Применение метода нормированных интенсивных показателей для прогнозирования профессиональной заболеваемости в ведущих отраслях промышленности

Введение. Выявление факторов риска возникновения профессиональных заболеваний путём сопоставления различных прогностических критериев является одной из важнейших задач гигиены и профпатологии.

Цель исследования — разработка прогностической матрицы профессиональной заболеваемости (ПЗ) в ведущих отраслях промышленности Иркутской области по комплексу основных факторов-предикторов с помощью метода нормированных интенсивных показателей (НИП).

Материалы и методы. Использован информационный массив многолетней ПЗ в ведущих отраслях промышленности Иркутской области. Для оценки силы влияния на ПЗ факторов-предикторов использован метод расчёта весовых индексов, а для расчёта прогностической значимости факторов — метод НИП.

Результаты. Установлено, что риск ПЗ связан с принадлежностью к определённой профессии (OR = 61,8), сочетанным воздействием вредных факторов производственной среды (OR = 23,8), обусловленным несовершенством технологического процесса и оборудования. Стаж работы в контакте с вредным фактором, возраст пострадавшего, отрасль промышленности также значимы, но степень их влияния на возникновение ПЗ значительно ниже. По факторам-предикторам рассчитан риск ПЗ, определён возможный его диапазон (0,019–0,412 у.е.) с тремя поддиапазонами (благоприятный, неопределённый и неблагоприятный прогноз). Риски ПЗ у лиц в возрасте до 40 лет со стажем работы 1–4 года, работающих в профессии машиниста экскаватора, сборщика-клепальщика и подвергающихся сочетанному воздействию физических факторов, составили 0,269 и 0,226 (неопределённый прогноз). Величины риска ПЗ у работников этих профессий с ростом стажа и возраста увеличиваются на 24,4 и 29,1% соответственно, достигая максимума при стаже 30 и более лет в возрасте 50–59 лет (0,334 и 0,292, неблагоприятный прогноз). К ограничениям настоящей модели НИП следует отнести то, что в число факторов-предикторов не включены клинико-функциональные, биохимические и социально-психологические показатели работников.

Ограничения исследования. При изучении профессиональной заболеваемости в ведущих отраслях промышленности Иркутской области и разработке прогностической матрицы был проведён анализ 1862 случаев впервые выявленных профессиональных заболеваний за 10-летний период, 11 основных факторов-предикторов, что представляет собой достаточную референтную выборку.

Заключение. Использование НИП позволяет дать интегрированную оценку риска ПЗ как по отдельным факторам, так и по их комплексу, определить группы риска.

Соблюдение этических стандартов. Исследование не требует представления заключения комитета по биомедицинской этике.

Участие авторов:
Кулешова М.В. — концепция и дизайн исследования, сбор и обработка материала, статистическая обработка, написание текста, ответственность за целостность всех частей статьи;
Панков В.А. — концепция и дизайн исследования, сбор материала, редактирование, утверждение окончательного варианта статьи, ответственность за целостность всех частей статьи;
Дьякович М.П. — концепция и дизайн исследования, статистическая обработка, написание текста, ответственность за целостность всех частей статьи. 

Конфликт интересов. Авторы декларируют отсутствие явных и потенциальных конфликтов интересов в связи с публикацией данной статьи.

Финансирование. Исследование выполнено в рамках финансирования исполнения государственного задания ФГБНУ «Восточно-Сибирский институт медико-экологических исследований».

Поступила: 27.07.2022 / Принята к печати: 04.08.2022 / Опубликована: 30.09.2022

1. Панков В.А., Лахман О.Л., Пережогин А.Н., Тюткина Г.А., Кулешова М.В., Смирнова О.В. Динамика профессиональной заболеваемости в Восточной Сибири. Гигиена и санитария. 2016; 95(12): 1171-5. https://doi.org/10.18821/0016-9900-2016-95-12-1171-1175

2. Государственный доклад «О санитарно-эпидемиологической обстановке в Иркутской области в 2020 году». Иркутск; 2021.

3. Измеров Н.Ф. Национальная система медицины труда как основа сохранения здоровья работающего населения России. Здравоохранение Российской Федерации. 2008; 52(1): 7-8.

4. Зайцева Н.В., Устинова О.Ю., Алексеев В.Б., Уланова Т.С., Носов А.Е., Вознесенский Н.К. Особенности производственно обусловленных заболеваний у шахтеров, занятых подземной добычей хромовых руд. Медицина труда и экология человека. 2018; (1): 13-23.

