聽力受損風險評估模型的建立與評價研究

李超，楊永忠，王慧，王學林，孟睿，司志康，鄭子薇，陳圓煜，武建輝

職業性聽力受損是全球常見的職業病之一[1]，可導致每1 000名工人每年損失2.53年的健康壽命[2]，對個人生活的許多方面可產生重大不良影響，在發展中國家尤為明顯[3]。諸多研究證明職業性聽力受損在采礦、石油和天然氣開采部門具有較高的發病率[4-5]，石油企業工人這一群體較其他人群具有獨特的職業暴露，諸如長期暴露于有害噪聲及各類化學物質，可對該群體的聽力功能帶來不可逆轉的損傷，如能早期識別高危人群，及時采取有效的個體化干預方案，可以有效預防石油工人職業性聽力受損的發生。目前關于職業性聽力受損的研究主要集中于發病機制及影響因素分析等方面，鮮有針對職業性聽力受損的風險評估[6]。近年來深度學習算法在疾病發生發展趨勢預測等方面取得了較為廣泛的應用，由于其能夠處理非線性問題、具備固有的自學特性和強大的模擬能力等特點而在疾病風險評估應用中表現出更高的準確性[7-9]。風險評估模型已被廣泛應用于醫學研究領域，但目前職業人群聽力受損風險評估模型的建立報道較少。基于此，本研究依托華北石油管理局井下醫院某石油企業工人的體檢數據，結合機器學習技術構建多個聽力受損風險評估模型，通過判別度及校準度等指標進行模型效果評價，獲得適用于石油工人職業性聽力受損風險評估的最優模型，為石油工人聽力受損的早期預防提供依據。

1 對象與方法

1.1 研究對象 選擇2018—2019年在華北石油管理局井下醫院進行體檢的某石油企業工人1 423例作為研究對象。納入標準：年齡18～60歲；存在職業性噪聲暴露且完成聽力學檢查者。排除標準：體檢資料不完整者；在進入本研究前有耳創傷、耳部手術或耳部疾病史者。本研究已獲得華北理工大學倫理委員會核實批準（15006），所有參與的研究對象知情同意。

1.2 研究方法

1.2.1 一般情況調查 經過統一培訓的課題組成員與研究對象進行面對面問卷調查，收集工人一般資料包括年齡、性別、文化程度〔小學及以下、初中及高中（中專）、本科（大專）及以上〕、婚姻狀況（未婚、已婚、其他）、家庭月收入（2 000～、5 000～、8 000～、≥11 000元）、體質指數（BMI）（正常、超重/肥胖）、糖尿病史、高血壓史、吸煙情況（從不吸煙、既往吸煙、現在吸煙）、飲酒情況（從不飲酒、既往飲酒、現在飲酒）、勞動強度、體育鍛煉、耳毒性化學毒物暴露、睡眠障礙、倒班情況、高溫暴露、工齡、累積噪聲暴露量、血紅蛋白、尿酸、丙氨酸氨基轉移酶水平等。

1.2.2 聽力學檢查 工人在脫離了噪聲環境12 h后進行純音氣導聽閾測試，在經檢測合格的隔聲屏蔽室內進行。采用otometrics（XETA茲達）聽力計對接觸噪聲的石油工人進行雙耳0.5、1.0、2.0、3.0、4.0、6.0 kHz聽閾測定。該測試用于確定每個測試頻率下的聽力閾值，以各頻率下測得的聽閾平均值即平均聽閾對石油工人的聽力水平進行衡量。

