Assessment of health risk of occupationally low-level benzene exposure based on biological monitoring indicator
-
+ English摘要:目的 通过流行病学调查资料和苯接触生物标志物的检测资料，初步建立基于生物监测指标的低浓度苯暴露致癌风险评价方法。方法 根据苯的流行病学调查资料，基于多阶模型推导出低浓度苯职业暴露下的致癌风险模型。利用贝叶斯线性回归和马尔科夫链蒙特卡洛方法，采用R语言、JARG软件包和水晶球软件建立苯空气浓度与苯代谢物浓度函数关系并进行不确定性分析，并利用尿中苯巯基尿酸（S-phenylmercapturic acid，S-PMA）和反-反式黏糠酸（trans，trans-muconic acid，tt-MA）的浓度预测苯的致癌风险。结果 考虑适用低浓度苯暴露的情况，建立了二项式的多阶模型用于表征致癌风险。基于建立的致癌风险模型，我国现行的职业接触限值[空气中苯的时间加权平均容许浓度6 mg/m3，工作班后尿S-PMA浓度100 μg/g（以Cr校正），班后尿tt-MA浓度3.0 mg/g（以Cr校正）]下的致癌风险分别为5.64 × 10-4、2.31 × 10-4、1.52 × 10-4，均高于美国环境保护署（EPA）和疾病预防控制中心（CDC）提出的职业人群致癌风险可接受水平（10-4）。结论 利用苯的代谢产物预测致癌风险，显示在空气中苯浓度低于职业接触限值的情况下，苯的致癌影响仍然存在。需要采取工程控制及个体防护等措施，尽可能降低苯的致癌风险。目前我国苯职业接触限值存在尽可能降低的必要性。
-
人外周血淋巴细胞染色体畸变分析是辐射生物剂量估算公认的“金标准”[1]，国家标准[2-3]及相关技术文件规定，染色体畸变-辐射剂量效应曲线建立和辐射生物剂量估算需分析一定数量（46 ± 1）条染色体的中期分裂象。在检测工作中染色体数目少于45条的分裂象无法避免，染色体分散过度和使用染色体全自动分析系统时染色体丢失的现象更加多见，数目少于45条的分裂象需要剔除，极大地增加了人工阅片的工作量。长期应用免疫抑制剂、大剂量电离辐射和年长者等的细胞培养困难的样品，每一个可分析的分裂象都很重要。本研究拟对比外周血淋巴细胞非标准染色体（40 ~ 44条）与标准染色体[（46 ± 1）条]阅片结果，并对采用数目少于45条染色体估算辐射生物剂量的准确性进行评价，探讨其用于辐射生物剂量估算的可行性。
1. 材料与方法
1.1 染色体制备
本研究采集2名健康志愿者外周静脉血，全血照射在中国疾病预防控制中心辐射防护与核安全医学所进行。照射条件如下：60Co γ射线放射源，剂量率为0.28 Gy/min，分1.0、2.0、3.0 Gy 3个剂量点进行照射。受照血样采用改良全血微培养法[4]进行培养，接种0.8 mL血样至4.0 mL含160 μg/mL植物血凝素（phytohaemagglutinin，PHA）、112 IU/mL庆大霉素、37.5 IU/mL肝素和0.04 μg/mL秋水仙素的RPMI 1640培养基中，在37 ℃下培养52 h，常规方法制片，湿片过火法分散染色体，10%姬姆萨染液染色10 min，流动自来水冲片并晾干待检。
1.2 标本片扫描
每个照射剂量点3张片，用ZEISS Meta Systems全自动染色体扫描分析系统进行整片扫描，选择染色体形态良好的分裂象在油镜下拍照。
1.3 阅片分析
染色体分裂象图像由有5年以上染色体畸变分析工作经验的工作人员进行分析，每个畸变由另两名有同等经验的工作人员确认。以染色体形态好、易于分析、条数≥ 40、染色体虽有丢失但仍集中于同一视野作为分裂象入选标准。分析所有符合上述条件的分裂象，并记录所有细胞分裂象的染色体条数、染色体畸变类型及数目。
1.4 数据处理
染色体畸变，特别是双着丝粒+着丝粒环（dic + r）是估算辐射剂量的重要指标。分析染色体个数及（dic + r）数量，根据“1个N着丝粒=（N - 1）个双着丝粒”，将多着丝粒数量转换成双着丝粒数量。染色体数目符合（46 ± 1）条标准的分裂象统计到“标准染色体”组，直接计算畸变率[（dic + r）数量/细胞数]；40 ~ 44条染色体的分裂象统计到“非标准染色体”组，通过公式“染色体畸变数× 46/染色体个数”转换成标准染色体的畸变率。统计标准染色体组、非标准染色体组以及混合组（标准染色体组+非标准染色体组）的分析结果，依据实验室建立的生物剂量效应曲线估算受照剂量，与受照剂量进行比较，分析估算结果的相对误差。
