分析职业暴露对男性生育指标的影响:一种机器学习方法

科学领域:

• 职业健康和安全问题 职业健康和安全问题
• 生殖内分泌学 生殖内分泌学
• 医疗保健中的机器学习

背景情况:

• 职业暴露对工人的生殖健康有很大影响.
• 以前的研究还没有全面地将多种物理工作场所压力因素与特定的男性生殖健康指标联系起来.
• 先进的预测建模可以为这些复杂的关系提供新的见解.

研究的目的:

• 研究磁场,电场,全身振动,噪音和热应激对男性生殖健康指标的影响.
• 使用机器学习识别影响男性生殖健康的关键职业风险因素.
• 为了在未来十年内提供对男性工人的生殖健康的预测见解.

主要方法:

• 收集了汽车零部件制造工厂80名男性工人的数据,包括人口统计数据,职业暴露,生化标志物,激素水平和精子参数.
• 通过5倍交叉验证训练和评估了五种机器学习模型 (逻辑回归,袋式分类器,极端梯度增强,随机森林,支持向量机器).
• 利用SHAP (夏普利添加式扩展) 和随机森林重要性指标来确定生殖健康结果的关键预测因素.

主要成果:

• 暴露于全身振动,磁场,电场和热应激显著影响了自由水平.
• 磁场暴露 (SHAP 0.339) 和湿球球温度 (SHAP 0.138) 被确定为改变自由的主要贡献者.
• 工人年龄 (随机森林重要性4.1%) 是影响最大的人口因素;电场暴露 (5.0%) 和磁场暴露 (4.7%) 对自由的负面影响最大.

结论:

• 机器学习模型,特别是XGBoost和Random Forest (AUC 0.99),可以根据职业暴露准确预测男性生殖健康结果.
• 工作场所的因素,如磁场,电场和热压力,以及工人的年龄,是男性生殖健康的关键决定因素.
• 有针对性的干预措施,包括加强工作场所安全协议和定期健康监测,对于减轻风险和保护工人的生殖健康至关重要.