1.2.3 體格及實驗室檢查 體格檢查包括身高、體質量及血壓的測量。工人空腹狀態抽血，并在體檢醫院實驗室進行生化分析。

1.2.4 相關定義 （1）聽力受損：按照GB/T 7528-2004《聲學聽閾與年齡關系的統計分布》[10]，在排除其他因素后，平均氣導聽閾＞25 dB者判定為聽力受損。（2）吸煙：吸煙行為連續超過6個月且每天至少吸煙1支[11]。（3）飲酒：飲酒行為連續超過1年，每次攝入乙醇至少50 g且每周至少飲酒2次[12]。（4）勞動強度：根據GB 3869-1997《體力勞動強度分級》[13]計算石油工人的勞動強度指數，將其劃分為“低”“中”“高”3個等級。（5）睡眠情況：應用阿森斯失眠量表（Athens Insomnia Scale，AIS）對石油工人的睡眠情況進行評估，分數＜4分為無障礙，4～6分為可疑失眠，＞6分為失眠[14]。（6）累積噪聲暴露量：采用HS5633B聲級計（SW19-01）[15]對石油工人進行8 h連續等效聲級（LAeq，8 h）監測。將LAeq，8 h和研究對象的工齡合并為累積噪聲暴露量[16]，簡化=LAeq，8 h+10lgT，其中T為工齡（單位為年）。（7）實驗室各檢查指標，①血紅蛋白參考范圍，男：120～165 g/L，女：110～150 g/L；②尿酸參考范圍，男：149.0～416.0 μmol/L，女：89.0～357.0 μmol/L；③丙氨酸氨基轉移酶參考范圍：0～40 U/L。（8）其他相關指標的定義：①BMI，正常：BMI≤ 23.9 kg/m2； 超 重 /肥 胖：BMI≥ 24.0 kg/m2。②高血壓史：在未服用降壓藥的情況下，診室舒張壓≥90 mm Hg（1 mm Hg=0.133 kPa）和/或收縮壓≥140 mm Hg或正在接受降壓治療者[17]。③糖尿病史：空腹血糖≥7.0 mmol/L或正在接受降糖治療者[18]。

1.3 統計學方法 采用IBM SPSS 23.0統計學軟件進行數據分析。計數資料以相對數表示，組間比較采用χ2檢驗或趨勢χ2檢驗。采用非條件Logistic回歸（自變量引入標準為P＜0.05）進行聽力受損的影響因素分析。以P＜0.05為差異有統計學意義。

1.4 模型的建立及評價 采用Python 3.9的sklearn.ensemble、xgboost、sklearn.neural_network分別建立了隨機森林模型[19]、XG Boost模型[20]和BP神經網絡模型[21]。其中，隨機森林模型中相關參數如下，決策樹棵 樹 n_estimators：100，max_features：12，criterion：gini，max_depth：None。結合文獻查閱[22]和專家意見確定模型輸入變量，應用模型變量篩選的數據庫構建樣本集，通過正則化處理防止模型過擬合，采用十折交叉的方法將1 423個樣本數據進行劃分，最后以各劃分數據集判別度和校準度相關指標結果的平均值對整體模型的性能進行評價。

以石油工人是否發生聽力受損為狀態變量，以每位工人的模型風險評估結果為檢驗變量，用受試者工作特征（receiver operating characteristic，ROC）曲線及其曲線下面積（area under curve，AUC）評價模型的判別能力，用校準曲線檢驗模型的校準能力。計算相應的準確率、靈敏度、特異度、約登指數、F1分數作為判別指標，此外，Brier得分、觀察-期望比率（observed-expected ratio，O/E ratio）、校準曲線的截距作為校準指標。

1.5 質量控制 問卷經過預調查和專家咨詢反復修訂后使用，調查員均經過正規培訓。數據采用雙人雙次錄入方式，職業接觸史信息與公司檢測報告進行比對。

2 結果

2.1 單因素分析 該石油企業工人聽力受損的檢出率為27.06%（385/1 423）。對1 423例石油工人的人口學特征、生活方式、職業暴露因素和實驗室檢查進行單因素分析，結果顯示，不同年齡、性別、家庭月收入、糖尿病史、勞動強度、體育鍛煉情況、耳毒性化學毒物暴露情況、睡眠障礙、倒班情況、高溫暴露情況的石油工人聽力受損檢出率比較，差異有統計學意義（P＜0.05）；隨著工齡和累積噪聲暴露量的增加，石油工人聽力受損檢出率增加（P＜0.05）；不同文化程度、婚姻狀況、BMI、高血壓史、吸煙、飲酒、血紅蛋白、尿酸、丙氨酸氨基轉移酶情況的石油工人聽力受損檢出率比較，差異無統計學意義（P＞0.05），見表1。