2. 结果
每个剂量点分成A（标准染色体组）、B（非标准染色体组）、C（A组+B组）3组，统计染色体畸变分析结果，用实验室生物剂量效应曲线y = 8.190 × 10-2 D2 + 7.885 × 10-2 D + 1.844 × 10-3，估算每组的受照剂量。式中，y为（dic + r）畸变率，单位：细胞数-1；D为估算剂量，单位：Gy。3组的估算剂量与照射剂量的误差均在5%以内，B组的估算结果略高于A组。见表 1。
表 1 三个剂量染色体片分析结果受照剂量 组别 分析细胞数 （dic+r)数量/细胞 估算剂量/Gya 误差/% 1.0Gy A组 610 0.162 3 1.00(0.86~1.13) 0.00 B组 133 0.172 9 1.04(0.73~1.30) 4.00 C组 743 0.164 2 1.01(0.88~1.12) 1.00 2.0Gy A组 595 0.487 4 2.00(1.86~2.13) 0.00 B组 140 0.500 0 2.03(1.73~2.30) 1.50 C组 735 0.489 8 2.0(1.88~2.13) 0.50 3.0Gy A组 584 0.946 9 2.95(2.81~3.09) -1.67 B组 149 1.006 7 3.05(2.76~3.32) 1.67 C组 733 0.959 1 2.97(2.84~3.09) -1.00 [注] a为估算剂量平均数（95%可信区间） 3. 讨论
人外周血淋巴细胞染色体畸变分析是估算受照剂量的一种可靠的生物学指标，在国内外辐射事故中已有许多的应用实例。在辐射事故中，患者在受照剂量较大时，淋巴细胞损伤严重，细胞培养变得非常困难，标本中分裂细胞较少，估算剂量相对误差偏大[5]；有的甚至培养73 h后仍得不到可分析的分裂象[6]。正因如此，保证可供分析的染色体分裂象在辐射生物剂量估算中非常重要，纳入数目少于45条的染色体可增加生物剂量估算时分析细胞数。
在染色体畸变分析过程中，受细胞培养、样品制备等众多环节的影响，染色体标本的质量有高有低，形态也各不相同，如滴片后加热温度太高会引起分裂象不完整，染色体散在[7]，这就容易导致部分染色体数目达不到（46 ± 1）条的标准。本实验室采用ZEISS Meta Systems全自动染色体辅助分析染色体畸变，非标准染色体比例在10% ~ 40%之间，直接剔除这些细胞加大了后期分析的工作量，甚至需重新扫描拍照增加可分析细胞数。本研究3个剂量点染色体数少于45条的分裂象分别占17.9%、19.0%和20.3%，在人工预选细胞时，会事先将数目明显偏少的分裂象剔除，入选分裂象以44条、43条染色体为主。
染色体数目少于45条的分裂象中，丢失的染色体是随机的，畸变染色体、正常染色体都有可能在视野中丢失，这种随机性使得标准染色体与非标准染色的畸变率具有可比性，利用这些分裂象估算受照剂量成为可能。本研究中，3组的估算剂量与照射剂量的误差均在5%以内，加入非标准组对剂量估算的影响在1%以内。非标准染色体的畸变率较标准染色体稍高，其原因可能是因为含有dic和r的细胞更容易丢失染色体。
虽然本研究中采用数目不足45条的染色体进行辐射生物剂量估算也能得到比较满意的结果，但相对于标准染色体，非标准染色体在分析中存在更多的不确定性，检查人员间分析结果的差异较大。因此，实验室应从提高细胞培养技术和制片技术来减少非标准数目染色体的出现。特殊情况下，如突发应急事故发生时，受试者淋巴细胞死亡率高、转化率及分裂指数低，导致可供分析的中期分裂象数量不足时，可以尝试将数目少于45条的染色体纳入计数分析范围，用于辐射生物剂量估算的补充。
作者声明 本文无实际或潜在的利益冲突 -
表 1 中国接苯工人各分组累积暴露量及其对应的致癌风险a
