浩灵实验室 · 科学易学

Tag: 五运六气

  • 海拔梯度上的病毒突变：宇宙线自然实验能证明’天时改写病毒’吗？

    📌 证据等级：A

    海拔梯度上的病毒突变：宇宙线自然实验能证明”天时改写病毒”吗？

    如果宇宙线真是病毒突变的”天时扳机”，那么住在高山上的病毒应该比海边的病毒更容易变异——海拔梯度就是大自然免费提供的实验室。

    正文

    易学讲”天时”是疫病的第一推动力，现代科学给这条古老的直觉找到了一个物理候选通道——银河宇宙线。太阳风把宇宙线”调频”，而海拔则把宇宙线”调音量”：越往高处，大气屏蔽越薄，粒子通量越大。海拔梯度因此成了一个难得的自然实验：不需要造加速器，地球本身就把辐射剂量分了组。问题是，住在海拔 4000 米山上的病毒，基因组里的突变指纹，真的比海平面城市的病毒更多、更”野”吗？

    先看物理事实。宇宙线中子剂量当量率随海拔以近似二次曲线上升：1987 年日本团队用多球中子谱仪实测，海平面与 4880 米、11280 米高度的中子能谱显著不同，剂量当量率先按二次曲线增长、6000 米以上转为线性（PMID 3667276）。更精细的高空测量来自国际 AIR 项目的 ER-2 飞机：宇宙线中子通量率随地磁纬度剧烈变化——最北测量点比最南点高出 8 倍；海拔从 21 公里降到 12 公里谱形变化不大，但一到地面就完全不同（PMID 12033224）。换算到日常场景：海拔每升高约 1800 米，剂量率翻倍；商业飞行高度（9-12 公里）的宇宙线剂量当量率约为海平面的 100 倍。“越高辐射越强”是扎实的物理事实——这就为”海拔 vs 病毒突变”提供了可检验的暴露梯度。

    流行病学侧也先有一层铺垫。多项研究独立报告：高海拔地区呼吸道感染发病率和传播力系统性偏低。美洲 23 国数据显示，COVID-19 发病率从海拔 1000 米起显著下降，传播概率和严重度同步降低（PMID 33780470）；中国数据进一步用中介效应模型指出，海拔的作用经由低温、低 PM2.5、低绝对湿度与低人口流动实现（PMID 35405128）。高海拔宿主免疫也在变：缺氧会抑制 T 细胞功能（PMID 3307557），模拟飞行舱内低氧低气压也会带来短暂的淋巴细胞增殖抑制（PMID 22462370）——但注意，这些研究说的是感染风险变了，不是病毒基因组变了。感染少、传播慢，不代表突变率低，恰恰相反：更小的种群和更强的选择压力，可能让突变谱系走完全不同的路。

    真正把”海拔”和”突变”直接挂钩的证据刚刚出现。2024 年中国 40 城 24,826 例 COVID-19 的基因组研究显示：98.4% 的病例在低海拔地区，但高、低海拔组的突变频率分布显著不同——S 基因受体结合域（RBD）的 C22323T 突变与海拔正相关（ρ=0.32），而另一些刺突突变（A23063T、C23604A）在低海拔更常见，且与气压、UV 指数显著相关（PMID 38526532）。西藏腺病毒研究提供了对照：拉萨（3650 米）与成都（520 米）分离的腺病毒序列尽管突变模式相似、遗传进化距离较近，但超高海拔组（>4500 米）的肺炎严重度和病程显著恶化（PMID 34722335）。这些数据第一次让”海拔→突变谱差异”从假说变成了可重复观察——虽然它们尚不能证明因果方向。

    但”差异存在”距离”宇宙线是原因”还隔着三道坎。第一道是剂量账：LNT（线性无阈）模型假设辐射诱变与剂量成正比，其源头正是”宇宙/地球辐射是自发突变主力”的假说（PMID 23887208）——但这一假说从 1920 年代提出起就争议不断，2023 年的系统评估直言”背景辐射贡献显著份额”的假设得不到实验与流行病学支持（PMID 37642576）。地面宇宙线年有效剂量约 0.3-0.4 mSv，即便在 4000 米也仅约 2-3 mSv，而病毒复制的错误率由 RNA 聚合酶主导（SARS-CoV-2 约 10⁻³ 替换/位点/年，PMID 32687861），辐射能否挤进这个主控方程，仍是数量级上的问号。第二道是混杂：高海拔同时捆绑着低氧、低湿、强 UV、低温与稀疏人口——PMID 38526532 自己就发现突变频率同时与气压、温度、UV 指数相关，把宇宙线从这一堆变量里单独拎出来，需要通量梯度分层建模而不是简单对比。第三道是方向：即便高海拔病毒”更不同”，也可能是更小的宿主种群、更强的免疫选择或更长的传播链所致——”解耦度”高不等于”辐射诱变多”。

