职业噪声与粉尘联合暴露对听力损失的影响及机器学习算法的应用研究

研究人员为探索噪声和粉尘联合暴露对听力影响，开展相关研究，发现联合暴露增患 ONIHL 风险。

　　在职业环境中，噪声和粉尘就像两个隐藏的 “健康杀手”，悄无声息地威胁着工人们的身体健康。长期暴露在噪声环境下，那刺耳的声音会逐渐损伤耳蜗内的听觉感觉细胞，导致内耳毛细胞不可逆地受损，进而引发听力障碍，噪声性听力损失（NIHL）也成为众多研究中频繁出现的职业病之一。而粉尘作为工业环境的主要污染物，长期接触会严重破坏呼吸系统，还可能引发其他健康问题。尽管噪声和粉尘联合暴露在职业场景中十分常见，但它们之间的相互作用以及对听力损失等健康问题的联合影响却一直未被完全揭示。

为了深入了解这一复杂的健康问题，河北医科大学、河北总医院等研究机构的研究人员展开了一项重要研究，相关成果发表在《Scientific Reports》上。

研究人员采用了多种技术方法。首先，他们对河北医学检验中心 2017 年 1 月 1 日至 2023 年 12 月 12 日期间 14145 名在职员工的职业健康检查数据进行回顾性分析。依据是否接触有害因素进行分组，将仅接触噪声的工人归为噪声暴露组，接触噪声和粉尘（各类工业粉尘）的工人归为噪声 - 粉尘暴露组。在数据处理阶段，利用卡方检验和曼 - 惠特尼 U 检验分别分析离散变量和连续变量，通过多变量逻辑回归分析确定职业噪声性听力损失（ONIHL）的独立风险因素。同时，开发了逻辑回归、随机森林分类器等六种机器学习算法，采用重采样验证机制评估模型性能，并利用 5 折交叉验证调整超参数，最终通过 R 软件训练算法并评估预测性能。

研究结果如下：

1. 人口统计学特征：在 14145 名接触职业噪声的工人中，627 人被诊断为职业噪声性听力损失（ONIHL），13518 人未患病。两组在性别、噪声和粉尘联合暴露、收缩压和舒张压、吸烟状况、饮酒情况、空腹血糖水平、体重指数（BMI）、年龄和工龄等方面存在显著差异，但心电图和肝功能无明显差异。进一步对噪声和粉尘联合暴露与否进行分层分析，发现两组在舒张压、BMI、空腹血糖水平和肝功能异常方面存在显著差异。
2. 单变量和多变量逻辑回归分析：单变量逻辑回归分析显示，性别、噪声和粉尘联合暴露、收缩压、舒张压、吸烟、饮酒、BMI、空腹血糖、年龄和工龄与总体人群中职业噪声性听力损失（ONIHL）的发生显著相关。多变量逻辑回归分析确定男性（OR = 2.86，95% CI 1.95 - 4.22）、联合暴露（OR = 1.27，95% CI 1.06 - 1.52）、舒张压升高（OR = 1.56，95% CI 1.22 - 2.01）、吸烟（OR = 1.69，95% CI 1.40 - 2.05）、空腹血糖升高（OR = 2.39，95% CI 1.65 - 3.47）和年龄（OR = 1.06，95% CI 1.05 - 1.08）为 ONIHL 的独立阳性预测因子，而收缩压升高（OR = 0.70，95% CI 0.51 - 0.95）是 ONIHL 的阴性预测因子 。
3. 机器学习算法性能：对六种机器学习算法模型在验证集上的预测性能进行比较，逻辑回归模型对职业噪声性听力损失（ONIHL）的预测性能最高，其受试者工作特征曲线下面积（ROC）为 0.714，灵敏度为 0.700，特异性为 0.621，准确率为 0.624，因此被选为最终预测模型。不同算法在各方面表现各有优劣，如逻辑回归在识别阳性样本方面能力较强，但在识别健康个体方面表现欠佳；随机森林在准确率和特异性方面表现较好，能更好地识别健康个体，但在识别阳性样本方面不如逻辑回归。
4. 变量重要性分析：在各种机器学习算法对 ONIHL 预测的排列重要性分析中，年龄和吸烟始终是最具影响力的因素之一，具有很强的预测价值。而粉尘暴露、性别、空腹血糖（FBG）、收缩压（SBP）和舒张压（DBP）等变量的预测贡献较低，且在不同模型中的重要性排名波动较大。
5. 亚组分析：亚组分析表明，在男性、30 - 39 岁、工作经验不足 10 年、无高血压、BMI 正常、空腹血糖正常、肝功能正常和心电图正常的人群中，噪声和粉尘联合暴露与职业噪声性听力损失（ONIHL）的患病率呈显著正相关。

研究结论和讨论部分指出，噪声和粉尘联合暴露显著增加了噪声性听力损失（NIHL）的风险，还与舒张压、BMI、空腹血糖和肝功能异常有关。男性、年龄、联合暴露、舒张压升高、空腹血糖升高和吸烟是 ONIHL 的重要预测因素。机器学习算法在处理复杂数据关系方面展现出潜在优势，逻辑回归模型在预测 ONIHL 方面表现最佳，但模型的判别能力仍有提升空间。

这项研究为职业健康领域提供了重要的参考依据。它让人们更加清楚地认识到噪声和粉尘联合暴露对工人健康的严重危害，为制定针对性的预防策略和职业健康政策提供了有力支持。例如，雇主应重视联合暴露的风险，采取工程控制、提供个人防护设备等措施；定期的健康检查应更加全面，包括听力、心血管健康和代谢指标的评估；同时，鼓励工人养成健康的生活方式，如戒烟、均衡饮食和适度运动，有助于降低职业暴露带来的健康风险。不过，该研究也存在一定的局限性，如回顾性研究可能存在回忆偏倚和选择偏倚，未来研究可考虑采用前瞻性队列设计，进一步探索遗传因素等未测量因素对结果的影响，以更深入地揭示噪声和粉尘联合暴露与健康问题之间的关系。