多环芳烃职业暴露对工人认知功能的影响探究,硕士论文

　　摘要

　　目的：通过职业流行病学调查，1）探究职业暴露于多环芳烃（Polycyclic aromatichydrocarbons, PAHs）与工人轻度认知障碍（Mild cognitive impairment, MCI）检出率之间的关系，2）探究尿中 PAHs 羟基代谢物（Polycyclic aromatic hydrocarbons hydroxylmetabolites, OH-PAHs）与工人不同认知功能之间的关系。

　　方法：招募太原市某焦化厂和水处理厂共 1064 名工人为研究对象，水处理厂（454 名）作为对照组，获得工人知情同意后，采用“健康问卷调查表”收集工人一般社会人口学资料，采用 WHO 推荐的神经行为核心测试组合（NCTB）中的情感状态问卷（Profileof Mood States, POMS）评估工人的情绪状态，采用蒙特利尔认知评估（MontrealCognitive Assessment, MoCA）量表评估工人的认知功能并计算工人 MCI 检出率。收集工人晨尿，采用高效液相色谱-质谱串联法检测工人尿中 11 种 OH-PAHs 代谢物的浓度。采用卡方分析比较两厂工人 MCI 检出率的差异，采用多元 logistic 回归模型分析暴露 PAHs 与工人 MCI 检出率之间的关系，采用多元线性回归模型分析尿中 OH-PAHs 代谢物与焦化厂工人情感状态、MoCA 量表各项认知得分之间的关系，采用趋势检验和限制性立方样条模型（Restricted cubic spline，RCS）分析 PAHs 暴露与工人情感状态、MoCA 量表各项得分之间的剂量反应关系。

　　结果：

　　1. 焦化厂与水处理厂工人基础资料及认知功能的比较：两厂工人平均年龄为46.84±7.04 岁，都以男性为主要成员（90.3%）。与对照组水处理厂的工人相比，焦化厂工人中，男性所占比例较大（93.4% vs. 86.1%），家庭人均月收入在 2000 元以上者所占比例较小（74.3% vs. 84.4%），经常参加体育锻炼者所占比例较小（33.6% vs.40.5%），上夜班者较多（70.7% vs. 63.2%）。除此以外，两厂工人在年龄、文化程度、婚姻状况、吸烟情况、饮酒情况、饮茶情况上均无统计学差异。与水处理厂相比，焦化厂工人的情绪状态在五种消极情绪上得分较高，而有力-好动的积极情绪上得分较低，且差异具有统计学意义。MoCA 量表各项得分中，焦化厂工人在视空间与执行功能（3.69 vs. 4.02, P<0.001）、语言（2.25 vs. 2.36, P=0.014）、抽象（1.44 vs. 1.61, P<0.001）、总分（25.72 vs. 26.40, P<0.001）上得分均低于水处理厂。

　　2. 研究对象 MCI 检出率比较：按照两种不同的筛检标准，计算两厂工人的 MCI检出率，结果表明：按 26 分为界定值，焦化厂工人 MCI 检出率为 40.5%，水处理厂工人 MCI 检出率为 30.2%；按照 22 分为界定值，焦化厂工人 MCI 检出率为 7.7%，水处理厂工人 MCI 检出率为 5.3%。卡方检验结果表明焦化厂工人 MCI 检出率均高于对照组水处理厂（p<0.05）。

　　3. 焦化厂与水处理厂工人 PAHs 暴露水平：两厂工人尿中 11 种 OH-PAHs 代谢物的检出率均在 75%以上。焦化厂工人尿中 2-羟基萘（2-hydroxynaphthalene, 2-OHNap）浓度最高，其几何均数为 0.551ng/mL ，水处理厂工人尿中 9- 羟基菲（ 9-hydroxyphenanthrene, 9-OHPhe）浓度最高，其几何均数为 0.289ng/mL。两厂比较，除9-羟基苯并[a]芘（9-hydroxybenz[a]pyrene, 9-OHBap）、3-羟基?（3-hydroxychrysene,3-OHChr）和 6-羟基?（6-hydroxychrysene, 6-OHChr）外，焦化厂工人尿中 OH-PAHs代谢物水平均高于水处理厂。

　　4. 尿中 OH-PAHs 代谢物与工人认知功能的关系：

　　(1) 焦化厂工人尿中 OH-PAHs 代谢物与工人 MCI 检出率的关系：多元 logistic 回归模型分析结果表明，将 OH-PAHs 代谢物作为分类变量，调整了协变量后，尿中 2-OHNap 水平 2nd tertile 组和 3rd tertile 组 MCI 阳性的风险比 1st tertile 组分别增加了0.78 倍（OR=1.78, 95%CI: 1.095-2.904）和 1.24 倍（OR=2.24, 95%CI: 1.086-4.609）；将 OH-PAHs 代谢物作为连续性变量，在其他协变量不变的情况下，工人尿中 2-OHNap和 1-OHPyr 浓度每增加 e 倍（e 为自然数），工人 MCI 阳性的风险增加 1.70 和 1.72倍（OR=1.70, 95%CI: 1.112-2.591; OR=1.72, 95%CI: 1.031-2.855）。趋势检验表明随着工人尿中 2-OHNap 水平的升高，工人 MCI 阳性的风险呈上升趋势（P for trend=0.044），RCS 曲线表明：2-OHNap 水平与 MCI 检出率之间存在剂量反应关系（P =0.0156），在 2-OHNap 浓度的 P25-P75 范围之间，随着尿中 2-OHNap 浓度的升高，工人筛查 MCI呈阳性的风险逐渐升高。结果说明 2-OHNap 是工人 MCI 阳性的危险因素，且二者之间存在较好的剂量反应关系。

　　(2) 焦化厂工人尿中 OH-PAHs 代谢物与工人情感量表各指标之间的关系：将 OH-PAHs 代谢物作为分类变量，调整了协变量后，趋势检验表明随着工人尿中 1-OHNap含量的升高，困惑-迷茫、忧郁-沮丧、紧张-焦虑三项指标得分呈下降趋势（P fortrend<0.05），RCS 曲线则未观察到剂量反应关系。将 OH-PAHs 代谢物作为连续性变量，分析结果表明：尿中 1-OHNap 水平与工人情感状态量表中困惑-迷茫、紧张-焦虑两项指标得分呈负相关，在协变量不变时，尿中 1-OHNap 浓度每增加 e 倍（e 为自然数），工人情感状态量表中困惑-迷茫、紧张-焦虑两项指标得分分别降低 0.89 分和1.27 分（P<0.05）。

　　(3) 焦化厂工人尿中 OH-PAHs 代谢物与工人 MoCA 量表各指标之间的关系：将OH-PAHs 代谢物作为分类变量，调整了协变量后，趋势检验表明尿中 2-OHNap 水平与 MoCA 量表总分之间存在剂量反应关系，随着工人尿中 2-OHNap 含量的升高，MoCA 量表总得分呈现下降趋势（P for trend=0.018）；将 OH-PAHs 代谢物作为连续性变量，RCS 结果表明：2-OHNap 水平与 MoCA 量表总得分之间存在剂量反应关系（Pl=0.0016），在 2-OHNap 浓度的 P25-P75 范围之间，随着尿中 2-OHNap 浓度的升高，MoCA 量表总得分逐渐降低。多元线性回归模型分析结果表明尿中 2-OHNap 水平与工人 MoCA 量表总得分之间呈负相关（P<0.05），在协变量不变的情况下，2-OHNap 浓度每增加 e 倍（e 为自然数），工人 MoCA 量表总得分降低 0.67 分。由此结果表明，尿中 2-OHNap 与 MoCA 量表总得分呈负相关，存在良好的剂量反应关系，2-OHNap 是 MoCA 量表总得分降低的危险因素。