    这正是本文提案的可操作版本——解耦度（decoupling）检验：以同一时期全球流行谱系为基线，计算每个海拔梯度监测点的病毒系统发育偏离量（root-to-tip 残差、谱系多样性指数），看偏离量是否随中子通量梯度单调上升；同时把低氧、UV、湿度、人口密度作为协变量分层。若偏离量随海拔单调且独立于协变量，”天时改写病毒”获得第一个直接证据；若不独立（当前证据更可能如此），则海拔差异主要经宿主-环境间接通路实现——这同样回答了一个易学问题：为什么五运六气的”岁气”预测必须与地域气候耦合使用，而不能孤立断言。

    对易学的意义：海拔梯度是”天时”假说最廉价的检验台。物理端（通量梯度）与流行病学端（突变谱差异）都已各自成立，缺的只是把两端接到同一根统计轴上——这正是”天人合一”从哲学命题变成可证伪科学假说所需的最后一步。

    证据与局限

    已验证: 宇宙线中子剂量当量率随海拔近似二次曲线上升（PMID 3667276）；通量率随地磁纬度变化可达 8 倍（PMID 12033224）；高海拔地区 COVID-19 发病率、传播力与严重度系统性降低（PMID 33780470, 35405128）；高、低海拔 COVID-19 突变频率分布显著不同，S 基因 RBD C22323T 与海拔正相关（PMID 38526532）；超高海拔腺病毒肺炎严重度更高（PMID 34722335）；LNT 模型起源于”宇宙线驱动突变”假说（PMID 23887208）。

    部分验证: 高海拔 T 细胞功能受抑但病毒抵抗力可能保持（PMID 3307557）；模拟飞行低氧导致短暂淋巴细胞增殖抑制（PMID 22462370）；背景辐射对自发突变贡献的量化存在根本争议（PMID 37642576）；SARS-CoV-2 进化率约 10⁻³ 替换/位点/年、由复制与选择主导（PMID 32687861）。

    待验证: “突变谱差异→宇宙线诱变”的因果方向；海拔效应在控制低氧/UV/湿度/人口密度后的边际增量；跨病毒（流感/腺病毒/RSV）的通量梯度解耦度复制；解耦度与中子通量梯度的剂量-反应曲线形状。

    相关阅读

    证据等级: A（高海拔宇宙线通量梯度、高/低海拔病毒突变频率差异均有 PubMed 直接支撑；”海拔差异→宇宙线诱变”因果链属部分验证）
    参考文献: PMID 38526532, PMID 3667276, PMID 12033224, PMID 33780470, PMID 35405128, PMID 34722335, PMID 23887208, PMID 37642576, PMID 3307557, PMID 32687861

  • 同样的太阳，为什么有人受邪有人无感？基线维生素D状态的效应修饰

    📌 证据等级：A

    同样的太阳，为什么有人受邪有人无感？基线维生素D状态的效应修饰

    “正气存内，邪不可干”在流行病学里有一个精确的统计对应物——效应修饰：同一个太阳周期暴露，基线维生素D不足的人反应强烈，充足的人几乎免疫。这个交互项，可能就是”虚则受邪”的现代表达。

    正文

    上一篇文章（血清维生素D：太阳周期影响健康的中介通道）提出了一个问题：太阳周期→疾病流行这条链里，有多少份额经 25(OH)D 传导？中介分析问的是”走哪条路”；本文要问的是另一个正交的问题——同样暴露在太阳周期里，谁受影响的强度更大？ 统计上这叫效应修饰（effect modification），临床上有个更直白的说法：基线状态决定易感性。

