高亮
• 我们检测了空气污染与整体认知功能之间的关联。
• 研究在参考参与者及各种心脑轴患者组中进行。
• 未观察到PM2.5、PM10和NO₂与认知功能的显著关联。
• 关联并未由MRI衍生的白质高信号所介导。
• 关联也未由总脑体积和脑血流量所介导。
摘要
越来越多的证据表明空气污染与认知功能呈负相关。然而，这种关系背后的生物学机制在健康和易感人群中仍未得到充分探索。本研究考察了空气污染与整体认知功能在无心力衰竭、颈动脉闭塞性疾病或血管性认知障碍个体中的横断面和纵向关联。我们还评估了这些横断面关联是否由白质高信号（WMH）、总脑体积（TBV）和脑血流量（CBF）所介导。横断面和纵向分析分别纳入了341名和180名心脑研究参与者的数据。认知功能通过基线和两年随访时的神经心理学测试进行测量。脑磁共振成像提供了WMH和TBV（单位mL）以及CBF（单位mL/100g/min）。WMH和TBV除以总颅内体积。参与者居住地六位邮政编码区域的年度平均室外浓度（包括直径<2.5 µm和<10.0 µm的颗粒物以及二氧化氮，单位µg/m³）与基线数据相关联。调整后的多水平回归分析显示，空气污染与整体认知功能之间无显著的横断面或纵向关联。空气污染物与整体认知功能之间的关联并未通过WMH、TBV和CBF显著介导。在本研究中，空气污染与健康个体及沿心脑轴的心血管疾病患者的整体认知功能或脑健康指标无关联。需要更大规模、随访时间更长的研究来扩展当前发现，并进一步阐明空气污染、认知功能及潜在生物学机制之间的可能关联。
关键词：颈动脉闭塞性疾病；脑血流量；心力衰竭；颗粒物；总脑体积；血管性认知障碍；白质高信号
- 引言
认知障碍在老年人中的患病率及个人、社会和经济负担巨大，且由于人口老龄化，预计在未来几十年内将上升[1-4]。因此，识别中老年人认知障碍的可改变决定因素对于制定预防或减轻认知障碍的干预措施至关重要[5-7]。环境特征越来越多地被认识到会影响认知功能，此外还有个体层面的特征如生活方式行为和社会经济地位[5,6]。空气污染是可能影响认知功能的环境因素之一[8-11]。多项研究表明，较高暴露于一系列主要与工业和交通相关的污染物（如直径<2.5 µm（PM2.5）、<10.0 µm（PM10）的颗粒物和二氧化氮（NO₂））与中老年人的认知下降相关[9-11]。较高暴露于空气污染可能通过多种相互关联的因素影响认知功能，包括不利的血管风险因素谱（如肥胖、高血压和糖尿病）、较差的心理健康（如压力和抑郁症状）以及脑病理（如神经退行性变和血管损伤），这些都与空气污染有关[6,8]。探索、理解和预防空气污染对大脑和认知功能的影响已被视为迫切需要解决的重大全球健康挑战[12]。然而，空气污染与可能与认知功能相关的脑健康指标之间的关联仍然研究不足[11,13]。
在衰老和血管疾病背景下，与认知障碍和认知下降相关的三个脑健康指标示例是白质高信号（WMH）体积增加、总脑体积（TBV）减少和脑血流量（CBF）降低[14-18]。有限数量的研究（主要针对一般人群中的中老年人）表明，空气污染与较高的WMH负担、较低的TBV和CBF相关[11,13,19]。空气污染与认知功能的关联在多大程度上由WMH、TBV和CBF介导尚不确定。
居住环境中的空气污染与认知功能之间的关联可能在血流动力学障碍的个体中更为明显。这类个体已经容易发生血管性和神经退行性脑改变及其认知后果，这可能使他们更容易受到空气污染的影响[7,20]。
本研究考察了空气污染与无或患有沿心脑轴的心血管疾病（包括心力衰竭（HF）、颈动脉闭塞性疾病（COD）和血管性认知障碍（VCI））个体的整体认知功能之间的横断面和纵向关联。此外，本研究还检查了这些关联是否在不同参与者组之间存在差异，并评估了空气污染与整体认知功能的横断面关联是否由WMH、TBV和CBF介导。假设基线时较高的空气污染水平与基线和两年随访时较低的整体认知功能水平相关。预计在更脆弱的患者组中，关联比相对健康的参考组更强。此外，假设空气污染与整体认知功能的负相关可部分归因于较高水平的WMH，以及较低水平的TBV和CBF。
- 方法