　　(4) 此外还发现：尿中 3-OHFlu、2-OHFlu 和 3-OHChr 与工人 MoCA 量表中命名得分呈负相关（β= -0.07，P=0.047；β= -0.08，P=0.023；β= -0.03，P=0.046）；尿中 2-OHNap 与工人 MoCA 量表中注意得分呈负相关（β= -0.14，P=0.040）；尿中 1-OHPhe和 1-OHPyr 与工人 MoCA 量表中定向得分呈负相关（β= -0.08，P=0.019；β= -0.10，P=0.018），但趋势检验与 RCS 分析均未发现剂量反应关系。

　　结论：

　　1. PAHs 职业暴露与工人 MCI 检出率存在剂量反应关系，二者之间是否存在因果关系，需进一步队列研究论证。

　　2. 职业暴露 PAHs 是工人 MoCA 量表总得分降低的危险因素，与工人认知功能之间存在负相关关系，主要表现在视觉特征分析功能、瞬时记忆能力、视觉感知功能、执行力、注意力、计算功能和定向力方面。

　　3. 职业暴露 PAHs 与工人情绪状态之间存在负相关关系，主要表现在困惑-迷茫、忧郁-沮丧和紧张-焦虑方面。

　　关键词：职业暴露，多环芳烃，轻度认知障碍

　　Abstract

　　Objective: We aimed to 1) explore the relationship between the occupational polycyclic aromatichydrocarbons (PAHs) exposure and the prevalence of mild cognitive impairment (MCI), 2)explore the relationship between urinary polycyclic aromatic hydrocarbon metabolites (OH-PAHs) and workers' cognitive function in different field.

　　Methods: A total of 1064 workers were recruited from a coke oven plant and a water treatmentplant. Workers in the water treatment plant were controls. With workers' consent, we applieda pre-tested questionnaire to collect the workers’ sociodemographic information, applied theprofile of mood states (POMS) questionnaire of NCTB test to assess workers' emotionalstate, applied the Montreal Cognitive Assessment to assess workers’ cognitive function andcalculated the prevalence of MCI. We collected workers’ morning urine and theconcentrations of eleven PAHs metabolites were determined by high performance liquidchromatography tandem mass spectrometry (HPLC-MS/MS). Then, the Chi-square analysiswas used to compare the MCI prevalence between coke oven workers and controls. Multiplelogistic regression model was used to analyze the relationship between PAHs metabolitesand prevalence of MCI in coke oven workers. The multiple linear regression model was usedto analyze the relationship between PAHs metabolites and POMS, MoCA scores. A trendtest and the Restricted cubic spline (RCS) were used to analysis the dose-responserelationship between PAHs metabolites and POMS, MoCA scores.

　　Results:

　　1. Basic characteristics of the coke oven workers and water treatment plantworkers: The average age of the workers were 46.84 ± 7.04 years, and the main memberswere male (90.3%). Compared with water treatment plant workers, the coke ovenworkers had more number of men (93.4% vs. 86.1%), fewer people with monthly incomeabove 2000 yuan (74.3% vs. 84.4%), fewer people often participated in physicalexercises (33.6% vs. 40.5%), and more people worked night shifts (70.7% vs. 63.2%).

　　In addition, there was no statistical difference in the age, education, marital status,smoking status, drinking status, and tea drinking status (P> 0.05). Compared with watertreatment plant workers, coke oven workers' emotional states scored higher on fivenegative emotions, while potent-active positive scores were lower, and the differencewas statistically significant. Among the scores of the MoCA scale, coke oven workers'

　　visual space and executive function (3.69 vs. 4.02, P <0.001), language (2.25 vs. 2.36, P= 0.014), abstraction (1.44 vs. 1.61, P <0.001 ), the total score (25.72 vs. 26.40, P <0.001)is lower than the water treatment plant workers.

　　2. The MCI prevalence of workers: According to two different screeningstandards, the MCI prevalence of workers in the two factories was calculated. The resultsshowed that according to 26, the MCI prevalence for coke oven workers was 40.5%. TheMCI prevalence for water treatment plant workers was 30.2%. According to 22, the MCIprevalence for coke oven workers was 7.7%, and the MCI prevalence for water treatmentplant workers was 5.3%. Chi-square test results showed that the MCI prevalence ofworkers in the coking plant was higher than that in the control plant (P <0.05).

　　3. Workers’ PAHs exposure levels: The detection rates of eleven OH-PAHsmetabolites of workers in both factories were above 75%. About coke oven workers,urinary 2-hydroxynaphthalene (2-OHNap) levels were the highest (0.551ng/mL). Aboutwater treatment plant workers, urinary 9-hydroxyphenanthrene (9-OHPhe) levels werethe highest (0.289 ng/mL). Compared with water treatment plant workers, except for 9-OHBap, 3-OHChr and 6-OHChr, the levels of coke oven workers’ PAHs metaboliteswere higher.

　　4. Workers urinary PAHs metabolites and cognitive function(1) The relationship between OH-PAHs and MCI prevalence in oke oven workers:

　　The results of multiple logistic regression model analysis showed that the risk of MCI inthe 2nd tertile group and the 3rd tertile group was increased by 1.78 times (OR=1.78,95%CI: 1.095-2.904) and 2.24 times (OR=2.24, 95%CI: 1.086-4.609) compared with the1st tertile group after adjusted for covariates. We found that each one-unit increase in ln-transformed levels of 2-OHNap and 1-OHPyr, the risk of worker's MCI increases by 1.70times and 1.72 times (OR=1.70, 95%CI: 1.112-2.591; OR=1.72, 95%CI: 1.031-2.855)when the OH-PAHs as continuous variables. The trend test showed that urinary 2-OHNap levels were associated with the increased trends for the risk of workers’ MCI (Pfor trend = 0.044). The RCS curve showed that urinary 2-OHNap increases with theincrease of the risk of workers’ MCI (P =0.0156). The results showed that 2-OHNap wasa risk factor for MCI in workers, and there was a dose-response relationship.

　　(2) The relationship between urinary OH-PAHs and coke oven workers' emotionalstate scores: The results of linear trend test showed that 1-OHNap was negativecorrelated with Confusion-Bewilderment, Depression-Dejection, Tension-Anxietyscores after adjusting for covariates (All P for trend <0.05). The dose-responserelationship was not observed by the RCS curve. The results of multivariate analysisshowed that each one-unit increase in ln-transformed levels of 1-OHNap was associatedwith a 0.98 decrease in Confusion-Bewilderment scores, a 1.27 decrease in Tension-Anxiety scores (P <0.05).

　　(3) The relationship between urinary OH-PAHs and coke oven workers' MoCA testindicators scores: The results of linear trend test showed that 2-OHNap was negativecorrelated with MoCA total cores after adjusting for covariates (P for trend=0.018).Thedose-response relationship of the 2-OHNap levels with decreased MoCA total cores wasconfirmed in the RCS models (P = 0.0016), The results of multiple linear regressionmodel analysis showed that each one-unit increase in ln-transformed levels of 2-OHNapwas associated with a 0.67 decrease in MoCA total cores after adjusting for covariates(P<0.05). The results showed that 2-OHNap was a risk factor for the reduction of MoCAtotal cores in workers, and there was a dose-response relationship.

　　(4) There was a negative correlation between urinary 3-OHFlu, 2-OHFlu, 3-OHChr and the named scores on the MoCA scale of workers (β=-0.07, P=0.047; β=-0.08,P=0.023; β=-0.03, P=0.046), and a negative correlation between urinary 2-OHNap andattention scores on the MoCA scale of workers(β=-0.14, P=0.040), and a negativecorrelation between urinary 1-OHPhe, 1-OHPyr and the orientation scores on the MoCAscale of workers (β=-0.08, P=0.019; β=-0.10, P=0.018). We did not find a dose-responserelationship between them by the trend test and RCS analysis.

　　Conclusion：

　　1. We found a dose-response relationship between PAHs exposure and MCIprevalence rates. And needind cohort studies to demonstrate the causal relationship.

　　2. Occupational exposure to PAHs is a risk factor for the decrease of the MoCAtotal cores, and there is a negative correlation between OH-PAHs and workers' cognitivefunction, which is mainly manifested in visual feature analysis, instantaneous memory,visual perception, execution, and attention, calculation functions and directional forces.

