引用本文
秦东亮, 金宪宁, 王世娟, 王菁菁, 娜扎开提#cod#x000b7;买买提, 王富江, 王莹, 申梓安, 盛立刚, MikaelForsman, 杨丽云, 王生, 张忠彬, 何丽华. 作业人员姿势负荷评价信效度分析及与肌肉骨骼疾患关系. 北京大学学报(医学版), 2018,50(3): 488-494
QIN Dong-liang, JIN Xian-ning, WANG Shi-juan, WANG Jing-jing, Nazakat MAMAT, WANG Fu-jiang, WANG Ying, SHEN Zi-an, SHENG Li-gang, Mikael FORSMAN, YANG Li-yun, WANG Sheng, ZHANG Zhong-bin, HE Li-hua. Research on the reliability and validity of postural workload assessment method and the relation to work-related musculoskeletal disorders of workers. Journal of Peking University(Health Sciences), 2018,50(3): 488-494.  
Doi: 10.3969/j.issn.1671-167X.2018.03.016
Permissions
Copyright©2018, 北京大学
《北京大学学报(医学版)》编辑部 所有
作业人员姿势负荷评价信效度分析及与肌肉骨骼疾患关系
秦东亮1, 金宪宁1, 王世娟1, 王菁菁1, 娜扎开提·买买提1, 王富江1, 王莹3, 申梓安3, 盛立刚3, MikaelForsman4, 杨丽云4, 王生1, 张忠彬2,Δ, 何丽华1,Δ
1. 北京大学公共卫生学院劳动卫生与环境卫生学系, 北京 100191
2. 中国安全生产科学研究院, 北京 100029
3. 中车长春轨道客车股份有限公司, 长春 130062
4. Institute of Environmental Medicine, Karolinska Institutet, Stockholm SE-17177, Sweden
收稿日期: 2018-03-01
资助项目: 十三五国家重点研发计划项目(2016YFC0801700)和中国安全生产科学研究院基本科研业务费专项资金项目(2017JBKY02)资助
摘要

目的:建立作业人员工作过程中的动态、静态姿势负荷综合分析评价方法并进行信效度分析,探索作业人员动态静态姿势负荷水平与肌肉骨骼疾患患病情况的关系。方法:选择电子配件组装、轨道客车制造等装配作业人员共844人作为研究对象,依据《中国肌肉骨骼问卷》中的工作姿势相关条目建立作业人员工作过程动态、静态姿势负荷综合分析评价方法,并采用Cronbach系数、聚类分析、因子分析等方法对姿势负荷综合分析评价方法的信效度进行分析,采用非条件Logistic回归模型探索姿势负荷与肌肉骨骼疾患患病情况之间的关系。结果:该评价方法的信效度分析显示:(1)内在一致性评价总体Cronbach系数达0.934,分半信度Spearman-Brown系数0.881,前后相关系数0.787;(2)聚类分析结果提示同一身体部位动态、静态工作姿势距离最短;因子分析共提取2个公因子,累计方差贡献率达65.604%;协方差分析显示负荷得分在不同工种之间差异存在统计学意义( P<0.05)。多因素Logistic回归模型显示,饮酒( OR=2.141,95% CI 1.337~3.428)和肥胖( OR=3.408,95% CI 1.629~7.130)是肌肉骨骼疾患的危险因素,作业人员动静态姿势负荷水平越高肌肉骨骼疾患患病风险也越高( OR=1.035,95% CI 1.022~1.048),不同工种、性别、年龄人群的患病风险也存在差异,女性更易患病( OR=2.626,95% CI 1.414~4.879),30~40岁职业人群患病风险高于30 岁以下者( OR=1.909,95% CI 1.237~2.946)。结论:作业人员动态、静态姿势负荷综合分析评价方法在装配作业人群中应用可靠有效,姿势负荷与肌肉骨骼疾患之间存在关联。

关键词: 姿势负荷; 信度; 效度; 肌肉骨骼疾患
中图分类号:R13 文献标志码:A 文章编号:1671-167X(2018)03-0488-07
Research on the reliability and validity of postural workload assessment method and the relation to work-related musculoskeletal disorders of workers
QIN Dong-liang1, JIN Xian-ning1, WANG Shi-juan1, WANG Jing-jing1, Nazakat MAMAT1, WANG Fu-jiang1, WANG Ying3, SHEN Zi-an3, SHENG Li-gang3, Mikael FORSMAN4, YANG Li-yun4, WANG Sheng1, ZHANG Zhong-bin2, HE Li-hua1
1. Department of Occupational and Environmental Health, Peking University School of Public Health, Beijing 100191, China
2. China Academy of Safety Science and Technology, Beijing 100029, China
3. CRRC Changchun Railway Vehicles CO., LTD., Changchun 130062, China
4. Institute of Environmental Medicine, Karolinska Institutet, Stockholm SE-17177, Sweden
Δ Corresponding auther’s e-mail, alihe2009@126.com,zzb_sd@163.com
Fund:Supported by the National Key Technologies Research & Development Program (2016YFC0801700) and the Fundamental Research Funds for China Academy of Safety Science and Technology (2016YFC0801700)
Abstract

