馬建軍 張鐵娟 趙慶龍 于世暉 梅揚

我國2021年流動人口為3.85 億,年齡≥60歲的人口超過2.6億;老年流動人口是流動人口中增長較快的群體,正在成為流動人口和流入地社會的重要構(gòu)成群體[1];在流動人口規(guī)模持續(xù)擴大、人口老齡化程度不斷加深的背景下,由于代際之間互惠、繼續(xù)就業(yè)、自身養(yǎng)老需求等原因,老年流動人口的規(guī)模還將持續(xù)穩(wěn)定增長[1]。流動人口和老年人均是肺結(jié)核防治的重點人群。流動人口因其工作、生活條件和健康觀念較差,面臨比常住人口更復雜的健康風險[2]。同時,我國老年肺結(jié)核患病率居高不下,年齡≥60歲的居民肺結(jié)核患病率是<60歲居民的2.2～4.2倍[3]。在此背景下,筆者應用機器學習算法隨機森林構(gòu)建吉林省老年流動人口肺結(jié)核發(fā)病風險模型,分析發(fā)病風險因素,為制定肺結(jié)核重點人群防治策略提供參考。

對象和方法

一、研究對象

采用1∶1匹配設計的病例對照研究,病例組選擇“中國疾病預防控制信息系統(tǒng)”的子系統(tǒng)“結(jié)核病管理信息系統(tǒng)”中2021年吉林省年齡≥60歲的所有確診登記的296例流動人口肺結(jié)核患者;對照組選擇當?shù)啬挲g≥60歲的社區(qū)非戶籍健康人群,通過現(xiàn)場訪視或電話詢問的方式獲取調(diào)查信息,并獲得人員知情同意。納入標準:(1)依據(jù)《WS 288—2017肺結(jié)核診斷》標準確診的肺結(jié)核患者;(2)年齡≥60歲;(3)非戶籍人口。排除標準:(1)拒絕調(diào)查;(2)肺外結(jié)核患者。對照組納入標準:(1)非戶籍的健康人群;(2)年齡≥60歲;(3)既往無結(jié)核病病史;(4)自愿接受調(diào)查。對照組按照性別與病例組1∶1匹配。本研究中流動人口指非戶籍人口,老年流動人口指年齡≥60歲的非戶籍人口,“結(jié)核病管理信息系統(tǒng)”中以外地戶籍統(tǒng)計流動人口結(jié)核病患者[4]。

二、研究方法

1. 調(diào)查方法:制定調(diào)查問卷,問卷內(nèi)容包括基本情況、既往病史、生活方式及行為習慣等。經(jīng)研究對象知情同意后,采用電話或現(xiàn)場詢問方式進行問卷調(diào)查。病例組調(diào)查患者296例,發(fā)放問卷296份,有效問卷281份,有效率為94.93%,將問卷有效的281例患者納入病例組。對照組發(fā)放問卷296份,有效問卷296份,有效率為100.00%,按照上述匹配的標準選擇281名納入對照組。調(diào)查前統(tǒng)一培訓調(diào)查員,調(diào)查后對數(shù)據(jù)進行雙份錄入并進行復核。

2. 算法模型及評價:隨機森林是集成學習算法自動聚合(boostrap aggregating)最具有代表性的算法,2001年由Leo Breiman提出的將集成學習理論與隨機子空間方法結(jié)合的機器學習算法[5],其基本思想是先利用bootstrap抽樣,從原始訓練集抽取k個樣本,每個樣本的樣本量與原始訓練集一樣,然后對k個樣本分別建立k個決策樹模型,獲得k種分類結(jié)果,最后根據(jù)k種分類結(jié)果對每個記錄進行投票決定其最終分類;隨機森林對異常值和噪聲具有容忍度,不容易出現(xiàn)過擬合,是一種自然的非線性建模工具[6-7]。本研究利用R Software Version 4.2.1 中的randomForest包,通過randomForest函數(shù)構(gòu)建隨機森林模型。

三、統(tǒng)計學處理

結(jié) 果

一、基本情況

兩組人群共562例/名,其中男性357例/名,女性205例/名,男女性別比為1.74∶1;年齡范圍60～75歲,平均年齡(67.48±4.76)歲。兩組年齡、性別、教育水平比較差異均無統(tǒng)計學意義,見表1。

