延迟衰老是一个庞大的产业，抗衰老面霜和大脑健康补充剂声称可以减缓身体和心理的老化过程，这构成了一个价值数十亿美元的行业，同时科学家也在研究如视频游戏能否减缓认知能力下降等问题。
但识别那些加速衰老过程的外部压力源同样重要。今天发表在《自然医学》上的一项研究利用来自拉丁美洲、欧洲、亚洲和非洲超过16万人的数据，发现包括性别平等、地方民主、内部移民以及空气质量在内的多种因素都会影响衰老过程。尤其值得注意的是，暴露在较差空气质量中会扩大一个人的实际年龄与其“生物年龄”之间的差距，后者是衡量某些与年龄相关疾病风险的重要指标。
该研究的共同作者之一、哥伦比亚波哥大安第斯大学心理学与神经科学教授桑德拉·巴埃斯（Sandra Baez）表示，他们使用了来自“四大洲40个国家”的多项调查数据集。她与合著者、都柏林三一学院全球脑健康教授阿古斯丁·伊瓦涅斯（Agustin Ibáñez）提取了有关脑健康的预防性因素和风险因素的信息，并特别关注与痴呆症相关的变量。
为了确定“生物行为年龄”——即作为生物年龄代理的一个指标，研究人员将教育水平、运动习惯等预防性因素，以及心脏病、高血压、饮酒等风险因素纳入机器学习模型。巴埃斯指出，这些驱动因素可用于基于神经健康预测生物行为年龄。伊瓦涅斯解释称，他们将个体实际年龄与生物行为年龄之间的差异称为“生物行为年龄差”，它反映了神经系统所承受的压力。
巴埃斯和伊瓦涅斯分析了受访者生物行为年龄差如何因空气质量等外部条件而变化。如果某人的生物行为年龄高于其实际年龄，则表明其正在经历更严重的衰老效应。
伊瓦涅斯说：“污染通过炎症影响大脑，政治压力也会引发炎症。总体思路是理解物理、社会和政治因素如何综合或协同作用，导致人们加速衰老。”
他们在研究中使用了国家层面测量的细颗粒物PM2.5数据，来观察空气质量如何单独或与其他外部条件共同加剧衰老现象。他们发现，结合不良的物理、社会和政治条件会导致衰老加速——使认知障碍的风险增加四倍。在整个数据集中，空气质量对衰老的影响在统计学上比其他社会或物理条件更具显著性。
伊瓦涅斯表示：“空气质量的影响至少与性别歧视、人口迁移或社会经济不平等这些众所周知的问题一样严重，甚至更为严重。”
空气污染，尤其是PM2.5暴露，与从痴呆症到抑郁症再到中风等多种健康状况相关，而这些病症通常与老年人群相关。
这项研究还发现，由物理和社会暴露因素共同引起的加速衰老具有区域性差异。拉美和非洲的生物行为年龄差大于亚洲或欧洲地区。作者推测，这种更大的年龄差距可能是由于拉美和非洲国家面临更高的空气污染暴露水平以及更大的性别和社会经济不平等。不过他们也指出，非洲地区的参与者仅限于埃及和南非，因此研究结果可能无法代表整个大陆的风险情况。
巴埃斯指出，诸如空气污染暴露和投票权这样的结构性问题，远远超出了个人选择的控制范围。
她说：“我们必须认识到，改善空气质量、收入分配、教育质量以及国家社会政治指标的公共健康干预措施，对于大脑健康和衰老同样至关重要。”
尽管巴埃斯和伊瓦涅斯的研究表明空气污染可能会影响身体和大脑的衰老过程，但关于“生物行为年龄差”是否真的反映衰老，学术界仍存在争议。大多数医学专家“并不认同‘衰老’的统一定义”，伊瓦涅斯坦言。
哥伦比亚大学环境健康科学教授艾伦·科恩（Alan Cohen，未参与此项研究）表示：“不存在所谓‘生物年龄’的概念。衰老包含百万种不同方面，我们身体的不同部位以不同的方式衰老，没有一种单一尺度能全面反映这一切。”
科恩认为巴埃斯和伊瓦涅斯使用的“生物行为年龄差”这一度量标准存在缺陷。他们的研究从行为出发推断衰老，并将其与环境暴露及社会政治条件进行比较，但并未直接观察这些因素如何从生物学上改变身体任何部分或器官系统。
他表示，更准确的生物年龄估算方法应采用表观遗传学，即研究基因如何开启或关闭。
他说，衰老和环境压力源共同在人类基因组上留下“小标记或注释”。科学家可以通过这些被称为甲基基团的标记模式，判断个体对诸如空气污染等生物压力源的暴露程度，并计算出一个生物年龄值。科恩指出，这种方法得出的生物年龄通常与个体实际年龄相差不超过三年。然而，在全球范围内复制此类过程极为困难。
科恩表示，要在横跨四大洲的16万人身上逐一实验室检测其基因组，以确定例如空气质量如何生物性地加速衰老，这是不可能实现的。
他说：“目前没有任何数据库能够在全球范围内采集这么多国家的大样本并提供详细的生物学信息。因此，巴埃斯和伊瓦涅斯根本不可能获得这种黄金标准的生物学数据来进行比较。”
即便如此，科恩仍然同意空气污染确实会对健康造成负面影响，可能缩短寿命。
巴埃斯表示，这项新研究旨在“找到一种更易获取且更便宜的加速衰老测量方式”。这也是为什么她和伊瓦涅斯使用一些非常简单的问题来评估全球人群中的风险因素和保护因素，从而计算出“生物行为年龄差”。
空气污染可能导致寿命缩短和生活质量下降，正因如此，伊瓦涅斯认为，任何关于衰老驱动因素的通用模型都必须纳入环境条件。
他说：“如果我们建立一个不包含环境因素的通用模型，我们将无法产生好的科学成果、好的预测或有效的预防措施。”
【全文结束】
