随着珠三角地区工业经济发展和产业结构转型，噪声污染已经成为当地最突出的公共卫生问题之一。职业性噪声可以导致多种健康结局，噪声性听力损失（noise-induced hearing loss，NIHL）是最主要的职业危害之一^[1]。广东省和广州市的噪声性耳聋约居当地职业病谱的第3 ~ 4位^[2-3]。因此，立足珠三角地区的职业性噪声暴露分布水平，加强噪声污染治理和防制策略研究势在必行。近年来，我国疾病负担归因研究日益深入，反事实分析方法被推广和应用于某些常见危险因素，但该方法应用于职业性噪声所致听力损失的归因研究尚属少见。本文应用反事实分析和归因推断方法^[4]，以人群归因分值（population attributable fractions，PAF）为流行病学测评指标进行疾病负担的归因推断和因果效应评价，旨在探索反事实分析方法在职业性噪声所致听力损失评估中的应用价值。

1.   资料与方法

1.1   资料来源

以广东省工伤康复中心职业健康监护信息系统中2015—2016年珠三角地区的职业健康检查数据为研究资源，采用非概率抽样方法，从金属制品业、汽车制造业、电子设备制造业等7类行业中各抽取大型企业1家、中型企业2家和小型企业3家，合计42家企业工龄3个月以上的22 690名在岗期间接触有毒有害因素的作业工人为研究目标人群；从目标人群中选择14 823名接触噪声等效声级80 dB（A）以上的作业工人纳入暴露组；再从以上42家企业中另外选择1 311名上岗前噪声作业工人为反事实背景人群并纳入对照组，并以该人群的听力损失检出率为反事实背景值。

1.2   方法

1.2.1   调查方法

职业健康检查方法依据《职业健康监护技术规范》（GBZ 188-2014）^[5]，行业分类依据《国民经济行业分类标准》（GB/T 4754-2011）^[6]，规模分类依据《国家统计局关于印发统计上大中小微型企业划分办法的通知》（国统字〔2011〕75号）^[7]。纯音测听仪器型号为AD229b和MA51，要求至少脱离噪声环境8 h在隔音室内测试纯音听阈^[8]。双耳语频任一频率（500 Hz、1 000 Hz、2 000 Hz）或高频（3 000 Hz、4 000 Hz、6 000 Hz）纯音听阈> 25 dB（A）定义为听力损失^[9]。

1.2.2   统计学分析

统计描述噪声暴露状况和听力损失状况，对两组人群进行年龄和性别的差异性比较，对听力损失检出率进行年龄或性别的标化处理。按照年龄组分层，各年龄组经性别标化后计算两组人群的听力损失标化检出率；按照企业规模和行业分层，经年龄标化后计算两组人群的听力损失标化检出率。根据标化检出率计算不同年龄、规模和行业的相对危险度（RR），并结合相应的噪声暴露率（P），评估听力损失的人群归因分值（PAF）。人群归因分值计算公式：PAF＝P（RR-1）/[P（RR-1）+1]。采用SPSS 20.0软件包进行统计学处理。计量资料用均数±标准差（x ± s）表示，年龄差异性比较采用独立样本t检验；计数资料用百分数（%）描述，构成比或暴露率的差异性比较采用χ²检验；P < 0.05为差异有统计学意义。

2.   结果

2.1   基本状况

研究目标人群22 690人。其中，男性17 308人，占76.28%，女性5 382人，占23.72%；年龄范围16 ~ 60岁，平均年龄（33.30 ± 8.62）岁。暴露组14 823人，其中男性11 708人，占78.99%，女性3 115人，占21.01%；年龄范围16 ~ 60岁，平均年龄（32.64 ± 8.51）岁；检出听力损失5 095人，检出率为34.37%。对照组1 311人。其中，男性987人，占75.29%，女性324人，占24.71%；年龄范围16 ~ 55岁，平均年龄（25.91 ± 7.25）岁；检出听力损失175人，检出率为13.35%。暴露组和对照组人群的年龄差异有统计学意义（t = 31.72，P < 0.05），性别构成差异有统计学意义（χ² = 9.83，P < 0.05）。听力损失检出情况见表 1。

表  1  两组人群听力损失检出情况

年龄/ 岁	暴露组				对照组
	调查人数	检出人数	检出率/%		调查人数	检出人数	检出率/%
≤25	3 284	586	17.84		742	80	10.78
26~35	6 403	1 877	29.31		431	64	14.85
36 ~ 45	3 857	1 830	47.45		101	21	20.79
≥45	1 279	802	62.71		37	10	27.03
合计	14 823	5 095	34.37		1 311	175	13.35

