基于预测模型的大型水面舰艇航海疲劳风险筛查评分量表的构建与验证

作     者：李栋 周涛 李珍 董东方 赵琦 董文珠 LI Dong;ZHOU Tao;LI Zhen;DONG Dongfang;ZHAO Qi;DONG Wenzhu

作者机构：海军971医院消化内科山东青岛266071 海军971医院驻91197部队医务中心 

出 版 物：《联勤军事医学》 (Military Medicine of Joint Logistics)

年 卷 期：2024年第38卷第5期

页      面：412-418,432页

学科分类：1002[医学-临床医学] 10[医学] 1009[医学-特种医学] 

基　　金：海军后勤部自主项目(CHJ23J026) 

主　　题：官兵 航海疲劳 危险因素 预测模型 列线图 

摘      要：目的 本研究拟构建基于预测模型的航海疲劳风险筛查评分量表,为航海疲劳人群早期识别及提前干预提供依据。方法 前瞻性选取参加航海任务的某部官兵进行问卷调查,通过单因素分析、多因素分析筛选出航海疲劳独立危险因素,并将其代入Logistic回归模型、神经网络模型、分类树模型3种模型中,对模型的受试者工作特征(receiver operating characteristic, ROC)曲线及曲线下面积(area under the curve, AUC)进行比较以选出最优模型,在此基础上形成航海疲劳风险筛查评分量表。结果 舰员在航行第30天时疲劳程度高于航行前1天(P0.001)。单因素分析显示,舰艇官兵运动频次、靠港期间吸烟情况、碳水化合物摄取情况、发酵饮食摄入情况、压力情况、每天工作总时长、环境不利影响因素数量、每天最大连续工作时长以及匹茨堡睡眠质量指数量表(Pittsburgh sleep quality index, PSQI)得分9个因素与疲劳评定量表14(fatigue scale 14,FS 14)评分相关(P均0.05)。Logistic回归模型、神经网络模型、分类树模型3种模型预测舰艇官兵航海疲劳的AUC分别为0.953、0.915、0.811,均具有较好的诊断能力,最终选定Logistic回归模型为最佳预测模型,其在训练集中的灵敏度、特异度分别为78.95%、84.62%。本研究将Logistic回归模型以列线固的形式可视化,最终形成航海疲劳风险筛查评分量表。结论 本研究依据Logistic回归模型构建的航海疲劳风险筛查评分量表,可客观有效预测航海疲劳,并为航海疲劳早期风险筛查和针对性干预提供依据。