鉱員の心血管リスクのマイニング：早期発見

科学分野:

• 労働衛生
• 機械学習
• 心血管疾患リスク評価

背景:

• 心血管疾患（CVD）は、世界的な死亡原因の主要な原因です。
• 既存の心血管リスク（CVR）ツールは、鉱山労働者のようなユニークな集団には限定的です。
• この研究では、機械学習（ML）と縦断データを使用して、職業環境におけるCVR進行を予測します。

研究 の 目的:

• アクセス可能な臨床マーカーを使用して心血管リスク進行を予測するためのMLモデルを開発すること。
• 鉱山労働者におけるCVRプロキシとしてのボディマス指数（BMI）と血糖値（BG）の有用性を評価すること。
• 極端な労働条件下での現在のCVR評価ツールの限界に対処すること。

主な方法:

• 89,045人のチリの鉱山労働者の健康データを対象とした後向き縦断分析。
• 連続した訪問ペアを使用して、定義されたBMIおよびBGカテゴリ間の移行をモデル化すること。
• 層別交差検証とハイパーパラメータチューニングを使用したML技術（XGB、RF）の適用。
• AUC、精度、感度、および特異度を使用したモデルパフォーマンスの評価。

主要な成果:

• MLモデルは、重度の進行（病的肥満）に対して最大0.95のAUCで、BMI移行の予測において高い精度を達成しました。
• 血糖値（BG）移行予測は、糖尿病への進行に対して最大0.83のAUCで、実用的な結果を示しました。
• モデルは、過学習の兆候が最小限で、良好な一般化と一貫性を示しました。

結論:

• MLモデルは、職業健康データから臨床的に関連のあるBMIおよびBGリスク移行を効果的に予測します。
• 縦断データとシナリオベースの評価により、CVR評価のためのMLモデルのパフォーマンスが向上します。
• このアプローチは、高リスクの労働集団におけるCVR評価と予防的意思決定の改善の可能性を提供します。