電子行業職業性噪聲所致疾病負擔的歸因研究

梁燦坤 肖勇梅 林錫謙 成財達 孫思紅 丘曉玲

1廣東省工傷康復中心（廣州 510440）；2中山大學公共衛生學院（廣州 510080）

噪聲是全世界不容忽視的典型環境公害之一，是珠三角地區重點治理的職業病危害因素之一。長期接觸較強噪聲可以增加聽力損失和心血管疾病的發生風險［1?2］，引起一系列疾病負擔和衛生資源損耗。疾病負擔往往來源于多因素聯合作用，職業性噪聲暴露是引起疾病負擔的充分非必要條件，從疾病負擔中甄別和分離出歸因于職業性噪聲的占有比例，能夠更加科學評價健康風險。為研究歸因疾病負擔，2000年WHO推薦應用比較風險評估法（comparative risk assessment，CRA）［3］，它是建立在統一框架基礎上評估和比較危險因素暴露水平發生改變所造成的疾病負擔變化的系統性方法，量化測評危險因素造成影響或損失的可能程度。在CAR框架指引下國內外學者借用反事實思維［4］進行反事實分析［5］。反事實分析是指通過虛擬假設獲得虛擬結果，即假設危險因素暴露分布水平降低到與事實相反的某種特定情形時，研判疾病負擔隨之發生改變的事件結局，相應疾病負擔的降低比例（或降低部分）即為歸因于某種危險因素的疾病負擔。鑒于電子行業職業性噪聲暴露水平和健康損害特點，本文借用反事實分析方法，引用累積噪聲暴露量為接觸評價指標，推斷電子行業作業工人疾病負擔的因果效應，發掘職業性噪聲暴露水平改變后疾病負擔發生變化的潛在可能性，并以此為契機評價累積噪聲暴露量與疾病負擔的劑量?反應關系，旨在為職業性噪聲健康危害評價提供新思路。

1 資料與方法

1.1 調查對象 從電子行業中選擇位于廣州市城郊結合部的WZ、DJ、BT和LD 4家企業，以沖壓、加工和注塑工種的1 665名在崗期間接觸有毒有害作業工人為調查對象。納入標準：年齡16～60歲，工齡0.5年以上；排除辦公室人員和間接噪聲接觸者；剔除先天性或遺傳性耳科疾病和心血管疾患。

1.2 調查資料

1.2.1 資料來源 噪聲檢測結果來源于2016年11月由廣東某檢測評價技術服務機構編制的《工作場所職業病危害因素檢測與評價報告》，勞動衛生學狀況和健康檢查結果來源于2017年8月由課題組開展的專題調研，人口學資料及作業工齡由企業人力資源管理部門提供。

1.2.2 檢查方法 純音測聽用丹麥AD229b聽力計測定，隔音室噪聲本底值小于25dB（A），受檢者至少脫離噪聲環境12 h。血壓測量用歐姆龍牌電子血壓計，血壓偏高者用魚躍牌水銀血壓計復查。心電圖檢查用12導聯日本光電ECG?1350P心電圖儀，操作方法和診斷標準依據《診斷學》（第8版，人民衛生出版社）。

1.3 研究方法

1.3.1 基本思路 （1）統計描述聽力損失檢出率、高血壓患病率和心電圖異常率；（2）分級評定累積噪聲暴露量（CNE），以最低級別CNE為反事實背景作參照水平，探索疾病優勢比（OR）和相對危險度（RR）；（3）計算人群歸因分值（population attrib?utable fraction，PAF）和歸因危險度百分比（attribut?able risk percent，ARP），結合疾病負擔（disease bur?den，B）推斷歸因疾病負擔（attributable disease bur?den，AB）；（4）評估歸因疾病負擔的嚴重性，以歸因視角評價累積噪聲暴露量與疾病負擔的劑量?反應關系。

