姐妹研究中个人护理产品混合物使用与激素敏感性癌症发病风险的关联:一项美国全国前瞻性队列研究

Use of personal care product mixtures and incident hormone-sensitive cancers in the Sister Study: A U.S.-wide prospective cohort

作者信息Che-Jung Chang, Katie M O'Brien, Alexander P Keil, Mandy Goldberg, Kyla W Taylor, Dale P Sandler, Alexandra J White
PMID38043324
发布时间2024-01
DOI10.1016/j.envint.2023.108298

实验完整度

高

包括大规模前瞻性队列(n=49,899)、详细的暴露评估(41种PCPs)、多组学分析(3种癌症)、分层分析(绝经状态、种族、BMI)以及敏感性分析(仅限于医疗确认病例)。

主要模型

Sister Study队列(49,899名女性) 乳腺癌(4,226例) 卵巢癌(277例) 子宫癌(403例)

重点核对

PCP使用频率评估:入组前一年,五级频率类别(1-5级) 联合效应估计:分位数g计算,以Cox比例风险回归为基础模型,年龄为时间尺度 混杂调整:包括种族、教育、收入、绝经状态、吸烟、饮酒、口服避孕药使用、激素替代疗法、体力活动、BMI及BMI与绝经状态的交互项 多重比较校正:Benjamini-Hochberg程序仅在个体产品分析中应用

摘要

背景:个人护理产品(PCPs)是内分泌干扰化学物质暴露的来源,可能与激素敏感性癌症的风险相关。很少有研究探讨PCP使用与激素敏感性癌症发病率的关联,或考虑多种相关PCPs的联合效应。我们研究了常用或“日常”PCPs与乳腺癌、卵巢癌和子宫癌发病率的关联,重点关注多种产品暴露的联合效应。方法:Sister Study参与者(n=49 899)自我报告了入组前一年(2003-2009年)内41种PCPs的使用频率。基于问卷选项的五级频率类别,使用基于分位数的g计算,以Cox比例风险回归作为基础模型,估计多种PCP使用与乳腺癌、卵巢癌和子宫癌发病率之间的风险比(HRs)和95%置信区间(CIs)。使用先验知识和Spearman相关系数确定共现产品使用的分组(美容、卫生和护肤产品),检验多种PCP使用。还使用Cox比例风险模型结合Benjamini-Hochberg程序进行多重比较,检验个体PCP与三种癌症之间的关联。结果:平均随访11.6年,共发现4 226例乳腺癌、277例卵巢癌和403例子宫内膜癌病例。观察到卫生混合物与卵巢癌(HR=1.35, 95%CI=1.00, 1.83)以及美容混合物与绝经后乳腺癌(HR=1.08, 95%CI=1.01, 1.16)之间的正相关。此外,我们观察到护肤混合物与乳腺癌之间的负相关(HR=0.91, 95%CI=0.83, 0.99)。在多重比较校正后,未观察到个体产品的显著关联。结论:这种多产品、联合效应方法的研究结果有助于增加PCPs与乳腺癌关联的证据,并为卵巢癌和子宫癌提供了新的信息。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
日常个人护理产品(PCPs)的使用是否与激素敏感性癌症(乳腺癌、卵巢癌、子宫癌)的发病风险相关?
核心机制
PCPs作为内分泌干扰化学物质(EDCs)的暴露源,可能通过激素途径影响激素敏感性癌症的发生。
主要证据
在Sister Study队列中,卫生混合物(HR=1.35, 95%CI=1.00, 1.83)和美容混合物(HR=1.08, 95%CI=1.01, 1.16)分别与卵巢癌和绝经后乳腺癌风险增加相关,而护肤混合物(HR=0.91, 95%CI=0.83, 0.99)与乳腺癌风险降低相关。
研究意义
结果支持PCPs的联合效应可能对激素敏感性癌症风险产生影响,为乳腺癌提供了新证据,并为卵巢癌和子宫癌提供了新的信息。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

PCP使用评估

量化参与者入组前一年内41种PCPs的使用频率

通过基线问卷收集PCPs使用频率,分为五级频率类别(1-5级),并定义美容、卫生和护肤产品组。

2

癌症结局识别

确定新发乳腺癌、卵巢癌和子宫癌病例

随访期间通过年度健康更新识别自我报告的癌症诊断,并通过医疗记录或死亡证明确认。

3

联合效应分析

评估PCP混合物使用与激素敏感性癌症风险之间的关联

使用基于分位数的g计算,以Cox比例风险回归为基础模型,估计PCP混合物使用增加一级频率的风险比(HR)。

4

个体产品分析

评估个体PCP使用与三种癌症风险的关联

使用Cox比例风险回归模型估计个体PCP的HR,并应用Benjamini-Hochberg程序进行多重比较校正。

5

亚组和敏感性分析

检验PCP混合物效应是否因绝经状态、种族和BMI而异,并检查结果的稳健性

按绝经状态(绝经前/后)、种族(黑人/非西班牙裔白人)和BMI(<25, 25-30, ≥30)分层进行联合效应分析,并限制于医疗确认病例进行敏感性分析。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
研究设计和人群
Sister Study队列:入组时间2003-2009,年龄35-74岁,至少一位姐妹患乳腺癌,自身无乳腺癌;排除标准:基线前诊断为激素敏感性癌症、双侧卵巢切除术或子宫切除术等
阅读提示:Methods: Study design and population
暴露评估
PCPs使用频率:基线前12个月,41种PCPs,五级频率类别(1-5级);分组:美容、卫生、护肤(先验和Spearman相关)
阅读提示:Methods: Assessment for personal care product use
结局定义
乳腺癌、卵巢癌(包括输卵管和腹膜)、子宫癌;自我报告并通过医疗记录或死亡证明确认;癌症亚型:ER状态、浸润性、卵巢癌类型、子宫内膜癌类型
阅读提示:Methods: Incident hormone-sensitive cancer
统计分析
主要模型:分位数g计算,Cox比例风险回归,年龄为时间尺度;协变量:种族、教育、收入、绝经状态、吸烟、饮酒、口服避孕药、激素替代疗法、体力活动、BMI及交互项;多重比较:Benjamini-Hochberg
阅读提示:Methods: Statistical analysis