累积暴露量分组[/mg/（m3·年）] D累积暴露①[/mg/（m3·年）] RR 发病人数② Pr $-\sum\limits_{i=0}^k a_i D_{\text {累积暴露}}^i$ 0（非暴露组） 0 1.0 9 2.51 × 10-4 0 < 127.6 63.8 1.9 11 4.78 × 10-4 - 2.26 × 10-4 127.6 ~ 319.0 223.3 3.1 8 7.79 × 10-4 - 5.28 × 10-4 注：①气体浓度ppm与mg/m3的换算在常温常压（25℃，1个标准大气压）下进行；② 1972—1987年间开展的该项调查，由于医疗条件的限制，可以认为白血病的发病死亡人数近似为发病人数。 
下载: 导出CSV
表 2 尿S-PMA、tt-MA浓度和空气中苯浓度的线性回归参数估计分布
[μg/g（以Cr校正）] 代谢物 斜率β 截距α 分布 μ值 σ值 分布 μ值 σ值 S-PMA 正态 256.72 5.60 正态 - 263.13 18.06 tt-MA 正态 4.24 0.48 正态 - 0.260 1.54
下载: 导出CSV
表 3 尿S-PMA、tt-MA浓度和空气中苯浓度的线性回归参数各百分位数
[ μg/g（以Cr校正）] 代谢物 斜率 截距 2.5% 25% 50% 75% 97.5% 2.5% 25% 50% 75% 97.5% S-PMA 245.70 252.97 256.74 260.6 267.6 - 296.93 - 275.56 - 263.17 - 250.9 - 228.0 tt-MA 3.277 3.910 4.237 4.5648 5.154 - 3.200 - 1.316 - 0.271 0.8125 2.797
下载: 导出CSV
表 4 空气中不同苯浓度或生物监测结果对应的致癌风险
空气中苯浓度CTWA（/mg/m3）① S-PMA/[μg/g（以Cr校正）]② tt-MA/[（mg/g（以Cr校正）②] 致癌风险（Pr） 0.32 1.10 9.39 × 10-5 0.77③ 3.00③ 1.52 × 10-4 1.42③ 100.00③ 5.76 2.31 × 10-4 1.6 147.62 6.52 2.51 × 10-4 3.0 507.03 12.46 3.89 × 10-4 3.2 558.37 13.31 4.05 × 10-4 6.0 1277.19 25.18 5.64 × 10-4 注：①空气中苯浓度0.32 mg/m3，对应NISOH制定的推荐限值（10 h TWA，40 h/周）0.1 ppm；1.6 mg/m3对应ACGIH制定的阈限值TWA浓度0.5 ppm；3.2 mg/m3对应OSHA制定的8 h TWA浓度1 ppm；3.0 mg/m3对应我国职业接触限值PC-TWA的1/2；6.0 mg/m3对应我国职业接触限值PC-TWA；②表中苯的代谢物浓度基于经筛选的空气中苯浓度≤6 mg/m3的中国天津工人数据的线性拟合参数均值估计（见表 2），即CS-PMA = 256.72 × CTWA - 263.13、Ctt-MA = 4.24 × CTWA - 0.26；③空气中苯浓度0.77 mg/m3和1.42 mg/m3分别是将我国职业接触苯生物限值尿tt-MA 3.00 mg/g（以Cr校正）和S-PMA 100.00 μg/g（以Cr校正），分别代入Ctt-MA = 4.24 × CTWA - 0.26和CS-PMA = 256.72 × CTWA - 263.13得出。
下载: 导出CSV
-
[1] 国家卫生健康委员会. 工作场所有害因素职业接触限值第1部分: 化学有害因素: GBZ 2.1—2019[S]. 北京: 中国标准出版社, 2019. [2] Occupational Safety and Health Administration(OSHA). 29 CFR (Code of Federal Regulations) part 1910-occupational safety and health standards-subpart z-toxic and hazardous substances-1910.1028 benzene[S/OL]. (2014-01-01)[2021-09-20]. https://ecfr.io/title-29/se29.6.1910_11028.
