医务人员血源性职业暴露危险因素分析:基于随机森林算法和logistic回归模型的效应对比

摘要：

目的 分析医务人员血源性职业暴露风险因素,为及时提出针对性干预措施,预防血源性职业暴露提供依据.方法 选取2016年1月—2023年6月呼伦贝尔市某三级综合医院上报的发生血源性职业暴露的103名医务人员为暴露组,选取同班次未发生职业暴露的625名医务人员为对照组,收集研究对象的相关资料,采用随机森林算法和多因素logistic回归分析分别构建影响医务人员发生血源性职业暴露的预测模型.结果 103例血源性职业暴露人员的主要暴露部位为手,有89例(占86.41％);主要暴露方式为锐器伤,有83例(占80.58％);主要暴露源为乙型肝炎病毒,有65例(占63.11％).暴露后立即上报的有65例(占63.11％),12 h以内上报的24例(占23.30％).logistic回归分析结果显示:相比年龄≥ 30岁,年龄＜30岁的医务人员发生血源性职业暴露的可能性增加至4.142倍(P＜0.05);相比工作年限≥ 5年,工作年限＜5年的医务人员发生血源性职业暴露的可能性增加至1.696倍(P＜0.05);相比中级及以上职称,初级职称医务人员发生血源性职业暴露的可能性增加至5.989倍(P＜0.05);相比每年多次参加培训,每年只参加1次培训的医务人员发生血源性职业暴露的可能性增加至1.864倍(P＜0.05);科室类别为急诊、重症及手术室的医务人员较其他科室医务人员发生血源性职业暴露的可能性增加至2.205倍(P＜0.05).随机森林算法结果显示,重要性评分排名前6的影响因素分别是职称、年龄、工作年限、年职业防护培训次数、职业类型、文化程度.随机森林预测模型的准确率、精确率、召回率及F1分数(精确率和召回率的调和平均数)均要高于logistic预测模型,且随机森林预测模型的ROC曲线下面积(AUC)为0.829(P＜0.001),也高于logistic回归模型的0.818(P＜0.001).结论 随机森林模型对血源性职业暴露有更好的预测效能,但logistic回归模型有更直观的分析结果,两者联合使用能进一步提高预测的准确性.应加强对年龄小、工作年限短、职称低等重点人员的培训,制定标准化的措施来预防医务人员的血源性暴露.

关键词：随机森林、logistic回归、医务人员、血源性职业暴露、危险因素、预测效能

所属期刊栏目：42

分类号：R135(劳动卫生)

资助基金：内蒙古医学科学院公立医院科研联合基金项目2023GLLH0343

在线出版日期：2024-09-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：440-445