石化企业职业人群高血压危险因素分析及其患病风险预测_刘子秀.pdf

工业卫生与职业病2023 年 3 月第 49 卷第 2 期Ind Hlth&Occup Dis，Mar 2023，Vol.49，No.2论著石化企业职业人群高血压危险因素分析及其患病风险预测刘子秀1，吕蒙2，高丽3，王姝文4，兰跃燕4，吴晓梅4，朱博1（1.中国医科大学肿瘤医院/辽宁省肿瘤医院肿瘤防治办公室，辽宁 沈阳 110042；2.鞍钢集团矿业有限公司齐大山分公司；3.大连市疾病预防控制中心；4.中国医科大学附属第一医院）【摘要】目的探讨石化企业职业人群高血压的影响因素，并建立高血压患病风险模型及个体预测工具。方法选取5 799例石化企业职工为研究对象，以现场调查和职业健康检查资料为基础，分析高血压患病情况。采用多因素logistic回归分析筛选高血压相关影响因素；采用R软件构建高血压患病风险预测列线图。结果5 799例研究对象平均年龄为（36.95.8）岁，高血压的患病率为13.17%。多因素logistic回归分析结果显示，年龄、性别、噪声暴露、血糖、甘油三酯、低密度脂蛋白、尿常规、心电图、肝胆B超和泌尿B超与石化企业职业人群高血压有统计学意义（OR=1.065、2.418、1.222、2.086、2.411、1.332、1.917、1.969、2.184、1.631，P0.05）。利用独立影响因素构建的列线图具有良好的区分度（AUC：0.792；95%CI：0.7760.809）。校准曲线提示具有较好的一致性。进行Boostrap内部交叉验证1 000次，模型预测平均错误率为0.015，提示列线图稳定性较好。临床决策曲线显示，模型具有良好的临床实用性。结论基于石化企业职业人群高血压患病影响因素构建的列线图模型，具有良好的准确性和临床应用价值，可用于石化职业人群患高血压筛选，为个体化干预提供有价值的信息。【关键词】高血压；职业人群；列线图中图分类号 R135文献标识码 A文章编号 10007164（2023）02013005DOI：10.13692/ki.gywsyzyb.2023.02.009Risk factors analysis and risk prediction of hypertension inoccupational population of petroleum enterprisesLIU Zi-xiu*，LV Meng，GAO Li，WANG Shu-wen，LAN Yue-yan，WU Xiao-men，ZHU Bo*Cancer prevention and control，Cancer Hospital of China Medical University/Liaoning Cancer Hospital，Shenyang，Liaoning 110042，China【Abstract】ObjectiveTo explore the influencing factors of hypertension among occupational population inpetrochemical enterprises，and to establish the risk model of hypertension and individual prediction tools.MethodsA totalof 5 799 cases of occupational population in petrochemical enterprises were selected as the research object，and theprevalence of hypertension was analyzed based on the field survey data and occupational health examination.Multivariatelogistic regression analysis was used to screen the related influencing factors of hypertension.The risk predictionnomograph of hypertension was constructed with R software.ResultsThe average age of 5 799 subjects was（36.87 5.8）years，and the prevalence of hypertension was 13.17%.Multivariate Logistic regression showed that age，gender，noise exposure，blood glucose，triglyceride，low-density