王娇娇，陈圆煜，郑子薇，杨永忠，陈哲，李超，王海东，武建辉，王国立

    颈动脉粥样硬化(carotid atherosclerosis，CAS)是一种以内膜大、中动脉增厚为特征的病理改变[1]，是心脑血管疾病的诱因[2]，其高发病率和致残率不同程度地影响着人类健康[3]。钢铁工人作为钢铁企业的主力军，长期暴露于粉尘、高温、噪声等危险因素并面临职业紧张和倒班的压力，CAS发生率也随之增加[4]。

    目前，机器学习已广泛应用于医学预测模型，支持向量机(Support Vector Machine，SVM)、BP神经网络(Back Propagation Neural Network，BPNN)与随机森林(Random Forest，RF)模型是机器学习中的3项重要技术，其中SVM模型的学习和泛化能力比较强，常应用于文本识别、车辆交通、医疗检测等领域；BPNN模型在预测和函数逼近方面具有明显的优势；RF模型凭借计算效率高、训练速度快而对各行各业的数据分析均能起到推动作用；三者均能够从海量数据中快速挖掘出有效信息，但对于不同的数据类型三者的应用效果不同。目前关于3种模型预测钢铁工人CAS效能方面的比较还鲜有报道。本研究采用SVM、BPNN和RF模型构建钢铁工人CAS的风险预测模型，并比较三者的预测性能，以期为这一群体的健康保护与促进以及CAS的预防提供指导。

    1 对象与方法

    1.1 研究对象 选取2017年3—6月在唐山市弘慈医院进行体检和健康监测的4 568例钢铁工人。纳入标准：在岗，且工龄≥1年。排除标准：接触过有害影响因素者(现在不倒班、不接触高温作业、噪声作业)，变量信息缺失者。本研究经华北理工大学伦理委员会审核通过(审批号为15006)，研究对象均知情同意。

    1.2 资料收集 所有团队成员经统一培训后，按照本团队编写的《健康评估检查表》进行调查，调查内容包括：(1)人口学特征：性别、年龄、体质指数(BMI)、文化程度、婚姻状况；(2)个人的行为生活习惯与方式：吸烟(指连续或累计吸烟6个月以上，并且每天至少吸烟1支[5])、饮酒〔无论酒水类型(白酒、啤酒、葡萄酒等)，≥2次/周，乙醇摄入量≥50 g/次，连续饮用≥1年[5]〕；(3)个人病史：高血压、糖尿病、CAS家族史；(4)职业史：倒班、高温作业、噪声作业。

    1.3 实验室检查 经研究对象同意后，由医院采集其晨起空腹静脉血，使用迈瑞全自动生化分析仪(BS-800)进行血生化检查(胆固醇、三酰甘油、同型半胱氨酸)，采集晨尿进行尿酸分析 ......