[3] National Institute for Occupational Safety and Health(NIOSH). NIOSH pocket guide to chemical hazards. DHHS (NIOSH) Publication No. 2010-168[DB/OL]. (2020-02-18)[2021-09-20]. http://www.cdc.gov/niosh/npg.
[4] American Conference of Governmental Industrial Hygienists(ACGIH). 2020 Threshold limit values (TLVs) and Biological exposure indices(BEIs)[M]. Cincinnati(OH), USA: American Conference of Governmental Industrial Hygienists, 2020.
[5] 联合国粮农组织, 世界卫生组织. 环境健康基准240: 食品中化学物风险评估原则和方法[M]. 刘兆平, 李凤琴, 贾旭东, 译. 北京: 人民卫生出版社, 2012: 73. [6] International Agency for Research on Cancer(IARC). 2018 IARC monographs on the evaluation of carcinogenic risks to humans: benzene[R]. Lyon: IARC 2018: 120.
[7] 李雷, 李红, 王力, 等. 我国低浓度职业性苯暴露对人体外周血白细胞数影响的Meta分析[J]. 环境与健康杂志, 2012, 29(7): 637-639. https://www.cnki.com.cn/Article/CJFDTOTAL-HJYJ201207024.htm [8] LAN Q, ZHANG L, LI G, et al. Hematotoxicity in workers exposed to low levels of benzene[J]. Science, 2004, 306(5702): 1774-1776. doi: 10.1126/science.1102443
[9] WILBUR S, KEITH S, FAROON O, et al. Toxicological profile for benzene[M]. Atlanta: U. S department of health human services, 2007.
[10] KOH D, JEON H, LEE S, et al. The relationship between low-level benzene exposure and blood cell counts in Korean workers[J]. Occup Environ Med, 2014, 72(6): 421-427.
[11] 李小琴, 张学艳, 潘兴扬, 等. 低浓度苯暴露对工人血常规等指标的影响: 基于倾向值匹配的分析[J]. 职业卫生与应急救援, 2021, 39(6): 681-684;701. doi: 10.16369/j.oher.issn.1007-1326.2021.06.016 [12] HAYES R B, YIN S, DOSEMECI M, et al. Benzene and the dose-related incidence of hematologic neoplasms in China[J]. J Natl Cancer Inst, 1997, 89(14): 1065-1071. doi: 10.1093/jnci/89.14.1065
[13] COX L A, SCHNATTER A R, BOOGAARD P J, et al. Non-parametric estimation of low-concentration benzene metabolism[J]. Chem Biol Interact, 2017, 278: 242-255. doi: 10.1016/j.cbi.2017.08.007
[14] 宋世震, 胡霞敏, 刘黎文, 等. 职业接触苯工人尿中黏糠酸测定方法与生物限值研究[J]. 中华劳动卫生职业病杂志, 2006, 24(11): 676-679. doi: 10.3760/cma.j.issn.1001-9391.2006.11.012 [15] EDLER L, KOPP-SCHNEIDER A. Statistical models for low dose exposure[J]. Mutat Res, 1998, 405(2): 227-236. doi: 10.1016/S0027-5107(98)00140-7
[16] United States Environmental Protection Agency(US EPA). Guidelines for carcinogen risk assessment[R]. Washington DC: EPA, 1986.