表1 石油工人聽力受損的一般資料分析〔n（%）〕Table 1 Analysis of the basic situation of hearing loss in oil workers

2.2 石油工人聽力受損影響因素的多因素非條件Logistic回歸分析 將單因素分析中有統計學意義的因素納入多因素非條件Logistic回歸分析，以石油工人是否檢出聽力受損為因變量（賦值：0=無，1=有），以年齡（賦值：1=20～歲，2=30～歲，3=40～歲，4=50～歲）、性別（賦值：1=男，2=女）、家庭月收入（ 賦 值：1=2 000～元，2=5 000～元，3=8 000～元，4=11 000～元）、糖尿病史（賦值：0=否，1=是）、勞動強度（賦值：1=低，2=中，3=高）、體育鍛煉（賦值：0=無，1=有）、耳毒性化學毒物暴露（賦值：0=無，1=有）、睡眠障礙（賦值：1=無障礙，2=可疑失眠，3=失眠）、倒班情況（賦值：1=從不倒班，2=曾經倒班，3=現在倒班）、高溫暴露（賦值：0=無，1=有）、工齡（賦值：1=0～年，2=10～年，3=20～年，4=30～年）、累積噪聲暴露量〔賦值：1=＜80 dB（A）·年，2=80～dB（A）·年，3=85～dB（A）·年，4=90～dB（A）·年，5=95～dB（A）·年〕為自變量，結果顯示，年齡≥50歲、患有糖尿病、耳毒性化學毒物暴露、失眠、倒班、工齡≥30年、累積噪聲暴露量≥90 dB（A）·年是石油工人聽力受損的危險因素（P＜0.05），家庭月收入≥11 000元、中等勞動強度是聽力受損的保護因素（P＜0.05），見表2。

表2 石油工人聽力受損影響因素的多因素非條件Logistic回歸分析Table 2 Unconditional multivariable Logistic regression analysis of factors associated with hearing loss in oil workers

2.3 模型建立及性能評價 以聽力受損（賦值：0=無，1=有）為因變量，以年齡（賦值：1=20～歲，2=30～歲，3=40～歲，4=50～歲）、 性 別（ 賦 值：1=男，2=女）、家庭月收入（賦值：1=2 000～元，2=5 000～元，3=8 000～元，4=11 000～元）、糖尿病（賦值：0=否，1=是）、勞動強度（賦值：1=低，2=中，3=高）、體育鍛煉（賦值：0=無，1=有）、耳毒性化學毒物暴露（賦值：0=無，1=有）、睡眠障礙（賦值：1=無障礙，2=可疑失眠，3=失眠）、倒班情況（賦值：1=從不倒班，2=曾經倒班，3=現在倒班）、高溫暴露（賦值：0=無，1=有）、工齡（賦值：1=0～年，2=10～年，3=20～年，4=30～年）、累積噪聲暴露量〔賦值：1=＜80 dB（A）·年，2=80～dB（A）·年，3=85～dB（A）·年，4=90～dB（A）·年，5=95～dB（A）·年〕為自變量，分別建立隨機森林模型、XG Boost模型和BP神經網絡模型對數據集進行學習和評估，將各模型的評估結果與樣本的實際結果進行比較，得到模型各自的混淆矩陣，見表3～5。

表3 隨機森林模型評估模型樣本的分類結果Table 3 Classification of hearing loss risk assessment in oil workers by the random forest model

表4 XG Boost模型評估模型樣本的分類結果Table 4 Classification of hearing loss risk assessment in oil workers by the XG Boost model

