فصلنامه بهداشت و ایمنی کار

---

مقدمه: کاهش شنوایی ناشی از صدا (NIHL) یکی از نگرانی‌های اساسی در حوزه سلامت شغلی است. قرارگیری طولانی‌مدت در معرض صدا، نه‌تنها موجب آسیب شنوایی شده بلکه باعث ایجاد سایرعوارض فیزیولوژیکی سیستمیک نیز می شود. در این پژوهش، از دو توانمندی پیش‌بینی و تشخیصی شبکه‌ بیزی (BN) جهت بررسی تعاملات پیچیده بین علل بروز NIHL و پیامدهای مواجهه با سروصدا استفاده شد.  
روش کار: در این مطالعه مقطعی، داده‌های ۸۲۸ کارگر پتروشیمی (شامل اطلاعات دموگرافیک، شنوایی‌سنجی، صداسنجی، شاخص‌های هماتولوژیک و بیوشیمیایی) از سوابق پزشکی و اندازه‌گیری‌های محیط کار استخراج گردیده و پیش‌پردازش شدند. در مرحله بعد، مدل استنتاجی شبکه بیزی با استفاده از الگوریتم Bayesian Search ساخته شد که امکان استنتاج رو به جلو (FI ، پیش‌بینی) و استنتاج معکوس (BI، تشخیصی) را فراهم کرد. برای ارزیابی اعتبار مدل از منحنی‌های ROC  و تحلیل حساسیت استفاده شد.    
یافته ها: نتایج FI نشان داد که مواجهه با تراز SPL بالاتر از ۸۵دسی‌بل، خطر بروز NIHL شدید (سطح هشدار) را از ۹% به ۵۷% ، احتمال فشار خون سیستولیک بالا، قند خون ناشتا بالاتر از 100 mg/dL، و کلسترول تام بالاتر از 200 mg/dL را به ترتیب از ۶% به۱۰ %، از ۸% به ۱۸% ، از ۵% به ۹% افزایش می دهد. با ایجاد شاهد همزمان برای شرایطی نظیر SPL بالا، سابقه کار بالا و اشتغال در واحدهای پرصدا، احتمال NIHL شدید به بیش از ۷۰% افزایش یافت که با خطرات تجمعی متابولیک نیز همراه بود. BI نشان داد که مشاهده NIHL شدید، احتمال مواجهه پیشین با SPL بالا یا مرزی را به‌طور معناداری افزایش می‌دهد. افزون برآن، شاخص‌های متابولیکی مانند TG و FBS با احتمال مواجهه با صدا (حتی در ترازهای پایین‌تر از حدود اقدام) ارتباط مثبت نشان دادند.  
نتیجه گیری: شبکه‌های بیزی چارچوبی قدرتمند برای شناسایی و مدلسازی وابستگی‌های احتمالی مستقیم و غیرمستقیم بین مواجهه شغلی با سروصدا و پیامدهای سلامت در محیط‌های صنعتی فراهم می‌کنند. توانایی BN در استنتاج BI و FI، تشخیص پیش‌بینانه، پایش سلامت، و طراحی راهبردهای پیشگیرانه هدفمند را در مدیریت سلامت شغلی تقویت می‌کند.