2.1. 研究设计与研究样本
本研究使用了心脑研究的数据。心脑研究调查（心脏）血管因素、心脏和大脑的血流动力学状态与认知功能之间的关系，数据来自荷兰四个地点的参考参与者以及沿心脑轴的心血管疾病（即HF、COD和可能的VCI）患者，这四个地点是：阿姆斯特丹UMC（VU大学医学中心，AUMC-VUmc）、莱顿大学医学中心（LUMC）、马斯特里赫特大学医学中心（MUMC）和乌得勒支大学医学中心（UMCU）[21]。基线数据收集于2014年至2017年。两年随访测量于2016年至2019年进行。
研究方案及每个参与者组的详细纳入和排除标准此前已有描述[21]。所有患者组最重要的纳入标准是：根据现行指南诊断为HF、COD或VCI，年龄≥50岁，能够接受磁共振成像（MRI）和认知测试，并在日常生活中独立。HF患者的纳入不考虑左心室射血分数和冠状动脉疾病，根据欧洲心脏病学会指南，临床情况稳定。COD患者的颈内动脉存在显著狭窄（即>80%）或闭塞，通过磁共振血管造影评估。对于可能的VCI，纳入有认知主诉（无论认知障碍严重程度，即从主观认知下降到痴呆）的患者，并伴有MRI上中度至重度血管性脑损伤，或轻度血管性脑损伤伴有血管风险因素，且简易精神状态检查评分≥20[22]。所有患者组最重要的排除标准是：临床证据表明存在阿尔茨海默病和VCI以外的脑疾病、影响认知功能的精神科诊断，以及纳入时存在心房颤动。健康参考参与者通过广告和HF、COD或VCI患者的配偶招募。健康参考组中心血管风险因素（如高血压、高胆固醇血症、糖尿病、肥胖和当前吸烟）的比例低于患者组。
图1展示了横断面和纵向分析的研究样本选择。所有横断面分析均使用基线数据。基线样本包括566名参与者（129名参考参与者、162名HF、109名COD和166名VCI）。马斯特里赫特大学医学中心（MUMC）纳入的155名参与者均缺少基线六位邮政编码信息，因此从分析中排除。在剩余样本中（n=411），因因变量（n=65）和自变量（n=5）数据缺失而排除。无参与者因协变量数据缺失或缺乏有效的动脉自旋标记（ASL）图像视觉质量评估及CBF异常值检查而被排除。横断面分析的最终样本包括341名参与者（89名参考参与者、89名HF、78名COD和85名VCI）（图1）。
纵向分析使用了基线和两年随访数据。在横断面分析的341名参与者中，251人完成了两年随访评估。其中，因随访时因变量数据缺失（n=63）而从纵向分析中排除。此外，两名参与者因缺乏有效的ASL图像视觉质量评估和CBF异常值检查而被排除。另外六名参与者因在基线测量和两年随访之间搬家而被排除。纵向分析的最终样本包括180名参与者（64名参考参与者、36名HF、43名COD和37名VCI）（图1）。
未被纳入纵向分析的161名参与者在基线时更常患有沿心脑轴的疾病，整体认知功能和TBV水平较低，WMH水平较高，但在其他研究参数上与纳入的参与者（n=180）无差异。
2.2. 因变量
2.2.1. 整体认知功能
在心脑研究中，认知功能通过一套广泛且标准化的神经心理学测试进行评估，该测试组是在荷兰Parelsnoer倡议背景下开发的[23]。各项测试涵盖整体认知功能及四个主要认知领域：记忆、语言、注意-精神运动速度和执行功能。每个认知领域的各项测试已在补充文件1中描述。所有测试分数均标准化为z分数，以参考参与者为参考组。较高的z分数表示较好的表现。随后，将测试z分数平均以创建四个认知领域分数。领域分数基于可用测试，并在该领域至少有一项测试可用时计算[21]。通过计算四个领域分数的均值来构建整体认知功能得分[21,24]。
2.3. 自变量
2.3.1. 空气污染
