Reason analysis on non-compliance of occupational hazards with OELs in construction project
-
+ English摘要:目的
探讨企业职业病危害检测结果不合格的可能影响因素, 为企业的职业病危害防控提供技术支持。
方法选取20个省市不同行业的107份建设项目职业病危害控制效果评价报告和现状评价报告作为资料来源, 共采集近2万项指标数据, 对其数据进行logistic回归分析。
结果多因素logistic回归分析结果显示, 职业病防护措施符合的企业职业病危害因素检测结果合格的可能性是不符合企业的12.01倍(P < 0.05), 职业病危害风险分类一般和较重企业检测结果合格的可能性是职业病危害严重企业的6.28、6.80倍(P < 0.05)。职业卫生管理制度不是企业职业病危害因素检测结果是否合格的影响因素。
结论企业应该重点加强职业病防护措施的建设, 监管部门应加强对职业病危害风险分类严重的企业的监管力度; 同时要关注未纳入职业病危害风险分类目录的企业和大型企业, 对其监管不能懈怠。
-
关键词:
- logistic回归 /
- 控制效果评价 /
- 现状评价 /
- 职业病危害 /
- 影响因素
-
建设项目职业病危害风险评估一直是职业病前期预防工作的重要内容，是目前预防控制职业病危害的重要途径，是实施职业健康风险管理的有效技术依据。国外较为成功的职业病危害风险评估模式有三种：以“后果严重程度-概率”为基础的欧洲模式[1-3]，以“后果严重程度-暴露频率-后果发生概率”为基础的澳大利亚模式[4]，以“危害级别-暴露级别”为基础的新加坡模式[5]。我国卫生部在2007年颁布实施的《建设项目职业病危害预评价技术导则》(GBZ/T 196-2007)首次提出了风险评估法[6]，此后国内对职业病危害风险评估工作越来越重视，出现了如层次分析法、综合指数法、有毒物质控制效果分级法、综合指数评价法、模糊数学法、蒙德法、集合比数法、TOPSIS法等评价方法[7-8]。但是，这些风险评估方法比较复杂，均未得到普遍的应用。我国近年来对建设项目职业病危害的评价是通过职业病危害因素检测获取职业病危害因素的浓度(强度)，依据国家职业接触限值判断职业病危害因素是否超标，以此判断建设项目职业病危害水平，但该方法耗时长，成本高，且不适用于建设项目职业病危害预评价。
随着信息技术的高速发展与广泛使用，人们积累的职业卫生数据量越来越丰富，这为借鉴历史资料创建科学的评估手段创造了良好的基础条件。logistic回归分析是一种广义的线性回归方法，已经广泛应用于疾病危害因素筛选、经济预测、社会分析等领域。本文拟在收集国内建设项目职业病危害相关数据的基础上，利用logistic回归模型，建立一种简单易行的建设项目职业病危害因素检测结果是否合格的预测方法。
1. 资料与方法
1.1 资料
选取由职业卫生技术服务甲级机构提供的全国范围内20个省市不同行业的107份建设项目职业病危害控制效果评价报告和现状评价报告作为资料来源。建设项目类型主要涉及制造业(下属12个细项)和电力生产供应业等，共采集了近2万项指标数据。通过数据的预处理，包括查错、变量整合与拆分、数据清理与转换、数据表整合、缺失值删除、极值和异常值审核等，获得较为真实完整的基础数据。
1.2 方法
1.2.1 指标体系的建立
依据我国的职业卫生相关法律法规及标准[9-12]，本文收集了一套反映工业企业工作场所职业病危害风险水平的职业卫生指标体系，包括8个一级指标和155个二级指标，涵盖了职业病危害因素、职业病防护设施、应急救援设施、劳动防护用品、职业卫生管理、职业病危害风险分类、企业规模、职业健康监护等内容。指标体系的建立结合了工业企业职业病防治工作的实际情况，在保证反映工业企业职业病危害水平的前提下，尽可能地避免空缺数据、噪声数据和冗余等负面情况。
1.2.2 预测模型的建立
根据目前我国国内职业卫生现状，通过对建设项目职业卫生指标体系历史数据的分析，筛选职业病危害因素检测结果影响因素，建立职业病危害因素评价结果模型。首先，本项目源数据为全国各企业职业病危害评价报告，根据职业病危害评价指标对各个指标字段进行理解，然后进行数据清理，将数据质量控制在所需的水平。其次，按照“数据描述”“数据探索”“建立模型”的步骤依次进行数据分析和建模工作。数据描述主要目标是理解当前的数据分布，并且对于本项目而言，有利于了解当前评价报告的基本情况；数据探索指研究者根据研究目标，提出不同的研究主题，探究变量之间关系；建立模型则是根据最终的目标，构建模型，并通过模型参数构建模型。
在各项指标的分析过程中，我们尝试可能使用的多种建模方法。比如，“关联分析”“决策树”与“回归”。最终，针对各影响因素的重要性与贡献度分析，结合采集数据的数据类型，选取了回归模型。
