2018年3月12日

美国成年人铅和CDV死亡率

一项基于人群的队列研究调查了美国成年人低水平的铅暴露和死亡率《柳叶刀公共卫生》．

一个摘要伴随着这个分析。

标题，出版日期和期刊

标题:“历史上的铅暴露可能与美国每年256000名因心血管疾病而过早死亡的成年人有关。et al。

发布日期:3月12日星期一

《柳叶刀公共卫生》

该研究的主要主张——以及它们是否得到了数据的支持

这篇论文是对来自美国的一组患者(之前发表的一项研究)的后续研究，该研究量化了低水平铅暴露导致的心血管死亡人数。

需要注意的是，该分析来自1988-1994年在美国登记的患者。这是25-30年前的事了!例如，当时的法律比现在宽松一些(无论是在美国还是在英国)。在此期间，美国汽油中仍使用铅，并于1996年逐步淘汰。这些发现与历史影响有关，而与铅暴露有关，而不是当前/正在发生的影响。作者明确表示:“更准确的说法是，这项研究是在估计如果历史上没有发生铅暴露，有多少死亡本可以避免。”

根据本文提供的证据，这种说法是合理的，但可能不是心血管死亡的唯一原因。特别是因为检测铅含量的测量只进行了一次。这一点很重要，因为病人的社交因素会发生变化(例如不再在加油站工作)，所以你不能假设病人的铅含量随着时间的推移保持不变。

这篇论文并没有声称心血管死亡是低水平铅暴露的直接后果。作者自己也指出，基于一项随机对照试验，动脉粥样硬化(动脉斑块积聚)和高血压可能(但尚未被证实)是“铅对心血管毒性的潜在机制”。作者自己指出，该分析没有调整空气污染或砷，这两者都是已知的心血管疾病死亡的危险因素。

铅中毒可能是“社会经济地位低下”的替代标志。

认为美国18%的死亡可能是铅暴露的结果是错误的。如果30年前整个美国人都暴露在低水平的铅中，这种说法就没有什么问题了。但事实并非如此。

这篇论文实际上是在说:如果在这项研究中，高铅水平的患者的死亡率降低到1，那么这组中18%的死亡(即铅暴露水平大于1)是可以避免的。

换句话说，你不能假设某一群体中可避免的18%的死亡(即低水平的铅接触)等同于全国所有死亡的18%。

优势/限制

的优势

这篇论文可能是最早专门研究低铅暴露对死亡率结果影响的论文之一。他们强调，在未来的研究中，这是一个重要的风险因素。

这是一个非常大的群体，代表了美国人口。

限制

铅水平只在基线时测量，而不是随着时间的推移再次测量。

研究结果没有考虑心血管疾病的家族史。

作者声称，与吸烟的人相比，不吸烟的人患心血管疾病的死亡率更高，但这一研究的一个主要局限性是吸烟是自我报告的。人们倾向于在这类事情上撒谎，所以不清楚这有多准确。其次，目前尚不清楚有多少患者被纳入分析(因为他们没有说明他们是如何处理分析中的前吸烟者的)，因此也不清楚它的代表性有多大。

先前发表的论文包括≥17的患者。鉴于这是该研究的后续研究，尚不清楚为什么他们只包括≥20岁的患者。

1150例(9%)患者的铅浓度低于1 μg/dL，因此这些患者的铅浓度计算值为0.7 μg/dL。这样做的原因是他们无法检测到确切的浓度水平，但他们知道它在0和1之间(就像丢失的数据一样)。作者引用了一篇论文，该论文建议用检测水平(在本研究中为1 μg/dL)除以根2(在本分析中为1/√2 = 0.7)计算该值。他们引用的论文建议，如果数据高度倾斜且几何SD≥3，则用这种方法计算。

作者报告的SE仅为0.13，没有SD，因此尚不清楚他们选择的方法是否合适，也不清楚为该方法所做的假设是否合适。

目前还不清楚使用0.7 μg/dL的浓度对分析有多大影响。他们本可以使用敏感性分析(通过改变假设来观察他们的结论有多可靠)来完成这些工作。例如，如果他们也观察一个低值(比如)0.3，这是否会改变结果/结论?

作者声称，使用5节的RCS模型显示，在低浓度的铅下，死亡风险急剧上升。使用5个结可能过多，他们没有说明结放在哪里。这些因素的选择可能会影响曲线的建模方式。

术语表

SE——标准误差:衡量我们对估计(在这种情况下是几何平均值)的“错误”程度的一种方法。

标准差:衡量数据与平均值之间的差距

RCS -受限三次样条:一种复杂的统计模型，用于使模型与数据更好地拟合，用于捕获数据的非线性趋势。

Impute/imputation -用于处理缺失数据的统计方法。简单地说，缺失的数据被替换为一个值(这是这里所做的单一补入，因为“缺失的”值被替换为一次“已知的”值)。一种更好的方法是多重imputation，它在解释该imputation值的不确定性的同时替换缺失的值(这是通过多次替换缺失的值并取平均值来完成的)。

布鲁斯·P·兰菲尔的《美国成年人低铅暴露与死亡率:一项基于人群的队列研究》et al。发表在《柳叶刀公共卫生》2018年3月12日星期一。

Before The Headlines是由志愿统计学家提供给SMC的一项服务:皇家统计学会(RSS)的成员、制药工业的统计学家(PSI)以及学术界和研究领域有经验的统计学家。包括隶属关系在内的贡献者名单可供查阅在这里．