表1 兩組人群基本情況

二、建立模型及評價

使用randomForest包建立的隨機森林默認生成500棵決策樹,但生成過多的樹會導致模型過擬合,因此通過尋找最小誤差率確定281棵樹時模型最優(yōu),隨機森林模型誤差和樹的數(shù)量關(guān)系見圖1;利用randomForest包建立隨機森林模型袋外數(shù)據(jù)誤差率為6.44%。隨機森林模型的ROC曲線下面積為0.967。利用Caret包,trainControl函數(shù)設置10折交叉驗證,采用resamples函數(shù)對隨機森林模型和梯度增強機(GBM)進行裝袋,隨機森林模型和GBM正確率分別為93.5%和93.2%,Kappa值分別為0.870和0.865。

注 “····”曲線表示訓練誤差曲線,隨機森林模型在訓練集上的性能隨著樹的數(shù)量增加而變化,模型在訓練集上進行了多次擬合訓練,訓練誤差會逐漸減小;“—”曲線是袋外數(shù)據(jù)誤差曲線,是一種內(nèi)置的交叉驗證度量,使用未在每棵樹的訓練中使用的數(shù)據(jù)進行評估,可估計模型的泛化性能,并選擇合適樹的數(shù)量;“----”曲線表示測試誤差曲線,測試誤差是模型在未見過的數(shù)據(jù)上的性能度量,測試誤差會在樹的數(shù)量逐漸增加后達到一個最小值,然后會趨于穩(wěn)定或者略微上升圖1 隨機森林模型誤差和樹的數(shù)量關(guān)系圖

三、發(fā)病風險因素

MeanDecreaseGini是隨機森林算法中用于衡量特征重要性的一種指標,它表示每個特征在隨機森林模型中具有的影響力和重要性,MeanDecreaseGini的值越高,特征的重要性越大。按照MeanDecreaseGini的值,構(gòu)建的隨機森林模型顯示發(fā)病風險因素前5位分別為有結(jié)核病患者接觸史(44.344)、工作經(jīng)常變動(29.007)、個人防護差(21.859)、吸煙(19.703)、較少攝入肉蛋奶(15.242),隨機森林模型特征變量的MeanDecreaseGini見表2,發(fā)病風險因素重要性見圖2。

圖2 發(fā)病風險因素重要性

表2 隨機森林模型特征變量的基尼平均減少值

討 論

人工智能是當今最熱門的技術(shù)之一,機器學習被認為是人工智能的一個子集[8]。目前,決策樹在醫(yī)學領域已成為分析疾病危險因素的工具[9-11],國內(nèi)基于決策樹的結(jié)核病研究主要應用在診斷[12-13]、治療[14]、發(fā)病風險[15]、經(jīng)濟學評價[16-18]等領域。機器學習處理分類問題的算法較多,決策樹作為機器學習算法中的單個分類器,易產(chǎn)生過擬合,而隨機森林作為一種基于決策樹的集成學習算法,是由許多決策樹模型組成的分類模型,計算開銷小,易于實現(xiàn)[5]。本研究的結(jié)果亦顯示,隨機森林是分類精度和效率較高的算法,其理論和方法的研究比較成熟,在許多領域研究應用效果較好[5],但目前應用隨機森林在結(jié)核病領域相關(guān)研究還較少,在分類算法的應用研究上具有較為廣闊的前景。

本研究應用隨機森林模型顯示,肺結(jié)核發(fā)病風險因素主要包括結(jié)核病患者接觸史、吸煙史、個人防護和攝入肉蛋奶等,與蔡曉楠等[15]的研究結(jié)果類似,結(jié)核病患者接觸史發(fā)病風險影響最大,提示篩查普通肺結(jié)核和耐多藥肺結(jié)核患者的家屬、同事、朋友等直接接觸者對結(jié)核病防控具有重要意義。我國老年流動人口以男性偏多[19],男性的總吸煙率為59.7%[20],研究發(fā)現(xiàn)吸煙與結(jié)核病發(fā)病存在關(guān)聯(lián),與陳松華等[21]和陸蘭英等[22]研究一致,經(jīng)常吸煙會降低機體免疫力,是肺結(jié)核發(fā)病的主要危險因素。較少攝入肉蛋奶可能會導致營養(yǎng)不良,而營養(yǎng)不良與結(jié)核病發(fā)病密切相關(guān)并相互影響,其中蛋白質(zhì)-能量營養(yǎng)不良是結(jié)核病發(fā)病的危險因素之一[23]。加強個人防護是切斷傳播途徑可行的措施,與傳染性肺結(jié)核患者接觸,或出入有較高傳染風險的場所時,個人應佩戴醫(yī)用防護口罩;傳染期肺結(jié)核患者應避免去公共場所,外出時必須佩戴口罩,避免乘坐密閉交通工具,定點醫(yī)院結(jié)核病門診應為就診者免費提供外科口罩[24]。

