基于7年NODIS数据构建职业性肌肉骨骼疾病的精准转诊标准：提升工作相关性判定效能的多因素诊断模型研究

为解决职业性疾病（ODs）诊断中ICD编码转诊标准阳性预测值低的问题，本研究利用台湾职业伤病监测网络（NODIS）7年数据，通过二项回归模型分析4651例肌肉骨骼疾病（MSDs）病例，发现工龄、性别、病假记录、行业与职业类别是工作相关性的独立预测因子，并首次构建了针对旋转袖带综合征（RCS）、腕管综合征（CTS）等特定MSD的差异化诊断比值比（DOR）模型，为跨专科转诊机制提供了高效精准的决策工具。

　　

在职业医学领域，诊断 occupational diseases（ODs，职业性疾病）始终面临一个核心挑战：如何从复杂的临床表现中精准识别工作相关性疾病？这不仅需要临床医生做出准确的疾病诊断，更依赖职业医学医师对工作相关性的专业判断。由于大多数患者首次就诊于初级保健 clinicians（临床医师）而非职业医学专科医师，建立高效的转诊机制成为提升职业性疾病诊断率的关键。

传统上，医疗机构曾采用国际疾病分类（ICD）编码作为转诊标准。例如美国曾强制要求医院报告ICD-9编码为502（硅肺病）、500（石棉肺）等明确职业相关的病例。然而，对于病因复杂、多因素交织的肌肉骨骼疾病（musculo-skeletal diseases, MSDs）而言，单纯依赖ICD编码的转诊方式表现出明显的局限性——其阳性预测值（positive predictive value, PPV）显著偏低。研究表明，针对化学烟雾所致呼吸道疾病（ICD-9 506），工作相关性判定比例可达39%，而相同方法对固体液体所致肺炎（ICD-9 507）的识别率仅2%。这凸显了单一诊断标准在MSDs这类多病因疾病中的不适应性。

更令人担忧的是，台湾地区职业性疾病发生率极低的现象，暗示着可能存在严重的诊断不足与报告不足问题。而在所有职业性疾病中，MSDs既是职业伤病监测网络（Network of Occupational Diseases and Injuries Service, NODIS）中报告最多的疾病类型，也是劳工保险补偿中最常见的类别。这种现状迫切要求我们开发更精准、更高效的新型转诊标准，以打通职业医学与其他专科之间的协作通道。

为应对这一挑战，Chen等学者在《Journal of Occupational Medicine and Toxicology》发表了题为“Referral criteria for occupational musculo-skeletal diseases: analysis of 7-year(2012-2018) NODIS data”的横断面研究。该研究利用台湾职业伤病监测网络（NODIS）2012-2018年共4651例职业性MSDs报告病例（其中2901例被判定为 probable cases，即工作相关性>50%的病例），通过系统的统计学分析，探寻能够有效预测工作相关性的特征指标，并构建相应的转诊标准模型。

研究人员采用了几项关键技术方法：首先利用NODIS这一台湾主要的职业性疾病报告系统获取2012-2018年间的MSDs病例数据；通过描述性分析计算不同人口学因素下病例被判定为“probable”的几率；采用二项回归模型（binomial regression model）识别工作相关性的预测因子；最后对每种MSDs诊断进行亚组分析。数据来源包括患者的工龄、性别、行业类别（标准行业分类系统19类）、职业类别（标准职业分类系统10类）、病假记录、就业状况等变量，所有分析使用R软件（version 4.01）完成。

研究结果

人口学特征与工作相关性判定

研究发现，probable cases（平均年龄48.88岁，平均工龄18.72年）相比possible cases（平均年龄47.85岁，平均工龄16.41年）具有年龄更大、工龄更长的特点。男性、有病假记录的病例被判定为probable cases的几率更高。在行业分类中，“建筑业”、“制造业”和“住宿餐饮业”的判定几率显著较高；职业分类中“工艺及相关贸易工人”、“技术人员和助理专业人员”、“初级劳动者”和“服务和销售工人”也呈现较高几率。

二项回归模型识别关键预测因子

通过二项回归模型分析，研究发现工龄（每增加一年，DOR=1.01）、性别（男性，DOR=1.28）、病假记录（有记录，DOR=1.43）以及特定行业和职业类别是工作相关性的独立预测因子。特别是，主要列管MSDs（包括旋转袖带综合征/二头肌肌腱炎、腕管综合征、腰椎椎间盘疾病和上肢肌腱炎/腱鞘炎）都显示出较高的诊断比值比（DOR）。

亚组分析揭示疾病特异性预测模式

针对四种主要MSDs的亚组分析揭示了每种疾病独特的预测特征：

• •
  旋转袖带综合征/二头肌肌腱炎（RCS/Bicep tendinitis）：工龄、行业和职业类别是重要预测因子，“建筑业”行业（DOR=2.08）和“技术人员和助理专业人员”（DOR=2.01）具有最高预测价值
• •
  腕管综合征（carpal tunnel syndrome）：工龄、病假记录、行业和职业类别均具预测意义，“建筑业”（DOR=2.15）、“制造业”（DOR=1.42）和“工艺及相关贸易工人”（DOR=1.68）预测效能突出
• •
  腰椎椎间盘疾病（lumbar spondylosis）：男性性别（DOR=1.44）、失业状态（DOR=1.63）以及“建筑业”（DOR=1.85）和“初级劳动者”（DOR=2.02）为主要预测因子
• •
  上肢肌腱炎/腱鞘炎（UE tendinitis/tenosynovitis）：仅行业类别显示预测价值，“制造业”（DOR=1.76）和“住宿餐饮业”（DOR=1.52）为主要预测因子

这些差异反映了每种MSD独特的职业病因学特征以及职业医学医师评估工作相关性的不同侧重点。

临床应用模型构建

研究进一步展示了如何将多种高风险特征组合成转诊标准集合并计算其预测概率。以腕管综合征为例：对于在制造业工作10年、有病假记录的初级劳动者，其被判定为probable cases的概率可达96.5%。这种组合预测模型大大超越了单一诊断标准的预测效能。

研究结论与意义

本研究系统识别了职业性MSDs工作相关性的关键预测特征，包括工龄、性别、病假记录、行业和职业类别等，并首次建立了针对不同MSD类型的差异化预测模型。每种MSD都与一组独特的预测因子相关联，这些因子反映了其职业病因学特征和职业医学医师评估工作相关性的逻辑依据。

研究的实际意义在于：首先，为建立职业医学与其他专科之间的转诊机制提供了科学依据，使转诊标准从单纯依赖诊断编码升级为多特征组合的精准预测模型；其次，提出的预测特征大多可从劳工保险数据中直接获取（如行业、职业类别），或通过简单问诊获得（如病假记录），具备良好的临床可行性；最后，针对不同MSD类型的差异化预测模型尊重了疾病特异性，避免了“一刀切”的局限性。

然而，研究者也客观指出了本研究的若干限制：NODIS数据主要来自职业医学医师报告的疑似病例，与初级保健医师实际转诊的患者群体存在差异；数据库变量质量依赖报告者的准确性；尚缺乏工作时间等潜在重要预测因子的数据。这些限制也为未来研究指明了方向。

该研究的发现为改善职业性疾病诊断流程提供了重要科学依据，特别是在MSDs这类复杂多病因疾病的工作相关性判定方面实现了从“经验判断”向“证据导向”的转变。通过建立基于多特征组合的精准转诊标准，有望显著提高职业性疾病的诊断效率与准确性，最终保障劳动者的健康权益。