材料和方法

2007年，从C8健康项目中招募了200名成年人参加正在进行的PFOA毒代动力学研究。2005年至2006年进行的C8卫生项目是对华盛顿工厂附近六个受影响水域中至少有一个生活的约69,000人的横断面研究; 参与者提供了血液样本并回答了关于住院和职业病史，用水量，健康史和人口统计信息的问卷（Frisbee等，2009 ; Steenland等，2009）。C8健康项目是在西弗吉尼亚州提起的集体诉讼中达成和解协议而启动的（Leach 诉 EIdu Pont de Nemours＆Co。2002））。该协议还任命了一组流行病学家，即C8科学小组，以评估PFOA暴露与社区疾病之间是否存在联系（C8 Science Panel 2009）。

使用C8健康项目期间报告的电话号码，我们试图在2007年5月通过电话联系符合条件的个人进行PFOA毒代动力学研究，以询问其他资格筛选问题。随机抽样按性别，供水服务提供者和主要饮用水源（瓶装与公共）分层。根据设计，大约75％的参与者是从吕贝克招募来分配大部分研究资源来观察短期消除模式，因为在我们的基线访谈后不久就开始过滤。剩下的25％是从Little Hocking招募的，在我们的基线访谈后约5个月才开始过滤。这些参与者作为对照组在没有过滤的情况下评估短期血清PFOA模式。我们招募了大致相同数量的男性和女性，以最大限度地发现统计能力，以发现任何性别差异。虽然我们的大多数参与者是在消费公共饮用水的基础上选出的，但我们的招募目标包括少量瓶装水饮用者（Lubeck的20名参与者和Little Hocking的10名参与者），以调查他们的PFOA血清浓度下降的速度。最多六次尝试联系每个随机选择的个人，包括平日和周末以及白天和早晚的电话，直到个人达到或拒绝与我们交谈，或直到达到该个人的阶层的招募目标。虽然我们的大多数参与者是在消费公共饮用水的基础上选出的，但我们的招募目标包括少量瓶装水饮用者（Lubeck的20名参与者和Little Hocking的10名参与者），以调查他们的PFOA血清浓度下降的速度。最多六次尝试联系每个随机选择的个人，包括平日和周末以及白天和早晚的电话，直到个人达到或拒绝与我们交谈，或直到达到该个人的阶层的招募目标。虽然我们的大多数参与者是在消费公共饮用水的基础上选出的，但我们的招募目标包括少量瓶装水饮用者（Lubeck的20名参与者和Little Hocking的10名参与者），以调查他们的PFOA血清浓度下降的速度。最多六次尝试联系每个随机选择的个人，包括平日和周末以及白天和早晚的电话，直到个人达到或拒绝与我们交谈，或直到达到该个人的阶层的招募目标。

我们试图在达到招聘目标之前联系1,092人。其中94人没有向C8健康项目报告工作电话号码，435人有工作电话号码，但在六次尝试中无法联系，46人拒绝回答我们的问题或无法完成电话采访。在完成筛选访谈的517人中，304人根据额外的资格筛选问题不合格，7人在第一轮采血期间无法获得或拒绝参加完整的研究。另外6个人最初被保留作为替代参与者，但在我们的200名初级研究参与者完成他们的第一次抽血后没有被跟踪。

