Page 69 - 2022-35-中国全科医学

·4418· http://www.chinagp.net E-mail:zgqkyx@chinagp.net.cn

·论著·方法学研究·

听力受损风险评估模型的建立与评价研究

李超，杨永忠，王慧，王学林，孟睿，司志康，郑子薇，陈圆煜，武建辉 * 扫描二维码
查看原文

【摘要】 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 1 423 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≥ 11 000 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。
【关键词】 听力损失；职业病；随机森林；XG Boost；BP 神经网络；石油工人；影响因素分析
【中图分类号】 R 764.43 【文献标识码】 A DOI：10.12114/j.issn.1007-9572.2022.0375
李超，杨永忠，王慧，等 . 听力受损风险评估模型的建立与评价研究［J］. 中国全科医学，2022，25（35）：
4418-4424，4432.［www.chinagp.net］
LI C，YANG Y Z，WANG H，et al. Development and evaluation of three risk assessment models for hearing loss：a
comparative study［J］. Chinese General Practice，2022，25（35）：4418-4424，4432.

Development and Evaluation of Three Risk Assessment Models for Hearing Loss：a Comparative Study LI Chao，
YANG Yongzhong，WANG Hui，WANG Xuelin，MENG Rui，SI Zhikang，ZHENG Ziwei，CHEN Yuanyu，WU Jianhui *
School of Public Health，North China University of Science and Technology/Hebei Provincial Key Laboratory of Coal Mine Hygiene
and Safety，Tangshan 063210，China
*
Corresponding author：WU Jianhui，Professor；E-mail：wujianhui555@163.com
【Abstract】 Background Hearing loss is highly prevalent in occupational populations，but it could be effectively
prevented through early monitoring. There is still a lack of studies on the risk assessment of hearing loss. Objective To
construct three risk assessment models for hearing loss in oil workers，and evaluate their performance to obtain the optimal
one. Methods A cross-sectional study was conducted. Participants were 1 423 workers of an oil company who received the
occupational health examination from 2018 to 2019 in the Jingxia Hospital of North China Petroleum Administration. Their general
demographic data，audiometric test and laboratory test results were collected. Unconditional multivariable Logistic regression
was used to explore the factors influencing hearing loss. Python was used to build the random forest，XG Boost，and BP neural
network models with factors potentially associated with hearing loss determined based on a literature review and expert opinions
incorporated. The discriminative ability of the models were evaluated using the receiver operating characteristic curve（ROC），

基金项目：国家科技部重点研发项目（2016YFC0900605）；河北省高等学校基本科研业务费项目（JYG2019002）
063210 河北省唐山市，华北理工大学公共卫生学院 河北省煤矿卫生与安全重点实验室
*
通信作者：武建辉，教授；E-mail：wujianhui555@163.com
本文数字出版日期：2022-08-18