　　3. There is a negative correlation between occupational exposure to PAHs andworkers' emotional states, which are mainly manifested in the aspects of Confusion-Bewilderment, Depression-Dejection and Tension-Anxiety.

　　Key words: Occupational exposure; Polycyclic Aromatic Hydrocarbons; Mild CognitiveImpairment

　　目录

　　中文摘要 ................................................................................................................................ I

　　英文摘要 .............................................................................................................................. V

　　常用缩写词中英文对照表 ................................................................................................. IX

　　前言 ................................................................................................................................... 1

　　1 对象与方法 .................................................................................................................... 3

　　1.1 研究对象 ................................................................................................................. 3

　　1.2 研究方法 ................................................................................................................. 3

　　1.3 质量控制 .................................................................................................................. 6

　　1.4 统计分析 .................................................................................................................. 7

　　2 结果 ............................................................................................................................ 9

　　2.1 研究对象基本情况以及认知情况 ......................................................................... 9

　　2.2 研究对象轻度认知障碍检出率比较 .................................................................... 10

　　2.3 研究对象尿中 PAHs 羟基代谢物浓度分布情况 ................................................ 11

　　2.4 尿中 OH-PAHs 代谢物与工人认知功能的关系 .................................................. 12

　　3 讨论 ........................................................................................................................... 24

　　4 结论 ........................................................................................................................... 28

　　参考文献 ............................................................................................................................. 29

　　综述 ................................................................................................................................. 36

　　附录 ................................................................................................................................. 46

　　致谢 ................................................................................................................................. 52

　　个人简介 ............................................................................................................................. 54

　　前言

　　多环芳烃（Polycyclic aromatic hydrocarbons, PAHs）是一组分布广泛的持久性有机污染物，是最主要的职业和环境污染物之一。来源众多，可由火山喷发和森林大火等自然过程产生[1]，也可由人为活动中矿物燃料和有机物质的不完全燃烧产生，包括工业和家庭的煤炭燃烧、焦炭生产、车辆尾气排放、石油挥发、生物质燃烧等[2-4]。

　　PAHs 具有挥发性，可以远离原始来源扩散，并在各种环境基质中积累，包括土壤[5,6]、水体[7, 8]、空气[9]、沉积物[10]和食物[11]等，人类通过呼吸被污染的空气、摄入被污染的食物、皮肤暴露吸收等途径暴露于 PAHs[12, 13]，在体内，经氧化代谢过程，一部分 PAHs 生成多环芳烃羟基代谢物（Polycyclic aromatic hydrocarbons hydroxylmetabolites, OH-PAHs），随尿液排出[13, 14]。许多研究表明，尿中 OH-PAHs 代谢物可用作评估个体 PAHs 内暴露的生物标志物[15, 16]。

　　PAHs 由于其致畸、致癌、致突变损害引起越来越多的关注，致癌机制已经得到深入的研究[17-20]。近年来有研究表明 PAHs 还具有神经毒性，可以引起认知功能障碍[21, 22]。虽然 PAHs 引起认知功能障碍与致癌性相比是一种弱效应，但 PAHs 接触人群广泛，每个人几乎都暴露于 PAHs。有研究表明生活接触 PAHs 的社区居民可产生神经生物学上的症状[23]。同时，职业流行病学研究发现焦炉工人长时间暴露于工作环境中的 PAHs，会出现神经官能症并伴有植物神经系统调节紊乱，出现短期记忆功能改变，且其严重程度与接触 PAHs 的水平有关[24, 25]。在我们课题组前期的研究中也发现，PAHs 能引起焦炉工人神经行为发生改变，主要表现为学习记忆能力降低，神经行为核心测试组合（NCTB）中反映记忆和认知功能的三项指标数字跨度、数字译码和视觉记忆与尿 1-OHPyr 含量成明显的负相关[26, 27]。动物实验也表明，通过灌胃给予出生 11 天的 DS 大鼠苯并[a]芘染毒，可引起大鼠学习记忆能力和神经行为功能下降[28]。

　　以上研究均表明，暴露于 PAHs 可以对神经行为产生不利影响。已有多项研究表明空气污染与阿尔兹海默病有直接关系[29-31]，动物实验提示，苯并[a]芘染毒可引起神经退行性改变的标志分子磷酸化 tua 蛋白表达增加[32]，提示 PAHs 暴露可能与神经退行性疾病有关。

　　然而神经退行性疾病是一个老年病，在一般人群中发病率并不高，而患病后又难以回忆病前的暴露，因此神经退行性疾病的环境病因研究比较困难。轻度认知障碍（Mild cognitive impairment, MCI）被认为是与年龄相关的认知能力下降，根据最初的研究诊断标准，MCI 患者在记忆能力和其他认知功能测试中表现较差，但没有整体智力退化[33]。目前，MCI 已被公认是阿尔茨海默病（Alzheimer's disease，AD）和帕金森病（Parkinson's disease，PD）的潜在前驱阶段[34]，MCI 患者较正常人更易发展为AD[35]。因此探究 PAHs 暴露是否与 MCI 有关就尤为重要。近几年，流行病学研究提示空气污染与 MCI 密切相关[35, 36]，Ailshire 等[37]的研究发现空气中 PM2.5的含量与人群工作记忆和定向测试之间存在联系。在普通人群中进行空气污染与 MCI 关联的研究，结果表明在污染较严重的城市中，有近 55%看起来健康的居民表现出 MCI[38]。墨西哥一项研究表明空气污染在阿尔兹海默病的发展中起重要作用，可导致 11 个月至 40 岁的儿童和成年人的嗅球内出现 AD 和 PD 相关的病理改变，空气中 PM2.5累积可导致儿童期大脑 Tua 蛋白磷酸酸化程度升高，提示空气污染在儿童期即参与退行性疾病的发展[39]。然而，PAHs 作为附着在颗粒物上的一类常见的环境和职业污染物，其与轻度认知障碍之间的关系仍缺乏流行病学数据的支持，且二者的剂量反应关系尚无报道。

　　人类的认知功能主要涉及视空间和执行、记忆、理解、计算、语言、注意、定向等多个领域[40, 41]，主要通过各种神经心理测试来反映[42]。蒙特利尔认知评估量表（Montreal Cognitive Assessment，MoCA）被广泛应用于轻度认知功能障碍的快速筛查，并且已被证明具有很高的敏感性和特异性[43]。目前被认可的适合我国地区特点的版本有北京版、北京-广州版、香港版等[44]，本次研究采用北京版 MoCA 量表。MoCA量表满分为 30 分，若受试者受教育年限≤12 年（高中水平），可将结果加 1 分，但总分不能超过 30 分[45]。有研究报道可以用 MoCA 量表总分的 26 分或 22 分为界定值，筛查轻度认知障碍[46]。

　　PAHs 引起轻度认知障碍可能是一个非常重要的公共卫生问题，研究 PAHs 所致轻度认知障碍具有重要社会意义和实际价值。因此，本研究选择焦化厂和水处理厂工人为研究对象，水处理厂作为对照组，主要目的是探究职业暴露于 PAHs 与工人轻度认知障碍检出率之间的关系，并进一步探究尿中 OH-PAHs 代谢物与工人不同认知功能之间的剂量反应关系。

　　1 对象与方法

　　1.1 研究对象

　　本研究采用整群抽样的方法，选取山西省某焦化厂和水处理厂作业人员为研究对象，水处理厂工人作为对照组。于 2019 年 4～5 月，对所选工厂每年定点参加职工健康体检的从业人员进行调查，经筛选，共招募焦化厂工人 610 名，水处理厂工人 454名纳入此次研究。研究对象入选标准为：在本单位工作满一年以上；身体状况良好，无高血压、脑病、肝肾疾病等急、慢性病、传染病、自身免疫疾病、神经系统疾病和精神心理疾病；无神经相关疾病家族史；本人近三个月未服用影响神经系统功能的药物，过去 48 小时内未进行剧烈运动，无酗酒嗜好。该研究经山西医科大学伦理委员会批准，获得所有参与者的知情同意。

