Global electronification has driven an unprecedented surge in electronic and electrical waste (e-waste), with approximately 75 % of this e-waste informally managed, releasing hazardous chemicals. Traditional association analyses have limited ability to establish causation due to inherent methodological limitations. Accordingly, causal machine learning was employed in this study to investigate causal relationships between exposures to ten classes of e-waste pollutants (including bisphenols, polycyclic aromatic hydrocarbons, phthalates [PAEs], organophosphate flame retardants, nitrogenous flame retardants [NFRs], volatile organic compounds [VOCs], primary aromatic amines [PAAs], light metals [LMetals], transition metals, and heavy metals [HMetals]) and six health biomarkers (including neutrophil gelatinase-associated lipocalin [NGAL], o,o’-di-tyrosine [diY], malondialdehyde [MDA], 8-hydroxy-2’-deoxyguanosine, 8-oxo-7,8-dihydroguanosine, and 8-oxo-7,8-dihydroguanine). Approximately one-third (17/60) of the pollutant-biomarker associations passed all refutation tests, suggesting potential causality. PAAs displayed the highest potential causal strength (4.87, variance explained for the outcome) on NGAL, with other pollutant-NGAL associations being negligible (< 0.5); PAEs on diY (121.68), far exceeding others (< 10); and HMetals (14.39), LMetals (11.75), PAEs (10.77), and PAAs (10.58) on MDA. VOCs, NFRs, and PAAs were potentially causally associated with biomarkers of oxidative DNA and RNA damage. Notably, some pollutants exhibited threshold effects (e.g., PAAs for NGAL at 5.00 μg/g and 11.25 μg/g creatinine). Overall, our analytic framework offers a cost-effective blueprint to strengthen causal inferences in observational studies, thereby informing effective interventions.

中文翻译：

---

电子垃圾污染物暴露对肾损伤和氧化应激生物标志物的影响：来自因果机器学习的证据

全球电子化推动了电子和电气废物 （e-waste） 的空前激增，其中大约 75% 的电子废物得到了非正式管理，释放出危险化学品。由于固有的方法学限制，传统的关联分析建立因果关系的能力有限。因此，本研究采用因果机器学习来研究暴露于十类电子废物污染物（包括双酚、多环芳烃、邻苯二甲酸盐 [PAE]、有机磷酸酯阻燃剂、含氮阻燃剂 [NFR]、挥发性有机化合物 [VOC]、伯芳香胺 [PAA]、轻金属 [LMetals]、过渡金属和重金属 [HMetals]）和六种健康生物标志物（包括中性粒细胞明胶酶相关脂质运载蛋白 [NGAL]、o，o'-二酪氨酸 [diY]、丙二醛 [MDA]、8-羟基-2'-脱氧鸟苷、8-氧代-7,8-二氢鸟苷和 8-氧代-7,8-二氢鸟嘌呤）。大约三分之一 （17/60） 的污染物-生物标志物关联通过了所有反驳测试，表明存在潜在的因果关系。PAA 对 NGAL 显示出最高的潜在因果强度（4.87，结果的方差解释），其他污染物与 NGAL 的关联可以忽略不计（< 0.5）;diY 的 PAE （121.68），远超其他 （< 10）;以及 MDA 上的 HMetals （14.39）、LMetals （11.75）、PAE （10.77） 和 PAA （10.58）。VOCs、NFRs 和 PAAs 可能与氧化 DNA 和 RNA 损伤的生物标志物有可能因果关系。值得注意的是，一些污染物表现出阈值效应 （ 例如，NGAL 的 PAA 为 5.00 μg/g 和 11.25 μg/g 肌酐）。 总体而言，我们的分析框架提供了一个具有成本效益的蓝图，以加强观察性研究中的因果推理，从而为有效的干预措施提供信息。