1.3.2 病例定義 任一耳語頻（500、1 000、2 000 Hz）或高頻（3 000、4 000、6 000 Hz）的任一頻率純音聽閾＞25 dB（A）定義為聽力損失；同日2次測量收縮壓≥140 mmHg和（或）舒張壓≥90 mmHg定義為高血壓；各類心律失常、傳導阻滯、心肌缺血、心室肥大、ST段或T波改變、電軸改變等異常結論定義為心電圖異常。

1.3.3 計算CNE 如果作業人員接受單一環境噪聲暴露，CNE見公式（1）［6］：

CNE=LAeq,8h+10logT

其中，LAeq，8h為8 h等效連續A聲級，T 為暴露時間，單位為dB（A）?年。

1.3.4 估計RR值 如果患病率較大（一般＞10%），RR值由公式（2）［7］校正：

其中，P0為對照組結局指標的發生率，OR為優勢比。

1.3.5 計算PAF、ARP和AB 如果危險因素有i個暴露水平，PAF見公式（3）［8］：

其中，Pi和RRi分別為第i個水平的暴露率和相對危險度。當P＝100%，i＝1時，PAF＝ARP，ARP為PAF的一個特例，公式（3）化轉為公式（4）［9］：

ARP＝（RR?1）/RR

如果以百分率（%）作為疾病負擔的評價指標，歸因疾病負擔見公式（5）［8］：

AB＝PAF×B（或AB＝ARP×B）

1.4 統計學方法 采用SPSS 20.0軟件包統計分析，以雙側P＜0.05為差異有統計學意義。正態分布計量資料用均數±標準差描述，樣本均數比較用單因素方差分析；偏態分布計量資料用中位數和四分位數間距描述，樣本均數比較用秩和檢驗。計數資料用百分數（%）表示，樣本率比較用卡方檢驗。參數估計用多因素非條件Logistic回歸分析。CNE、RR、PAF、ARP和AB的計算方法依據公式1～5。

2 結果

2.1 勞動衛生學調查 被調查的4家電子企業均隸屬于某大型電子工業集團，研發產品為電子連接器或計算機插件接口。企業生產工藝流程基本一致，包括前期的備料和研發，中期的沖壓、注塑和加工，后期的組裝和出貨。職業病危害因素主要來自中期工段，中期除產生較強噪聲污染外，注塑產生低于檢出下限的有機溶劑，研磨產生較低濃度的無機粉塵。每家企業依據作業功能均配置沖壓、加工和注塑3類工種，下設沖床、裁切、粉碎、鉚合、注塑等小工種；均設置沖壓、加工和注塑3個部門，下設若干個小型車間，每個車間分區相對獨立，減少了噪聲相互傳播干擾。車間內機械設備密集，噪聲強度相互疊加，增加了噪聲所致職業風險。作業工人佩戴插入式耳塞降噪，實際接觸噪聲時間為平均每天8 h，每周48 h。

2.2 噪聲檢測結果 133個監測點的噪聲強度中位數為81.80 dB（A），四分位數間距為5.95 dB（A），噪聲超標率達27.82%。不同企業或工種的噪聲強度差異均有統計學意義（P＜0.05）；用秩次進行單因素方差分析多重比較，SNK?q檢驗發現WZ的噪聲強度高于DJ、BT和LD，沖壓的噪聲強度高于加工和注塑。不同企業或工種的噪聲超標率比較，差異有統計學意義（P＜0.05），WZ和沖壓的噪聲超標率均為最高。見表1。

表1 工作場所噪聲檢測結果Tab.1 The detection results of noise in workplace

2.3 暴露分布特征 由公式（1），1 665例調查對象的CNE為（87.09±5.53）dB（A）?年，極小值和極大值分別為75.07 dB（A）?年和104.86 dB（A）?年。以15 dB（A）?年為組距，將CNE分為3個級別，各級CNE的年齡、工齡、噪聲強度、CNE和性別構成的差異均有統計學意義（P＜0.05）。見表2。