根据2005-2006 C8健康项目数据，我们使用以下资格标准研究PFOA毒代动力学：血清PFOA浓度至少为50 ng / mL，由吕贝克公共服务区或Little Hocking Water Association提供的住宅用水服务，在家里种植自己的蔬菜，从未受雇于杜邦公司，并签署了一份同意书，允许C8健康项目数据与C8科学小组共享。招募了两组：报告主要用于家庭用水的公共用水，以及一小组主要使用瓶装水用于住宅用水的组。为了符合资格，参与者必须在2005 - 2006年和2007年报告家庭用水的主要用水量; 公共用水主要用于烹饪，淋浴，2007年洗澡; 并且在家里没有使用碳水过滤器。2005-2006和2007年，符合条件的瓶装水饮用者必须报告主要使用瓶装水用于住宅用水。2007年没有在同一水域服务的人员，如2005-2006或任何有杜邦历史的人自2000年以来，就业或可能的职业性PFOA暴露被排除在两组的入组率之外。共有172名符合条件的公共饮水者和28名符合条件的瓶装水饮用者同意参加该项研究。参与者的年龄从18岁到89岁不等。那些在2007年没有被同一水区服务的人，如2005 - 2006年或那些有任何杜邦就业历史或自2000年以来可能接受职业性PFOA暴露的人，被排除在两组的入学率之外。共有172名符合条件的公共饮水者和28名符合条件的瓶装水饮用者同意参加该项研究。参与者的年龄从18岁到89岁不等。那些在2007年没有被同一水区服务的人，如2005 - 2006年或那些有任何杜邦就业历史或自2000年以来可能接受职业性PFOA暴露的人，被排除在两组的入学率之外。共有172名符合条件的公共饮水者和28名符合条件的瓶装水饮用者同意参加该项研究。参与者的年龄从18岁到89岁不等。表1列出了登记参与者的基线特征。

从2007年5月开始，参与者被要求在4年内捐献8份血液样本。第一轮血液样本的收集工作于2007年6月完成。随后的抽血活动在大约1,2,3,6和12个月后进行。最初的捐赠，最终样本于2008年8月捐赠。在每次抽血前，通过计算机辅助电话采访了一份关于近期用水，当地水果/蔬菜消费和潜在职业暴露的简要调查问卷。在整个研究的第一年，最初的200名参与者中除了3名之外的所有参与者都保持参加，完成了所有六次访谈和血液样本。计划在2009年中期和2011年中期进行额外抽血。

每次就诊时，由受过训练的抽血者在参与者选择的位置（通常在家中）收集血样（~4mL）。在同一天将样品在冷却器中运输到实验室，使其在室温下凝结最少30分钟，并以2,400rpm离心至少15分钟。离心后，将血清转移至2mL聚丙烯Nalgene小瓶（Thermo Fisher Scientific，Waltham，MA）并在-30℃下储存长达1周，然后在干冰上运送至疾病控制和预防中心（CDC） 。

在CDC，将所有样品保持在-40℃或低于-40℃直至分析。使用先前描述的反相高效液相色谱（HPLC） - 同位素稀释串联质谱联用的在线固相萃取（SPE）的改进来测量血清中PFOA的浓度（Kuklenyik等人，2005）。简要地说，我们添加275μL0.1M的甲酸和25μL 13 Ç 2 -PFOA内标溶液，100μL血清。将加标血清涡旋混合并超声处理，然后注入Symbiosis在线SPE-HPLC系统（Spark Holland，Plainsboro，NJ），允许在C18 SPE柱上预浓缩PFOA。该柱自动定位在Betasil C8分析型HPLC柱（2.1×50mm，5μm; ThermoHypersil-Keystone，Bellefonte，PA）前面，用于在Surveyor HPLC系统（ThermoFinnigan，San Jose，CA）上进行PFOA的色谱鉴定。以20μM乙酸铵（pH4）的水溶液（流动相A）和乙腈（流动相B）以300μL/ min的流速操作。HPLC梯度程序（11分钟）从流动相B的10％开始，从10％增加到55％（0.5-4.0分钟），从55％增加到80％（4-7.0分钟），从80％增加到90％ ％（7-9分钟），然后B含量保持90％（0.5分钟），降至10％，并保持10％（9.6-11分钟）。检测和定量使用ThermoFinnigan TSQ Quantum Ultra三重四极杆质谱仪上的负离子加热电喷雾电离（电喷雾电离的变体）串联质谱。用于定量的同位素标记的内标是13 C 2 -PFOA。我们使用10种PFOA校准标样，加入小牛血清，包括该方法的整个线性范围（0.1-150 ng / mL），构建每日校准曲线进行定量。对于PFOA浓度高于最高校准标准的样品，我们使用的血清体积<100μL，因此实际使用的血清体积在10μL和100μL之间变化，具体取决于样品。除校准标准外，我们还分析了空白和低浓度（~4 ng / mL），中浓度（~17 ng / mL）和高浓度（~100 ng / mL）质量控制（QC）材料，用小牛血清制备，以及每批样品，以确保数据的准确性和可靠性（Kuklenyik et al.2005））。使用标准统计概率规则（Caudill等人，2008）评估QC材料的浓度，其平均以获得每批的高，中和低浓度QC的一个测量值。