1.2.3 logistic回归模型
主要目标是建立职业病危害因素检测结果模型，理清影响职业病危害因素检测结果的关键因素。本文的结果变量是建设项目职业病危害因素检测结果合格与否，为二分类变量；自变量在8个一级指标和155个二级指标中进行初步筛选，选取可能的对职业病危害因素检测结果有影响的因素，最终确定其中的职业病防护设施、职业卫生管理制度、职业病危害风险分类、企业规模、专职职业卫生管理人员的数量等5个一级指标作为回归分析的自变量。
logistic回归建模预测模型如下：
$$ \ln \left( {\frac{y}{{1 - y}}} \right) = \alpha + {\beta _1}{x_1} + {\beta _2}{x_2} + {\beta _3}{x_3} + {\beta _4}{x_4} + {\beta _5}{x_5} $$ 式中：
Y——建设项目职业病危害因素浓度(强度)检测结果合格的概率，以此来体现企业职业病危害风险水平。当企业涉及多种职业病危害因素，则只有该企业各类职业病危害因素的浓度(强度)均未超过《工作场所有害因素职业接触限值第1部分化学有害因素》(GBZ 2.1-2007)和《工作场所有害因素职业接触限值第2部分物理因素》(GBZ 2.2-2007)规定的职业接触限值，才算该企业职业病危害因素浓度(强度)评价结果合格。
x1——职业病防护设施的总体评价结果，1 =符合，0 =不符合。
x2——职业卫生管理制度是否齐全，1 =是，0 =否。
x3——职业病危害风险分类，1 =严重，2 =较重，3 =一般，4 =无；其中，“无”表示其职业病危害程度未达到国家总局发布的《职业病危害风险分类目录》 “一般”及以上级别的，并不表示不存在职业病危害；应理解为风险“轻微”或“较轻”。
x4——企业规模，1 =大型，2 =中型，3 =小微型。
x5——职业卫生管理人员数量，连续变量。
α——模型中的常数项。
β——各个自变量的回归系数。
1.2.4 数据处理
数据录入采用双人输入模式。数据整理和统计分析使用Excel和SPSS 19.0软件，并及时保存归档。对职业病危害因素评价结果的各影响因素先进行单因素分析，符合正态分布的计量资料采用均数±标准差(x ± s)表示，两组间差异比较采用独立样本t检验，不符合正态分布的以中位数M(P25，P75)表示，两组间中位数比较采用秩和检验。计数资料以率表示，组间比较采用χ2检验。在单因素分析的结果上，再进行多因素logistic回归分析。检验水准取双侧α = 0.05。
2. 结果
2.1 职业病危害因素检测结果影响因素的单因素分析
调查发现，107家企业职业病防护措施、专职职业卫生管理人员数量、职业病危害风险分类以及企业规模不尽相同。检测结果合格的24家，不合格83家。专职职业卫生管理人员数量为0 ~ 12人。对职业病危害因素检测结果的各影响因素进行单因素分析，结果发现：职业病防护措施、职业病危害风险分类、企业规模等不同的企业的职业病危害因素检测结果合格率不同，差异有统计学意义(P < 0.05或0.01)。见表 1。
表 1 职业病危害风险因素检测合格的单因素分析影响因素 企业数量/家 检测结果不合格/家 检测结果合格/家 χ2值、t值或z值 P值 职业病防护措施 不符合
符合32
7531
521
239.779 0.002 职业卫生管理制度是否齐全 否 50 37 13 0.688 0.407 是 57 46 11 专业职业卫生管理人数 l(1，2)a l(0, 2)a 0.574b 0.566 职业病危害
风险分类无 22 20 2 20.038 0.000 一般 14 7 7 较重 25 14 11 严重 46 42 4 企业规模 小微 7 2 5 中型 23 18 5 10.464 0.005 大型 77 63 14 [注]a以中位数M(P25，P75)表示; b秩和检验所得z值 2.2 影响检测结果的多因素logistic回归分析
剔除单因素分析中导致P值最大的变量(专职职业卫生管理人数)，将其他4个影响因素纳入回归分析模型，并对因变量建设项目职业病危害因素检测结果进行赋值(合格= 1，不合格= 0)，进行logistic回归分析。经似然比检验，所得的总体预测模型有统计学意义(χ2 = 32.021，P < 0.01)；该回归模型的解释力是39.5%，即模型中的所有自变量可以解释检测结果的39.5%。影响因素分析结果显示：职业病防护措施符合的企业职业病危害因素浓度或强度检测结果合格的可能性是不符合企业的12.01倍(P < 0.05)，职业病危害风险分类一般和较重企业评价结果合格的可能性是严重企业的6.28、6.80倍(P < 0.05)。见表 2。