lipoprotein，the result of routine urine test，the result ofelectrocardiogram，the result of liver and gallbladder ultrasound and the result of urinary ultrasound were statisticallysignificantly associated with hypertension in the occupational population of petrochemical enterprises（OR=1.065，2.418，1.222，2.086，2.411，1.332，1.917，1.969，2.184，1.631，P360 mol/L，男性420 mol/L。下述任何一项异常即判定为血常规异常：白细胞4109/L，或白细胞10109/L；红细胞3.51012/L，或红细胞5.51012/L；血红蛋白110 g/L，或血红蛋白160 g/L；血小板100109/L，或血小板400109/L。下述任何一项异常即判定为尿常规异常：出现上皮细胞，出现超过 3个红细胞，出现超过 5个尿白细胞，尿蛋白阳性，尿糖阳性。出现下述任何一种情况即判定为心电图异常：心律不齐、心动过速或过缓、期前收缩、束支阻滞、波形改变等。出现下述任何一种情况即判定为肝胆B超异常：不同程度脂肪肝、胆结石、胆囊息肉、肝囊肿、肝血管肉瘤等。出现下述任何一种情况即判定为泌尿B超异常：肾结石、肾囊肿等。根据血压情况，将研究对象分为高血压组和非高血压组。1.3统计学处理采用 Excel 2019 进行数据的查重和逻辑纠错。通过 SPSS软件中的单因素分析方法，对高血压进行危险因素的初步筛选，其中计量资料以 xs 表示，组间比较采用独立样本t检验；计数资料以百分比（%）表示，组间比较采用 2检验。使用 R软件中的二元logistic回归模型对高血压进行危险因素的进一步筛选。将筛选出来的变量使用 R软件 rms包中的 Nomogram函数建立石化企业职业人群高血压患病风险列线图。应用 ROC 曲线法和 bootstrap 自抽样法（1 000样本）评价模型的预测能力，应用临床决策曲线评价模型的临床应用价值。假设检验水准为双侧=0.05。2结果2.1基本情况对石化企业生产环境和职业病危害因素进行调查检测，其可能存在的职业病危害因素主要有粉尘（包括白土粉尘、硫磺粉尘、聚丙烯粉尘和焦炭粉尘）、化学毒物（二氧化硫、一氧化碳、溶剂汽油、液化石油气、硫化氢、总烃、苯、甲苯、二甲苯、甲醇、氨、氢氧化钠、糠醛和甲醛）和物理因素（噪声、高温和工频电场）等。5 799例研究对象中男性3 472例，占 59.86%，女性 2 328例，占 40.14%；平 均 年 龄 为（36.95.8）岁；平 均 接 害 工 龄 为（15.67.1）年；高血压患病率为13.17%。2.2高血压影响因素的单因素分析单因素分析显示，两组在性别、年龄、工龄、汽油暴露、噪声暴露、粉尘暴露、氨类暴露和其他职业病危害因素暴露、血糖、甘油三酯、总胆固醇、高密度脂蛋白、低密度脂蛋白、血常规、尿酸、尿application value，which can be used for screening hypertension in the occupational population of petrochemical enterprises，providing valuable information for individualized intervention.【Keywords】Hypertension；Occupational population；Nomogram 131工业卫生与职业病2023 年 3 月第 49 卷第 2 期Ind Hlth&Occup Dis，Mar 2023，Vol.49，No.2常规、心电图、肝胆B超和泌尿B超异常19个变量比较，差异有统计学意义（P0.05），构成患高血压的有关影响因素。见表1。