近年来，全球气候变化日益加剧，温度对人类健康的影响愈发受到广泛关注。非适宜温度（即过冷或过热）已成为全球疾病负担的重要危险因素。据统计，2019年全球因非适宜温度引发的死亡人数约500万，大部分集中在低收入和中等收入国家。由于监测个体温度暴露水平的成本较高，目前温度健康相关研究多采用环境监测温度代替个体温度，以评估温度变化对人群健康的危害。然而，人们80-90%的时间处于室内环境，个体温度暴露还受供暖等多种适应性因素影响。因此，亟需系统研究个体、室内与室外温度之间的关系，构建可靠的个体温度暴露预测模型，精准评估其健康效应。
近期，公共卫生学院研究团队联合复旦大学、北京大学、牛津大学团队对这一问题进行了深入探讨，研究成果以《基于室内及室外温度与问卷数据对个人温度暴露水平进行建模：对流行病学研究的启示》（Modelling personal temperature exposure using household and outdoor temperature and questionnaire data: implications for epidemiological studies）为题，发表于环境健康领域权威期刊《环境国际》（Environment International，中科院一区，IF11.8），为未来环境流行病学研究提供了全新视角。
该研究依托中国慢性病前瞻性队列（China Kadoorie Biobank，CKB），在2017年夏季（5月至9月）和冬季（11月至次年1月）监测了参与者的个体、家庭（厨房和客厅）及室外温度，并收集详细的室内环境相关问卷，同时对实时心率进行测量。经过严格的数据清洗和整理，研究团队共记录了约88,000小时的温度数据，为深入探讨不同微环境下的温度关系提供了有力的数据支撑。
首先，研究人员通过Boruta机器学习算法识别了个体温度暴露的主要预测因素（见图1），并利用多重线性回归模型和随机森林模型对个体温度暴露进行预测，结果显示两种模型在夏季和冬季的表现均十分理想（夏季R²：0.89-0.90；冬季R²：0.64-0.71，见图2）。
图 1. Boruta 特征选择算法下影响个体温度暴露水平的不同变量的重要性排序
图 2. 多重线性回归模型和随机森林模型下个体温度暴露水平预测值与真实测量值的线性回归拟合图（缩写：MLR = 多重线性回归模型；RF = 随机森林模型）
值得关注的是，研究发现个体温度暴露的实际测量值与心率之间呈现U型暴露-反应关系（心率在约14.5℃时最低，见图3），且个体温度暴露的模型预测值与心率的暴露-反应曲线与之一致。而使用室外温度代替个体暴露指标时，该U型关联则消失。这表明，单纯依赖室外温度进行健康风险评估可能存在偏差，凸显了准确评估个体温度暴露的重要性。
图 3. 个体温度暴露真实测量值、室外温度、个体温度暴露模型预测值（MLR = 多重线性回归模型；RF = 随机森林模型）与心率的暴露-反应曲线
此研究不仅揭示了个体、室外温度与健康的不同流行病学关联，强调了个体温度暴露评估在环境流行病学研究中的重要性，还展示了如何利用容易获取的预测因素构建个体温度暴露模型，为未来精准环境流行病学研究提供了新的思路，并为今后更大规模的人群健康研究奠定了科学基础。
公共卫生学院助理教授夏希为该研究的第一作者，公共卫生学院吴少伟教授与牛津大学CKB-Air项目负责人陈嘉鸿高级研究员为本研究的共同通讯作者，牛津大学陈铮鸣教授、Kin Bong Hubert Lam教授与复旦大学阚海东教授为本研究的资深作者。该研究得到了中英学术基金会、国家自然科学基金、国家重点研发计划、青年拔尖人才项目等基金的支持。
全文链接：https://doi.org/10.1016/j.envint.2024.109060