[17] United States Environmental Protection Agency(US EPA). Guidelines for carcinogen risk assessment[R]. Washington DC: EPA, 2005.
[18] United States Environmental Protection Agency(US EPA). EPA's approach for assessing the risks associated with chronic exposure to carcinogens[EB/OL]. (2022-06-22)[2021-09-20]. https://www.epa.gov/iris/epas-approach-assessing-risks-associated-chronic-exposure-carcinogens.
[19] United States Environmental Protection Agency(US EPA). Carcinogenic effects of benzene: an update[R]. Washington DC: EPA, 1998.
[20] VAN WIJNGAARDEN E, HERTZ-PICCIOTTO I. A simple approach to performing quantitative cancer risk assessment using published results from occupational epidemiology studies[J]. Sci Total Environ, 2004, 332(1-3): 81-87. doi: 10.1016/j.scitotenv.2004.04.005
[21] CHEN W, SUN K, ZHENG R, et al. Cancer incidence and mortality in China, 2014[J]. Chi J Cancer Res, 2018, 30(1): 1-12. doi: 10.21147/j.issn.1000-9604.2018.01.01
[22] WAIDYANATHA S, ROTHMAN N, LI G, et al. Rapid determination of six urinary benzene metabolites in occupationally exposed and unexposed subjects[J]. Anal Biochem, 2004, 327: 184-199. doi: 10.1016/j.ab.2004.01.008
[23] KIM S, VERMEULEN R, WAIDYANATHA S, et al. Using urinary biomarkers to elucidate dose-related patterns of human benzene metabolism[J]. Carcinogenesis, 2006, 27: 772-781. doi: 10.1093/carcin/bgi297
[24] 梅勇, 宋世震, 陈斯琦, 等. 职业接触苯尿中苯巯基尿酸生物限值研究[J]. 中华劳动卫生职业病杂志, 2009, 27(11): 641-643. [25] ZHOU Y, WANG K, WANG B, et al. Occupational benzene exposure and the risk of genetic damage: a systematic review and meta-analysis[J]. BMC Public Health, 2020, 20(1): 1113. doi: 10.1186/s12889-020-09215-1
[26] UZMA N, KUMAR B S, HAZARI M A H. Exposure to benzene induces oxidative stress, alters the immune response and expression of p53 in gasoline filling workers[J]. Am J Ind Med, 2010, 53(12): 1264-1270. doi: 10.1002/ajim.20901
[27] MORO A M, BRUCKER N, CHARAO M F, et al. Early hematological and immunological alterations in gasoline station attendants exposed to benzene[J]. Environ Res, 2015, 137: 349-356. doi: 10.1016/j.envres.2014.11.003
[28] COPLEY G B, SCHNATTER A R, ARMSTRONG T W, et al. Hospital-Based Case-Control Study of MDS Subtypes and Benzene Exposure in Shanghai[J]. J Occup Environ Med, 2017, 59(4): 349-355. doi: 10.1097/JOM.0000000000000952
[29] STENEHJEM J S, KJAERHEIM K, BRATVEIT M, et al. Benzene exposure and risk of lymphohaematopoietic cancers in 25 000 offshore oil industry workers[J]. Brit J Cancer, 2015, 112(9): 1603-1612. doi: 10.1038/bjc.2015.108
[30] LI M Y, HUANG D Y, LIU M. MCSim-Based Occupational Health Risk Assessment on Benzene[J]. JRACR, 2013, 3(3): 135-145. doi: 10.2991/jrarc.2013.3.3.3
[31] ZHANG Q, HUANG D, LIU M. Study on risk evaluation based on occupational exposure evaluation and carcinogenic risk simulation[J]. JRACR, 2018, 8(3): 157-162. doi: 10.2991/jrarc.2018.8.3.5
[32] ZHANG Q, HUANG D, LIU M. Internal exposure simulation based on exposure related dose estimating model[J]. JRACR, 2013, 3(4): 175-184. doi: 10.2991/jrarc.2013.3.4.3
计量
- 文章访问数: 569
- HTML全文浏览量: 108
- PDF下载量: 58