表1石化职业人群高血压的单因素分析因素年龄 xs，岁工龄 xs，年性别（男）n（%）接触两种及以上职业病危害因素 n（%）汽油暴露（有）n（%）硫化氢暴露（有）n（%）高温暴露（有）n（%）噪声暴露（有）n（%）苯系物暴露（有）n（%）粉尘暴露（有）n（%）氨类暴露（有）n（%）其他职业病危害因素暴露（有）n（%）血糖（异常）n（%）甘油三酯（异常）n（%）总胆固醇（异常）n（%）高密度脂蛋白（异常）n（%）低密度脂蛋白（异常）n（%）血常规（异常）n（%）尿酸（异常）n（%）尿常规（异常）n（%）心电图（异常）n（%）肝胆 B 超（异常）n（%）泌尿 B 超（异常）n（%）全人群36.875.8415.627.113 471（59.86）2 827（48.75）1 913（32.99）4 004（69.05）1 841（31.75）3 712（64.01）261（4.50）50（0.86）302（5.21）150（2.59）554（9.55）809（13.95）619（10.67）98（1.69）451（7.78）453（7.81）266（4.59）409（7.05）643（11.09）831（14.33）293（5.05）高血压组39.795.8118.757.20628（82.20）361（47.25）280（36.65）511（66.88）257（33.64）523（68.46）26（3.40）13（1.70）27（3.53）9（1.18）199（26.05）272（35.60）175（22.91）64（1.44）98（12.83）38（4.97）88（11.52）77（10.08）146（19.11）236（30.89）78（10.21）非高血压组36.435.7215.156.972 843（56.46）2 466（48.98）1 633（32.43）3 493（69.37）1 584（31.46）3 189（63.34）235（4.67）37（0.73）275（5.46）141（2.80）355（7.05）537（10.67）444（8.82）34（2.50）353（7.01）415（8.24）178（5.54）332（6.59）497（9.87）595（11.82）215（4.27）P 值0.010.010.010.3950.0230.1790.2440.0070.1400.0130.0320.0120.010.010.010.010.010.0020.010.010.010.010.012.3高血压影响因素的多因素分析将单因素分析筛选出的 19个变量作为自变量，以石化企业职业人群是否患高血压作为因变量，进行多因素 logistic 回归分析，结果显示，年龄、性别、噪声暴露、血糖、甘油三酯、低密度脂蛋白、尿常规、心电图、肝胆 B超和泌尿 B超与高血压有统计学意义（P0.05）。说明年龄越大、男性、噪声暴露、血糖异常、甘油三酯异常、低密度脂蛋白异常、尿常规异常、心电图异常、肝胆 B超异常和泌尿 B超异常可能是发生高血压的危险因素。从统计学角度解释如下：（1）职业人群年龄每增加 1岁，发生高血压的风险是之前的1.065倍；（2）男性职业人群发生高血压的风险是女性的2.418倍；（3）噪声暴露职业人群发生高血压的风险是无噪声暴露者的1.222倍；（4）血糖异常职业人群发生高血压的风险是正常者的2.084倍；（5）甘油三酯异常职业人群发生高血压的风险是正常者的2.411倍；（6）低密度脂蛋白异常职业人群发生高血压的风险是正常者的1.332倍；（7）尿常规异常职业人群发生高血压的风险是正常者的1.917倍；（8）心电图异常职业人群发生高血压的风险是正常者的1.969倍；（9）肝胆B超异常职业人群发生高血压的风险是正常者的 2.184倍；（10）泌尿 B超异常职业人群发生高血压的风险是正常者的1.631倍。见表2。表2高血压患病的多因素分析因素年龄工龄性别汽油暴露噪声暴露粉尘暴露氨类暴露其他职业病危害因素暴露血糖甘油三酯总胆固醇高密度脂蛋白低密度脂蛋白血常规尿酸尿常规心电图肝胆 B 超泌尿 B 超OR 值1.0651.0132.4181.1641.2221.1910.6500.6822.0862.4111.1550.9991.3320.8471.2791.9171.9692.1841.63195%CI 值1.0431.0860.9971.0291.9483.0180.9701.3951.0061.4880.5692.3650.4120.9900.3091.3321.6682.6031.9362.9980.8961.4840.6101.6101.0001.7620.5761.2130.9291.7501.4052.5901.5672.4631.7942.6521.1952.205P 值0.010.1140.010.1020.0440.6290.0530.2980.010.010.2630.9960.4690.3800.1270.010.010.010.0022.4高血压风险预测模型的构建与验证2.4.1风险预测模型的构建利用多因素logistic回归中筛选出的年龄、性别、噪声暴露、血糖、甘油三酯、低密度脂蛋白、尿常规、心电图、肝胆B超和泌尿B超10个变量为自变量为预测变量，石化企业职业人群是否患高血压为结局变量，绘制列线图，如图 1。列线图中每一个危险因素对应相应的得分，得分相加获得总得分，其分值对应最下面的职业人群高血压患病风险的概率。