噪声是世界性的公共卫生问题，长期暴露于高声级噪声会导致噪声性听力损失（noise induced hearing loss，NIHL）^[1]。目前已有很多利用职业健康检查数据进行噪声性听力损失的研究，但是因为这些数据都是观察性资料，劳动者的分组可能是非随机的，单纯以劳动者所处工作场所行政人员或全人群作为对照组，混杂因素在对比组中分布不均衡，从而削弱对比结果，往往无法准确判断职业暴露因素对劳动者职业损害的作用^[2]；而多因素分析往往设计复杂，对调查者的设计思路和科学性要求较高，不合适的多因素设计方案会影响结果的正确性。倾向性评分匹配法（propensity score matching，PSM）是一种临床上常用的统计学方法，它可以通过计算机软件，方便地减少观察性研究（observational study）中数据偏差（bias）和混杂变量（confounding variable）的影响，以便对实验组和对照组进行更合理的比较^[3-4]。目前1∶1最邻近匹配方法是观察性临床研究中最常用的倾向性评分方法^[5]。倾向性评分可以保证研究客观性，利用相似的协变量分布情况来构建处理组和对照组而不对研究结局产生影响或仅产生微弱影响^[3]。近些年来，由于该方法易于理解、研究步骤标准化程度高，在大样本、非随机的观察性研究中得到越来越多地应用^[6-7]。国内学者在临床试验方面做了大量的倾向性评分研究，但在处理和分析职业健康检查体检数据的研究中尚不是很多。本研究拟采用倾向性评分方法，控制混杂因素，对某大型汽车制造企业员工的听力损失情况进行分析。

1.   对象与方法

1.1   对象

在广州市职业病防治院进行2017年度在岗期间职业健康检查的某大型汽车制造企业员工7 425人中，以接触噪声危害因素的1 279人（男性1 265人，女性14人）作为噪声组，该厂行政部门720人为行政组。噪声组从事有损听力、有害健康或有其他危害的噪声作业，接触时间为8 h/d或40 h/周，噪声暴露等效A声级≥ 80 dB。2017年噪声检测结果显示，噪声组作业工人接触噪声水平为（82.94 ±9.27）dB（A）。

1.2   方法

1.2.1   协变量的确定

从《职业健康检查个人信息表》中收集劳动者的年龄、工龄、既往病史、家族史、吸烟情况（偶尔： < 10支/周；经常：≥ 10支/周）、饮酒情况（偶尔：1 ~ 2次/周；经常：＞2次/周）、醉酒情况（偶尔：0 ~ 1次/月；经常：＞2次/月）、体格锻炼情况（偶尔：0 ~ 1次/周；经常：＞1次/周）。对饮食情况等基本信息，通过所在医院具有副高职称以上专家的专业知识和经验挑选出部分信息作为需要匹配的协变量。

1.2.2   倾向性评分步骤

倾向性评分的定义：在给定一组观察协变量（X_i）条件下，将任意一个研究对象i（i = 1，2，…，N）分配到处理组（Z_i = 1）或者对照组（Z_i = 0）的条件概率。

倾向性评分方法如下：（1）计算倾向性评分，研究中基于基线信息中可能的混杂因素（工龄、既往病史、家族史、吸烟情况、饮酒情况、醉酒情况、体格锻炼情况、饮食情况），对纯音听阈测试建立logistic回归方程，计算每个劳动者的倾向性得分。（2）采用1∶1最邻近匹配方法，卡钳值取0.02，将两组观察对象按照倾向评分值从大到小排序，从行政组中依次选出1个研究对象，从噪声组中寻找倾向评分值与其最相近的1个对象作为配比个体。（3）利用匹配前后的数据，分别比较劳动者在重要的协变量方面是否均衡。若匹配前两组部分协变量差异比较的P值小于0.05，而匹配后P值均大于0.1，则可以认为匹配后两组间协变量达到理想均衡状态；若匹配前两组部分协变量差异比较的P值小于0.05，而匹配后P值大于0.05，也可以认为两组达到较好均衡。

1.2.3   探索匹配前后噪声对劳动者听力损害的差异

测试两组人群双耳500、1 000、2 000、3 000、4 000、6 000 Hz纯音听阈，并将匹配前后的两组人员听力损失情况进行对比。

纯音听阈结果判定标准：500、1 000、2 000 Hz为语频，任一频率 > 25 dB为语频听阈提高（损失）；双耳语频（500、1 000、2 000 Hz）和高频4 000 Hz听阈加权值平均听阈> 25 dB为语频平均听阈加权值提高（损失）；3 000、4 000、6 000 Hz为高频，任一频率 > 25 dB为高频听阈提高（损失）；双耳高频（3 000、4 000、6 000 Hz）平均听阈≥ 40 dB为双耳高频平均听阈提高。听力损失诊断标准：双耳高频平均听阈提高为听力损失^[8]。