在2007年5月至6月的第一轮抽血期间，从32名参与者中收集了重复的4mL血液样品。来自这些样品的旋转血清被运送到西南研究所（德克萨斯州圣安东尼奥市）作为质量保证检查并使用液体进行分析。色谱 - 串联质谱; 由两个实验室测量的配对PFOA浓度的Spearman等级相关系数为0.89。成对浓度之间的中位数比率为1.16，CDC实验室获得的平均估计值更高。

在第2个月访问期间由单个抽血者收集的几个血液样本似乎具有不可信的血清PFOA浓度，与在其他时间点的相同个体的PFOA测量相比。我们强烈怀疑这些血液样本在运送到CDC之前在收集或处理过程中无意中被错误标记。因此，在第2个月访问期间由该抽血者收集的所有19个血液样本被排除在分析之外。

所有统计分析均使用R（R Development Core Team 2008）进行。除非另有说明，否则使用所有可用的有效观察数据计算 也就是说，退出研究的参与者和遗漏了2个月测量值的参与者不会被排除在分析之外。使用不成对的双样本t-测试进行基线比较，使用连续变量的不等方差，以及比例连续性校正的卡方检验。所有报告的p值都反映了双尾假设检验。

线性混合效应模型用于评估血清PFOA浓度随时间的受试者特异性变化并估计血清PFOA半衰期。以下一般模型形式用于描述观察到的数据：

其中C ij是在采样回合j处测量的个体i的血清PFOA浓度，αi是受试者特异性截距，λ是预过滤斜率，s ij是预过滤持续时间（即，血样收集和第一次之间经过的时间）过滤当天，过滤后设定为0），k i是受试者特异性的后滤斜率，t ij是过滤后的持续时间（即过滤第一天和血样收集日之间经过的时间，过滤前设定为0 ），X i是个体i的固定协变量的向量中，β是对应于协变量固定效应的载体，以及ɛ IJ是一个随机错误术语。截距，后滤波斜率和误差项都被建模为具有正态分布的随机效应; 其他参数被视为固定效应。预期斜率也可能在不同受试者之间变化，但由于我们大多数受试者缺乏多个预过滤血液样本，因此无法估计为随机效应。该模型假设日志血清PFOA浓度随着时间的推移线性变化几周，然后进行吕贝克测量的过滤，并且在过滤之前的几个月进行Little Hocking测量。它还假设每个个体的对数血清PFOA浓度随时间线性的线性后滤波斜率。使用R中的lme包完成参数估计，其中限制对数似然的最大化。

我们使用线性混合效应模型的纵向分析包括以下协变量作为预测因子：水区，公共/瓶装水饮用者，性别，年龄，当地农产品消费者，本土农产品消费者和工作中的公共供水服务。选择这些协变量，因为由C8健康项目测得的平均血清PFOA浓度在那些小霍金比吕贝克担任更高，而且由于相关因素（如年龄，每天自来水饮料，自产自销的水果和蔬菜的份量）有据报道，Little Hocking Water Association服务的居民中血清PFOA浓度的预测因子（Emmett et al.2006）。此外，在水区和水源（公共/瓶装水饮用水）之间使用相互作用项，以使水源对基线PFOA的影响因水区而异。PFOA浓度是进入模型的唯一时变测量; 基线值用于所有其他协变量。使用诊断图并通过测试t ij和年龄的二次项的加法来评估模型假设。