本研究結(jié)果顯示,不注意個人防護、缺少體育鍛煉、居住房間通風不好、教育水平偏低等也是老年流動人口肺結(jié)核發(fā)病的風險因素,而這些與其健康素養(yǎng)關(guān)系密切。有研究發(fā)現(xiàn),老年流動人口的健康素養(yǎng)在流動人口群體中最低,此外,通過健康檔案、健康教育、醫(yī)療服務等指標反映出老年流動人口利用基本公共衛(wèi)生服務的情況較差[1],他們沒有充分利用這項權(quán)利用于健康檢查[25]。主客觀因素的雙重作用導致這一結(jié)果,主觀因素是老年流動人口主動就醫(yī)行為較差,衛(wèi)生服務利用率較低[26];宋全成和尹康[19]的研究顯示,57.79%的老年流動人口為農(nóng)村人口,受教育水平平均為7年,這可能是老年流動人口健康意識淡薄,就醫(yī)不及時,生病時選擇不理會或自行買藥的原因之一,另一個原因是老年流動人口在流入地社會融合程度較低,產(chǎn)生了消極的就醫(yī)態(tài)度[27]。就醫(yī)不及時不僅延誤肺結(jié)核診斷,也會使感染結(jié)核分枝桿菌的老年流動人口病情加重。客觀因素是戶籍制度限制流動人口獲得流入地的福利[25],不同統(tǒng)籌地區(qū)的醫(yī)保報銷起付線、支付比例、支付限額不同導致異地就醫(yī)報銷水平偏低,外地參?；蛭磪⒈＠夏耆说木歪t(yī)比例明顯降低[27];宋全成和尹康[19]的研究提示,盡管94.39%的老年流動人口參加了醫(yī)療保險,但僅有15.67%的人參加了流入地的醫(yī)療保險,而老年流動人口未在流入地參保也增加了他們罹患肺結(jié)核的風險。

伴隨著我國老年流動人口數(shù)量的增長,其健康問題成為社會關(guān)注的重點問題[26],因此,尚需重點關(guān)注提高基層的衛(wèi)生服務能力、完善醫(yī)療保險制度、減少制度環(huán)境不平等等方面的問題。首先要加強結(jié)核病和糖尿病等嚴重影響健康的慢性傳染病和非傳染性疾病的健康教育,提高老年流動人口對疾病的科學認識,此外,還要提高基層醫(yī)療衛(wèi)生服務機構(gòu)對老年流動人口肺結(jié)核的識別能力,推廣使用人工智能影像診斷技術(shù),向基層醫(yī)療衛(wèi)生服務機構(gòu)提供遠程會診/遠程培訓等遠程醫(yī)療服務,提高老年流動人口結(jié)核病診斷的及時性和準確性,對疑似患者及時轉(zhuǎn)診到定點醫(yī)療機構(gòu),對老年流動人口肺結(jié)核患者應用視頻督導、電子藥盒等數(shù)字化管理工具,提高其治療的依從性。其次,加快完善異地醫(yī)療保險的統(tǒng)籌和報銷制度,解決老年流動人口異地醫(yī)保報銷繁瑣問題,探索子女醫(yī)保資金支付父母體檢、商業(yè)健康保險及部分醫(yī)療費用等多種方式提高老年流動人口的就診意愿[26]。目前,我國醫(yī)保制度在地區(qū)之間、城鄉(xiāng)之間存在不平等,老年流動人口成為主要承受人群,如果增加對低齡老年人衛(wèi)生健康服務的投入,可能會減少在高齡階段的醫(yī)療費用支出,減少因為身份、戶籍、地區(qū)和城市規(guī)模等原因造成的制度環(huán)境方面的不平等[28]。

我國已經(jīng)邁入老齡化社會,老齡社會治理必然繞不開老年流動人口群體,對于這一規(guī)模日趨龐大的群體,城市治理的頂層設計、基層治理的工作實踐都必須將其納入其中。本文以該群體肺結(jié)核發(fā)病風險的單一視角為切入點,以期加大社會對該群體的健康重視,幫助提升老年流動人口的生活質(zhì)量。

利益沖突所有作者均聲明不存在利益沖突

作者貢獻馬建軍:研究思路設計、統(tǒng)計分析、論文撰寫及論文修改;張鐵娟和趙慶龍:方案設計及修改;于世暉:數(shù)據(jù)整理、文獻檢索;梅楊:設計思路和方案設計