　　1.2 研究方法

　　1.2.1 样品收集

　　于工人体检时，用尿杯收集工人晨尿 50mL，及时送至实验室，用便携式尿比重仪测定尿比重后分装至 10 支 5mL 冻存管中，置于-80℃保存，以待后续检测。

　　1.2.2 问卷调查

　　1.2.2.1 一般情况调查

　　于工人体检时，经由统一培训的调查员采用课题组已熟练掌握的“健康调查表”

　　对工人进行面对面问卷调查。调查内容主要包括工人基本人口学信息（性别、年龄、身高体重、民族、文化程度、家庭人均月收入、婚姻状况等）、个人的生活习惯（吸烟、饮酒、饮茶、饮食、取暖方式和体育锻炼情况等）、工作情况（职业史、工龄、夜班频次、工作环境、防护措施等）以及家庭和个人疾病史。其中，将连续 6 个月以上且每天吸烟至少 1 支定义为吸烟，将连续 6 个月以上、每周饮酒至少 3 次且一周饮酒量[饮酒量=饮酒体积（mL）*乙醇浓度（%）*0.8]不低于 40g 定义为饮酒，将连续6 个月以上每周至少 3 天都饮茶定义为饮茶，最近一年每周参加体育锻炼 3 次以上，每次>30min 定义为经常运动，3 次以下定义为偶尔运动。为保证问卷质量，调查时间不少于 15min。

　　1.2.2.2 神经心理测试调查

　　①WHO 神经行为核心测试组合中的情感问卷（Profile of Mood States, POMS）：

　　可用来反应被测试者近期两周之内的情感状态，包括：愤怒-敌意（Anger-hostility,POMSA）、困惑-迷茫（Confusion-bewilderment, POMSC）、忧郁-沮丧（Depression-dejection, POMSD）、疲惫-懒惰（Fatigue-inertia, POMSF）、紧张-焦虑（Tension-anxiety,POMST）、有力-好动（Vigor-activity, POMSV）。计算各种情感状态最终得分，分数越低表示此种情感状态在最近两周出现频率越低[47]。

　　②蒙特利尔认知评估（Montreal Cognitive Assessment, MoCA）：该量表用来对认知功能障碍进行快速筛查，并且已被证明具有很高的敏感性和特异性[43]。目前被认可的适合我国地区特点的版本有北京版、北京-广州版、香港版等[44]，本次研究采用北京版。MoCA 量表满分为 30 分，若受试者受教育年限≤12 年（高中水平），可将结果加 1 分，但总分不能超过 30 分[45]。量表一共分为 8 大部分[48]：1）视空间/执行功能（Visuospatial / Executive），包括 3 项，评价执行能力、视空间、视觉感知和视觉与运动整合功能，共 5 分；2）命名（Naming），评价视觉特征分析能力、对动物的概念性理解和视觉感知功能，共 3 分；3）记忆（Memory），此处不计分；4）注意（Attention），包括 3 项，评价执行、瞬时记忆、注意力和计算功能，共 6 分；5）语言（Language），包括 2 项，评价语言功能，语音流畅性、语义流畅性、注意力和瞬时记忆力，共 3 分；6）抽象思维（Abstraction），包括 1 项，评价抽象思维及语义知识，共 2 分；7）延迟回忆（Delayed Recall），此项为回忆第三项记忆部分提及的词语，评价短时言语记忆回忆功能，共 5 分；8）定向（Orientation），包括 1 项，评价定向力，共 6 分，此项敏感度高但特异性差。有研究表明以 26 分为界定值，对 MCI 筛查有较高的灵敏度（86%）和较高的特异性（88％）[45]，然而也有研究表明以 26 分为界定值，灵敏性高（90.4%）而特意性低（30.3%），界定值降低到 22 分，则灵敏性（68.7%）与特异性（63.9%）均较高[46]。因此，本研究分别采用 26 分和 22 分为界定值，筛查焦化厂和水处理厂工人的 MCI。

　　1.2.3 材料与仪器

　　1.2.3.1 实验仪器

　　1.2.4 尿中 OH-PAHs 检测

将-80℃冻存的尿样置于室温下解冻，进行水解、萃取、洗脱一系列前处理，最后定容体积至 0.5mL，用高效液相色谱-串联质谱联用仪 8050（High performance liquidchromatography tandem mass spectrometry 8050, HPLC-MS/MS 8050）测定尿中 11 种OH-PAHs 的水平，具体操作方法同本课题组先前的测定方法[49]。本次测定，OH-PAHs代谢物的工作曲线呈现良好的线性关系，R2 在 0.9989-1.0000 之间。本方法的加标回收率为 88.31%~134.57% ，相对标准偏差（ Relativestandarddeviation, RSD ）为2.7%~18.78%。以三倍信噪比作为各种代谢物的检出限（Limit of detection, LOD），本实验的检出限为 0.0014~0.0441μg/L。实验操作时，每测定 21 个样品做一个空白对照、一个低浓度质控对照、一个高浓度质控对照，用于试验的质量控制。

　　1.2.5 尿比重校正

　　收集尿液后立即送至学校实验室，用 UG-α 便携式尿比重仪测定样品尿比重。之后计算尿比重校正系数 k=（1.020-1.000）/（实测尿比重-1.000）。为校正尿液样本偏差，本研究尿中 OH-PAHs 浓度=测定浓度*k，均经尿比重校正后再参与统计分析。

　　1.3 质量控制

　　1.3.1 调查问卷及量表的质量控制

　　所用调查问卷经课题组多次使用验证其信度和效度；采用现场面对面的调查方式；调查员均是受过正规统一培训的医学研究生；调查表采用统一的引导语和评分标准；问卷和量表的调查结果经过反复检查核对，一经发现有信息遗漏，及时电话随访补充更正。

　　1.3.2 现场样本采集的质量控制

　　实验人员和样品采集人员均经过统一培训并规范操作，尿样及时标记并保存，编号记录详细。

　　1.3.3 实验过程中的质量控制

　　实验记录准确详细，实验方法有较高的准确度和精密度，同一实验采用同一台仪器和统一的检测标准，定期对仪器进行维护校准。表 1 呈现了本次研究尿中 OH-PAHs代谢物测定的质量控制数据，说明实验方法成熟可行。

表 1 研究对象尿中 PAHs 羟基代谢物检测质量控质

　
　1.3.4 数据录入及分析的质量控制

　　本次研究对数据进行双录入并经一致性检验后建立数据库，定期核对数据，确保数据资料的完整性。

　　1.4 统计分析

　　使用 Epidata3.0 软件建立数据库，之后使用 SAS 9.4 (SAS Institute, Inc., Cary, NC)和 SPSS 22.0 对数据进行统计分析。采用?x±s 对近似正态分布或服从正态分布的计量资料进行描述，采用 M (P25~P75)对非正态分布的计量资料进行描述，采用 n (%)对计数资料进行描述。采用两独立样本 t 检验、卡方检验、秩和检验比较焦化厂工人和水处理厂工人人群资料的统计学差异，并根据两厂工人 MoCA 量表总得分的情况比较两厂工人轻度认知障碍检出率的差异。此外，根据焦化厂工人尿中总 OH-PAHs代谢物水平的 P33和 P66分位数，将焦化厂工人分为低暴露组（P0-P33），中暴露组（P33-P66）和高暴露组（P66-P100），之后采用方差分析、卡方检验比较三组人群基础资料、情感量表和 MoCA 量表各项得分的差异。

