《Frontiers in Public Health》：Predicted 10-year cardiometabolic risk among hospital staff: a cross-sectional study
编辑推荐：
目的：慢性病与心血管代谢疾病是台湾地区重大的公共卫生与职业健康挑战，尤其是对于暴露于轮班工作、高度职业压力及不规律作息中的医疗工作者而言。护理人员与医院员工尤其容易面临高血压、2型糖尿病、卒中及心血管疾病的患病风险。本研究旨在借助本地化的数字化风险评估平台及基
目的：慢性病与心血管代谢疾病是台湾地区重大的公共卫生与职业健康挑战，尤其是对于暴露于轮班工作、高度职业压力及不规律作息中的医疗工作者而言。护理人员与医院员工尤其容易面临高血压、2型糖尿病、卒中及心血管疾病的患病风险。本研究旨在借助本地化的数字化风险评估平台及基于机器学习的数据驱动模型，评估医学中心员工的慢性病患病风险，并识别用于精准健康管理的高风险职业亚群。
参与者/方法：这项回顾性横断面研究纳入了2019年至2024年间台湾北部某医学中心1，916名年龄在35至70岁之间的员工。研究采用慢性病风险评估平台（Chronic Disease Risk Assessment Platform）估算了冠状动脉疾病、卒中、2型糖尿病、高血压及主要不良心血管事件（major adverse cardiovascular events，MACE）的10年预测风险。为评估预测风险与社会人口学或职业变量之间的关联，研究人员采用了有序逻辑回归（ordinal logistic regression）、广义线性模型（generalized linear models）及决策树算法。
结果：高血压（hypertension，HTN）的整体预测风险最高（38.6%），其次是2型糖尿病与MACE。男性员工被划分到更高预测高血压风险类别的几率高于女性员工（优势比[odds ratio，OR]=4.18，95%置信区间[confidence interval，CI]：3.21–5.44，p<0.001）。按职业类别划分，护理人员的10年预测高血压风险类别高于行政人员（OR=1.32，95% CI：1.04–1.68，p=0.024）。多变量广义线性模型识别出年龄增长及肥胖、血压升高、高血糖和血脂异常等代谢因素为预测心血管代谢风险的主要因素，而经调整后，职业类别与疾病风险无独立关联。在冠状动脉疾病（coronary artery disease，CAD）、卒中、高血压及MACE中观察到显著的交互效应。十折交叉验证的决策树模型将年龄、腰围、血压和体质指数（body mass index，BMI）确定为主要分类变量，五种结局的整体准确率在86.9%至91.7%之间，F1分数在0.622至0.936之间。
结论：本研究应用了由台湾健康促进署平台开发的疾病风险预测模型，结合临床指标与机器学习分析，以识别疾病风险增高的医疗工作者。研究结果表明，本地化的数字化预测工具可整合到机构健康监测系统中，以支持医疗环境中的持续健康监测、早期风险识别和前瞻性预防保健。
心血管代谢疾病已成为全球范围内致病和致死的主要原因，其中主要不良心血管事件（MACE）是心血管疾病最严重的临床结局。自弗明汉心脏研究确立心血管危险因素概念以来，高血压（HTN）、2型糖尿病（T2DM）、血脂异常、吸烟和肥胖等关键决定因素已被广泛证实会加速动脉粥样硬化进展并增加心血管并发症风险。近年来，美国心脏协会提出的心血管-肾脏-代谢（CKM）综合征概念进一步强调了代谢紊乱、慢性肾脏病与心血管疾病在整个疾病连续谱中的相互关联，凸显了针对聚集性心血管代谢危险因素进行综合风险评估和早期预防策略的重要性。
在职业健康领域，医疗工作者是心血管代谢疾病的易感人群。高达70%的医疗工作者受到职业压力和倦怠的影响，而护理人员普遍存在的轮班和夜间工作会扰乱昼夜节律，增加HTN、代谢紊乱和T2DM的风险。尽管既往针对台湾医院员工的研究已报告了代谢综合征的职业差异及其与倦怠、夜班工作、工作年限等工作相关因素的关联，但这些研究主要聚焦于代谢综合征或特定职业暴露，对医院员工更广泛的心血管代谢风险谱特征描述不足。同时，虽然数字化健康评估工具日益被用于改善慢性病管理的连续性，但将此类平台衍生的风险评估同时应用于表征医疗工作者多种心血管代谢风险谱，尤其是跨不同职业群体的研究仍然不足。
本研究旨在利用台湾北部某大型三级医学中心的常规员工健康检查数据，表征五项心血管代谢结局——CAD、卒中、T2DM、HTN和MACE——的10年预测风险，并考察其与社会人口学、行为、临床及职业因素的关联。研究采用有序逻辑回归、广义线性模型（GLM）和分类回归树（CART）分析等互补的分析方法，进一步考察不同职业群体间预测风险模式的差异，并识别平台衍生预测风险较高的亚组。