1.2.4   统计学分析

利用Excel 2010软件整理数据，采用SPSS 22.0软件完成倾向性评分模型的构建及数据分析；符合正态分布的计量资料以均数±标准差（x ± s）描述，不符合正态分布的计量资料用中位数（上、下四分位数）[M（Q₁，Q₃）]描述，两组间差异采用独立样本t检验（正态分布）或秩和检验（非正态分布），组间率的差异用χ²检验。P < 0.05为差异有统计学意义。

2.   结果

2.1   匹配基本情况

行政组720人全部完成匹配；噪声组1 279人匹配成功720人，未匹配559人。

2.2   整体均衡性检验

SPSS输出的“Overall balance test”中的P = 0.994，显示所选变量在两组间的整体均衡性较好。匹配后的L₁统计量（L₁ measure）为0.823，小于匹配前的0.891，提示匹配较好。

2.3   匹配前后两组协变量的分布情况

匹配前两组工龄差异有统计学意义（P < 0.01），匹配后两组各变量差异均无统计学意义且P值均 > 0.1。见表 1。

表  1  倾向性评分匹配前后一般情况比较 [人数（构成比/%）]

变量	匹配前					匹配后
	噪声组	行政组	t或χ2值	P值		噪声组	行政组	t或χ2值	P值
年龄/岁①	29.4 ± 3.5	29.2 ± 4.3	0.987	0.144		29.4 ± 3.5	29.2 ± 4.3	0.937	0.193
性别			0.098	0.754				0.186	0.666
男	1 265(98.9)	711(98.7)				783(98.5)	711(98.7)
女	14(1.1)	9(1.3)				12(1.5)	9(1.3)
工龄②	8.9(6.6，10.5)	7.4(3.5，10.4)	6.276	< 0.001		7.6(5.7，10.6)	7.4(3.5，10.4)	4.203	0.941
既往病史	128(10.02)	69(9.58)	0.034	0.821		84(10.57)	69(9.58)	0.072	0.794
家族史	233(18.23)	128(17.78)	0.432	0.511		148(18.62)	128(17.78)	0.532	0.455
吸烟情况			0.612	0.843				0.387	0.920
从不	544(42.57)	274(38.06)				345(43.4)	274(38.06)
偶尔	168(13.15)	104(14.44)				99(12.45)	104(14.44)
经常	496(38.81)	303(42.08)				309(38.87)	303(42.08)
已戒	70(5.48)	39(5.42)				42(5.28)	39(5.42)
饮酒情况			0.016	0.996				0.224	0.967
从不	415(32.47)	216(30.00)				261(32.83)	216(30.00)
偶尔	782(61.19)	454(63.06)				488(61.38)	454(63.06)
经常	11(0.86)	7(0.97)				6(0.75)	7(0.97)
已戒	70(5.48)	43(5.97)				40(5.03)	43(5.97)
醉酒情况			0.578	0.807				0.089	0.953
从不	918(71.83)	501(69.58)				581(73.08)	501(69.58)
偶尔	358(28.01)	217(30.14)				212(26.67)	217(30.14)
经常	2(0.16)	2(0.28)				2(0.25)	2(0.28)
体格锻炼情况			0.255	0.908				0.293	0.822
从不	89(6.96)	47(6.53)				57(7.17)	47(6.53)
偶尔	945(73.94)	559(77.64)				584(73.46)	559(77.64)
经常	244(19.09)	114(15.83)				154(19.37)	114(15.83)
饮食情况			0.837	0.621				1.924	0.384
荤食为主	162(12.68)	86(11.94)				100(12.58)	86(11.94)
荤素均衡	1 062(83.1)	606(84.17)				666(83.77)	606(84.17)
素食为主	54(4.23)	28(3.89)				29(3.65)	28(3.89)
注：计量资料，①正态分布，以(x±s)描述；②非正态分布，以[M(Q1，Q3)]描述。

下载: 导出CSV 

| 显示表格

2.4   组间听力异常率结果比较

倾向性评分匹配前，噪声组与行政组人员在右耳2 000 Hz、3 000 Hz、4 000 Hz、6 000 Hz，以及左耳的2 000 Hz、3 000 Hz、4 000 Hz、6 000 Hz频率上的听力异常率差异有统计学意义（P < 0.05）。见表 2。

