三种风险预测模型预测钢铁工人颈动脉粥样硬化的效能比较

背景颈动脉粥样硬化(CAS)不仅影响钢铁工人的工作效率,而且是引发缺血性脑血管疾病最重要的危险因素。近年来,越来越多的学者利用机器学习并通过易获得的因素对疾病进行风险预测,但目前,关于CAS风险预测模型的研究依然缺乏。目的运用支持向量机(SVM)、BP神经网络(BPNN)与随机森林(RF)模型构建钢铁工人CAS发生风险预测模型,并比较其预测效能。方法选取2017年3—6月在唐山市弘慈医院进行体检和健康监测的4568例钢铁工人为研究对象,按照本团队编写的《健康评估检查表》进行调查,调查内容:人口学特征(性别、年龄、体质指数、文化程度、婚姻状况)、个人的行为生活习惯与方式(吸烟、饮酒)、个人病史(高血压、糖尿病、CAS家族史)、职业史(倒班、高温作业、噪声作业)。收集研究对象的实验室检查指标,如胆固醇、三酰甘油、同型半胱氨酸、尿酸。结合非条件多因素Logistic回归分析结果以及查阅相关文献,确定变量构建SVM、BPNN和RF模型并进行比较。结果训练集显示SVM、BPNN和RF模型预测钢铁工人发生CAS的准确率分别为83.81%、79.27%、86.60%,灵敏度分别为80.10%、66.19%、73.62%,特异度分别为87.32%、91.62%、98.90%,受试者工作特征曲线下面积(AUC)分别为0.84、0.79、0.86。SVM模型的灵敏度最高,RF模型在准确率、特异度和AUC方面高于其余两种模型,差异有统计学意义(P<0.05)。测试集显示SVM、BPNN和RF模型预测钢铁工人发生CAS的准确率分别为85.70%、75.46%、73.37%,灵敏度分别为81.63%、64.65%、60.00%,特异度分别为90.29%、87.66%、88.45%,AUC分别为0.86、0.76、0.74。SVM模型在灵敏度、准确率和AUC方面高于其余两种模型比较,差异有统计学意义(P<0.05)。结论运用SVM模型预测钢铁工人CAS发生风险的效果优于BPNN和RF模型。

听力受损风险评估模型的建立与评价研究

背景听力受损在职业人群中具有较高的检出率,而通过早期监测可对其进行有效预防。目前关于该疾病的风险评估研究尚有空缺。目的构建石油工人听力受损的风险评估模型,通过对模型的性能进行评价以获得适用于石油工人听力受损的最优评估模型。方法本研究采用现况研究,共纳入2018—2019年某石油企业1423例在华北石油管理局井下医院参加职业健康体检的工人,收集其一般资料、听力学检查、实验室检查结果,采用多因素非条件Logistic回归探讨石油工人听力受损影响因素。结合相关文献综述和专家意见确定模型的输入变量,应用Python构建随机森林、XG Boost和BP神经网络模型,采用受试者工作特征(ROC)曲线评价模型的判别能力,用校准曲线检验模型的校准能力。结果不同年龄、性别、家庭月收入、糖尿病史、劳动强度、体育锻炼情况、耳毒性化学毒物暴露情况、睡眠障碍、倒班情况、高温暴露情况的石油工人听力受损检出率比较,差异有统计学意义(P<0.05),随着工龄和累积噪声暴露量的增加,石油工人听力受损检出率增加(P<0.05)。年龄≥50岁、糖尿病、耳毒性化学毒物暴露、失眠、倒班、工龄≥30年、累积噪声暴露量≥90 dB(A)·年是石油工人听力受损的危险因素(P<0.05),家庭月收入≥11000元、中等劳动强度是听力受损的保护因素(P<0.05)。随机森林、XG Boost和BP神经网络模型判断石油工人听力受损的准确率分别为95.99%、95.22%和88.62%,灵敏度分别为91.43%、89.09%和70.13%,特异度分别为97.69%、97.50%和95.47%,约登指数分别为0.89、0.87和0.66,F1分数分别为0.74、0.73和0.73,ROC曲线下面积(AUC)分别为0.95、0.93和0.83;Brier得分分别为0.04、0.04和0.11,观察-期望比率分别为1.02、1.04和1.21,校准曲线的截距分别为0.029、0.032、0.097。随机森林模型的校准效能最优。结论随机森林模型的性能优于XG Boost模型和BP神经网络模型,能够较准确地评估石油工人听力受损的风险。

