《Discover Public Health》:Applying a NIOSH Industry and Occupation Coding tool to evaluate occupational risk of SARS-CoV-2 infection in pregnant women
编辑推荐:
摘要
背景:某些行业与职业(I&O)与较高的SARS-CoV-2风险相关。针对孕妇这一关联的研究仅局限于临床环境或小样本。目的:通过将基于机器学习的I&O编码应用于基于人群的数据,估算孕期SARS-CoV-2感染的职业风险。方法:研究人员对2020年4月1
摘要
背景:某些行业与职业(I&O)与较高的SARS-CoV-2风险相关。针对孕妇这一关联的研究仅局限于临床环境或小样本。目的:通过将基于机器学习的I&O编码应用于基于人群的数据,估算孕期SARS-CoV-2感染的职业风险。方法:研究人员对2020年4月1日至2021年12月31日期间在马萨诸塞州内活产分娩的116,424名18–54岁居民进行了基于人群的分析。SARS-CoV-2感染数据来自全州病例监测系统,并与出生证明进行匹配。研究人员使用NIOSH行业与职业计算机编码系统(NIOCCS)对出生证明中的I&O文本进行编码。采用具有对数链接、泊松分布和可交换相关结构的广义估计方程,估算各I&O组与低风险I&O参考组相比的调整风险比(aRR)及95%置信区间(CI),并调整种族/民族、年龄、教育程度、保险、语言和出生地。结果:在研究人群中,66.7%(n=77,596)具有完整的就业数据;其中4744人(6.1%)在孕期有实验室确诊的SARS-CoV-2感染。按行业分,在医疗/社会援助(aRR=1.63;95%CI 1.45–1.84)和公共管理(aRR=1.59;95%CI 1.31–1.93)行业工作的女性感染风险最高。按职业分,在保护服务(aRR=1.82;95%CI 1.32–2.51)以及医疗从业者与技术职业(aRR=1.49;95%CI 1.32–1.68)工作的女性感染风险最高。结论:在COVID-19大流行的前两年,医疗与社会援助行业以及保护服务职业的孕妇SARS-CoV-2感染风险最高。NIOCCS有助于利用出生证明中的I&O文本数据评估职业暴露对孕产妇/婴儿健康结局的风险。
论文解读:应用NIOSH行业与职业编码工具评估孕妇SARS-CoV-2感染的职业风险
研究背景与现存问题
孕妇相较于非孕妇,感染严重急性呼吸综合征冠状病毒2型(SARS-CoV-2)的风险增加,且一旦感染,更易出现重症及不良妊娠结局,包括住院、重症监护室(ICU)入住、有创通气、体外膜肺氧合(ECMO)及孕产妇死亡。此外,感染SARS-CoV-2的孕妇所生婴儿早产、低出生体重、新生儿感染、入住新生儿ICU及新生儿期死亡的风险也升高。因此,识别与孕期SARS-CoV-2感染风险相关的因素至关重要。既往研究证实,某些行业与职业(I&O)与SARS-CoV-2感染风险升高有关,如医疗保健专业人员、空乘、消防员等,但这些研究多基于一般工作年龄人群,针对孕妇的关联分析局限于临床环境或小样本,且缺乏基于人群的大规模数据。这主要是因为孕妇的职业信息常通过出生证明等来源以开放式文本形式收集,手工编码耗时、易错且成本高昂,限制了相关研究的规模与代表性。为解决上述问题,美国疾病控制与预防中心(CDC)下属国家职业安全与健康研究所(NIOSH)开发了行业与职业计算机编码系统(NIOCCS),这是一项基于机器学习的自动编码工具,可将自由文本的I&O数据转化为标准化的北美行业分类系统(NAICS)代码和标准职业分类(SOC)代码。本研究旨在应用NIOCCS,基于马萨诸塞州全州数据,评估孕期SARS-CoV-2感染风险与I&O的关联,为制定针对性防护策略提供依据。该论文发表在《Discover Public Health》。
主要技术方法
研究人员主要采用以下关键技术方法:首先,利用NIOCCS对马萨诸塞州出生证明中的开放式I&O文本进行自动编码,将其转化为NAICS行业代码和SOC职业代码;其次,将州级SARS-CoV-2病例监测数据与出生证明进行确定性链接,获取孕期感染信息;最后,采用广义估计方程(GEE)结合对数链接、泊松分布和可交换相关结构,估算调整风险比(aRR)及95%置信区间(CI)。样本队列来源为2020年4月1日至2021年12月31日期间在马萨诸塞州内活产分娩的18–54岁居民,最终纳入77,596名有就业数据的孕妇。
研究结果
**行业分析结果**:在调整种族/民族、年龄、教育程度、保险、语言和出生地后,与低风险参考组(包括建筑业、批发业及专业、科学和技术服务业)相比,医疗和社会援助行业工作的孕妇感染SARS-CoV-2的风险最高(aRR=1.63;95%CI 1.45–1.84),其次为公共管理行业(包括国家安全)(aRR=1.59;95%CI 1.31–1.93)、房地产与租赁业(aRR=1.32;95%CI 1.02–1.70)、金融与保险业(aRR=1.25;95%CI 1.06–1.49)以及教育服务业(aRR=1.20;95%CI 1.04–1.38)。
**职业分析结果**:与低风险职业参考组(包括建筑与提取业、商业与金融运营、计算机与数学、建筑与工程以及生命、物理与社会科学)相比,保护服务职业的孕妇感染风险最高(aRR=1.82;95%CI 1.32–2.51),其次为医疗从业者与技术职业(aRR=1.49;95%CI 1.32–1.68)、医疗支持职业(aRR=1.44;95%CI 1.17–1.78)、社区与社会服务职业(aRR=1.38;95%CI 1.15–1.66)、教育指导与图书馆职业(aRR=1.25;95%CI 1.09–1.43)、销售及相关职业(aRR=1.22;95%CI 1.01–1.47)、办公室与行政支持职业(aRR=1.21;95%CI 1.02–1.43)以及管理职业(aRR=1.20;95%CI 1.05–1.37)。
讨论总结与结论
讨论部分强调,本研究基于人群的设计最大程度减少了选择偏倚,并通过大样本实现了不同社会人口学亚组的风险分层分析。NIOCCS的应用有效解决了出生证明中I&O文本数据编码的瓶颈问题,为未来将职业暴露纳入孕产妇和儿童健康研究提供了高效途径。所发现的高风险职业(医疗保健与保护服务)与针对全体工人的研究结果一致,其工作特性(密切接触、远程工作受限)是风险升高的关键原因,工程控制、病假政策及个人防护装备的合理使用可能有助于降低风险。研究存在局限性:出生证明收集的“过去一年”职业可能无法准确反映孕期或感染时的实际职业;15.7%的I&O数据缺失可能包含“未工作”状态;研究结果因马萨诸塞州人口差异及州级防疫政策不同而缺乏全国普适性;居家检测未纳入报告系统可能导致感染漏报;此外,不同职业人群检测机会的差异、远程工作及防护措施的可及性等因素未被考虑。
结论部分原文翻译如下:NIOCCS使得研究人员能够标准化I&O文本数据,以评估职业暴露对孕妇及其婴儿健康的影响。在医疗与社会援助行业以及保护服务职业工作的孕妇,其孕期SARS-CoV-2感染风险最高。