研究人员开展了一项回顾性横断面研究。研究数据来源于2019年至2024年间台湾北部某医学中心（远东联合纪念医院，FEMH）的员工健康检查数据库，经机构审查委员会批准（FEMH IRB No. 113024-F），因使用去标识化数据而豁免知情同意。初始检索获得3，430条健康检查记录，排除数据不完整记录（n=88）并仅保留每位员工最近一次检查记录后，最终研究队列纳入1，916名年龄35至70岁的员工。对于每种疾病分析，排除了在数据收集期间或之前已被诊断为该特定慢性病的个体，因此五种疾病分析的分析样本量各有不同：CAD为1，915例，卒中为1，913例，T2DM为1，900例，HTN为1，855例，MACE为1，900例。
本研究使用的核心技术方法包括：（1）慢性病风险评估平台（由台湾健康促进署与国民健康研究院联合开发），根据员工健康检查数据生成个体化的CAD、卒中、T2DM、HTN和MACE的10年疾病预测风险评分；（2）有序逻辑回归（OLR）分析，将风险评分按平台标准分为低风险（<10%）、中风险（10%~20%）和高风险（≥20%）三个有序风险等级，评估风险等级与候选预测变量的关联；（3）广义线性模型（GLM）分析，以连续风险评分（%）为因变量，调整年龄和性别后评估不同职业群体的风险差异，并评估交互效应；（4）分类回归树（CART）决策树算法，将中高风险合并为更高风险组，以识别与更高疾病风险相关的关键预测变量，采用十折交叉验证进行内部验证。候选预测变量包括年龄、性别、体质指数（BMI）、腰围、血压、空腹血糖、总胆固醇（TC）、高密度脂蛋白胆固醇（HDL-C）、低密度脂蛋白胆固醇（LDL-C）、甘油三酯（TG）、TC/HDL-C比值、吸烟状况、合并症病史及职业类别（医师、护理人员、医事人员、行政人员）。
3.1 研究队列的社会人口学与职业特征及性别差异
在最终纳入的1，916名员工中，女性占75.3%，男性占24.7%。年龄分布以35~49岁为主（73.3%），平均年龄为45.5±7.7岁，男性平均年龄显著高于女性（46.8±8.7 vs. 45.1±7.3岁，p<0.001）。护理人员占比最高（43.1%），其次为医事人员（20.0%）、医师（19.2%）和行政及其他人员（17.6%），职业分布在性别间存在显著差异（p<0.001）。总体平均BMI为24.2±4.2 kg/m2，44.6%的员工被归类为超重或肥胖。17.1%的员工患有高血压，男性患病率显著高于女性（23.8% vs. 14.8%，p<0.001）。在代谢指标方面，男性的平均收缩压、舒张压、空腹血糖、TG和LDL-C水平均显著高于女性，而HDL-C水平显著低于女性。总体而言，研究人群以中年女性员工为主，但男性的心血管代谢特征持续处于不利状态。
3.2 员工五大慢性病10年预测风险
医院员工的10年预测风险平均值以HTN最高（38.55%），其次是T2DM（21.88%）、MACE（10.34%）、卒中（7.33%）和CAD（6.29%）。未调整比较显示，男性在CAD、卒中、T2DM和MACE的预测风险均显著高于女性（均p<0.001）。Kruskal-Wallis检验显示，五种疾病结局的预测风险分布在四种职业类别间均存在显著差异，但职业间具体模式因疾病而异：医师的卒中和T2DM预测风险较高而HTN较低，护理和医事人员的MACE预测风险高于行政人员。
3.3 预测心血管代谢疾病风险的多变量与交互作用分析
多变量广义线性模型显示，年龄增长与五种心血管代谢结局的预测风险均持续显著相关。与35~49岁相比，50~59岁和60~70岁年龄组的各项预测风险逐级升高。男性与CAD、卒中和MACE的较高预测风险相关，但在调整协变量后与T2DM和HTN的较低预测风险相关。职业类别在多变量调整后与任何结局均无独立关联。肥胖与所有结局的显著较高预测风险相关，而体重过轻与较低预测风险相关。高腰围、收缩压升高、空腹血糖升高、甘油三酯升高、LDL-C升高和当前吸烟与大多数结局的预测风险增加独立相关。在所有预测因子中，空腹血糖升高对T2DM风险的关联最强（β=52.24，95% CI：49.62–54.86），收缩压升高对HTN的关联最强（β=30.34，95% CI：28.59–32.09）。在CAD、卒中、HTN和MACE中观察到显著的交互效应，而T2DM未发现显著交互作用。这些交互效应经Benjamini-Hochberg错误发现率（FDR）校正后仍具统计学意义。
