多层感知器神经网络模型对职业性煤工尘肺发病预测研究

摘要

目的构建并验证基于多层感知器(MLP)神经网络的煤矿接触粉尘(以下简称"接尘")工人职业性煤工尘肺(CWP)发病预测模型,探讨其对CWP发病预测中的应用价值。方法采用典型抽样方法,以河北省某煤矿集团1970—2017年开始从事煤矿开采工作的17 023名接尘工人为研究对象。其中,罹患CWP者839例,未罹患CWP者16 185人。以研究对象CWP发病与否为目标输出变量,工种、年龄、开始接尘年代、观察年(即潜伏期)和累积接尘量为输入变量,建立MLP神经网络模型,采用受试者工作特征(ROC)曲线对所建模型的预测能力进行评价。采用所建立的模型预测未来10年接尘工人CWP发病高危人群和重点监护人群。结果所建立MLP神经网络模型隐含层有44个神经元突触;ROC曲线下面积为0.91,模型准确度为92.7%,灵敏度为74.8%,特异度为93.6%。采用验证样本进行模型验证,准确度为92.1%,灵敏度为70.5%,特异度为93.2%。采用该MLP神经网络模型进行预测,该煤矿集团接尘工人未来10年内发生CWP的高危人群1 534例,并可定位到个体;需要重点监护的危险人数为7 599人。其中,预测不同工种接尘工人未来10年CWP的发生率由高到低依次为掘进工、采煤工、混合工和辅助工(P<0.01),开始接尘年代越早者发生CWP的风险越高(P<0.01)。结论基于工种、年龄、开始接尘年代、潜伏期和累积接尘量构建的MLP神经网络模型应用于煤矿接尘工人CWP发病预测具有较好的效能,可为早期采取预防性管理措施防治CWP提供参考。