表 2 影响职业病危害因素检测结果的logistic回归分析影响因素 对照 β值 SE值 Wald值 P值 OR值 95%CI值 职业病防护措施符合 不符合 2.49 1.11 5.04 0.02 12.01 1.37 ~105.29 职业卫生管理制度齐全 否 -0.73 0.58 1.57 0.21 0.48 0.16 ~1.50 职业病危害风险分类 无 严重 -0.30 0.94 0.10 0.75 0.74 0.12 ~4.66 一般 严重 1.84 0.78 5.53 0.02 6.28 1.36 ~29.04 较重 严重 1.92 0.76 6.32 0.01 6.80 1.53 ~30.27 企业规模 小微型 大型 1.03 0.99 1.09 0.30 2.81 0.40 ~19.59 中型 大型 0.06 0.67 0.01 0.93 1.06 0.28 ~3.98 常量 -3.96 1.22 10.62 0.00 0.02 0 ~ 0.44 3. 讨论
从本次研究的logistic回归分析结果看，建设项目的职业病防护措施、职业病危害风险分类对职业病危害因素检测结果合格与否的影响有统计学意义(P < 0.05)；而职业卫生管理制度是否齐全、企业规模对职业病危害因素检测结果合格与否的影响无统计学意义(P > 0.05)。具体分析如下：
(1) 职业病防护措施符合的企业其职业病危害因素检测结果合格的可能性是不符合企业的12.01倍(P < 0.05)。这是因为，职业病防护措施的完善与否是影响工作场所职业病危害因素排放、扩散的重要因素。企业配备有完善的职业病防护措施，不仅能够在污染源和传播途径中对职业病危害因素进行控制，也是企业有较高的职业卫生素养和职业危害防护意识的体现，从而保证了企业有更高的职业病危害因素检测结果合格率。
(2) 职业病危害风险分类一般和较重企业的检测结果合格的可能性分别是风险分类严重企业的6.28、6.80倍(P < 0.05)。职业病危害风险分类严重的企业，危害源头多，企业生产环境不佳，想要达到危害因素检测结果的合格，相对难度较大。监管部门和这类企业自身应加强对职业病危害风险的防范。同时应注意到，危害风险分类为“无”的企业(多数为未在《职业病危害风险分类目录》里的相关行业)，其检测结果合格的可能性相比风险分类严重企业，并无优势，这可能与这类企业对危害因素控制不够重视有关。提示任何企业的职业卫生工作不应被忽视，千万不要认为职业病危害风险分类不严重的企业或者建设项目，其危害因素检测结果必然就好。
(3) 虽然企业规模在回归分析结果中不是职业病危害因素检测结果合格的影响因素，但我们认为两者为疑似影响因素：以大型企业为对照，小微企业的OR值为2.81(P = 0.30)，中型企业的OR值为1.06(P = 0.93)。当前我国在职业病防治上重点抓大型企业，此结果符合我国的实际情况。
(4) 本研究未发现职业卫生管理制度情况对企业职业病危害因素检测结果的影响。提示管理制度不能仅停留在纸面上，还必须落实到行动中才有效果；也可能在一定程度上反映了该因素对检测结果的影响没有职业病防护措施、职业病危害风险分类大。其具体原因，还须进一步进行研究。
综上所述，我国应该加大政府有关部门和企业在职业病防护工作上的合作，继续加强对企业职业病防护措施的关注，重视职业病危害风险分类严重的企业，并加大对大型企业的监管力度。同时，对未纳入职业病危害风险分类目录的企业应适当关注，不能懈怠。
本文初步探索了采用logistic回归模型分析了职业病危害因素检测结果的影响因素，该预测模型可用于存在职业病危害的建设项目，在其可行性讨论阶段，对其建设项目可能产生的职业病危害进行预测与评估。但由于本次研究收集建设项目数量有限，故其预测结果可能存在一定的偏差。以后的研究还应进一步扩大样本量，修正该预测模型，获得更优的预测拟合度。
-
表 1 职业病危害风险因素检测合格的单因素分析
影响因素 企业数量/家 检测结果不合格/家 检测结果合格/家 χ2值、t值或z值 P值 职业病防护措施 不符合
符合32
7531
521
239.779 0.002 职业卫生管理制度是否齐全 否 50 37 13 0.688 0.407 是 57 46 11 专业职业卫生管理人数 l(1，2)a l(0, 2)a 0.574b 0.566 职业病危害
风险分类无 22 20 2 20.038 0.000 一般 14 7 7 较重 25 14 11 严重 46 42 4 企业规模 小微 7 2 5 中型 23 18 5 10.464 0.005 大型 77 63 14 [注]a以中位数M(P25，P75)表示; b秩和检验所得z值 
下载: 导出CSV
表 2 影响职业病危害因素检测结果的logistic回归分析
