检索历史 清除

摘要目的<br>　　本研究在对制造业工人职业伤害分布特征及影响因素调查的基础上，构建该人群的职业伤害风险贝叶斯网络评估模型，通过探讨模型的预测效能，分析其职业伤害关键影响因素及影响链，为后续开展职业伤害主动监测及制定针对性干预措施提供科学依据。<br>　　方法<br>　　1、现况研究:在江苏省南通市及宜兴市2家制造业企业内随机抽取若干名一线作业工人作为调查对象，获取工人过去一年内职业伤害发生现况，并调查其个体、设备、管理及环境等层面职业伤害发生相关因素，通过MBI-GS量表了解工人职业倦怠情况。通过频数、率和构成比等指标进行数据的描述性分析，运用卡方检验来分析与职业伤害发生相关的因素，不同伤害特征之间的关系采用斯皮尔曼相关分析进行研究，检验水准为a=0.05。<br>　　2、构建预测模型及诊断推理:进行数据平衡并以7∶3的比例划分训练集及测试集，基于训练集数据使用LASSO回归模型筛选模型相关特征，使用R语言bnlearn包中的爬山算法实现贝叶斯网络的构建和学习，将网络结构导入Netica5.18软件中进行模型验证及诊断推理。使用测试集对模型的预测效能进行检验，评估指标包括AUC值、灵敏度和F1指数等;通过正向或逆向调整模型节点状态进行诊断推理以获取结局变量及自变量在不同条件下的变化率，识别其中变化明显的关键影响因素及链条（变化率＞10％）。<br>　　结果<br>　　1、现况研究:共计纳入2243名制造业工人作为研究对象，该人群职业伤害发生率为8.4％（189/2243）。主要伤害类型为擦伤/挫伤（占23.3％,44/189）;主要发生部位为上肢，包括手与手指（占37.0％，70/189）;主要发生来源为机械设备（占24.9％，47/189）;主要发生季节为夏季（占41.8％，79/189）;主要发生时间为上午（占36.0％，68/189）;主要伤害处理方式为门诊及住院治疗（均占33.3％,63/189）;损失工作日主要在3天以内（占40.7％,77/189）;职业倦怠发生率为24.0％（539/2243）;损失工作日与处理方式呈强相关（ρ=0.663）。个体层面的性别、吸烟情况、饮酒情况、同事关系、平均运动时长、职业倦怠情况、工作疲劳感、肌肉骨骼疾患、心血管疾病、神经感觉器官疾病及消化器官疾病等因素，设备层面的设备操作简明、安全隐患情况等因素，环境层面的从事低温作业、从事噪声作业、作业环境空间、环境脏乱等因素管理层面的每天工作时长、每周工作天数、加班情况、岗前技术培训及从事特种作业等因素，与职业伤害的发生有关联性（P＜0.05）。<br>　　2、构建预测模型及诊断推理:预测模型纳入了14个自变量，包括性别、年龄、存在安全隐患、存在危险工件、存在噪声作业、存在低温作业、加班情况、职业倦怠情况、环境脏乱、神经与感觉器官疾病、吸烟情况、工作疲劳感、每日工作时长和肌肉骨骼疾患，共有15个节点和61条有向边。模型验证结果显示，AUC值=0.758、灵敏度=0.750及F1指数=0.698,说明模型具有较好的区分度，预测效能良好。存在安全隐患、每天工作时长、环境脏乱、肌肉骨骼疾患、存在危险工件、工作疲劳感及吸烟情况等因素为制造业工人职业伤害关键影响因素;“每天工作时长（8-9小时）→环境脏乱（是）→存在安全隐患（是）→职业伤害（发生）”为职业伤害发生的关键影响链。<br>　　结论<br>　　基于贝叶斯网络的职业伤害风险评估模型预测效能良好，可用于量化评估制造业企业及工人个体的职业伤害风险。制造企业及相关单位可以通过改善安全隐患情况、减少危险工件、整改作业环境、合理安排工作时长及管控吸烟人群等手段对职业伤害进行防控。