基于模型计算和官方测量地点的测量结果，荷兰国家公共卫生与环境研究所估算了荷兰多个年份年度平均室外空气污染浓度的空间变异，分辨率为25×25米[25]。具体来说，这些估算基于分辨率为1公里的全国背景浓度图，并结合了当地交通信息。全国背景浓度图基于扩散模型，包括荷兰及国外的工业、车辆和家庭排放信息，以及气象和化学信息[26]。当地车辆交通数据来自荷兰国家空气质量合作计划[27-29]。年度平均室外空气污染浓度（根据24小时浓度值计算）是针对荷兰的官方测量地点年度平均室外空气污染浓度（根据24小时浓度值计算）是针对荷兰各地的官方测量点和地址位置估算的，随后通过插值生成空间分辨率为25×25米的全国栅格地图。在“地球科学与健康队列联盟”（GECCO）中，这些数据被进一步处理，并可通过六位邮政编码区域（即行政区域，平均面积0.0025平方公里，平均包含约15户家庭）获取[30, 31]。我们将相关年份的PM2.5、PM10和NO₂的年平均室外浓度（单位µg/m³）通过参与者的居住地六位邮政编码，与参与心脑研究基线调查的个体进行关联。
2.4. 中介变量
2.4.1. 三项脑健康指标：WMH、TBV和CBF
用于评估心脑研究参与者WMH、TBV和CBF的标准化脑部MRI方案已在别处详细描述[24]。MRI扫描分别在LUMC和UMCU的Philips Ingenia 3T扫描仪以及AUMC-VUmc的Philips Gemini 3T PET-MR扫描仪上进行（Philips, Best, the Netherlands）[21]。对于每位参与者，可能影响自动组织分割的梗死灶和其他病变由神经放射科医生进行标注。随后，由经过培训的学生手动分割已标注的梗死灶和病变[24]。采用脑组织和WMH分割方法（Quantib B.V., Rotterdam, the Netherlands）处理T1加权和液体衰减反转恢复扫描图像[32]。利用这些手动梗死分割结果，计算WMH、灰质、正常表现白质和梗死灶的校正体积（单位mL）。TBV（单位mL）通过将这些体积相加得出。为校正头围大小，将WMH除以总颅内体积（ICV）。类似地，TBV以脑实质分数表示，即脑组织占ICV的比例[33]。总ICV（单位mL）通过将WMH、灰质、正常表现白质、脑脊液和包含组织损失的梗死灶的校正体积相加计算。这些校正体积通过手动梗死分割获得。其他病变和偶然发现不计入总ICV[21,24,32]。
使用伪连续动脉自旋标记（pCASL）技术（多切片二维回波平面成像（EPI）采集，带背景抑制；标记持续时间=1800毫秒；标记后延迟=1800毫秒；单次EPI读出；分辨率=3×3×7毫米）评估全脑部分体积校正的皮层CBF（单位mL/100 g/min）[24,34]。pCASL数据使用自动化Iris流程进行CBF量化处理，包括感兴趣区分割方法和ASL量化方法[24,35,36]。ASL数据量化为CBF图基于单室模型，在从控制图像中减去标记图像后根据推荐方法进行[34]。为将减影后的ASL图像信号强度缩放为绝对CBF单位，使用了单独采集的质子密度加权图像（M0）。量化过程还包括对原始ASL数据进行运动校正和部分体积校正[24,37,38]。CBF仅在正常表现灰质（NAGM）中量化。为获取每位参与者的NAGM掩膜，将二值灰质分割（Statistical Parametric Mapping, London, United Kingdom）与WMH和梗死灶掩膜结合使用[24,39]。
2.5. 协变量
横断面分析针对基线的以下协变量进行调整：年龄（岁）、性别（男性（参考类别） vs. 女性）、教育水平、吸烟状况、体重状况、区域社会经济地位和人口密度。所有纵向分析额外针对基线的整体认知功能进行调整。
教育水平分为：低（Verhage类别1–4；参考类别）、中（Verhage类别5）和高（Verhage类别6–7）[40, 41]。
吸烟状况分为：从不吸烟（参考类别）、曾经吸烟和当前吸烟。
体重状况通过身体质量指数（BMI）评估，计算公式为体重（公斤）除以身高（米）的平方[42]。客观测量的区域社会经济地位得分来自荷兰社会研究所[43]。这些得分基于社区的平均收入、低收入居民百分比、低教育水平居民百分比和失业居民百分比。得分越高表示区域社会经济地位越高。
人口密度（即居民数/公顷）z分数使用荷兰统计局的数据计算，并从GECCO获取[30, 31, 44]。这些z分数是针对参与者居住地六位邮政编码区域中心点周围250米欧几里得缓冲区的相关年份计算得出的。