2.4 檢出結果比較 聽力損失檢出率、高血壓患病率和心電圖異常率為29.79%、11.29%和17.12%。不同性別、年齡、工齡、噪聲強度和CNE的聽力損失檢出率比較，差異均有統計學意義（P＜0.05）。不同性別、年齡、工齡和CNE的高血壓患病率差異均有統計學意義（P＜0.05）。不同性別、年齡、工齡和CNE的心電圖異常率差異均有統計學意義（P＜0.05）。聽力損失檢出率、高血壓患病率和心電圖異常率均隨著CNE增加呈遞增趨勢（P＜0.05）。見表3。

表2 作業工人噪聲暴露分布狀況Tab.2 The distribution of workers'noise exposure

表3 作業工人檢出結果比較Tab.3 The comparison of the workers'detection results

2.5 回歸模型參數估計 CNE與聽力損失和心電圖異常均存在相關性（P＜0.05），與高血壓不存在相關性（P＞0.05）。以CNE＝75～84 dB（A）?年為參照，CNE＝85～94 dB（A）?年和CNE＝95～104 dB（A）?年作業工人聽力損失發生風險分別是CNE＝75～84 dB（A）?年的1.83倍和2.63倍，心電圖異常發生風險分別為1.49倍和2.40倍。見表4。

2.6 歸因疾病負擔評估 聽力損失的P0=18.22%，OR1=1.83，OR2=2.63，由公式（2）可得：RR1=1.59和RR2=2.03；心電圖異常的P0=13.55%，OR1=1.49，OR2=2.40，則RR1=1.40，RR2=2.02。

結合噪聲暴露率P1＝50.63%（843/1665）和P2=9.49%（158/1665），由公式（3）可得：聽力損失的PAF=28.39%和心電圖異常的PAF=23.04%。結合疾病負擔（B），由公式（5）可得：歸因疾病負擔（AB）分別為8.46%%和3.94%。見表5。

2.7 劑量?反應關系評價 由公式（4）計算CNE=85～94 dB（A）·年作業工人聽力損失的ARP=37.11%和心電圖異常的ARP=28.57%，歸因疾病負擔分別為12.98%和5.25%。CNE=95～104 dB（A）·年作業工人聽力損失的ARP=50.74%和心電圖異常的ARP=50.50%，歸因疾病負擔分別為25.69%和12.79%。見表6。綜合OR、RR、ARP和AB的變化特點和疾病檢出率隨著CNE增加而增加的變化趨勢，初步研究表明CNE與聽力損失和心電圖異常均呈劑量?反應關系。

表4 Logistic回歸模型的參數估計Tab.4 The parameter estimation of Logistic regression model

表5 作業工人疾病負擔的歸因推斷Tab.5 The attribution inference of workers'disease burden

表6 不同CNE作業工人疾病負擔的歸因推斷Tab.6 The attribution inference of disease burden among different CNE workers

3 討論

噪聲檢測點超標率達27.82%，尤其是WZ和沖壓的超標率分別為73.91%和78.95%，檢測結果高于國家職業衛生標準，應該引起相關部門高度重視。作業工人年齡為（30.91±6.29）歲，工齡為（3.90±1.50）年，女性占52.13%，具有電子行業作業工人呈年輕化、工齡短和女性居多的普遍規律。作業工人聽力損失檢出率、高血壓患病率和心電圖異常率分別為29.79%、11.29%和17.12%，與國內研究結果相近。控制混雜因素前，聽力損失檢出率、高血壓患病率和心電圖異常率均隨著CNE增加而增加，性別、年齡、工齡和噪聲強度是聽力損失的影響因素，高血壓和心電圖異常的性別、年齡和工齡分布特征均與國內研究結果基本一致。85 dB（A）以下和85 dB（A）以上作業工人的高血壓患病率和心電圖異常率差異均無顯著性，可能原因為崗位流動性大，噪聲波動性大，混雜因素影響或僅僅用噪聲強度反映暴露狀況缺乏敏感性。