表5 BP神經網絡模型評估模型樣本的分類結果Table 5 Classification of hearing loss risk assessment in oil workers by the BP neural network model

對3種模型的性能進行比較，結果顯示，隨機森林模型、XG Boost模型和BP神經網絡模型的準確率分別為95.99%、95.22%和88.62%，靈敏度分別為91.43%、89.09%和70.13%，特異度分別為97.69%、97.50%和95.47%，約登指數分別為0.89、0.87和0.66，F1分數分別為0.74、0.73和0.73，AUC分別為0.95、0.93和0.83；各模型的預測性能比較，差異有統計學意義（P＜0.05），見表6、7和圖1。3種模型的Brier 得分分別為0.04、0.04和0.11，O/E ratio分別為1.02、1.04和1.21，校準曲線的截距分別為0.029、0.032、0.097。繪制校準曲線圖對模型的校準度進行衡量，結果顯示，3種模型的校準曲線均靠近參考線，隨機森林模型的校準效能最優，見圖2。

表6 隨機森林模型、XG Boost模型和BP神經網絡模型風險評估性能的比較Table 6 Comparison of the performance of the random forest，XG Boost，and BP neural network models in assessing hearing loss risk in oil workers

表7 隨機森林模型、XG Boost模型和BP神經網絡模型AUC比較Table 7 Comparison of the AUC of the random forest，XG Boost，and BP neural network models in assessing hearing loss risk in oil workers

圖1 隨機森林模型、XG Boost模型和BP神經網絡模型評估石油工人聽力受損的ROC曲線Figure 1 ROC curves of the random forest，XG Boost，and BP neural network models in assessing hearing loss risk in oil workers

圖2 隨機森林模型、XG Boost模型和BP神經網絡模型評估石油工人聽力受損的校準曲線Figure 2 Calibration curves of the random forest，XG Boost，and BP neural network models in assessing hearing loss risk in oil workers

3 討論

本研究中職業性聽力受損的檢出率為27.06%，與國內相關文獻報道接近[10]。本研究通過對石油工人聽力受損的影響因素進行分析，以明確可能導致聽力受損發生的相關風險因素。機器學習算法的引入便于針對性采取預防措施控制職業性聽力受損的檢出率，因此，模型方法合理用于職業性聽力受損風險評估中并充分發揮作用尤為重要。

本研究結果顯示，年齡≥50歲、患有糖尿病、耳毒性化學毒物暴露、失眠、倒班、工齡≥30年、累積噪聲暴露量≥90 dB（A）·年是聽力受損的危險因素。隨著年齡和工齡的增加，聽力受損對機體的影響可由開始的生理性代償逐漸轉化為病理性改變，年長者由于早年職業安全衛生意識薄弱及各種風險因素的效應持續累積，成為職業性聽力受損的高危人群。患有糖尿病的石油工人其內耳因噪聲受到的損害程度大小會發生改變，從而增加其罹患聽力受損的風險[23]。同時，有研究表明，糖尿病患者可由微血管并發癥引起糖尿病性聽力障礙[23]。從事石油開采的工人還會接觸到甲苯和二甲苯，這是已知的耳毒性溶劑，暴露耳毒性物質引起聽力受損可能與破壞耳蝸及前庭功能有關[24]。有研究者對聽力受損和失眠之間的關系進行了評估，指出失眠、聽力受損均可能與氧化應激有關，活性氧水平升高可能導致毛細胞死亡和聽力受損[25]；因此，失眠可能會增加聽力受損的風險。有研究者認為倒班作業引起的與慢性病相關的氧化應激和由此產生的聽覺上皮細胞損傷可能是導致聽力受損的原因之一，但其具體的潛在機制需要未來的研究繼續探索[26]。聽力受損是職業性噪聲暴露最常見的結局，噪聲性聽力受損主要是由于耳蝸毛細胞受損導致的[27]。以上危險因素均會導致職業性聽力受損發生風險增加。