2.6. 统计分析
研究样本的特征以及区域暴露测量数据分别针对全样本和每个参与者组进行描述。在适当情况下，使用单因素方差分析、Kruskall-Wallis检验（均含事后Bonferroni校正）和皮尔逊卡方检验进行组间比较。
应用以中心（即AUMC-VUmc、LUMC和UMCU）作为第二层的多水平回归模型，检验单个空气污染物（即单污染物模型）与基线整体认知功能的横断面关联。采用类似分析评估基线空气污染与两年随访时整体认知功能的纵向关联。横断面分析针对年龄、性别、教育水平、吸烟状况、体重状况、区域社会经济地位和人口密度进行调整。纵向分析额外针对基线的整体认知功能进行调整。通过进行多水平分析，考虑了同一中心（第二层单元）内观察值（第一层单元）的聚集性。
为评估三项脑健康指标的中介效应，将每种空气污染物对整体认知功能的总效应分解为直接效应和间接效应。当观察到统计上显著的间接效应时，即认为存在中介效应[45]。采用一系列标准化回归分析来计算总效应、直接效应和间接效应。总效应是相关区域暴露测量对整体认知功能的影响（图2；c路径）。直接效应是在调整中介变量后，相关区域暴露测量对整体认知功能的影响（图2；c'路径）。间接效应估计为相关区域暴露测量对中介变量的影响（图2；a路径）与调整暴露测量后中介变量对整体认知功能的影响（图2；b路径）的乘积[46]。换句话说，间接效应（即ab路径）量化了区域暴露测量通过潜在中介变量传导对结果变量的影响[47,48]。中介分析在基线全研究样本中进行，无论是否存在统计上显著的总效应，因为不存在显著的总效应并不一定意味着直接和间接效应也不存在[49]。中介分析中的所有关联也针对基线所有纳入的协变量进行调整（图2）。由于间接效应通常呈偏态分布，应用基于5000个bootstrap样本的bootstrap法来估计间接效应的95%置信区间[50]。
为检查关联是否特别由某个参与者组驱动，在每组参与者中分别进行了横断面、纵向和中介分析。为研究参与者组（即参考参与者（参考组）、HF、COD和VCI）可能存在的效应修饰，创建了每个空气污染暴露测量与参与者组之间的交互项。每个交互项与其两个主项一起在完全调整的模型中进行统计检验。
阿姆斯特丹UMC（AUMC-VUmc）纳入的参与者是否在基线和两年随访之间搬家信息缺失。莱顿大学医学中心（LUMC）和乌得勒支大学医学中心（UMCU）仅有极小比例的参与者（分别为6.3%和2.9%）在此期间搬家。因此，假设阿姆斯特丹UMC的所有参与者（n=111）在此期间均未搬家，并将其纳入主要纵向分析[7]。为检查这一假设是否影响结果，在敏感性分析中排除这些参与者后重复主要纵向分析。
此外，还进行了额外分析，以检验空气污染与每个认知领域（即记忆、语言、注意-精神运动速度和执行功能）分别的横断面和纵向关联。考虑到不同空气污染物之间可能存在相互作用，还使用多污染物模型进行了额外分析，以检验空气污染与整体认知功能的横断面和纵向关联。
在所有统计分析中，p值小于0.05视为具有统计学显著性。所有统计分析均使用IBM SPSS Statistics（版本27.0）进行[51]。中介分析使用Hayes PROCESS v3.5.3宏中的模型4（即简单中介模型）进行[52]。
3. 结果
横断面和纵向分析所涉及的研究样本特征以及所有相关的区域暴露测量数据见表1。
3.1. 基线横断面关联
横断面分析显示，在全样本中，空气污染与整体认知功能均无显著关联（表2；β_PM2.5 = 0.012，95% CI = -0.078至0.101；β_PM10 = 0.031，95% CI = -0.046至0.108；β_NO2 = 0.022，95% CI = -0.003至0.047）。空气污染与参与者组的交互项总体上表明，横断面关联并未因参与者组而异（表2及补充文件2，表1.1）。
3.2. 纵向关联