值得注意的是，如果相对于基线PFOA血清浓度，后过滤PFOA暴露率可忽略不计，我们的混合效应模型相当于假设过滤后具有一个隔室的一级消除动力学。美国一般人群中PFOA血清中位数浓度为4 ng / mL（Calafat等人，2007年），这个值比我们四个研究组的平均基线血清浓度小约15-100倍。根据定义，在曝光停止后，使用以下等式描述一阶消除：

其中C t是时间t的浓度，k是消除速率常数。这个等式的解决方案是众所周知的：

其形状与本研究中使用的线性混合效应模型相同，因为对于所有的后滤测量，s ij = 0。如果过滤后曝光是可忽略的，α 我 + X 我 β表示参与者的基线血清日志PFOA浓度我， - ķ 我表示受检者特异性过滤后消除速率常数，和受试者特异性血清半衰期是-ln（2 ）/ k i。由于血清PFOA浓度似乎是对数正态分布，因此对数变换适用于平均模型和残差。

结果

表1显示了基线汇总统计数据。基线（2007年5月至6月）血清PFOA浓度范围为16至1,400 ng / mL，小霍金水协会客户的血清PFOA浓度显着高于吕贝克公共水域客户（ t -test; p <0.001）。与主要使用瓶装水的人相比，家庭饮用水主要使用公共用水的人的基线PFOA浓度更高，Lubeck（ p<0.001）和Little Hocking（ p = 0.004）。更多瓶装水饮用者报告的消费本地产品比Little Hocking的公共饮水者报告（ p = 0.035）但不是吕贝克（ p= 0.46）。其他基线特征（性别，年龄，提供公共用水的比例，以及吃当地产品的比例）在任何一个地方的公共饮用水和瓶装水饮用者之间没有显着差异（表1）。

在第一年，血清浓度PFOA下降两个供水系统（住宅客户图1和AND2）。2）。对于吕贝克住宅客户，2007年5月至6月至2008年5月至8月期间血清PFOA浓度的平均未调整减少为32 ng / mL [95％可信区间（CI），27-37 ng / mL]，主要消耗公共用水在家（n = 130），16 ng / mL（95％CI，10-22 ng / mL）主要用于家中的瓶装水（n = 17）。对于Little Hocking客户，2007年5月至6月至2008年5月至6月期间血清PFOA浓度的平均未调整降低为公共用水者的95 ng / mL（95％CI，62-129 ng / mL）（n= 39）和68 ng / mL（95％CI，1.5-135 ng / mL）瓶装水消费者（n = 11）。与四组的平均基线血清PFOA浓度相比，这些降低分别为26％，28％，22％和38％。对于2007年11月至12月至2008年5月至6月在Little Hocking过滤后采集的血液样本，公共用水者和血清PFOA的平均未调整减少量为39 ng / mL（11月至12月平均值变化11％）瓶装水消费者28 ng / mL（11月至12月平均值变化20％）。我们还计算了血清PFOA中未经调整的个体百分比变化（总结于表2中）。单个百分比下降的平均值与组平均值的相对变化略有不同，因为这两个计算不相等。

 

图1

基线后和基布克公共服务区住宅供水服务参与者基线后约1,2,3,6和12个月血清PFOA浓度的盒须图，基线为主要饮用水源（A，公共水; B，瓶装水）。方框标记每轮血液样本的测量血清PFOA的第25，第50和第75百分位数，并且胡须延伸至最低和最高测量浓度。垂直虚线表示相对于基线血液样品采集的中位数天开始水过滤的那天。血清PFOA浓度以对数标度绘制。

 

图2

小基金水协会住宅供水服务参与者基线和基线后约1,2,3,6和12个月血清PFOA浓度的盒须图，基线为主要饮用水源（A，公共水; B，瓶装水）。方框标记每轮血液样本的测量血清PFOA的第25，第50和第75百分位数，并且须状物延伸至最低和最高测量浓度。垂直虚线表示相对于基线血液样品采集的中位数天开始水过滤的那天。血清PFOA浓度以对数标度绘制。