　　两厂工人尿中 11 种 OH-PAHs 代谢物均有较高的检出率，均在 75%以上，OH-PAHs 代谢物浓度低于检出限（Limit of detection, LOD）者用 LOD 的 1/2 进行替换。剔除个别异常值后，采用自然对数转换校正 OH-PAHs 代谢物分布的偏态性，经正态检验服从正态分布后引入回归模型分析中。情感量表和 MoCA 量表各项指标得分近似服从正态分布，以数据原型引入回归模型分析中。本研究中，根据查阅文献和人群基础资料比较的结果，在进行多因素模型分析中调整的协变量包括：性别、年龄、工人文化程度、家庭人均月收入、吸烟情况、饮酒情况、饮茶情况、体育锻炼情况、上夜班情况。

　　根据 MoCA 量表的评分规则，计算工人 MCI 的检出率，并将 MoCA 量表总得分转变成二分类变量（≥26 分、和<26 分），采用多元 logistic 回归分析探究 PAHs 暴露与工人 MCI 检出率之间的关系。根据尿中 11 种 OH-PAHs 代谢物水平的 P33和 P66分位数将其进行三等分，各种 OH-PAHs 代谢物均可分为三组：1st tertile（P0-P33）、2ndtertile（P33-P66）和 3rd tertile（P66-P100），并用各组 OH-PAHs 代谢物浓度的中位数代表各组的暴露水平，将其转化成分类变量代入回归分析中，进行线性趋势检验，探究PAHs 暴露和工人情感状态、各项认知功能之间的剂量反应关系，并采用限制性立方样条模型（Restricted cubic spline analysis，RCS）拟合剂量反应关系。之后，OH-PAHs代谢物以连续性变量再次引入多元线性回归模型中，探究 PAHs 暴露和工人情感状态、各项认知功能之间的关系。本研究统计分析检验水准均为双侧 α=0.05。

　　2 结果

　　2.1 研究对象基本情况以及认知情况

　　本研究共招募研究对象 1064 例，其中焦化厂 610 例，对照组水处理厂 454 例，如表 2 所示，工人平均年龄为 46.84±7.04 岁，男性占工人的绝大部分（90.3%），受教育水平在 9 年以下、9~12 年、12 年以上者所占比例分别为 26.5%、32.6%、40.9%，有 78.6%的工人家庭人均月收入在 2000 元以上，95%的工人已婚，吸烟者占工人总数的一半以上（52.7%），饮酒者所占比例不足四成（37.1%），有 62.3%的工人经常饮茶，36.6%的工人经常参加体育锻炼，67.5%的工人需要上夜班。

　　焦化厂与对照组水处理厂的工人相比较，焦化厂男性所占比例较大（70.7% vs.63.2%, P=0.010），家庭月收入在 2000 元以上者所占比例较小（74.3% vs. 84.4%,P<0.001），经常参加体育锻炼者所占比例较小（33.6% vs. 40.5%, P=0.003），上夜班者较多（70.7% vs. 63.2%, P=0.010）。除此以外，两厂工人在年龄、文化程度、婚姻状况、吸烟情况、饮酒情况、饮茶情况上均无差异（P>0.05），因此具有可比性。经情感量表与 MoCA 量表评估两厂工人的情绪状态和认知功能。与水处理厂相比，焦化厂工人的情绪状态在愤怒-敌意、困惑-迷茫、忧郁-沮丧、疲惫-懒惰和紧张-焦虑 5 个方面得分较高，说明焦化厂工人出现这五种情绪的频率比水处理厂工人高，而有力-好动情绪得分较低，说明焦化厂工人出现此种情绪的频率比水处理厂低，且差异具有统计学意义。MoCA 量表各项得分中，焦化厂工人在视空间与执行功能（3.69 vs. 4.02,P<0.001）、语言（2.25 vs. 2.36, P=0.014）、抽象（1.44 vs. 1.61, P<0.001）、总分（25.72vs. 26.40, P<0.001）上得分均低于水处理厂（具体见表 2）。

　　表 2 焦化厂与水处理厂工人基本情况的比较（n=1064）

续表

　　注：粗体代表 P<0.05；计量资料用?x±s 表示，采用独立样本 t 检验比较统计学差异；计数资料用 n（%）表示，采用卡方检验比较统计学差异。

　　2.2 研究对象轻度认知障碍检出率比较

　　根据 MoCA 量表总得分，按照不同的 MCI 筛查标准，计算焦化厂和水处理厂工人 MCI 的检出率，结果如表 3 所示：按 26 分为界定值（标准一），受试者 MoCA 总得分≥26 分为认知功能正常，MCI 阴性，MoCA 总得分<26 分为 MCI 阳性[45, 46]，则焦化厂中，MCI 阴性者有 363 名（59.5%），MCI 阳性者有 247 名，焦化厂工人中 MCI检出率为 40.5%；水处理厂中，MCI 阴性者有 317 名（69.8%），MCI 阳性者有 137名，水处理厂 MCI 检出率为 30.2%，根据卡方检验，两厂工人的 MCI 检出率存在明显差异（40.5% vs. 30.2%, P=0.001），焦化厂工人 MCI 检出率明显高于水处理厂。有研究表明以 26 分为界定值筛检 MCI 的灵敏度高，但特异性较低[46]，因此我们选择特异度较高的标准，按 22 分为界定值（标准二）重新计算 MCI 检出率，受试者 MoCA总得分≥22 分为认知功能正常，MCI 阴性，MoCA 总得分<22 分为 MCI 阳性[46]，则焦化厂中，MCI 阴性者有 563 名（92.3%），MCI 阳性者有 47 名，焦化厂工人 MCI 检出率为 7.7%；水处理厂中，MCI 阴性者有 430 名（94.7%），MCI 阳性者有 24 名，水处理厂 MCI 检出率为 5.3%，根据卡方检验，两厂工人的 MCI 检出率依然存在差异（7.7% vs. 5.3%, P=0.049），同样焦化厂工人 MCI 检出率高于水处理厂。

　　表 3 焦化厂与水处理厂工人轻度认知障碍检出率比较

表 4 研究对象尿中 OH-PAHs 代谢物浓度的描述（n=1064, ng/mL）

图 1 尿中 2-OHNap 与焦化厂工人 MCI 检出率之间的剂量反应关系

图 2 尿中 OH-PAHs 代谢物与焦化厂工人情绪状态指标的剂量反应关系

表 7 尿中 OH-PAHs 代谢物与焦化厂工人情绪状态指标的多元线性回归结果

…………由于本文篇幅较长,部分内容省略,详细全文见文末附件

　　
4 结论

　　本研究选择焦化厂和水处理厂工人为研究对象，水处理厂工人作为对照组，采用MoCA 量表评价工人的认知功能及筛查工人轻度认知障碍，主要探讨职业暴露 PAHs与工人 MCI 检出率之间的关系，并研究 PAHs 暴露主要与工人认知功能的哪些方面相关。结果表明：焦化厂工人 MCI 检出率高于对照组水处理厂，同时，PAHs 暴露与焦化厂工人 MCI 检出率之间存在剂量反应关系，且工人尿中 OH-PAHs 代谢物水平与MoCA 量表中命名、注意、定向指标得分呈负相关，与情感状态量表中困惑-迷茫、忧郁-沮丧、紧张-焦虑三项指标呈负相关，因此得出结论如下：

　　1. 职业暴露 PAHs 与工人 MCI 检出率存在剂量反应关系，二者之间是否存在因果关系，需进一步队列研究论证。

　　2. 职业暴露 PAHs 是工人 MoCA 量表总得分降低的危险因素，与工人认知功能之间存在负相关关系，主要表现在视觉特征分析功能、瞬时记忆能力、视觉感知功能、执行力、注意力、计算功能和定向力等方面。

　　3. 职业暴露 PAHs 与工人情绪状态之间存在负相关关系，主要表现在困惑-迷茫、忧郁-沮丧、和紧张-焦虑方面。

　　参考文献

　　[1] Manoli E., Samara, C. Polycyclic aromatic hydrocarbons in natural waters sources, occurrence andanalysis [J]. Trac Trends Anal Chem, 1999, 18(6): 417-428.