职业噪声暴露与石油工人肾功能损伤的关系

[背景]石油工人的工作性质决定其存在职业噪声暴露。在没有有效防护的情况下,噪声会对工人身体各方面机能造成影响,包括通过作用于肾上腺皮质系统,引发肾功能受损。[目的]探讨噪声暴露及累积暴露量与石油工人肾功能损伤之间的关系。[方法]选取某医院集体体检的石油工人作为研究对象。依据GBZ/T 189.8—2007《工作场所物理因素测量第8部分:噪声》对石油工人工作现场进行3次噪声暴露强度测量,取平均值获得累积噪声暴露量(CNE)。采用问卷调查研究对象的一般情况,包括社会人口学特征、家族史、生活行为史以及职业史等,并检测空腹状态下的血生化指标水平,根据肾小球滤过率判断肾功能损伤情况。对存在噪声暴露的工人使用受试者工作特征曲线图分析CNE与肾功能的关系。[结果]共纳入2917名研究对象,其肾功能损伤率为14.2%。单因素结果提示,是否患有高血压、性别、年龄、婚姻状况及吸烟、饮酒等生活习惯不同者之间,其肾功能损伤率的差异有统计学意义(P<0.05);尿酸、总胆固醇、甘油三酯、高密度脂蛋白及空腹血糖异常者肾功能损伤率高于正常者(P<0.05);按照等效声级≥80 dB(A)的标准共有1565人(53.7%)存在噪声暴露,存在噪声暴露的工人其肾功能损伤率高于不存在噪声暴露的工人(P<0.05)。多因素研究结果显示,女性(OR=2.811,95%CI:1.960~4.030)、年龄31岁及以上(OR_(31~40)=3.502,95%CI:1.402~8.751;OR_(41~50)=4.255,95%CI:1.759~10.291;OR_(≥51)=7.179,95%CI:2.864~17.996)、尿酸异常(OR=5.932,95%CI:4.486~7.843)、患有高血压(OR=1.593,95%CI:1.230~2.063)、饮酒(OR=2.648,95%CI:1.346~5.212)、吸烟(OR=1.816,95%CI:1.133~2.911)者发生肾功能损伤风险更高。暴露于噪声者发生肾功能损伤的风险是非暴露者的1.351倍(95%CI:1.073~1.702倍)。与接触噪声的肾功能正常组相比,接触噪声的肾功能损伤组的噪声暴露强度和CNE均更高(P<0.05)。以CNE≤95.85 dB(A)·年为参考,当CNE>95.85 dB(A)·年时,工人发生肾功能损伤的风险升高(OR=2.583,95%CI:1.956~3.411)。[结论]接触噪声、噪声暴露强度和CNE可能与石油工人发生肾功能损伤有关。当石油工人CNE超过95.85 dB(A)·年时,肾功能损伤风险增加。

职业高温暴露与钢铁工人血脂异常的相关性

[背景]钢铁工人所处的高温环境使钢铁工人更容易患慢性疾病,高温暴露对疾病的影响越来越受到人们的关注。[目的]研究高温累积暴露量与钢铁工人血脂异常之间的关系,为制订钢铁工人血脂异常的防控措施提供科学依据。[方法]采用现况研究,选取2017年4—6月参加职业健康体检的唐山市某钢铁集团的6 107名一线在职工人为研究对象,其中5 977人参与了体检问卷调查,应答率为97.87%。排除年龄>60岁,问卷调查资料不全和生化指标检测资料缺失者,最终5 807名钢铁工人纳入研究,有效回收率为95.09%。通过问卷调查、体格检查、实验室检查和作业场所职业暴露数据监测等方法收集数据。高温暴露数据来源于企业根据GBZ/T 189.7—2007《工作场所物理因素测量第7部分:高温》测量的高温作业场所历年高温检测报告。根据黑球湿球温度指数和高温工种的工作年限计算高温累积暴露量(CEM)。运用限制性立方样条(RCS)模型结合logistic回归模型探讨高温累积暴露量与钢铁工人血脂异常之间的剂量-反应关系。[结果]5 807名研究对象中,血脂异常检出率为38.11%。在调整了相关混杂因素后RCS模型结果显示高温累积暴露量与血脂异常之间存在线性剂量-反应关系(总体关联性检验χ^(2)=11.88,P=0.002 6;非线性检验χ^(2)=1.70,P=0.192 9)。多因素logistic回归分析结果显示,调整年龄、性别、人均收入、教育程度、高血压家族史、吸烟状况、饮酒状况、阻止高血压膳食方案(DASH)评分、睡眠时间、体力活动水平、高血压、糖尿病、体重指数(BMI)、肝酶代谢、高尿酸血症、倒班、噪声暴露、粉尘暴露、CO暴露等混杂因素后,以累积暴露量<477.97℃·年组为参照组,高温累积暴露量为653.04-℃·年、782.82-℃·年组的工人血脂异常患病风险分别是参照组的1.362倍(OR=1.362,95%CI:1.086-1.709)和1.333倍(OR=1.333,95%CI:1.048-1.694)。[结论]高温累积暴露量和钢铁工人血脂异常之间呈线性剂量-反应关系,高温累积暴露量增加则钢铁工人血脂异常患病风险增大。