两性中均最为常见（图S4；表S8）。女性中的∑9QACs浓度中位数显著高于男性（2.44 vs. 2.10微克/克Cr；p=0.02，图S5A）。四种分析物显示出显著的性别差异：C12-ATMAC、C18-ATMAC、C10-BAC和C12-BAC在女性中的浓度均高于男性（图2A；表S9）。

**图2. 不同性别（A）和五次每月访问（B）中所有健康老年人的尿中QACs浓度。统计显著性如下：* P<0.05，** P<0.01，*** P<0.001**。
在五个月的观察期间，参与者持续暴露于这9种QACs的混合物中（图2B，S5B，S6，S7；表S10-11）。∑9QACs的总浓度从9月的2.08微克/克铬增加到1月的3.41微克/克铬（p < 0.001，图S5B）。在整个研究过程中，C10-BAC和C12-ATMAC的检测频率一直很高，而BTMAC和DAD在后期月份变得更加显著（表S10）。C8-DDAC、BTMAC、BEC和DAD在时间上存在显著差异（p < 0.05，图2B；表S11），但由于进行了多次比较，这些发现应谨慎解释。模糊聚类进一步表明有一个相对稳定/增加的组别，另一个组别则有短期波动（图S6）。因此，QAC的主要组成随时间发生了变化，从9月以C18-ATMAC（30.9%）和C12-ATMAC（23.7%）为主的情况，转变为后期月份更加多样化的混合物（图S7）。

3.4. 影响因素分析
对23个饮食因素和10个生活方式因素的初步评估发现，9种QACs与特定暴露决定因素之间存在一些相关性（p < 0.05）（图3A；表S12）。摄入鸡蛋与C12-ATMAC、饮用纯净水与多种QACs（C18-ATMAC、C10-BAC、BTBAC、BEC）以及摄入白肉或腌制食品与C8-DDAC之间存在正相关。而喝茶与C18-ATMAC和BEC、饮酒与C18-ATMAC之间存在负相关。对于生活方式因素，体力活动时间与C12-ATMAC、BTMAC和DAD呈负相关；烹饪时间与C8-DDAC和BTMAC呈负相关；而开窗时间较长和家庭窗户数量较多则分别与C10-BAC和DAD呈正相关。

3.5. 风险评估
使用EDI、HQ和HI对三种典型的QACs（C10-BAC、C12-BAC和C8-DDAC）进行了风险评估（图4；表S14-S15）。总体而言，个体风险和累积风险均低于安全阈值。这三种化合物的中位EDI为3.15×10^-5至7.41×10^-5毫克/千克体重/天，其中C8-DDAC的EDI最高。所有化合物的中位和第95百分位（P95）HQ值均低于1，中位HI为1.80×10^-3（P95：7.51×10^-3），表明没有显著的健康问题。

4. 讨论
本研究描述了76名健康老年人尿液中母体QACs的分布特征、时间变化及暴露的相关因素。这些发现为我国老年人QACs暴露提供了额外的生物监测证据，并为疫情前的基线数据提供了参考。鉴于QACs的毒代动力学特性，特别是通过胆汁/粪便排泄的重要性以及母体化合物在尿液中的排泄有限，目前的结果应被视为内部暴露的补充方面，而不是全身负担或主要暴露途径的全面表征。

4.1. QACs暴露的总体特征
本研究是首批系统描述老年人尿液样本中传统和新兴QACs共同暴露特征的研究之一。我们的发现表明，这一群体普遍暴露于多种QACs，其中传统QACs占主导地位，并存在明显的性别差异和时间动态变化。此前在美国进行的人类生物监测研究一致证实，母体QACs广泛存在于血清（Hu等人，2024年；Li等人，2023年；Zheng等人，2021年）、粪便（Li和Kannan，2024年；Nguyen等人，2024年）以及母乳（Zheng等人，2022年）中；然而，系统的尿液检测数据仍然有限（Belova等人，2024年；Li和Kannan，2024年；Li等人，2023年）（图5，表S16）。例如，一项美国的血液生物监测研究报告称，QACs的总浓度（∑QACs）中位值为3.41微克/升，主要由ATMACs（66%）和BACs（34%）组成，其中C12-和C14-同系物是主要成分（Zheng等人，2021年）。这一组成分布与本文观察到的传统QACs分布基本一致。同样，美国的一项母乳研究报道，QACs的总浓度中位值为1.5微克/升，主要由BACs（71%）和ATMACs（29%）组成，其中C12-和C14-BAC是主要成分（Zheng等人，2022年）。