下载: 导出CSV 

| 显示表格

2.2   人群归因分值比较

2.2.1   不同年龄组比较

研究目标人群22 690人，噪声作业人数为14 823人，噪声暴露率为65.33%，不同年龄组的噪声暴露率差异有统计学意义（χ² = 205.94，P < 0.05）。两组人群不同年龄组的听力损失检出率经性别标化后计算的相对危险度为2.00，人群归因分值（PAF）= 65.33%（2.00-1）/[65.33%（2.00-1）+1] = 39.51%。35岁以下的噪声暴露率较高，而相对危险度较低；36岁以上的人群归因分值高于35岁以下。见表 2。

表  2  不同年龄组的人群归因分值比较

年龄/ 岁	接害工 人总数	噪声作 业人数	暴露 率/%	标化检出率/%		相对危 险度RR	人群归因 分值/%
				暴露组	对照组
≤25	4 555	3 284	72.10	17.68	11.30	1.56	28.76
26 ~ 35	9 615	6 403	66.59	29.19	16.04	1.82	35.32
36 ~ 45	6 291	3 857	61.31	47.47	20.33	2.33	45.10
≥45	2 229	1 279	57.38	62.71	26.93	2.33	43.28
合计	22 690	14 823	65.33	33.54	16.80	2.00	39.51
[注]暴露组和对照组均为按照年龄分层后再进行性别标化

下载: 导出CSV 

| 显示表格

2.2.2   不同企业规模比较

不同规模企业的噪声暴露率比较，差异有统计学意义（χ² = 36.01，P < 0.05），大型企业的噪声暴露率最高（66.51%）。听力损失检出率经年龄标化后计算相对危险度，发现小型企业的相对危险度最高（2.21），小型企业的人群归因分值（44.20%）高于大型和中型企业。见表 3。

表  3  不同规模企业人群归因分值比较

企业 规模	接害工 人总数	噪声作 业人数	暴露率/ %	标化检出率/%		相对危 险度（RR）	人群归 因分值/ %
				暴露组	对照组
大型	12 600	8 380	66.51	33.36	15.74	2.12	42.69
中型	7 330	4 636	63.25	28.99	15.84	1.83	34.43
小型	2 760	1 807	65.47	36.13	16.38	2.21	44.20
[注]暴露组为按照规模分层后的年龄标化检出率，对照组中各层均为1 311人的年龄标化检出率

下载: 导出CSV 

| 显示表格

2.2.3   不同行业比较

不同行业的噪声暴露率比较，差异有统计学意义（χ² = 1 425.66，P < 0.05）。通用专用设备制造业的噪声暴露率（79.57%）最高，其次为金属制品业（76.64%），电子设备制造业的噪声暴露率（44.10%）最低。听力损失检出率经年龄标化后计算相对危险度，发现金属制品业的相对危险度最高（2.35），人群归因分值为50.85%。电子设备制造业的相对危险度（1.85）较低，人群归因分值为27.26%。见表 4。

表  4  不同行业人群归因分值比较

行业分类	接害工 人总数	噪声作 业人数	暴露 率/%	暴露组 标化检 出率/%	对照组 标化检 出率/%	相对危 险度 （RR）	人群归 因分值/ %
金属制品业	3 912	2 998	76.64	39.96	17.00	2.35	50.85
汽车制造业	2 530	1 900	75.10	21.31	10.92	1.95	41.64
橡胶和塑料制品业	3 555	2 309	64.95	32.03	15.69	2.04	40.32
通用专用设备制造业	3 157	2 512	79.57	26.54	14.43	1.84	40.06
家用电器制造业	4 980	3 009	60.42	29.89	15.45	1.93	35.98
化学制品制造业	1 937	940	48.53	30.40	15.58	1.95	31.56
电子设备制造业	2 619	1 155	44.10	26.30	14.22	1.85	27.26
[注]暴露组为按照行业分层后的年龄标化检出率，对照组中各层均为1 311人的年龄标化检出率

下载: 导出CSV 

| 显示表格

3.   讨论

疾病负担是在传统健康状况描述基础上逐步形成和发展起来的评价方法。疾病负担按照不同思路和方法，大致分解为一般健康状况描述、潜在寿命损失年（potential years of life lost，PYLL）的提出和应用、伤残调整生命年（disability adjusted life year，DALY）的应用和发展、疾病负担综合评价四个研究阶段^[10]。不同阶段的研究方法和评价指标均存在一定缺陷，需要不断完善和修正。为科学评估环境因素健康风险，Murray等^[11]提出可比较风险评估（comparative risk assessment，CRA），并将归因方法分为分类归因和反事实分析。分类归因适用于事件被完全归因于某种或某组简单原因的情况，如国际疾病分类（international classification of diseases，ICD）。分类归因忽略了多种病因之间的协同效应，需要完整的分类体系。反事实分析方法填补了分类归因的不足，可以有效解决复杂危险因素的归因问题，得到国际认可和推广。反事实分析是将暴露于某种环境因素的当前水平与反事实场景（即假设状况）进行比较，以获得该环境因素对人体健康的影响，进而估计归因于该环境因素的疾病负担，以考察消除环境因素后疾病负担可能降低的程度，常用评估指标是人群归因分值（PAF值）^[12]。近年来国内的归因疾病负担研究较多采用反事实理论，如高温暴露^[12]、淮河流域水污染^[13]、PM2.5空气污染^[14]、脑卒中^[15]等。本研究尝试采用反事实分析方法评估特定人群归因于职业性噪声的听力损失，进行暴露与结局的归因推断和因果效应评价，以探索该方法在职业性噪声研究领域的可行性和实用性。