表3显示了线性混合效应模型的结果，并显示了指数参数估计值。例如，在调整其他协变量后，经过的过滤后时间与每日对数血清PFOA减少0.31单位有关（ e 0.31= 0.74），表明自过滤以来的平均时间效应是每年将血清PFOA浓度降低至其先前值的74％（降低26％）。该消除率估计相当于平均半衰期为2。3年（95％CI，2.1-2.4岁）。基线年龄也对血清PFOA浓度有很大影响，平均每10岁增加16％。性别，本土或当地种植的蔬菜的消费以及工作中的公共供水与对数血清PFOA浓度无显着相关性。水区（p = 0.02）和公共/瓶装饮用水源（p在调整其他协变量后，<0.001）与log PFOA显着相关。水区与公共/饮用水源之间的相互作用项具有较大幅度，但没有统计学意义（p = 0.10）。我们使用混合效应模型估计了特定主题的滤后消除速率常数之间的个体间SD为0.080单位/年。

我们还使用表3中描述的混合效应模型来检验过滤开始后血清PFOA下降得更快的假设。由于血清PFOA浓度在过滤前似乎已经下降，我们使用预过滤和后滤除去率之间的差异作为检验统计量。对数PFOA消除率的估计差异为0.11单位/年（95％CI，0.036-0.19单位/年）。这种对比具有统计学意义（p = 0.004），支持颗粒活性炭过滤作为此设置的有效干预。相对而言，过滤似乎在第一年内将下降率提高了约60％。

我们进行了额外的分析，以确定消除率是否取决于某些协变量。这些分析是由特定的假设推动的，但在某种程度上是探索性的，因为它们涉及经验模型选择，并且由于有限的随访时间和检测统计相互作用的一般困难，预计它们几乎没有统计效力。从表3中描述的线性效应模型开始，我们添加了每个固定预测变量的交互项与过滤后的时间，一次全部。在这个阶段，消除率的唯一具有统计意义的影响调节剂是水区/供水相互作用（p = 0.03）和本土蔬菜消费量（p<0.001）。估计效果相当于Lubeck与Little Hocking 平均半衰期（p = 0.13）相比，平均半衰期延长28％，Little Hocking 公众与瓶装水饮用者的平均半衰期（p = 0.07）高出33％，为7.8 吕贝克公共饮用水瓶装饮用水平均降低了平均半衰期（p = 0.24），本土蔬菜消费者的平均半衰期降低了46％（p<0.001）。虽然个体观察到的地方和供水之间血清PFOA去除率的差异没有统计学意义，并且可能只是反映随机变化，但本土蔬菜消费对表观半衰期的显着影响是有趣的。本土蔬菜消费者较高的估计半衰期可能表明正在进行的PFOA暴露正在人为地夸大这些个体的半衰期估计值。在第一年的任何一次采访中，有一百二十名参与者从未报告过本土蔬菜的消费情况。当我们将分析限制在这些个体时，估计的中位半衰期（调整相同的变量如表3所示）除本土蔬菜消费外）为2。1年（95％CI，1.9-2.4岁）。在研究的第一年，我们没有发现过滤消除率的年龄或性别依赖性的证据。

我们还评估了消除率对血清PFOA浓度本身的潜在依赖性，方法是在过滤后的时间与基线血清PFOA浓度的指标变量之间加入相对于表3中线性效应模型的中值的指标变量。对于基线血清PFOA浓度高于中位数的患者，该模型产生的平均半衰期估计值高出14％（p = 0.07）。

年龄的二次项是小幅度的，没有统计学意义（p = 0.52）。该结果表明线性假设对于年龄作为连续协变量是合理的。

讨论

我们的分析与之前将血清PFOA浓度与年龄，水域和公共/瓶装水源相关联的研究结果一致（Emmett等，2006 ; Steenland等，2009））。虽然我们没有复制先前报道的与本土产品消费相关的关联，但我们设计的研究是为了排除之前报告过种植自产产品的个体。因此，我们可能省略了本土产量消费率最高的那些产品。鉴于这种排除，我们对在本研究中基线访谈期间报告本土产品消费的大量个体感到惊讶。这可能是因为我们的调查问卷（“你吃自己家里种的水果或蔬菜吗？”）和C8健康项目工具（“你自己种植蔬菜吗？”）之间的措辞差异。我们的许多受访者可能一直在报告其他家庭成员或邻居种植的水果/蔬菜的消费情况。