    先看干预端的铁证：补同样的维生素D，效果完全取决于你缺不缺。 2017 年 BMJ 发表的个体参与者数据 meta 分析（25 个 RCT、10,933 人）是这个问题上迄今最权威的证据：基线 25(OH)D 低于 25 nmol/L 的人，补充维生素D使急性呼吸道感染风险降低 42%（OR 0.58，需治数 8）；而基线水平 ≥25 nmol/L 的人，补充后没有任何显著获益（OR 0.89，95%CI 0.77-1.04）（PMID 28202713）。这不是剂量问题，是”地基”问题——同样一剂药，缺的人是在”补漏”，不缺的人是在”加高”。

    2024 年的新 RCT 把这张图补完整了。 一项在芬兰年轻男性中做的随机对照试验 + 14 周随访研究给出一个看似矛盾的组合：补充组与安慰剂组在急性呼吸道感染结局上无差异（每天 20µg 维生素D3 没能压低感染率），但无论分组，基线 25(OH)D 不足（<50 nmol/L）者的感染风险是充足者的 2.1 倍（OR 2.1，95%CI 1.2-3.7），缺勤天数 2.3 倍，且抗菌肽 cathelicidin 浓度显著更低（OR 0.49）（PMID 39301110）。读起来矛盾，其实是同一个故事的两面：短期补充救不回一个早已建立的基线状态，但基线状态本身就是最强的风险标记。2021 年《柳叶刀-糖尿病与内分泌学》汇总 46 个 RCT、75,541 人的结果与此一致——总体保护效应 8%（OR 0.92），而每日小剂量方案（400-1000 IU）的亚组保护最强（OR 0.70）（PMID 33798465）。

    观察端同样指向”基线分层”而非”人人平等”。 英国 1958 年出生队列 6,789 人显示，呼吸道感染的流行有强季节性，且与血清 25(OH)D 的季节曲线严格反向：25(OH)D 每升高 10 nmol/L，感染风险降低 7%（PMID 21736791）。奥地利一个 655 人的危重病研究用了一个更聪明的做法——按月份特异的 25(OH)D 三分位分层（把季节波动本身当基线），低三分位组医院死亡率是高三分位组的 2.05 倍（PMID 24661739）。这两篇告诉我们：所谓”季节性”，本质上可能就是”冬天里缺乏的人暴露于冬天的病毒”的叠加；季节不是暴露本身，而是暴露的上游驱动器。

    这个假说不是新提的——它最早来自 1981 年 Hope-Simpson 的”季节性刺激”假说。 这位流行病学家在研究流感大流行多年后提出：一个与太阳辐射紧密相关的”季节性刺激”（seasonal stimulus）解释了流感的季节爆发。2006 年的一篇评论把这条线收拢：太阳辐射驱动皮肤合成维生素D，冬季缺乏普遍，而 1,25(OH)2D 作为类固醇激素深度调节免疫——刺激抗菌肽表达、压制过度炎症因子、增强巨噬细胞氧化爆发；志愿者在冬季接种减毒流感病毒更容易发热和产生血清学反应；补充维生素D能降低儿童呼吸道感染（PMID 16959053）。注意这个假说的结构：它说的不是”太阳辐射直接杀病毒”，而是”太阳辐射通过维生素D改变宿主防线”——换句话说，流感季节性的宿主端解释，本来就是”缺乏者受邪”模型。五运六气的”时气致病”，在分子水平上可能就是这句话。

    这正好接上五运六气的”虚则受邪”。 中医讲”邪之所凑，其气必虚”——同一个时令之气（太阳周期、气候节律），对正气充足者是”四时之气，各化其化”，对正气虚者是”虚邪贼风，避之有时”都避不开。用现代语言翻译：环境暴露的效应量不是常数，是基线状态的函数。太阳周期→紫外线→维生素D这条链上，”缺乏者敏感、充足者免疫”已经在 RCT 层面被反复证实（PMID 28202713/39301110），那么一个自然的推论是：太阳活动年（UVB 通量低、冬季更长）对健康结局的影响，应当集中在基线 25(OH)D 缺乏的人群里——这是可以在现有队列里直接检验的假设。

    这个假设为什么值得单独建个课题？ 因为它的统计意义被中介分析掩盖了。中介分析回答”多少效应经维生素D传导”，隐含假设是全人群同质；而效应修饰回答”这个传导是否只对部分人成立”，允许人群异质。二者可以共存：中介比例可能整体不高（因为存在非维生素D通路，见 uv-pathway-vitamin-d-dependent-independent），但缺乏亚组里的中介比例可能很高——这恰恰是”太阳周期-疾病”关联过去几十年测来测去时有时无的原因之一：不同研究里缺乏者的占比不同，效应量就不同。把这个交互项显式建模，可能是解开太阳-健康关联异质性的一把钥匙。