5. Денисенко А.Ф., Ляшенко Е.Г., Боева И.А., Ермаченко Т.П., Данилов Ю.В., Дмитриенко В.В. Профессиональные заболевания. Проблемы и пути их решения. Вестник гигиены и эпидемиологии. 2020; 24(2): 164-70.

6. Hoskins A.B. Occupational injuries, illnesses, and fatalities among women. Monthly Lab. Rev. 2005; 128(October): 31-7.

7. Hämäläinen P., Takala J., Saarela K.L. Global estimates of fatal work-related diseases. Am. J. Ind. Med. 2007; 50(1): 28-41.

8. Пиктушанская Т.Е. Показатели смертности больных с профессиональными заболеваниями как критерий качества системы оказания профпатологической помощи работающему населению. Бюллетень Восточно-Сибирского научного центра Сибирского отделения Российской академии медицинских наук. 2012; (5-2): 94-8.

9. Измеров Н.Ф., Тихонова Г.И., Горчакова Т.Ю. Условия труда и смертность мужчин трудоспособного возраста в России (на примере Мурманской области). Вестник Российской академии медицинских наук. 2013; 68(9): 32-6.

10. Tessier-Sherman B., Cantley L.F., Galusha D., Slade M.D., Taiwo O.A., Cullen M.R. Occupational injury risk by sex in a manufacturing cohort. Occup. Environ. Med. 2014; 71(9): 605-10. https://doi.org/10.1136/oemed-2014-102083

11. World Day for Safety and Health at Work. Global trends on occupational accidents and diseases. Geneva; 2015. Available at: https://www.ilo.org/legacy/english/osh/en/story_content/external_files/fs_st_1-ILO_5_en.pdf

12. Kudász F., Nagy K., Nagy I. Occupational diseases in Belgium, the Czech Republic and Hungary - a comparison. Cent. Eur. J. Occup. Environ. Med. 2017; 23(1-2): 32-49.

13. Joseph L., Vasanthan L., Standen M., Kuisma R., Paungmali A., Pirunsan U., et al. Causal relationship between the risk factors and work-related musculoskeletal disorders among professional drivers: a systematic review. Hum. Factors. 2021; 187208211006500. https://doi.org/10.1177/00187208211006500

14. Ракитский В.Н., Авалиани С.Л., Шашииа Т.А., Додина Н.С. Актуальные проблемы управления рисками здоровью населения в России. Гигиена и санитария. 2018; 97(6): 572-5. https://doi.org/10.47470/0016-9900-2018-97-6-572-575

15. Мурашко М.А., Крупнова И.В., Иванов И.В. Риск-ориентированный подход при планировании контрольных мероприятий. Вестник Росздравнадзора. 2017; (3): 14-7.

16. Бахонина Е.И., Насибуллина В.А. Обзор изменений в законодательстве, устанавливающих требования к оценке профессиональных рисков на предприятии. Безопасность техногенных и природных систем. 2022; (2): 31-5. https://doi.org/10.23947/2541-9129-2022-2-31-35

17. Харин Ю.С., Волошко В.А., Дернакова О.В., Малюгин В.И., Харин А.Ю. Статистическое прогнозирование динамики эпидемиологических показателей заболеваемости COVID-19 в республике Беларусь. Журнал Белорусского государственного университета. Математика. Информатика. 2020; (3): 36-50. https://doi.org/10.33581/2520-6508-2020-3-36-50

18. Мясоедова М.А., Стародубцева Л.В., Титова А.В., Шульга Л.В. Математические модели прогнозирования и ранней диагностики заболеваний иммунной системы у работников электроэнергетических предприятий. Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. 2019; 9(3): 160-72.

19. Фазылова А.Ш., Ахмедова Д.И., Камилова А.Т., Хасанова С.С. Прогностические критерии развития некротизирующего энтероколита у глубоконедоношенных новорожденных. Российский вестник перинатологии и педиатрии. 2021; 66(6): 58-62. https://doi.org/10.21508/1027-4065-2021-66-6-58-62

20. Zhang X., Chen S., Lai K., Chen Z., Wan J., Xu Y. Machine learning for the prediction of acute kidney injury in critical care patients with acute cerebrovascular disease. Ren. Fail. 2022; 44(1): 43-53. https://doi.org/10.1080/0886022X.2022.2036619

21. Тростянский С.Н., Тростянский А.С. Математическое моделирование зависимости уровня первичной заболеваемости алкоголизмом, наркоманией и токсикоманией от социально-экономических показателей. Прикладная математика & Физика. 2021; 53(2): 144-58. https://doi.org/10.52575/2687-0959-2021-53-2-144-158

22. Дмитриев А.Н., Котин В.В. Моделирование временных рядов заболеваемости с использованием искусственных нейронных сетей. Медицинская техника. 2013; (1): 35-8.