我们的数据的一个有趣特征是，在我们研究的第一年中，瓶装水饮用者中对数血清PFOA浓度的下降速率与公共饮水者相比甚至更快。由于下降速率以对数标度建模，因此等效参数表明血清PFOA的下降与基线血清PFOA浓度成比例，公共水组的绝对下降幅度越大，PFOA浓度越高。瓶装水和公共饮水者的大幅下降表明，最近两组的PFOA暴露量均有所下降，无论是由于水系统的过滤，还是其他一些环境暴露的减少，或两者兼而有之。确实，对于对数PFOA的预过滤和后过滤斜率与时间的关系均为负，并且后过滤斜率明显更陡，这表明在我们研究之前和过滤之后，我们研究人群中的所有组的暴露均降低。由于过去十年华盛顿工厂的空气和地表水排放量急剧减少，我们的参与者可能已经开始减少暴露。此外，即使那些报告主要使用瓶装水在家中饮用的人也可能通过其他方式接触过PFOA污染的水，例如餐馆或教堂的饮用水，或者在访问其他人的家中，或使用用于家庭烹饪或饮料制备的公共用水，所以即使在瓶装水组中，过滤也是一种有效的干预措施。在我们的基线访谈中，36％的瓶装水饮用者报告使用公共水进行烹饪，54％的人报告使用公共水冲泡咖啡/茶或家庭混合饮料。一些人还报告说随着时间的推移改变他们的主要饮用水源。例如，尽管有基线特征，我们的“瓶装水饮用者”中有39％报告在12个月的采访中使用公共水作为家庭的主要饮用水源，10％的“公共饮水者”报告主要饮用瓶装水在为期6个月的采访中。36％的瓶装水饮用者报告使用公共水进行烹饪，54％的人报告使用公共水冲泡咖啡/茶或家庭混合饮料。一些人还报告说随着时间的推移改变他们的主要饮用水源。例如，尽管有基线特征，我们的“瓶装水饮用者”中有39％报告在12个月的采访中使用公共水作为家庭的主要饮用水源，10％的“公共饮水者”报告主要饮用瓶装水在为期6个月的采访中。36％的瓶装水饮用者报告使用公共水进行烹饪，54％的人报告使用公共水冲泡咖啡/茶或家庭混合饮料。一些人还报告说随着时间的推移改变他们的主要饮用水源。例如，尽管有基线特征，我们的“瓶装水饮用者”中有39％报告在12个月的采访中使用公共水作为家庭的主要饮用水源，10％的“公共饮水者”报告主要饮用瓶装水在为期6个月的采访中。

饮用水的PFOA污染最近才被认为是这些社区的一个潜在问题，因此我们研究中的许多瓶装水饮用者最近可能已从公共用水转用，也许是因为Little Hocking为其客户提供免费瓶装水2005年（Hunt 2006））。为了纳入我们的瓶装水组，参与者必须报告2005-2006 C8健康项目和2007年基线访谈中的瓶装水消费情况，这表明瓶装水消耗的历史可能导致血清PFOA浓度降低至中期2007年收集我们的基线血液样本。虽然我们试图建立更精细的统计模型来研究瓶装和公共水系统的预过滤血清PFOA浓度的变异性，但我们在Little Hocking中只有有限数量的观察结果，并且无法适应更复杂的预过滤模型。观察到的模式与多种来源中暴露减少的解释一致，包括在两个水系统中的过滤。然而，n = 11）。