國內外通常將工齡和噪聲強度換算為累積噪聲暴露量，以綜合反映噪聲暴露水平。CNE在評價穩態噪聲和聽力損失的劑量?反應關系要優于噪聲強度［10］；CNE作為聽力損失的評價指標比工齡史敏感；CNE可以削弱年齡和工齡的線性依存關系，減少年齡和工齡相互干擾。Logistic回歸分析控制混雜因素后發現CNE與聽力損失和心電圖異常均存在顯著相關性，為中等程度關聯。目前大多數文獻均支持長期接觸較強噪聲引起聽力損失和心電圖異常的觀點［11］。本次調查發現CNE與高血壓不存在顯著相關性，與TESSIER?SHERMAN等［12］研究結果相同，與李向文等［13］報道不一致。有文獻報道噪聲與高血壓的關系不穩定，難以在不同人群中重復觀察到相似研究結果［14］。CNE與高血壓患病率回歸模型的偏回歸系數在α＝0.05水平上無統計學意義，而趨勢性卡方檢驗表明CNE與高血壓患病率變化趨勢有統計學意義。為深入發現問題，我們進一步計算高血壓的RR值，發現RR1和RR2分別為1.12和1.41，說明CNE=85～94 dB（A）?年與高血壓未見顯著關聯，而CNE=95～104 dB（A）?年與高血壓仍然存在弱關聯，CNE對高血壓影響存在潛在風險。

反事實分析是指將目前（或未來）的疾病、傷害或疾病負擔與反事實背景（即假設狀況）進行比較，以發現危險因素暴露水平降低到零（或其他恒值）時，死亡或疾病負擔降低的比例［5］。職業衛生標準規定存在有損聽力、有害健康或其他危害的聲音，且8 h/d或40 h/周噪聲暴露等效聲級80 dB（A）以上的作業定為噪聲作業。若以80 dB（A）以下為反事實背景，顯然忽略了暴露時間累積效應。理想恒值為CNE閾值，國內對CNE閾值研究鮮有報道。有文獻報道語頻損傷的CNE閾值為100 dB（A）?年，本調查為語頻和高頻損傷兼顧高血壓和心電圖異常的研究，顯然不宜以100 dB（A）?年作為反事實拐點。本調查以CNE＝85 dB（A）?年為反事實背景拐點，等效于80 dB（A）噪聲強度連續暴露3.16年、85 dB（A）暴露1年或90 dB（A）暴露0.32年，從專業角度判斷是具有合理性和可行性。調查表明，假設1 665名作業人的CNE減少到（81.78±2.01）dB（A）?年，聽力損失檢出率和心電圖異常率將會分別減少28.39%和23.04%，降低到8.46%和3.94%。其中，85～94 dB（A）?年作業工人的CNE減少到（81.78±2.01）dB（A）?年，聽力損失檢出率和心電圖異常率將會分別減少37.11%和28.57%，降低到12.98%和5.25%；95～104 dB（A）?年作業工人的CNE減少到（81.78±2.01）dB（A）?年，聽力損失檢出率和心電圖異常率將會分別減少50.74%和50.50%，降低到25.69%和12.79%。假設職業性噪聲被消除或降低到合理水平，相應的聽力損失和心電圖異常便可以避免或減少。綜合OR、RR、ARP和AB的變化特點和疾病檢出率隨著CNE增加而增加的變化趨勢，初步研究表明CNE與聽力損失和心電圖異常均呈劑量?反應關系。

本次調查說明職業性噪聲可以增加聽力損失和心電圖異常的發生風險，未發現增加高血壓的發生風險；職業性噪聲威脅著電子行業作業工人的身體健康，并帶來沉重的疾病負擔，應該引起全社會高度關注，建議從噪聲源頭、傳播途徑和人群防護各個環節采取徹實有效的防制措施，以降低職業性噪聲所致疾病負擔。本次調查不足之處在于反事實參照水平并非絕對理想的零暴露，可能會低估歸因疾病負擔；年輕化作業工人的噪聲暴露史呈復雜性，個體接觸劑量取值于車間噪聲強度平均水平，可能會產生信息偏倚。