在現有的風險研究中大多數機器學習技術只是利用單一類型的特征或僅對不同類型特征的融合進行簡單的內交互預測。本研究采用的隨機森林模型是一種基于決策樹的集成學習方法，該方法可利用大型數據庫來識別新的風險預測因子以及更復雜的交互作用來提高進行疾病風險評估的性能[28-29]。本研究采用十折交叉的方法進行樣本集的劃分及模型的內部驗證，保證了樣本數據的利用度，提高了模型的穩健性和說服力。通過對模型與數據的擬合程度進行測試，結果顯示隨機森林模型的擬合優度最佳，表現出較好的擬合效果，說明隨機森林模型的運算結果與實際情況的吻合程度較高。進一步對模型性能進行評價，從判別度來看，3種模型比較的結果顯示隨機森林模型的準確率、靈敏度、特異度、約登指數、F1分數均為最高，分別為95.99%、91.43%、97.69%、0.89、0.74。判別度角度表現出的良好性能說明隨機森林模型相比于其他兩種模型而言將聽力受損的工人與非聽力受損的工人區分的能力更好，隨機森林模型具有較高的判別能力，能夠及早識別職業性聽力受損的高危人群，并且排除聽力受損發生風險較低的石油工人，可以極大程度地避免假陽性和假陰性的情況。繪制ROC曲線得出隨機森林模型的AUC值最大達到0.95，說明隨機森林模型在石油工人聽力受損風險評估中體現出了較高的預測價值。目前大多研究在模型性能評價方面只關注到了判別度，但是一個良好的風險評估模型只有較好的判別度不一定能保證模型的質量，因此，對模型校準度的衡量也是必不可少的。本研究隨機森林模型的Brier得分、O/E ratio、校準曲線的截距分別為0.04、1.02、0.029，且校準曲線較其他兩種模型更接近于參考線。通過上述相關校準指標顯示出的校準效果說明隨機森林模型對于石油工人聽力受損評估的風險與實際風險的一致程度較高。由此，可以得出在進行石油工人聽力受損風險評估中，隨機森林模型是最優模型選擇，且模型中的評估指標在職業監測中較易獲取，具有幫助石油工人評估發生職業性聽力受損的潛力和可行性。同時查閱文獻報道可以發現，有其他研究者也指出隨機森林模型因其對引入的預測變量的數目沒有限制、能夠處理非線性問題等諸多優點[30]，在用于急性心肌梗死后急性腎損傷、重癥手足口病等其他多種疾病的風險評估方面已發揮了其巨大的風險評估功能[31-33]，模型性能表現良好，在醫學研究中體現出一定的推廣價值。

綜上所述，本研究發現年齡、家庭月收入、糖尿病、勞動強度、耳毒性化學毒物暴露、睡眠障礙、倒班情況、高溫暴露、工齡、累積噪聲暴露量是石油工人聽力受損的相關影響因素；構建石油工人聽力受損的隨機森林、XG Boost、BP神經網絡模型，對其性能進行比較，結果顯示隨機森林模型的風險評估效果最佳。同時，聽力受損通常受多種因素的共同影響，其中石油工人對不同暴露程度的敏感性存在著一定的個體差異，即聽力受損也受到遺傳因素的影響。為了進一步提高模型的性能，后續研究有待從基因和生物標志物的角度探索聽力受損的發病機制和患病風險。本研究基于橫斷面研究，只有石油工人聽力受損的患病率數據可用，患病率與預測因素之間的因果關系無法確定。研究對象是在職的石油工人，可能存在健康工人效應，從而會低估相關因素與聽力受損之間的關系。同時結合現場實際情況納入模型的預測因子數量有限也是本研究的局限。

作者貢獻：李超負責研究實施、論文撰寫、數據整理分析及模型結果可視化處理；楊永忠、王慧、王學林、孟睿、司志康、鄭子薇、陳圓煜參與研究實施、數據整理分析、論文修改；武建輝負責最終版本修訂，對論文負責。

本文無利益沖突。