听力损失可归因于不可改变的危险因素（如年龄和遗传等）和可改变的危险因素（如职业性噪声暴露）两方面。揭示职业性噪声在特定人群听力损失中的占有比例，并根据结果进行积极主动的预防控制，对噪声防控是至关重要的。探索危险因素的归因疾病负担（AB），根据公式：AB = PAF × B^[16]，需要获知人群归因分值（PAF）和疾病负担（B）两个流行病学指标。人群归因分值，即人群归因危险度百分比，是指总人群发病（或死亡）归因于暴露部分占总人群的百分比，理论上的取值为0 < x < 1。假设危险因素的暴露分布水平降低到某种程度，人群的疾病（或死亡）减少比例为：PAF ＝ P（RR-1）/[P（RR-1）+1]^[16]。职业性噪声0暴露是理论上最小风险的反事实场景，但是现实中往往显得过于理想化。事实上，暴露与反事实之间应该以某一个恒值为分界点。我国职业卫生领域规定每天工作8h，每周40 h的噪声职业接触限值为等效声级85 dB（A）^[17]，职业环境中噪声等效声级≥80 dB（A）的作业定义为噪声作业。换言之，等效声级80 dB（A）为噪声防护的行动水平，80 dB（A）以下为现实中可能最小风险的反事实场景。当暴露被分解为n个水平且每个水平都有对应的RR，或当反事实背景存在多种潜在影响时，均有对应的应用公式^[16]。

职业性噪声对听力损失的作用及机制已经明确。据统计，我国不同行业抽样调查人群听力损失检出率大多数为20% ~ 40%。刘文娟等^[18]研究表明性别、年龄、工龄和噪声强度是听力损失的独立影响因素，男性发生听力损失风险是女性的2.721倍，≥50岁年龄组听力损失发生风险是 < 50岁组的2.816倍，工龄≥10年组听力损失发生风险是 < 10年组的2.044倍，噪声等效声级85 dB（A）每增加5 dB（A），听力损失风险增加2.376倍。据报道，广东省和广州市的职业性噪声聋呈现不同的行业和企业规模分布特征^{[3, 19]}。本次研究表明，总体目标人群中39.51%的听力损失可以归因于职业性噪声暴露。假设目标人群接触噪声等效声级降低到80 dB（A）以下，预测39.51%的听力损失可以避免或减少，并预测36 ~ 45岁年龄组、46岁以上年龄组、小型企业和金属制品业中可以避免或减少的听力损失分别为45.10%、43.28%、44.20%、50.85%。目前，国内大多数研究均支持高年龄组、小型企业和金属制品业噪声作业工人的听力损失相对严重的观点，如广东三地44 028名噪声作业工人的听力调查结果^[20]。然而，国内职业性噪声健康危害的研究对象通常选择噪声作业工人，评价指标一般为患病率、优势比和相对危险度等，以总体目标人群（包括噪声和非噪声作业工人）为人群基础测算人群归因分值的详细报道尚属少见。本研究不足之处是缺乏类似文献与本次研究结果进行横向比较。

本次研究引入反事实背景作对照，估计噪声暴露的相对危险度和目标人群的噪声暴露率，通过人群归因分值的评估反映职业性噪声对目标人群听力损失的影响份额或贡献值。评价指标综合了噪声暴露分布水平和相对危险度两方面因素，研究效能优于归因危险度（AR）百分比。评估人群归因分值亦可以依据累积噪声暴露量或其他标准分解为多个暴露分布水平，并计算对应的RR值，而RR值可以通过标化或回归分析等统计学方法获得，以减少工龄、年龄和性别等混杂因素对研究结果影响。因此，反事实分析方法能够从总体目标人群的听力损失中甄别或分离出真正归因于职业性噪声的占有比例，适用于评估特定目标人群真正归因于职业性噪声的听力损失，为筛选噪声暴露的高风险人群、确定噪声防控的优先级别、评估流行病学干预效果等提供数据支撑。