尽管所有风险指标均低于1，但观察到一些性别差异（图4A，B；表S14）。男性的EDI值略高于女性，C12-BAC的最大EDI在男性中高出4.7倍。男性的HQ和HI也普遍较高，尽管只有C10-BAC显示出统计学上显著的性别差异（p < 0.05，图S8A，B）。在五个月的监测期间也观察到时间变化（图4C，D；表S15）。第3次访问时C10-BAC和C12-BAC的EDI中位数最高，而C8-DDAC在第一次访问时达到峰值。尽管存在这些时间差异，所有月份的HQ和HI值均低于1（图S9A，B），表明没有明显的短期高风险期。总体而言，这些名义上的关联性提示了几个潜在因素，包括饮食（如鸡蛋、白肉、腌制食品、纯净水）、体育活动、烹饪习惯和住房通风，这些因素可能对尿液中季铵化合物（QACs）水平的个体间差异有所贡献。然而，目前的数据尚不能确定不同暴露途径（如饮食、灰尘、个人护理产品）的相对重要性。先前的研究已经将室内环境和家庭灰尘确定为污染物的潜在暴露介质（Li等人，2024年；Melymuk等人，2020年），而家庭中广泛使用含有QAC的清洁产品进一步支持了这一途径的合理性（Cao等人，2024年）。然而，其他研究也指出室内灰尘可能并非主要暴露途径（Hu等人，2024年），这凸显了不同途径相对贡献的不确定性。因此，我们的结果应被视为探索性的和基于假设的，为未来结合问卷调查和直接环境测量以及更大样本量的研究提供了基础。

4.3 健康风险评估
本研究对中国健康老年人群中的QAC暴露进行了系统的定量风险评估，重点关注三种典型的季铵化合物（QACs）：C10-BAC、C12-BAC和C8-DDAC。结果显示，这两种单一化合物以及混合物的中位数和第95百分位危险商（HQ）值均显著低于安全阈值（HI = 1）。这些发现表明，在这种筛查水平评估的假设下，目前该人群中包括单一化合物和混合物在内的QAC暴露水平表明其具有较低的致癌风险。这一结论与全球众多同期的人群研究结果一致（表S17）。
从暴露途径的角度来看，饮食摄入以及家庭和个人护理产品的使用通常被认为是人类QAC暴露的潜在来源。现有研究普遍证实，这些途径带来的风险仍在可控范围内。例如，El-Sayed Hussein等人监测了埃及的143份加工食品样本，发现只有一份婴儿食品样本中的DDAC和BAC总含量超过了欧盟的最大残留限量（MRL = 0.1 mg/kg），而所有其他样本的残留量均远低于MRL（El-Sayed Hussein等人，2025年）。相应的危险商（HQ < 1）清楚地表明，通过食物途径的QAC暴露不会对健康构成风险。同样，Ren等人分析了来自中国30个省份的271份蜂蜜样本中的阳离子表面活性剂，结果表明即使在高暴露情况下，成人和儿童的HQ和HI值也远低于1，证实蜂蜜中的QAC不会导致健康风险（Ren等人，2025年）。Pack等人进一步评估了使用洗碗剂的人体暴露情况，即使长期使用也不会超过安全限度（Pack等人，2023年）。总体而言，这些多方面的研究结果与本研究中估计的较低筛查水平风险基本一致。关于皮肤暴露的新证据也强化了这种低风险特征。Cao等人使用人类手部擦拭样本和补充的体内大鼠模型证实，尽管使用护肤产品的女性和个体的皮肤表面QAC暴露量显著较高，但通过皮肤吸收的中位每日暴露量（短期为3.04 ng/kg体重/天，长期为3.23 ng/kg体重/天）远低于未见不良效应水平（NOAEL），表明皮肤暴露处于可接受范围内（Ulaganathan等人，2024年）。
从体内暴露的角度来看，通过粪便、尿液、血液和乳汁的生物监测直接提供了人体QAC负担的证据。在粪便样本中，Li和Kannan采用了一种反向剂量学方法估计了美国人群的每日累积摄入量（CDI = 551 ng/kg体重/天），这远低于美国环境保护署（EPA）的参考剂量（RfD）（Li和Kannan，2024年）。在尿液样本中，亲本QAC化合物的检出率相对较低，更常见的是BACs的ω-羧酸代谢物，因此基于尿液的暴露估计需要谨慎解读，因为尿液排泄并非许多QAC的主要消除途径。因此，尿液是一个有用的但补充性的生物监测指标，需要多矩阵评估来更全面地了解暴露情况（Du等人，2025年）。相关研究表明，只有3%至32%的通过皮肤吸收的QAC通过尿液排出，其余部分通过粪便排出，因此需要综合多矩阵评估来进行全面的暴露评估。在血液样本中，Hu等人通过PROTEX模型估计，灰尘摄入对美国人群血清中QAC水平的贡献不到1%，表明饮食和皮肤途径的贡献占主导地位（Hu等人，2024年）。Zeng等人（2022年）的研究发现，母乳中这些化合物的中位含量为1.5 ng/mL。尽管微量残留可能源于消毒剂和个人护理产品的广泛使用，但迄今为止没有证据表明每日暴露量超过安全阈值，这为未来关于QAC体内暴露的研究提供了重要方向。
然而，也出现了一些值得注意的模式。与女性相比，男性在某些QAC的EDI和HQ值上略有升高，并且存在显著的个体间差异。此外，暴露水平的月度波动反映了QAC暴露的动态性质。尽管没有发现短期的高风险期，但11月的暴露峰值（访视3次时，HI = 1.93 × 10^-3）虽然仍在安全范围内，但鉴于老年人秋季和冬季的免疫力可能较低，以及可能存在与室内其他污染物在低剂量下的联合毒性效应，仍需关注（Cao等人，2024年；Tang等人，2021年）。
同时，这项风险评估仍然属于初步阶段，因为它仅涵盖了三种QAC，没有考虑代谢物或检测到的化合物的完整混合物，且依赖于从尿液中亲本化合物推导出的摄入量估计。因此，目前的结果应被视为筛查级别的评估，而不是最终的健康风险评估。