在全样本中，基线时的任何空气污染暴露测量均与两年随访时的整体认知功能无显著关联（表3；β_PM2.5 = 0.038，95% CI = -0.032至0.109；β_PM10 = 0.014，95% CI = -0.048至0.076；β_NO2 = -0.001，95% CI = -0.022至0.022）。空气污染与参与者组的交互项表明，纵向关联并未因参与者组而异（表3及补充文件2，表1.2）。
3.3. WMH、TBV和CBF的中介效应
中介分析未显示WMH（图3，模型A-C）、TBV（图3，模型D-F）和CBF（图3，模型G-I）在全样本中PM2.5、PM10和NO₂与整体认知功能横断面关联中存在显著的中介效应。由于暴露测量与中介变量之间缺乏关联，中介效应似乎缺失（图3）。此外，在每组参与者中，WMH（补充文件2，图1.1–1.3）、TBV（补充文件2，图2.1–2.3）和CBF（补充文件2，图3.1–3.3）在空气污染与整体认知功能的横断面关联中均未观察到中介效应。
3.4. 敏感性分析
在敏感性分析中，由于阿姆斯特丹UMC（AUMC-VUmc）的参与者在基线和两年随访之间搬家数据缺失而被排除，但这并未改变本研究的任何结论（补充文件2，表2.1）。
在完整的横断面和纵向研究样本中，空气污染与四个认知领域（即记忆、语言、注意-精神运动速度和执行功能）均无显著关联（补充文件2，表3.1和3.2）。此外，在完整的横断面（表4）和纵向（表5）研究样本中，多污染物模型未显示任何空气污染物与整体认知功能之间存在统计学显著关联。
4. 讨论
本研究在无或患有HF、COD或VCI的个体中，检验了空气污染与整体认知功能之间的横断面和纵向关联。此外，本研究还检验了这些关联是否因参与者组而异，以及横断面关联是否由WMH、TBV和CBF介导。结果未发现支持空气污染与整体认知功能存在横断面或纵向关联的证据。未发现参与者组存在效应修饰，且三项脑健康指标均未显著介导空气污染与整体认知功能的横断面关联。
这项规模相对较小的研究，通过检验横断面和纵向关联，并评估脑健康指标在健康个体和沿心脑轴的心血管疾病患者临床样本中的中介作用，为理解特定空气污染物如何与认知功能及其潜在生物学机制相关联提供了初步步骤[6,12,13,20,53,54]。本研究的一个特别优势是整合了高精度空间尺度的空气质量数据，以及来自多中心研究的基于MRI的脑健康指标数据。这种方法使得评估可能将空气污染与认知功能联系起来的生物学机制成为可能[6,12,13,20,53]。
本研究存在若干局限性。首先，样本量较小，导致估计精度较低，因此检测统计学显著关联的能力较弱。其次，由于随访期相对较短且空气污染随时间无明显（显著）变化，我们无法恰当地检验空气污染浓度的变化是否与整体认知功能和脑健康指标的变化相关。因此，我们也无法就空气污染与认知功能及脑健康指标之间的因果关系得出更强有力的结论。第三，我们仅确定了参与者在居住地六位邮政编码区域的空气污染暴露水平。尽管这是住宅环境暴露评估常用的详细空间层面，但我们并未考虑人们在其他花费大量时间的地方（如购物和休闲区域）的空气污染暴露。这可能导致一些暴露错分。然而，正如Hoek等人所示，这种错分类可能很小[55]。最后，尽管我们在分析中调整了相关协变量，但仍可能存在我们未考虑到的残留混杂因素，如职业暴露和体力活动。
先前规模较大的研究显示，空气污染对中老年人的认知功能存在微小但统计显著的负面影响[9-11]。本研究也显示出较小的效应估计值，这是空气污染健康效应研究的典型特征[56-58]。然而，观察到的关联在方向上不一致且无统计学显著。值得注意的是，几乎所有参与者（PM2.5 = 100.0%；PM10 = 98.8%；NO₂ = 100.0%）的暴露水平均高于世界卫生组织2021年全球空气质量指南中推荐的年平均暴露水平[59]。在本研究中，大多数参与者居住在暴露水平相对较高的城市地区，缺乏显著关联的一个可能解释是暴露变异有限。未来的研究可同时纳入来自农村和城市地区的健康参考参与者和患者组，增加暴露变异性，从而能够更稳健地评估潜在关联。
以往研究表明，较高的空气污染水平与WMH增加、TBV和CBF降低相关[11,13,19]。在本研究中，我们未发现证据表明空气污染与整体认知功能之间的关联由这些脑健康指标中的任何一个介导。总体而言，各种横断面和纵向关联的幅度较小，且观察到的关联未呈现出一致的模式。后者可能归因于本研究统计效力有限。