    证据与局限

    已验证: 基线 25(OH)D <25 nmol/L 者补充维生素D显著降低急性呼吸道感染（OR 0.58），≥25 nmol/L 者无获益（PMID 28202713）；基线不足（<50 nmol/L）者感染风险 OR 2.1、cathelicidin 更低，且短期补充无法逆转（PMID 39301110）；25(OH)D 与感染风险线性负相关、季节曲线反向（PMID 21736791）；按季节特异三分位分层的低水平者危重病死亡 HR 2.05（PMID 24661739）；补充剂总体 OR 0.92、日服方案亚组 OR 0.70（PMID 33798465）；”季节性刺激”假说框架成立，冬季补充维生素D可降低儿童呼吸道感染（PMID 16959053）。

    部分验证: “太阳周期-疾病”关联存在但效应量不稳（见 sunspot-latitude-health-effect-comparison），”缺乏者占比导致效应量漂移”是解释异质性的候选机制之一；冬季/高纬缺乏风险由纬度、肤色、GC 基因型（rs4588）共同决定（PMID 33230496），为”谁更容易受太阳周期影响”提供了可遗传的分层变量。

    待验证: 太阳周期相位（黑子数/UVB 通量）× 基线 25(OH)D 的显式交互项建模（缺乏亚组中”太阳-疾病”关联是否显著更强）；效应修饰与中介比例的联合分解（缺乏亚组的中介份额是否高于全人群）；跨纬度梯度（高纬缺乏率高 → 太阳效应应更强）；GC rs4588 基因型作为”基线状态”工具变量的孟德尔随机化设计。

    相关阅读

    证据等级: A（效应修饰本身有 PubMed 直接支撑：IPD meta 亚组分析 PMID 28202713、RCT 基线分层 PMID 39301110；”太阳周期×基线状态交互项”尚无直接检验，属延伸推论）
    参考文献: PMID 28202713, PMID 39301110, PMID 33798465, PMID 21736791, PMID 24661739, PMID 16959053, PMID 33230496

  • 地磁活跃期对呼吸道超额死亡的边际增量：气象条件配对年份设计

    📌 证据等级：A

    地磁活跃期对呼吸道超额死亡的边际增量：气象条件配对年份设计

    在气象条件几乎相同的两个年份里，地磁更活跃的那一年，呼吸道超额死亡是否更高？——这是把”天时”从”天气”里拆出来的关键一役。

    正文

    中医五运六气讲”天时”与”气候”共同决定疫病，但在现代统计里，”天时”（太阳活动与地磁扰动）和”气候”（温度、湿度）高度纠缠：地磁活跃的年份往往也是太阳活动的特定相位，而太阳活动又通过紫外线、气温间接影响流感流行。于是当研究者报告”地磁活跃期呼吸道死亡升高”时，批评者总可以反问一句：你拆得开吗？会不会只是气象条件的影子？

    这个问题正是本系列此前一篇文章（#230，双通路拆分检验）留下的悬案：免疫通路（宿主昼夜节律、褪黑素）与气象通路（绝对湿度、温度）各有一批成熟证据，但从未在同一样本中把两条通路同时拆开。而”配对年份设计”（matched-year design）正是为这种质疑量身定做的减法实验。

    配对年份设计的逻辑非常朴素：先不看地磁，只看气象。在二十年时间里，选出若干对”气象条件几乎相同”的年份——同样的冬季平均温度、同样的绝对湿度曲线、同样的流感流行强度。然后看每一对年份里，地磁更活跃的那一年，呼吸道超额死亡是否系统性更高。因为气象被”配对”掉了，剩下的差异只能归因于地磁。