　　[2] Liu Y., Yan C., Ding X., Wang X., Fu Q., Zhao Q., Zhang Y., Duan Y., Qiu X., Zheng M. Sourcesand spatial distribution of particulate polycyclic aromatic hydrocarbons in Shanghai, China [J]. SciTotal Environ, 2017, 584-585: 307-317.

　　[3] Ravindra K., Sokhi R., Vangrieken R. Atmospheric polycyclic aromatic hydrocarbons: Sourceattribution, emission factors and regulation [J]. Atmospheric Environment, 2008, 42(13): 2895-921.

　　[4] Lin Y., Ma Y., Qiu X., Li R., Fang Y., Wang J., Zhu Y., Hu D. Sources, transformation, and healthimplications of PAHs and their nitrated, hydroxylated, and oxygenated derivatives in PM2.5inBeijing [J]. Journal of Geophysical Research: Atmospheres, 2015, 120(14): 7219-7228.

　　[5] Beriro D. J., Cave M. R., Wragg J., Thomas R., Wills G., Evans F. A review of the current state ofthe art of physiologically-based tests for measuring human dermal in vitro bioavailability ofpolycyclic aromatic hydrocarbons (PAH) in soil [J]. J Hazard Mater, 2016, 305: 240-259.

　　[6] Ruby M. V., Lowney Y. W. Selective soil particle adherence to hands: implications forunderstanding oral exposure to soil contaminants [J]. Environ Sci Technol, 2012, 46(23): 12759-12771.

　　[7] Menezes H. C., De Barcelos S. M., Macedo D. F., Purceno A. D., Machado B. F., Teixeira A. P.,Lago R. M., Serp P., Cardeal Z. L. Magnetic N-doped carbon nanotubes: A versatile and efficientmaterial for the determination of polycyclic aromatic hydrocarbons in environmental water samples[J]. Anal Chim Acta, 2015, 873: 51-56.

　　[8] Nielsen K., Kalmykova Y., Stromvall A. M., Baun A., Eriksson E. Particle phase distribution ofpolycyclic aromatic hydrocarbons in stormwater--Using humic acid and iron nano-sized colloids astest particles [J]. Sci Total Environ, 2015, 532: 103-111.

　　[9] Ma Y., Harrad S. Spatiotemporal analysis and human exposure assessment on polycyclic aromatichydrocarbons in indoor air, settled house dust, and diet: A review [J]. Environ Int, 2015, 84: 7-16.

　　[10] Xu J., Peng X., Guo C. S., Xu J., Lin H. X., Shi G. L., Lv J. P., Zhang Y., Feng Y. C., Tysklind M.Sediment PAH source apportionment in the Liaohe River using the ME2 approach: A comparisonto the PMF model [J]. Sci Total Environ, 2016, 553: 164-171.

　　[11] Bansal V., Kim K. H. Review of PAH contamination in food products and their health hazards

　　[J].Environ Int, 2015, 84: 26-38.

　　[12] Suzuki K., Yoshinaga J. Inhalation and dietary exposure to polycyclic aromatic hydrocarbons andurinary 1-hydroxypyrene in non-smoking university students [J]. Int Arch Occup Environ Health,2007, 81(1): 115-121.

　　[13] Yang P., Sun H., Gong Y. J., Wang Y. X., Liu C., Chen Y. J., Sun L., Huang L. L., Ai S. H., Lu W.Q., Zeng Q. Repeated measures of urinary polycyclic aromatic hydrocarbon metabolites in relation　　to altered reproductive hormones: A cross-sectional study in China [J]. Int J Hyg Environ Health,2017, 220(8): 1340-1346.

　　[14] Hoseini M., Nabizadeh R., Delgado-Saborit J. M., Rafiee A., Yaghmaeian K., Parmy S., Faridi S.,Hassanvand M. S., Yunesian M., Naddafi K. Environmental and lifestyle factors affecting exposureto polycyclic aromatic hydrocarbons in the general population in a Middle Eastern area [J]. EnvironPollut, 2018, 240: 781-792.

　　[15] Desai G., Chu L., Guo Y., Myneni A. A., Mu L. Biomarkers used in studying air pollution exposureduring pregnancy and perinatal outcomes: a review [J]. Biomarkers, 2017, 22(6): 489-501.

　　[16] Gunier R. B., Reynolds P., Hurley S. E., Yerabati S., Hertz A., Strickland P., Horn-Ross P. L.

　　Estimating exposure to polycyclic aromatic hydrocarbons: a comparison of survey, biologicalmonitoring, and geographic information system-based methods [J]. Cancer Epidemiol BiomarkersPrev, 2006, 15(7): 1376-1381.

　　[17] Bach Pb K. M., Tate Rc, Mccrory Dc. Screening for Lung Cancer: A Review of the CurrentLiterature [J]. Chest, 2003, 123(1): 72S-82S.

　　[18] Diggs D. L., Huderson A. C., Harris K. L., Myers J. N., Banks L. D., Rekhadevi P. V., Niaz M. S.,Ramesh A. Polycyclic aromatic hydrocarbons and digestive tract cancers: a perspective [J]. JEnviron Sci Health C Environ Carcinog Ecotoxicol Rev, 2011, 29(4): 324-357.

　　[19] Kim K. H., Jahan S. A., Kabir E., Brown R. J. A review of airborne polycyclic aromatichydrocarbons (PAHs) and their human health effects [J]. Environ Int, 2013, 60: 71-80.

　　[20] Olsson A. C., Fevotte J., Fletcher T., Cassidy A., T Mannetje A., Zaridze D., Szeszenia-DabrowskaN., Rudnai P., Lissowska J., Fabianova E., Mates D., Bencko V., Foretova L., Janout V., BrennanP., Boffetta P. Occupational exposure to polycyclic aromatic hydrocarbons and lung cancer risk: amulticenter study in Europe [J]. Occup Environ Med, 2010, 67(2): 98-103.

　　[21] Mumtaz MM, George JD, Gold KW,Cibulas W,DeRosa CT. Atsdr evaluation of health effects ofchemicals. Iv. Polycyclic aromatic hydrocarbons (pahs) understanding a complex problem [J].Toxicology and Industrial Health, 1996, 12(6): 742-995.

　　[22] Perera F. P., Rauh V., Whyatt R. M., Tsai W. Y., Tang D., Diaz D., Hoepner L., Barr D., Tu Y. H.,Camann D., Kinney P. Effect of prenatal exposure to airborne polycyclic aromatic hydrocarbons onneurodevelopment in the first 3 years of life among inner-city children [J]. Environ Health Perspect,2006, 114(8): 1287-1292.

　　[23] Wormley D. D., Chirwa S., Nayyar T., Wu J., Cellular D. B. H. J., Biology M. Inhaledbenzo(a)pyrene impairs long-term potentiation in the F1 generation rat dentate gyrus [J]. 2004,50(6): 715-721.

　　[24] Brown L. A., Khousbouei H., Goodwin J. S., Irvin-Wilson C. V., Ramesh A., Sheng L., MccallisterM. M., Jiang G. C., Aschner M., Hood D. B. Down-regulation of early ionotrophic glutamatereceptor subunit developmental expression as a mechanism for observed plasticity deficitsfollowing gestational exposure to benzo(a)pyrene [J]. Neurotoxicology, 2007, 28(5): 965-978.

　　[25] Chongying Qiu, Tu A. B. The Effect of Occupational Exposure to Benzo[a]pyrene onNeurobehavioral Function in Coke Oven Workers [J]. American Journal of Industrial Medicine,2013, 56: 347-355.

　　[26] Niu Q., Zhang H., Li X., Li M. Benzo[a]pyrene-induced neurobehavioral function andneurotransmitter alterations in coke oven workers [J]. Occup Environ Med, 2010, 67(7): 444-448.

　　[27] 聂继盛，张红梅，孙建娅. 焦炉作业工人神经行为功能改变的特征分析 [J]. 中华预防医学,2008, 42(1): 25-29.

