近期，西安交通大学公共卫生学院研究团队联合复旦大学、北京大学、牛津大学团队在系统研究个体、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方面取得进展，相关研究成果发表在《环境国际》上。

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。

该研究依托明升中国慢性病前瞻性队列，在2017年夏季和冬季监测了参与者的个体、家庭及室外温度，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。      

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，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。

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，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。

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app基础。

相关论文信息：http://doi.org/10.1016/j.envint.2024.109060