表  2  倾向性评分匹配前听力异常率比较 [异常人数(异常率/%)]

频率/ Hz	噪声组(n = 1 279)	行政组(n = 720)	χ2值	P值
右耳
500	8(0.6)	4(0.6)	0.001	0.999①
1 000	15(1.2)	4(0.6)	2.427	0.119
2 000	18(1.4)	2(0.3)	6.865	0.009
3 000	68(5.3)	21(2.9)	6.135	0.014
4 000	180(14.1)	43(6.0)	32.426	< 0.001
6 000	357(27.9)	45(6.3)	149.510	< 0.001
左耳
500	8(0.6)	6(0.8)	0.121	0.728
1 000	12(0.9)	5(0.7)	0.579	0.447
2 000	24(1.9)	6(0.8)	4.335	0.037
3 000	85(6.7)	30(4.2)	6.352	0.011
4 000	197(15.4)	63(8.7)	24.155	< 0.001
6 000	447(35.0)	68(9.4)	173.540	< 0.001
注：①采用连续性校正χ2检验。

下载: 导出CSV 

| 显示表格

倾向性评分匹配后，噪声组与行政组人员听力异常率在右耳2 000 Hz、3 000 Hz、4 000 Hz、6 000 Hz，左耳3 000 Hz、4 000 Hz、6 000 Hz频率上的差异有统计学意义（P < 0.05）。见表 3。

表  3  倾向性评分匹配后听力异常率比较 [异常人数(异常率/%)]

频率/Hz	噪声组(n = 720)	行政组(n = 720)	χ2值	P值	匹配前P值
右耳
500	4(0.6)	4(0.6)	0.001	0.999 ①	0.999①
1 000	9(1.3)	4(0.6)	1.939	0.164	0.119
2 000	11(1.5)	2(0.3)	6.282	0.012	0.009
3 000	42(5.8)	21(2.9)	5.635	0.021	0.014
4 000	106(14.7)	43(6.0)	24.509	< 0.001	< 0.001
6 000	222(30.8)	45(6.3)	133.891	< 0.001	< 0.001
左耳
500	4(0.6)	6(0.8)	0.403	0.526	0.728
1 000	6(0.8)	5(0.7)	0.092	0.762	0.447
2 000	14(1.9)	6(0.8)	3.241	0.072	0.037
3 000	52(7.2)	30(4.2)	5.779	0.020	0.011
4 000	123(17.1)	63(8.7)	21.175	< 0.001	< 0.001
6 000	277(38.5)	68(9.4)	153.458	< 0.001	< 0.001
注：①采用连续性校正χ2检验。

下载: 导出CSV 

| 显示表格

3.   讨论

本研究采用倾向性评分法，将研究对象进行最近邻匹配，匹配后各协变量的组间差异均无统计学意义（P > 0.1）。本研究所选研究对象在匹配前各协变量的组间差异较小，可能的原因有：（1）该企业对吸烟、饮酒有作规定；（2）劳动者在岗期间，生产车间及住宿均在厂里；（3）参加本次健康检查的劳动者，较为年轻，生活习惯及锻炼情况有相似之处。本研究采用倾向性评分法匹配后，减少了工龄带来的混杂作用，对比匹配前后两组的听力异常情况，结果表明：倾向性评分前，噪声组与行政组听力异常率差异分别在右耳2 000 Hz、3 000 Hz、4 000 Hz、6 000 Hz，左耳2 000 Hz、3 000 Hz、4 000 Hz、6 000 Hz频率上有统计学意义（P < 0.05），而倾向性评分匹配后，左耳2 000 Hz频率上的差异无统计学意义，表明噪声组基线资料的改变对结果产生了影响。该组人员匹配后工龄减少，这很可能是匹配后左耳在2 000 Hz频率的听力异常率和行政组相比再无差异（P > 0.05）的主要原因。倾向性评分法能使噪声组与行政组的总体差异性缩小，并能发现因匹配前协变量存在导致的结论偏倚等，更有利于发现职业病危害因素对劳动者健康损害的真实情况。但要注意在倾向性评分后，需要再次检验两组基线情况是否达到均衡，如果仍然达不到均衡，则可以采取不同方法进行优化：（1）进一步缩小匹配容差（即卡钳值），使得匹配结果更为精确，但是该方法会牺牲两组的样本量；（2）可以仅针对未达到平衡的混杂因素重新进行倾向性评分或者针对未达到平衡的混杂因素进行分层匹配；（3）增加样本量，使得有更多的样本得到合适的匹配机会。