　　[28] Chen C., Tang Y., Jiang X., Qi Y., Cheng S., Qiu C., Peng B., Tu B. Early postnatal benzo(a)pyreneexposure in Sprague-Dawley rats causes persistent neurobehavioral impairments that emergepostnatally and continue into adolescence and adulthood [J]. Toxicol Sci, 2012, 125(1): 248-261.

　　[29] Costa L. G., Cole T. B., Dao K., Chang Y. C., Coburn J., Garrick J. M. Effects of air pollution onthe nervous system and its possible role in neurodevelopmental and neurodegenerative disorders[J]. Pharmacol Ther, 2020, 107523.

　　[30] Yuchi W., Sbihi H., Davies H., Tamburic L., Brauer M. Road proximity, air pollution, noise, greenspace and neurologic disease incidence: a population-based cohort study [J]. Environ Health, 2020,19(8): 1-15.

　　[31] Oudin A., Andersson J., Sundstrom A., Nordin Adolfsson A., Oudin Astrom D., Adolfsson R.,Forsberg B., Nordin M. Traffic-Related Air Pollution as a Risk Factor for Dementia: No ClearModifying Effects of APOEvarepsilon4 in the Betula Cohort [J]. J Alzheimers Dis, 2019, 71(3):733-740.

　　[32] Nie J., Duan L., Yan Z., Niu Q. Tau hyperphosphorylation is associated with spatial learning andmemory after exposure to benzo[a]pyrene in SD rats [J]. Neurotox Res, 2013, 24(4): 461-471.

　　[33] Kim K. R., Lee K. S., Cheong H. K., Eom J. S., Oh B. H., Hong C. H. Characteristic profiles ofinstrumental activities of daily living in different subtypes of mild cognitive impairment [J].Dement Geriatr Cogn Disord, 2009, 27(3): 278-285.

　　[34] Goldman J. G., Holden S. K., Litvan I., Mckeith I., Stebbins G. T., Taylor J. P. Evolution ofdiagnostic criteria and assessments for Parkinson's disease mild cognitive impairment [J]. MovDisord, 2018, 33(4): 503-510.

　　[35] Calderon-Garciduenas L., Engle R., Mora-Tiscareno A., Styner M., Gomez-Garza G., Zhu H.,Jewells V., Torres-Jardon R., Romero L., Monroy-Acosta M. E., Bryant C., Gonzalez-Gonzalez L.O., Medina-Cortina H., D'angiulli A. Exposure to severe urban air pollution influences cognitiveoutcomes, brain volume and systemic inflammation in clinically healthy children [J]. Brain Cogn,2011, 77(3): 345-355.

　　[36] Calderon-Garciduenas L., Torres-Jardon R., Kulesza R. J., Mansour Y., Gonzalez-Gonzalez L. O.,Gonzalez-Maciel A., Reynoso-Robles R., Mukherjee P. S. Alzheimer disease starts in childhood inpolluted Metropolitan Mexico City. A major health crisis in progress [J]. Environ Res, 2020, 183:109137.

　　[37] Ailshire J. A., Clarke P. Fine particulate matter air pollution and cognitive function among U.S.older adults [J]. J Gerontol B Psychol Sci Soc Sci, 2015, 70(2): 322-328.

　　[38] Calderon-Garciduenas L., Mukherjee P. S., Kulesza R. J., Torres-Jardon R., Hernandez-Luna J.,Avila-Cervantes R., Macias-Escobedo E., Gonzalez-Gonzalez O., Gonzalez-Maciel A., Garcia-Hernandez K., Hernandez-Castillo A., Villarreal-Rios R., Research Universidad Del Valle DeMexico U. V. M. G. Mild Cognitive Impairment and Dementia Involving Multiple CognitiveDomains in Mexican Urbanites [J]. J Alzheimers Dis, 2019, 68(3): 1113-1123.

　　[39] Lilian C. G. A., Angélica G.-M., Rafael R.-R., J. K. R. Alzheimer's disease and alpha-synucleinpathology in the olfactory bulbs of infants, children, teens and adults <40 years in MetropolitanMexico City. APOE4 carriers at higher risk of suicide accelerate their olfactory bulb pathology [J].Environmental Research, 2018, 166(2018): 348-362.

　　[40] Folstein Mf F. S., Mchugh Pr,. “Mini-mental state” a practical method for grading the cognitivestate of patients for the clinician [J]. J Psychiatr Res, 1975, 12(3): 189-198.

　　[41] Angevaren M A G., Verhaar H j, Aleman A, Vanhees L,. Physical activity and enhanced fitness toimprove cognitivefunction in older people without known cognitive impairment [J]. CochraneDatabase Syst Rev 2008, 16(3): T486-T486.

　　[42] Nasreddine Zs P. N., Bédirian V, Charbonneau S, Whitehead V, Collin I, Cummings Jl. Briemethodological reportsthe montreal cognitive assessment, MOCA a brief screeningtool for mildcognitive impairment [J]. J Am Geriatr Soc, 2005, 53(4): 695-699.

　　[43] Luis C. A., Keegan A. P., Mullan M. Cross validation of the Montreal Cognitive Assessment incommunity dwelling older adults residing in the Southeastern US [J]. Int J Geriatr Psychiatry, 2009,24(2): 197-201.

　　[44] Lebedeva E, Huang M, Koski L,. Comparison of Alternate and Original Items on the MontrealCognitive Assessment [J]. 2016, 19(1): 15-18.

　　[45] Julayanont P., Phillips N., Chertkow H., Nasreddine Z. S. J. C. S. I. Montreal Cognitive Assessment(MoCA): Concept and Clinical Review [J]. 2013.

　　[46] Huang J. Y. J. L. X. The Beijing version of the montreal cognitiveassessment as a brief screeningtool for mildcognitive impairment: a community-based study [J]. BMC Psychiatry, 2012, 12(156):2-8.

　　[47] Wk A. Neurobehavioural tests and systems to assess neurotoxic exposures in the workplace andcommunity [J]. Occup Environ Med 2003, 60: 531-548.

　　[48] Yang J., Zhang Z., Zhang L., Su Y., Sun Y., Wang Q. Relationship Between Self-Care Behavior andCognitive Function in Hospitalized Adult Patients with Type 2 Diabetes: A Cross-Sectional Stud[J]. Diabetes Metab Syndr Obes, 2020, 13: 207-214.

　　[49] 成琳, 李金玉, 吕胜杰, 聂继盛，张红梅，孙建娅. 超高效液相色谱-串联质谱检测尿中多环芳烃羟基代谢物 [J]. 环境与职业医学, 2017, 34(11): 1004-1008.

　　[50] Guan W.-J., Zheng X.-Y., Zhong N.-S. Industrial pollutant emission and the major smog in China:from debates to action [J]. The Lancet Planetary Health, 2017, 1(2): e57.

　　[51] Wang Y., Zhao H., Wang T., Liu X., Ji Q., Zhu X., Sun J., Wang Q., Yao H., Niu Y., Jia Q., Su W.,Chen W., Dai Y., Zhi Q., Wang W., Li Y., Gao A., Duan H. Polycyclic aromatic hydrocarbonsexposure and hematotoxicity in occupational population: A two-year follow-up study [J]. ToxicolAppl Pharmacol, 2019, 378: 114622.

　　[52] Zhao G., Chen Y., Wang S., Yu J., Wang X., Xie F., Liu H., Xie J. Simultaneous determination of11 monohydroxylated PAHs in human urine by stir bar sorptive extraction and liquidchromatography/tandem mass spectrometry [J]. Talanta, 2013, 116: 822-826.

　　[53] Oliveira M., Slezakova K., Delerue-Matos C., Pereira M. C., Morais S. Children environmentalexposure to particulate matter and polycyclic aromatic hydrocarbons and biomonitoring in schoolenvironments: A review on indoor and outdoor exposure levels, major sources and health impacts[J]. Environ Int, 2019, 124: 180-204.