影响因素 对照 β值 SE值 Wald值 P值 OR值 95%CI值 职业病防护措施符合 不符合 2.49 1.11 5.04 0.02 12.01 1.37 ~105.29 职业卫生管理制度齐全 否 -0.73 0.58 1.57 0.21 0.48 0.16 ~1.50 职业病危害风险分类 无 严重 -0.30 0.94 0.10 0.75 0.74 0.12 ~4.66 一般 严重 1.84 0.78 5.53 0.02 6.28 1.36 ~29.04 较重 严重 1.92 0.76 6.32 0.01 6.80 1.53 ~30.27 企业规模 小微型 大型 1.03 0.99 1.09 0.30 2.81 0.40 ~19.59 中型 大型 0.06 0.67 0.01 0.93 1.06 0.28 ~3.98 常量 -3.96 1.22 10.62 0.00 0.02 0 ~ 0.44
下载: 导出CSV
-
[1] National Research Council. Risk assessment in the federal government: managing the process[R]. Washington D C: National Academy Press, 1983.
[2] Control of Substances Hazardous to Health(COSHH). Guidance notes on risk assessment[R]. Manchester: Metropolitan University, 2006.
[3] London Hazards Centre. Risk assessment: a simple standard[D]. 2004.
[4] The University of Queensland. Occupational health and safety, risk assessment and management guideline[R]. 2010.
[5] Ministry of Manpower Occupational Safety and Health Division. A semi-quantitative method to assess occupational exposure to harmful chemicals[EB/OL].[2010-12-18]. https://www.academia.edu/5044590/A_Semiquantitative_Method_to_Assess_Occupational_Exposure_to_Harmful_Chemicals.
[6] 中华人民共和国卫生部.建设项目职业病危害预评价技术导则: GBZ/T 196-2007[S].北京: 人民卫生出版社, 2008. [7] 汤海滢, 胡永华, 康辉, 等.加权TOPSIS方法综合评价职业卫生管理状况的探讨[J].中国工业医学杂志, 2007, 2(1):20-22. doi: 10.3969/j.issn.1002-221X.2007.01.006 [8] 刘武忠, 秦景香, 周敏.建设项目职业病危害评价方法探讨[J].职业卫生与应急救援, 2006, 24(3):153-154. doi: 10.3969/j.issn.1007-1326.2006.03.029 [9] 全国人民代表大会常务委员会.中华人民共和国职业病防治法: 主席令第48号[A]. 2017-11-04. [10] 国家安全生产监督管理总局.关于公布建设项目职业病危害风险分类管理目录(2012年版)的通知: 安监总安健[2012] 73号[A]. 2012-05-31. [11] 国家安全生产监督管理局.建设项目职业病危害控制效果评价导则: AQ/T 8010-2013[S].北京: 煤炭工业出版社, 2013. [12] 北京市质量技术监督局.用人单位职业病危害现状评价导则: DB11/T 1193-2015[S]. 2015-11-01. -
期刊类型引用(3)
1. 丁敬华, 邓小强. 某厂加氢催化剂生产装置功能性改造项目预评价. 基层医学论坛. 2020(02): 272-273 . 
百度学术
2. 戴永光. 崇明区重点职业病危害检测与健康风险分析. 科技与创新. 2019(13): 115-116 . 百度学术
3. 陆君良. 建设项目职业病危害检测结果不合格项影响因素分析. 中国标准化. 2019(20): 188-189 . 百度学术
其他类型引用(0)
计量
- 文章访问数: 240
- HTML全文浏览量: 63
- PDF下载量: 26
- 被引次数: 3