5 结论、局限性和展望
本研究提供了COVID-19大流行之前中国老年人群尿液中亲本QAC暴露的补充生物监测证据。检测到了多种传统的和新兴的QACs，表明存在广泛的共暴露现象，其中传统QACs在尿液谱型中占主导地位。观察到了性别相关差异和某些访视间的变化，并发现了几种与问卷调查得出的饮食和居住因素相关的名义上的关联性，尽管这些发现应谨慎解读，并不能确立主要的暴露途径。基于三种代表性QACs的筛查级别评估表明，在所施加的假设下，短期非致癌风险较低。这些发现为老年人提供了有用的疫情前基线数据，并支持未来需要结合多矩阵生物监测和直接环境测量来更好地理解QAC暴露模式及其健康影响的必要性。
然而，也有一些局限性需要承认。鉴于样本量较小（n = 76）以及进行了大量的探索性比较，观察到的关联性应视为基于假设的生成而非确认性的。在检查了297种QACs和暴露因子的组合后，达到p < 0.05的关联性（n = 17）接近于仅凭机会就能预期的数量（大约15）。因此，这些发现需要在更大、独立的队列中进行验证。此外，在大量比较的背景下，检测小效应的统计能力有限。另外，鉴于进行了大量的比较，一些名义上显著的关联性可能反映了偶然发现，应特别谨慎解读。尿液样本是用聚丙烯容器收集的，这可能不适合QAC分析，因为QACs可能会吸附在塑料表面。尽管所有样本都在相同的标准化条件下收集和处理，但这可能导致对尿液中绝对浓度的低估。此外，本研究仅测量了尿液中的亲本QACs。鉴于许多QAC主要通过胆汁/粪便排泄，而尿液代谢物可能是某些化合物的更有信息量的生物标志物，尿液中的亲本浓度应被视为提供关于体内暴露的补充信息，而不是全面的身体负担测量。缺乏同时进行的环境测量（如食物、空气、灰尘和个人护理产品）阻止了特定途径贡献的精确量化。此外，问卷并未专门设计来捕捉多种与QAC相关的暴露源，例如消毒剂、手部消毒剂、化妆品、洗发水和其他可能导致皮肤或间接摄入暴露的个人护理产品的使用频率。这可能限制了我们识别最相关暴露决定因素的能力。此外，许多QAC的毒代动力学数据缺失，限制了将体内暴露指标与潜在健康结果联系起来的能力。最后，风险评估仅涵盖了三种典型的QACs，而非所有29种检测到的化合物，可能低估了累积或混合QAC暴露的健康风险。因此，目前的风险估计应被视为初步的和筛查级别的。
尽管存在这些局限性，但对该老年队列中亲本QACs的重复尿液生物监测仍然提供了有关近期体内暴露和时间变异性的有用补充信息。未来的研究应通过优先考虑几个关键方向来填补这些空白。首先，扩大调查范围，包括不同地理区域的敏感亚群体（如儿童、青少年和孕妇），以全面评估整个人群的暴露风险。其次，通过整合室内灰尘、空气颗粒物、饮用水、食品和消费产品的测量以及详细的饮食调查，进行精细的来源分配研究，以更精确地量化特定途径的贡献。第三，未来的研究应结合多矩阵生物监测，包括尿液、粪便、血液，在可行的情况下还包括代谢物测量，以更好地表征QAC的毒代动力学并改进体内暴露的解释。第四，迫切需要丰富新兴QACs及其混合物的毒理学数据集，特别是关注长期低剂量暴露对关键生物系统（如代谢、免疫功能和微生物组）的影响。最后，未来的工作应评估是否可以更牢固地识别与QAC暴露相关的行为或家庭习惯，并在确认这些习惯后，确定是否可以通过有针对性的干预措施在保持有效消毒实践的同时减少不必要的暴露。

未引用的参考文献：
ECHA, 2026a, ECHA, 2026b, 《中华人民共和国生物监测的质量保证指南》，xxxx。

资助
本研究的资金由中国国家重点研发计划（编号2022YFC3702700）、国家自然科学基金（编号82025030和82241091）、国家空气污染控制关键问题研究计划（编号DQGG0401）以及中国预防医学会的科学研究项目（编号67）提供。