23. Бесько В.А., Кравец О.Я. Управление уровнем профессиональной заболеваемости в регионе на основе нейросетевого моделирования и прогнозирования. Системный анализ и управление в биомедицинских системах. 2009; 8(2): 477-81.

24. Скрипаль Б.А. Состояние здоровья и заболеваемость рабочих подземных рудников горнохимического комплекса арктической зоны Российской Федерации. Медицина труда и промышленная экология. 2016; (6): 23-6.

25. Bosman L.C., Dijkstra L., Joling C.I., Heymans M.W., Twisk J.W.R., Roelen C.AM. Prediction models to identify workers at risk of sick leave due to low-back pain in the Dutch construction industry. Scand. J. Work Environ. Health. 2018; 44(2): 156-62. https://doi.org/10.5271/sjweh.3703

26. Севастьянов Б.В., Шадрин Р.О., Гайнатуллина Е.С. Прогнозирование показателей производственного травматизма и профессиональной заболеваемости в Удмуртской Республике. XXI век. Техносферная безопасность. 2019; 4(3): 348-65. https://doi.org/10.21285/2500-1582-2019-3-348-365

27. Дьякович М.П., Рукавишников В.С., Панков В.А., Лахман О.Л., Кулешова М.В. Обоснование использования показателей неспецифического звена патогенеза и наблюдения за прогнозированием риска развития вибрационной болезни. Гигиена и санитария. 2019; 98(10): 1049-55. https://doi.org/10.47470/0016-9900-2019-98-10-1049-1055

28. Yedla A., Kakhki F.D., Jannesari A. Predictive modeling for occupational safety outcomes and days away from work analysis in mining operations.Int. J. Environ. Res. Public Health. 2020; 17(19): 7054. https://doi.org/10.3390/ijerph17197054

29. Ivaz J., Nikolić R.R., Petrović D., Djoković J.M., Hadzima B. Prediction of the work-related injuries based on neural networks. Syst. Saf. Hum. Tech. Fac. Environ. 2021; 3(1): 19-37. https://doi.org/10.2478/czoto-2021-0003

30. Suarthana E., Yosia M. Utilization of predictive models for diagnosis of occupational diseases. Indones. J.Commun. Occup. Med. 2022; 1(3): 125-8. https://doi.org/10.53773/ijcom.v1i3.39.125-8

31. Шаяхметов С.Ф., Дьякович М.П. Методические аспекты оценки профессионального риска работающих. Медицина труда и промышленная экология. 2007; (6): 21-6.

32. Федина И.Н., Панкова В.Б., Серебряков П.В. Патология верхних дыхательных путей: профессиональные риски. Российская ринология. 2018; 26(4): 35-9. https://doi.org/10.17116/rosrino20182604135

33. Бухтияров И.В., Хамитов Т.Н., Смагулов Н.К. Оценка влияния неблагоприятных производственных факторов на здоровье рабочих листопрокатного производства. Медицина труда и промышленная экология. 2018; (1): 7-11. https://doi.org/10.31089/1026-9428-2018-1-7-11

34. Скрипаль Б.А., Чащин В.П., Гудков А.Б., Никанов А.Н., Дядик Н.В. Профессиональный риск в горнохимической промышленности в Арктике. Апатиты; 2020.

35. Шиган Е.Н. Методы прогнозирования и моделирования в социально-гигиенических исследованиях. М.: Медицина; 1986.

36. Matoba T. Human response to vibration stress in Japanese workers: lessons from our 35-year studies. A narrative review. Ind. Health. 2015; 53(6): 522-32. https://doi.org/10.2486/indhealth.2015-0040

37. Dahlin L.B., Sandén H., Dahlin E., Zimmerman M., Thomsen N., Björkman A. Low myelinated nerve-fibre density may lead to symptoms associated with nerve entrapment in vibration-induced neuropathy. J. Occup. Med. Toxicol. 2014; 9(1): 7. https://doi.org/10.1186/1745-6673-9-7

38. Бодиенкова Г.М., Курчевенко С.И. Закономерности изменений иммуно-гормональной регуляции при вибрационной болезни и нейросенсорной тугоухости. Бюллетень сибирской медицины. 2020; 19(2): 6-12. https://doi.org/10.20538/1682-0363-2020-2-6-12