　　[54] Oliveira M., Costa S., Vaz J., Fernandes A., Slezakova K., Delerue-Matos C., Teixeira J. P., CarmoPereira M., Morais S. Firefighters exposure to fire emissions: Impact on levels of biomarkers ofexposure to polycyclic aromatic hydrocarbons and genotoxic/oxidative-effects [J]. J Hazard Mater,2020, 383(5): 121179.

　　[55] Duan X., Yang Y., Wang S., Feng X., Wang T., Wang P., Ding M., Zhang H., Liu B., Wei W., YaW., Cui L., Zhou X., Wang W. Dose-related telomere damage associated with the genetipolymorphisms of c GAS/STING signaling pathway in the workers exposed by PAHs [J].Environ Pollut, 2020, 260: 113995.

　　[56] Wang W., Wang P., Wang S., Duan X., Wang T., Feng X., Li L., Zhang Y., Li G., Zhao J., Li L.,Wang Y., Yan Z., Feng F., Zhou X., Yao W., Zhang Y., Yang Y. Benchmark dose assessment for cokeoven emissions-induced telomere length effects in occupationally exposed workers in China [J].Ecotoxicol Environ Saf, 2019, 182: 109453.

　　[57] Zhou Y., Liu Y., Sun H., Ma J., Xiao L., Cao L., Li W., Wang B., Yuan J., Chen W. Associations ofurinary polycyclic aromatic hydrocarbon metabolites with fractional exhaled nitric oxide anexhaled carbon monoxide: A cross-sectional study [J]. Sci Total Environ, 2018, 618: 542-550.

　　[58] Nie J., Li J., Cheng L., Deng Y., Li Y., Yan Z., Duan L., Niu Q., Tang D. Prenatal polycyclic aromatichydrocarbons metabolites, cord blood telomere length, and neonatal neurobehavioral development[J]. Environ Res, 2019, 174: 105-113.

　　[59] Jeng H. A., Pan C. H., Chang-Chien G. P., Diawara N., Peng C. Y., Wu M. T. Repeatemeasurements for assessment of urinary 2-naphthol levels in individuals exposed to polycycliaromatic hydrocarbons [J]. J Environ Sci Health A Tox Hazard Subst Environ Eng, 2011, 46(8):865-873.

　　[60] Rappaport Sm W. S., Serdar B. Naphthalene and its biomarkers as measures of occupationalexposure to polycyclic aromatic hydrocarbons [J]. J Environ Monit 2004, 6(5): 413-416.

　　[61] Unwin J., Cocker J., Scobbie E., Chambers H. An assessment of occupational exposure topolycyclic aromatic hydrocarbons in the UK [J]. 2006, 50(4): 395-403.

　　[62] Campo L., Rossella F., Pavanello S., Mielzynska D., Siwinska E., Kapka L., Bertazzi P. A.,Fustinoni S. Urinary profiles to assess polycyclic aromatic hydrocarbons exposure in coke-ovenworkers [J]. Toxicol Lett, 2010, 192(1): 72-78.

　　[63] Li X., Jia S., Zhou Z., Hou C., Zheng W., Rong P., Jiao J., Yu J. The Gesture Imitation in Alzheimer’sDisease Dementia and Amnestic Mild Cognitive Impairment [J]. J Alzheimers Dis, 2016, 53(4):1577-1584.

　　[64] Aprahamian I., Ladeira R. B., Diniz B. S., Forlenza O. V., Nunes P. Cognitive Impairment inEuthymic Older Adults With Bipolar Disorder: A Controlled Study Using Cognitive ScreeningTests [J]. Am J Geriatr Psychiatry,, 2014, 22(4): 389-397.

　　[65] Schikowski T., Altug H. The role of air pollution in cognitive impairment and decline [J].Neurochem Int, 2020, 104708.

　　[66] Pan X., Luo Y. Secondhand Smoke and Women's Cognitive Function in China [J]. Am J Epidemiol,2018, 187(5): 911-918.

　　[67] Wingbermuhle R., Wen K. X., Wolters F. J., Ikram M. A., Bos D. Smoking, APOE Genotype, andCognitive Decline: The Rotterdam Study [J]. J Alzheimers Dis, 2017, 57(4): 1191-1195.

　　[68] Anstey Kj M. H., Cherbuin N. Alcohol consumption as a risk factor for dementia and cognitivedecline meta-analysis of prospective studies [J]. Am J Geriatr Psychiatry,, 2009, 17(7): 542-555.

　　[69] Guo Y., Xu W., Liu F. T., Li J. Q., Cao X. P., Tan L., Wang J., Yu J. T. Modifiable risk factors forcognitive impairment in Parkinson's disease: A systematic review and meta-analysis of prospectivecohort studies [J]. Mov Disord, 2019, 34(6): 876-883.

　　[70] Yaffe K., Laffan AM., Harrison SLC., Redline S., Spira AP., Ensrud KE., Ancoli-Israel S., StoneKL. Sleep-disordered breathing, hypoxia, and risk of mild cognitive impairment and dementia iolder women [J]. JAMA, 2011, 306(6): 613-619.

　　[71] Sterniczuk R., Theou O., Rusak B., Rockwood K. Sleep disturbance is associated with incidentdementia and mortality [J]. Current Alzheimer research, 2013, 10(7): 767-775.

　　[72] Potvin O., Lorrain D., Forget H., Dubé M., Grenier S., Préville M., Hudon C. Sleep quality and 1-year incident cognitive impairment in community-dwelling older adults [J]. Sleep, 2012, 35(4):491-499.

　　[73] Baumgart M., Snyder H. M., Carrillo M. C., Fazio S., Kim H., Johns H. Summary of the evidenceon modifiable risk factors for cognitive decline and dementia: A population-based perspective [J].Alzheimers Dement, 2015, 11(6): 718-726.

　　[74] 张红明, 李卫星. 焦炉工人神经行为改变及其影响因素研究 [J]. 环境与职业医学, 2011,28(4): 205-209.

　　[75] Keir JLA., Akhtar US., Matschke DMJ., Kirkham TL., Chan HM., Ayotte P., White PA. ElevatedExposures to Polycyclic Aromatic Hydrocarbons and other Organic Mutagens in OttawaFirefighters Participating in Emergency, On-Shift Fire Suppression [J]. Environ Sci Technol, 2017,51(21): 12745-12755.

　　[76] Navarro KM., Cisneros R., Noth EM., Balmes JR., Hammond SK. Occupational Exposure tPolycyclic Aromatic Hydrocarbon of Wildland Firefighters at Prescribed and Wildland Fires [J].Environ Sci Technol, 2017, 51(11): 6461-6469.

　　[77] Kameda T. Atmospheric Chemistry of Polycyclic Aromatic Hydrocarbons and Related Compounds[J]. Journal of Health Science, 2011, 57(6): 504-511.

　　[78] Kameda Y., Shirai J., Komai T., Nakanishi J., Masunaga S. Atmospheric polycyclic aromatichydrocarbons: size distribution, estimation of their risk and their depositions to the humanrespiratory tract [J]. Sci Total Environ, 2005, 340(1-3): 71-80.

　　[79] Liu Y., Zhu L., Shen X. Polycyclic aromatic hydrocarbons (PAHs) in indoor and outdoor air ofHangzhou, China [J]. Environmental science technology, 2001, 35(5): 840-844.

　　[80] Li W., Wang C., Wang H., Chen J., Shen H., Shen G., Huang Y., Wang R., Wang B., Zhang Y.Atmospheric polycyclic aromatic hydrocarbons in rural and urban areas of northern China [J].Environmental Pollution, 2014, 192: 83-90.

　　[81] Gao P., Da Silva E., Hou L., Denslow N. D., Xiang P., Ma L. Q. Human exposure to polycyclicaromatic hydrocarbons: Metabolomics perspective [J]. Environ Int, 2018, 119: 466-477.

　　[82] Yan D., Wu S., Zhou S., Tong G., Li F., Wang Y., Li B. Characteristics, sources and health riskassessment of airborne particulate PAHs in Chinese cities: A review [J]. Environ Pollut, 2019, 248:804-814.