动物研究表明PFOA在肝脏和肾脏中的大量分布（Vanden Heuvel等人，1991），这表明在波动的暴露条件下可能需要两个或更多个区室来描述PFOA的毒代动力学。研究人员采用精心设计的模型结构（例如，从滤液中可饱和吸收），以解释给予相对较高剂量的动物的短期PFOA毒代动力学（Lou et al.2009 ; Tan et al.2008但是，这些多室模型对于预测暴露停止后第一年环境暴露相对较低的人体内的PFOA毒代动力学可能不是必需的。我们研究的第一年的结果是使用对数线性模型合理解释的，这表明过滤后的一阶消除。我们在数据中观察到的更简单模型的一个可能偏离是通过为t ij添加统计上显着（p <0.001）的二次项而形成的略微凹函数预测过滤后第一个月PFOA消除较慢，增加12个月至线性模型估算的相同消除率。这种行为很可能是由于水系统在过滤开始后数天到数周仍然受到PFOA污染的事实，因为储水箱和配水系统中已经存在污染水。Little Hocking Water Association和Lubeck Public Water District系统的管理人员推测，系统可能需要数周或数月才能免于PFOA，在此期间我们的参与者可能继续通过饮用水暴露，尽管降低利率。

在该设置中使用混合效应模型来估计PFOA消除率的一个优点是其对固定效应规范的鲁棒性。因为包括随机的特定于受试者的截距和斜率，所以模型的有效性不依赖于正确识别这些特征的每个固定预测因子。我们允许每个人的基线PFOA浓度和滤后消除率根据观察到的数据而变化。混合效应模型公式的另一个优点是特定于受试者的消除率对于平均值的固有收缩，为具有极端半衰期的受试者提供更可靠的估计（Pinheiro和Bates 2000）。

奥尔森等人。（2007年）估计，对于一组26名退休工人，以前的职业暴露，PFOA的几何平均血清消除半衰期为3.8（95％CI，3.1-4.4）年。相反，我们的初始混合效应模型估计的平均对数PFOA消除率相当于2。3年的半衰期（95％CI，2.1-2.4岁）。虽然我们发现平均半衰期的CI相对较窄，但它受到12个月血清PFOA测量的严重影响，因此应被视为初步估计，将通过收集后期血液样本来改善。尽管我们的对数线性模型似乎很好地拟合了可用数据，但我们的半衰期估计取决于额外的假设，即正在进行的PFOA暴露仅对当前血清PFOA浓度贡献可忽略不计的量。奥尔森等人。（2007）使用相同的假设来推导他们的半衰期估计。由于本土/当地产品消费，工作或其他地点的PFOA污染水消耗或其他接触途径，我们的一些参与者可能发生了不可忽略的后滤过程。虽然空气传播途径可能曾经导致该社区的PFOA污染，但华盛顿工厂设施的排放量在过去几年中可以忽略不计，该地区的大部分公共供水已经过PFOA测试，目前正在接受治疗如果需要的话。因此，目前该社区的持续暴露可能很少，可能的例外是受污染土壤的当地/本土产品消费。

此外，该参数的相对较大的随机效应表明受试者特异性半衰期变化很大。例如，根据我们的结果，预计约95％的人每年的消除率常数在0.15到0.46之间，相当于1.5到4。6年之间的半衰期。相比之下，奥尔森等人。（2007）报告26名受试者的受试者特异性PFOA半衰期为1.5至9。1年，没有收缩估计。如果任一研究中的任何个体在随访期间都经历了大量的PFOA暴露，那么这些受试者的半衰期将被高估。

受试者特定半衰期的广泛变化对风险评估具有重要意义，因为它意味着一些人在相同的暴露率下会比其他人承受更高的身体负担，并且可能承担更大的健康风险。它还对流行病学研究有影响，这些研究依赖于测量的血清浓度来表征暴露。除非可以确定可预测受试者特定半衰期的因素，否则这些研究将受到测量误差的阻碍。尽管我们的初步数据仅提供了研究受试者特定半衰期决定因素的有限能力，但我们研究设计中使用的重复问卷和血液样本的组合预计将为未来几年调查这些问题提供更有用的数据。 。