论文部分内容阅读
目的:分析油田工人职业紧张、睡眠质量状况及高血压患病情况,探讨油田工人高血压危险因素并建立预测模型,为防治油田工人高血压提供科学依据。方法:本研究采用多阶段抽样的方法对克拉玛依6所油田基地中的1600名油田工人进行现场调查并收集体检数据。采用付出-回报失衡问卷(ERI)进行职业紧张评价,采用匹兹堡睡眠质量指数量表(PSQI)进行睡眠质量的评价,logistic回归分析高血压危险因素,建立Lasso-logistic、随机森林、支持向量机(SVM)预测模型并进行模型评估和比较。结果:1)此次调查起始为1600人,调查结束时,剔除不合格问卷及未完成体检者180人,最终共有1420名参与者完成此次调查。本次研究共检出232名患有高血压的油田工人,患病率为16.34%。2)油田工人职业紧张检出率为46.90%,男性、已婚、吸烟、饮酒者职业紧张检出率更高且工作付出和内在投入更多(P值<0.05)。3)此次调查共检出385名油田工人存在睡眠障碍,检出率为27.11%,除睡眠效率、催眠药物外,其余PSQI各个维度得分均高于国内常模(P值<0.05)。轮班者PSQI各个维度得分均高于不轮班者,差异有统计学意义(P值<0.05),存在职业紧张者睡眠质量更差。4)多因素logistic回归分析显示:年龄(≥45岁组)、族别、饮酒、高血压家族史、职业紧张、超重、肥胖、肌酐异常、尿酸高、血糖高是高血压的危险因素,教育水平是高血压的保护因素。5)Lasso-logistic高血压风险预测模型的AUC值为0.752,95%CI(0.706-0.798),校准曲线与标准曲线拟合良好,决策曲线显示Lasso-logistic预测模型的净受益率较高。三种预测模型比较显示,SVM模型的AUC值最大为0.86(95%CI:0.824-0.896)且准确率、灵敏度、特异度、正例命中率最高。结论:1)克拉玛依油田工人职业紧张检出率较高,睡眠质量较差;2)Lasso-logistic模型可作为油田工人高血压风险评估的工具,SVM模型识别高血压高危人群能力较强,应结合两种预测模型为防治油田作业人群的高血压疾病提供科学依据。