图中红色代表本研究 5799例体检中第 1例体检者高血压的预测患病风险：无噪声暴露、低密度脂蛋白正常、甘油三酯正常、尿常规正常、心电图正常、血糖正常、肝胆 B超正常、泌尿B超正常的61岁男性，合计得分为474分。此分数垂直对应高血压预测风险值约为 0.316，即该体检者高血压的预测患病风险概率约为31.6%。132工业卫生与职业病2023 年 3 月第 49 卷第 2 期Ind Hlth&Occup Dis，Mar 2023，Vol.49，No.22.4.2风险预测模型的评估及验证根据 ROC曲线可知，高血压风险预测模型的曲线下面积（AUC）为 0.792（95%CI：0.7760.809）。校正曲线显示，该预测模型的预测结果和实际结果之间具备较好的一致性。后采用Boostrap内部交叉验证1 000次的结果显示，模型预测平均错误率为 0.015，预测模型具备优越的稳定性，临床决策曲线显示模型具有临床实用性。见图2。3讨论结果显示，该石化企业职业人群高血压患病率为 13.17%，低于我国 18岁及以上居民高血压患病粗率 27.9%5，可能是由于该企业职业人群年龄构成偏小引起的。但是该企业不能放松对高血压的警惕，应更进一步加强对高血压高危人群的措施干预。高血压影响因素的分析结果显示，年龄越大、男性、由噪声暴露、血糖异常、甘油三酯异常、低密度脂蛋白异常、尿常规异常、心电图异常、肝胆 B超异常和泌尿B超异常是患高血压的危险因素。年龄越大石化企业职业人群的高血压患病风险越大，其结果与以往的研究结果相似6-8。其原因可能是随着年龄的增长，人体的各项身体机能在发生退行性变化，尤其是心血管系统表现的最为明显，血管逐渐硬化，弹性减退，从而引起血压的升高9。石化企业男工（18.09%）高血压的患病率高于女工（5.84%）。可能由于女性分泌的雌激素可以通过肾素-血管紧张素-醛固酮系统、交感神经系统、肥胖、氧化应激和内皮功能等多种机制影响血压水平10-12；并且石化企业女性多为后勤岗位，男性多为一线作业岗位，女性工作比男性轻松2；另外，男性吸烟、饮酒等不良生活方式以及生活压力高于女性11，造成了男性高血压患病率高于女性。有噪声暴露的职业人群比无噪声暴露者更易患高血压，与以往的研究结论一致13-16。原因可能是石化企业为重工行业，在作业期间机器会发出高分贝的噪音，由于个人忽视了对噪声防护，导致接触了噪声的刺激之后，机体产生大量活性氧并产生氧图1高血压风险预测列线图图2预测模型的ROC曲线图3预测模型的校准曲线图4预测模型的临床决策曲线 133工业卫生与职业病2023 年 3 月第 49 卷第 2 期Ind Hlth&Occup Dis，Mar 2023，Vol.49，No.2化应激，体内内分泌系统失调，致使血压的升高和血管的损害17。提示职业人群在工作过程中应注意个人防护，佩戴好耳塞等降噪防护用具。有多项研究显示18，高温、汽油和粉尘等职业病危害因素均对血压有影响，而本次研究结果并未体现。很可能是由于虽然石化企业职业人群接触了上述职业病危害因素，但是其接触的限值并未超过国家标准。本次研究建立的石化企业职业人群高血压患病风险预测模型具有良好的一致性、稳定性以及预测风险能力，模型也提示有较好的临床实用性，同时列线图还具有直观、简单、可视化的优点22。此列线图对石化企业职业人群发生高血压的个体化风险预测有着一定的价值，并且可根据分析结果对高血压高危人群制定相应的防治措施，从疾病的源头对高血压的高危人群进行预防。其次，本研究的预测模型的指标简单易得，获取成本相对较低，方便企业使用，可提高企业的经济效益。本研究仍存在一些局限性。首先，本研究为横断面研究，分析结果只能提示影响因素与高血压之间是否具有统计学意义，却难以确定各影响因素与高血压的因果关系，因此需要进一步的前瞻性研究验证本文的结论。其次，此模型仅针对一个行业的职业人群数据得出，因此是否具有适用于全行业的普遍性尚不确定。参考文献 1 顾桂珍.石化企业职工压力源分析及对策J.现代国企研究，2018，（8）：112，114.2 张乐言.某石油公司职业人群高血压流行现状及危险因素研究D.河北：华北理工大学，2020.3 Alshamiri M，Ghanaim M M A，Barter P，et al.Expertopinion on the applicability of dyslipidemia guidelines inAsia and the Middle EastJ.International journal of general medicine，2018，11：313.4 Zhang X，Li S，Yanjun W，et al.The Influencing Factors of Serum Lipids among Middle-aged Women inNortheast ChinaJ.Iranian journal of public health，2018，47（11）：1660.5 孙宁玲.