    2026年6月刚发表的一项全美研究，恰好把这个思路推进到了可执行的程度。Harfouch 等人用2000-2019年美国47个州的月度呼吸道感染（RTI）死亡数据，以地磁指数 Kp 的6个月移动平均作为暴露指标，用广义估计方程（GEE）泊松回归估计相对风险。结果发现：在1-12个月的所有暴露窗口中，6个月累积窗口与RTI死亡的关联最强；Kp 每升高一个四分位距，65-74岁、75-84岁、85岁以上三个年龄组的RTI死亡相对风险都显著升高（85岁以上女性 RR=1.16，95%CI 1.14-1.18；男性 RR=1.14，95%CI 1.12-1.16）。这是第一项在国家级尺度上把”地磁累积暴露”与”呼吸道感染死亡”直接挂钩的研究（PMID 42350784）。

    为什么用6个月累积而不是当天Kp？这正是配对年份设计的灵魂所在。地磁对宿主的影响是慢性的、累积的——如果机制是昼夜节律紊乱和免疫调制，那么一次磁暴的当天效应很小，真正起作用的是连续几个月的”低强度持续扰动”。6个月窗口的峰值关联，与五运六气”客气加临、一气主六十日”的月尺度累积观，在时间结构上惊人地呼应：都是”一段时间的天时扰动”而非”一天的突发事件”。

    但必须承认，PMID 42350784 是生态学研究，用的是全国月度汇总数据，温度、湿度只作为协变量进入模型，并没有做严格的”配对年份”。它的贡献是证明了”地磁→RTI死亡”关联在6个月窗口下稳健存在；而”边际增量”的直接检验——即气象完全匹配后地磁还能否贡献额外死亡——仍未有人做过。

    这正是 #231 要立项的设计：气象条件配对年份 + 地磁活跃期事件研究法 + 6个月累积Kp暴露窗口 + 超额死亡估计。具体做法分四步：第一步，用绝对湿度（AH）和温度序列把2000-2025年划分成”气象相似年份组”（例如按冬季AH曲线的动态时间规整距离聚类）；第二步，在每一组内比较地磁活跃年与平静年的RTI超额死亡（超额死亡用 Serfling 类周期回归基线估算，PMID 19453440、9209852 给出了四种成熟方法）；第三步，用事件研究法（event study）检查地磁活跃期前后死亡率的时滞结构——如果免疫机制成立，峰值应出现在累积暴露之后数周到数月，而非当天；第四步，把6个月Kp累积窗口与其他窗口（1个月、12个月）做敏感性对比，确认窗口选择不是数据挖掘的产物。

    这套设计的统计威力在于”配对”天然消除了气象混杂，而”超额死亡”天然吸收了年龄结构、慢性病负担等长期趋势。剩下的问题只有一个：地磁是否真的贡献了边际增量？

    值得注意的是，太阳-流感关联本身是有争议的。Yeung 曾用1700-2000年的数据提出太阳黑子数可预测流感大流行（PMID 16806734），但 Towers 用更严格的统计方法重分析后认为，此前的阳性结论大多源于数据错误和任意分组，修正后没有显著关联（PMID 28847318）。这个对照非常重要：它说明”太阳-疾病”类关联极易被方法学瑕疵制造出来，配对年份设计恰恰是抵御这类虚假关联的防火墙——气象被固定后，地磁效应如果仍然出现，才配得上”边际增量”四个字。

    证据与局限

    已验证: 全美47州、2000-2019年数据显示，Kp指数6个月移动平均与RTI死亡显著相关，85岁以上人群RR最高（PMID 42350784）；韩国2001-2019年数据显示日Kp与总死亡、心血管死亡相关，且调整PM10后仍稳健（PMID 40768856）；263个美国城市2019年研究确认GMD与总死亡、心血管死亡相关（PMID 31511079）。

    部分验证: 超额死亡估算方法成熟（Serfling周期回归、泊松回归、率差法四方法对比，PMID 19453440；121城市及时监测方法，PMID 9209852），但尚未有人将其与地磁暴露结合做”配对年份”检验；太阳-流感大流行关联存在正反两方证据（PMID 16806734 vs 28847318），结论依赖统计方法选择。

    待验证: ①气象条件完全匹配后，地磁活跃期对RTI超额死亡的边际增量是否仍显著；②6个月累积Kp窗口是否优于其他窗口的机制解释（免疫累积 vs 气象代理）；③配对年份设计能否在北美以外（如东亚、欧洲）复制，检验纬度与地磁强度梯度。

    相关阅读

    证据等级: A
    参考文献: PMID 42350784, PMID 40768856, PMID 31511079, PMID 19453440, PMID 9209852, PMID 28847318, PMID 16806734