未来的研究可以基于更多参与者的数据和更长的随访期重复我们的方法。这将增加统计效力，并能够恰当地检验空气污染的变化是否与整体认知功能的变化，或与WMH、TBV和CBF随时间的变化（例如，使用更灵敏的超高场强7T MRI扫描仪进行评估）相关。后者将有助于阐明空气污染、认知功能和脑健康指标之间的因果关系。此外，未来的研究可以纳入其他潜在相关的暴露测量。例如，直径<0.1 µm的超细颗粒物可能比PM2.5、PM10或NO₂更容易穿过血脑屏障，并可能更强烈地影响脑健康指标[60]。未来研究还可以检验空气污染与其他潜在相关的认知功能生物学中介因素（包括神经炎症和氧化应激）的关联。最后，未来的研究不仅应考虑居住环境中的空气污染暴露，还可考虑基于时间-活动加权的暴露测量，这将考虑个体在其他重要场所的暴露[7,55,61]。这可以改进空气污染暴露的评估，并在估计空气污染与整体认知功能和脑健康指标的关联时减少偏倚。
总之，在本研究中，空气污染与健康个体以及沿心脑轴的心血管疾病（即HF、COD或VCI）患者的整体认知功能无关。此外，空气污染与整体认知功能之间的关联在不同参与者组之间无差异。另外，PM2.5、PM10和NO₂与整体认知功能之间的关联并未由WMH、TBV和CBF显著介导。本研究的结果基于相对较小的研究样本；因此，这些探索性发现需要谨慎解读。
伦理批准与参与同意
已获得莱顿大学医学中心审查委员会的伦理批准（P.14.002）。所有参与者均已提供知情同意。
发表同意
不适用。
数据与材料可用性
心脑研究的数据可根据要求提供，前提是与心脑连接联盟指导小组达成协议。
资金来源
本研究是荷兰心血管联盟心脑连接交叉路口（HBCx）联盟的一部分。HBCx已获得荷兰心脏基金会根据资助协议2018–28和CVON 2012–06提供的资助。地理数据作为地球科学与健康队列联盟的一部分收集，该联盟由荷兰科学研究组织（NWO）——荷兰健康研究与发展组织（项目编号：91118017）和阿姆斯特丹UMC资助。EJT获得NWO引力资助（Exposome-NL, 024.004.017）。FJW获得荷兰健康研究与发展组织（BIRD-NL，项目编号60-65700-98-027）资助。资助机构在研究设计、数据收集、分析和解释、手稿撰写以及提交手稿发表的决定中均未发挥作用。
CRediT作者贡献声明
Erik J. Timmermans: 写作 – 初稿, 方法学, 调查, 正式分析, 数据管理, 概念构思。Esther E. Bron: 写作 – 审阅与编辑, 验证, 方法学, 调查, 正式分析, 数据管理。Michiel L. Bots: 写作 – 审阅与编辑, 项目管理, 方法学, 调查, 数据管理, 概念构思。Anna E. Leeuwis: 写作 – 审阅与编辑, 方法学, 调查, 正式分析, 数据管理。Justine E.F. Moonen: 写作 – 审阅与编辑, 方法学, 调查, 正式分析, 数据管理。Frank J. Wolters: 写作 – 审阅与编辑, 方法学, 调查, 正式分析, 数据管理。Geert Jan Biessels: 写作 – 审阅与编辑, 监督, 项目管理, 方法学, 调查, 资金获取, 正式分析, 数据管理, 概念构思。Ilonca Vaartjes: 写作 – 审阅与编辑, 监督, 项目管理, 方法学, 调查, 正式分析, 概念构思。
利益冲突声明
作者声明以下可能被视为潜在利益冲突的财务/个人关系：Geert Jan Biessels报告收到荷兰心脏基金会的财务支持。Erik Timmermans报告收到荷兰科学研究组织的财务支持。Frank Wolters报告收到荷兰科学研究组织的财务支持。若存在其他若存在其他作者，他们声明没有已知的可能影响本文所报告工作的竞争性经济利益或个人关系。
致谢
不适用。
附录. 补充材料
本文附有补充材料，包括两个Word文档，可在线下载。
【全文结束】