中国高血压防治指南（2018年修订版)的重要修改及点评J.中华心血管病杂志（网络版），2019，（1）：5.6 Cui S Y，Yuan J X.Analysis on the relationship betweencumulative high temperature exposure and steel workershypertension in a large steel millJ.Zhonghua lao Dongwei Sheng zhi ye Bing za zhi=Zhonghua Laodong Weisheng Zhiyebing Zazhi=Chinese Journal of Industrial Hygiene and Occupational Diseases，2020，38（9）：668-671.7 赵长松，何振生，钱庆增.唐山某钢铁企业职业人群高血压现况及其影响因素分析J.工业卫生与职业病，2022，48（1）：26-29.8 张秋伊，顾淑君，周正元，等.高血压病影响因素及发病风险预测列线图模型J.中国健康教育，2021，37（8）：704-708.9 胡建功，何朝，赵莹颖，等.不同年龄段高血压患者服药依从性调查及影响因素J.公共卫生与预防医学，2019，30（5）：133-137.10杨玉亭，左庆娟，郭艺芳.雌激素在高血压及靶器官损害性别差异中的作用J.心血管病学进展，2022，43（08）：715-718.11杨学涛，周亮，刘方洲，等.高血压发病的性别差异及机制J.中华高血压杂志，2019，27（4）：327-334.12Virani S S，Alonso A，Benjamin E J，et al.Heart disease and stroke statistics-2020 update：a report from theAmerican Heart AssociationJ.Circulation，2020，141（9）：139-596.13Pyko A，Lind T，Mitkovskaya N，et al.Transportation noise and incidence of hypertensionJ.Internationaljournal of hygiene and environmental health，2018，221（8）：1133-1141.14Wu X，Li C，Zhang X，et al.The Impact of Occupational Noise on Hypertension Risk：A Case-ControlStudy in Automobile Factory PersonnelJ.Frontiers incardiovascular medicine，2022，9.15Zhou F，Shrestha A，Mai S，et al.Relationship between occupational noise exposure and hypertension：Acrosssectional study in steel factoriesJ.American journal of industrial medicine，2019，62（11）：961-968.16贺祥静.职业噪声暴露人群听力损伤与高血压关联的纵向研究D.武汉：华中科技大学，2019.17张晋蔚，丘丛玺，阮燕梅，等.噪声作业工人高血压影响因素分析及风险预测J.职业卫生与应急救援，2019，37（4）：316-322.18洪霞，孙纳，苏瑶.2011年某中石化公司汽油作业人员职业健康检查分析J.工业卫生与职业病，2014，40（2）：137-138.19海铭真，任春霞.某石化企业接触汽油作业工人健康状况及影响因素分析J.职业卫生与应急救援，2016，34（3）：207-208，219.20耿瑶，李光华.高温环境对机体生理功能影响的研究进展J.科技风，2021，（11）：143-145.21Nkosi V，Shirinde J，Rathogwa-Takalani F，et al.Highblood pressure and exposure to dust from gold mine dumpsamong the elderly in South Africa：A cross-sectional studyJ.Public Health in Practice，2021，2：100146.22由淑萍，杨菲，陶宁，等.新疆南山牧区哈萨克族牧民高血压患病风险的列线图模型建立及验证J.中国医药导报，2021，18（20）：21-24，33.（收稿日期：2022-11-21）134