3.4 职业类别与心血管代谢结局的关联
年龄和性别调整后的有序逻辑回归分析显示，男性在所有五种结局中被划分为更高预测风险类别的几率均显著高于女性，其中HTN的OR值最高（OR=4.18，95% CI：3.21–5.44，p<0.001）。年龄增长同样与所有五种结局的更高预测风险类别相关。在职业类别方面，护理人员在T2DM（p=0.036）和HTN（p=0.024）中进入更高预测风险类别的几率显著高于行政人员；而医师在卒中（p=0.031）、HTN（p=0.001）和MACE（p<0.001）中显示显著较低的几率。CAD未观察到显著的职业差异。
3.5 职业类别与慢性病预测风险的关联
年龄和性别调整后的广义线性模型（GLM）显示，CAD在四种职业间的调整预测风险无显著差异。在其他结局中观察到显著的职业差异：护理人员的卒中预测风险高于医师（平均差1.40个百分点，调整后p=0.006）；医师的T2DM预测风险低于护理人员和行政人员（分别相差4.55和4.74个百分点，均p<0.05）；医师的HTN预测风险最低（34.46%），显著低于护理人员（42.00%）和行政人员（40.04%）；医师的MACE预测风险（8.68%）显著低于护理人员（11.04%）和行政人员（10.90%）。总体而言，医师倾向于具有较低的年龄和性别调整后预测风险，而护理和行政人员在多种结局中往往具有较高的调整预测风险。
3.6 五种心血管代谢结局的决策树分析
CART决策树分析将中高风险合并为更高风险组。在整体人群和护理人员亚组分析中，年龄始终是CAD的主要分割变量，大于51~52.5岁的个体被预测为更高风险的可能性显著增高，腰围进一步分层显示中心性肥胖大幅增加CAD风险。最高风险亚组（高龄联合高腰围）中95.9%的整体人群和87.5%的护理人员被归类为CAD更高风险组。卒中在整体人群中以年龄为初始决定因素，而在护理人员中以收缩压为主要分割变量，腰围和年龄进一步细化风险，终末节点中76%~89%被归类为更高风险组。T2DM在整体人群和护理人员中分别以BMI和腰围为主要分割变量，肥胖指标联合空腹血糖水平可将最高风险亚组的比例提升至95%~97%。HTN在整体人群和护理人员中均以收缩压为主要决定因素，收缩压升高联合高BMI的亚组中超过95%被归类为更高风险。MACE在两组人群中均以年龄为主要分割变量，年龄联合腰围和/或收缩压进一步分层风险。十折交叉验证的内部验证显示，五种结局的整体分类准确率为86.9%~91.7%，F1分数为0.622~0.936，敏感度为47.7%~92.3%，特异性为80.2%~99.5%。
讨论部分，研究人员指出，年龄和性别与五种慢性疾病的10年预测风险评分强烈相关，男性在卒中与MACE方面表现出更高的风险，这与既往流行病学证据一致。研究结果进一步提示，心血管代谢风险具有异质性特征，多种危险因素共存时不良结局可能协同增加，反映出危险因素之间的非线性交互作用，强调了综合风险模型而非单因素评估的重要性。研究还发现代谢异常的影响可能因性别而异：女性合并T2DM或HTN时心血管风险增幅可能更大，尤其是绝经后阶段，这与英国生物库的大规模分析结果相吻合。关于职业类别与心血管代谢风险的关联，研究发现不同分析方法和疾病结局下结果有所差异：多变量GLM中职业类别无独立关联，但有序逻辑回归中护理职业与T2DM和HTN的较高预测风险相关，医师职业与卒中、HTN和MACE的较低预测风险相关。研究人员强调这两种模型的结果应视为互补而非矛盾，因为它们分别刻画了平台衍生预测风险估计的不同方面。研究还指出，由于平台预测算法本身纳入了血压、空腹血糖、血脂和BMI等临床指标，这些变量与预测风险评分之间的关联部分内在于风险算法的构建，不应被解释为独立或新颖的疾病风险决定因素。研究局限包括：横断面设计无法推断因果、单中心设置限制普适性、结局为平台预测风险而非观察到的疾病事件、缺乏药物使用信息以及部分亚组样本量较小。未来需要更大规模、更多样化人群的前瞻性多中心研究，以观察到的疾病结局验证这些发现。
研究结论为：本研究表征了一家医学中心员工平台估计的5种10年心血管代谢疾病风险模式。预测风险估计在人口学、代谢和职业特征方面存在差异，并识别出这些因素间的若干交互模式。传统回归模型与基于决策树的方法的整合为了解预测风险模式和识别估计风险较高的员工亚组提供了互补信息。研究结果表明，平台衍生的风险评估可为医院员工的心血管代谢风险评估和工作场所健康管理提供补充信息。然而，将此类风险评估工具整合到常规员工健康检查中是否能改善风险分层、预防管理或临床结局，仍需进一步的前瞻性评估加以确定。