Objective:To form a new assessment method to evaluate postural workload comprehensively analyzing the dynamic and static postural workload for workers during their work process to analyze the reliability and validity, and to study the relation between workers’ postural workload and work-related musculoskeletal disorders (WMSDs).Methods:In the study, 844 workers from electronic and railway vehicle manufacturing factories were selected as subjects investigated by using the China Musculoskeletal Questionnaire (CMQ) to form the postural workload comprehensive assessment method. The Cronbach’s α, cluster analysis and factor analysis were used to assess the reliability and validity of the new assessment method. Non-conditional Logistic regression was used to analyze the relation between workers’ postural workload and WMSDs.Results:Reliability of the assessment method for postural workload: internal consistency analysis results showed that Cronbach’s α was 0.934 and the results of split-half reliability indicated that Spearman-Brown coefficient was 0.881 and the correlation coefficient between the first part and the second was 0.787. Validity of the assessment method for postural workload: the results of cluster analysis indicated that square Euclidean distance between dynamic and static postural workload assessment in the same part or work posture was the shortest. The results of factor analysis showed that 2 components were extracted and the cumulative percentage of variance achieved 65.604%. The postural workload score of the different occupational workers showed significant difference ( P<0.05) by covariance analysis. The results of non-conditional Logistic regression indicated that alcohol intake ( OR = 2.141, 95% CI 1.337-3.428) and obesity ( OR = 3.408, 95% CI 1.629-7.130) were risk factors for WMSDs. The risk for WMSDs would rise as workers’ postural workload rose ( OR = 1.035, 95% CI 1.022-1.048). There was significant different risk for WMSDs in the different groups of workers distinguished by work type, gender and age. Female workers exhibited a higher prevalence for WMSDs ( OR = 2.626, 95% CI 1.414-4.879) and workers between 30-40 years of age ( OR=1.909, 95% CI 1.237-2.946) as compared with those under 30.Conclusion:This method for comprehensively assess-ing postural workload is reliable and effective when used in assembling workers, and there is certain relation between the postural workload and WMSDs.

Key words: Postural workload; Reliability; Validity; Musculoskeletal disorders

工作相关肌肉骨骼疾患(work-related musculoskeletal disorders, WMSDs)是由职业因素所导致的全身各部位出现疼痛、麻木、酸胀等症状的肌肉、骨骼及神经系统疾患。WMSDs涉及的行业领域十分广泛, 患病率可高达85.5%[1, 2, 3]。国际劳工组织已将肌肉骨骼系统疾患列入《职业病名单(2010版)》。病因研究显示, 重复性操作或频繁重复某动作、长期保持单一静态姿势等均是WMSDs的危险因素[2, 3]。研究中常用的工效学负荷评价多采用快速暴露检查法评价作业人员的物理负荷[4], 姿势负荷评价主要包括快速上肢评价法、全身快速评价法以及工作姿势与负荷分析等[5, 6, 7]。评价过程主要以观察为主, 研究人员通过观察作业人员在工作过程中的肢体动作及伸展弯曲程度等进行分级评价, 部分方法还参考被观察者提供的任务操作时间、空间大小、力量水平等自评信息, 但是这种评价方法对于工作内容复杂的作业过程则容易出现观察偏差, 且工作过程中的动态操作及静态姿势往往交互存在, 评价方法难以体现这一特点。

与既往研究相比, 本研究基于现场工效学检查情况, 将作业人员在工作过程中存在的重复性操作或频繁重复某动作以及长期保持单一静态姿势等情况进行综合分析评价, 从而将动态操作与静态姿势受力情况结合起来分析, 探索建立作业人员工作过程动态、静态姿势负荷综合分析评价方法, 并探索姿势负荷对肌肉骨骼疾患患病情况的影响。

1 资料与方法
1.1 研究对象

选择国内部分电子配件组装、轨道客车制造等企业, 以车间或班组为单位进行整群抽样, 所有调查对象需满足:年龄≥ 18岁, 当前岗位工龄≥ 1年, 无肌肉骨骼系统外伤、肿瘤、结核、风湿病以及其他影响肌肉骨骼系统的疾病。本研究开始前获得北京大学生物医学伦理委员会审查批准(IRB00001052-16015), 所有研究对象均在书面知情同意后经过培训再填写问卷。回收有效问卷共计844份, 其中电子配件组装468份, 轨道客车制造376份。

1.2 研究方法

基于中国肌肉骨骼问卷(China musculoskeletal questionnaire, CMQ)中关于工作姿势评价的相关条目, 通过对企业生产现场进行工效学检查的调研, 按照肌肉骨骼疾患通常累及的身体部位, 将工作负荷分为重复性操作或频繁重复某动作等动态负荷, 以及长期保持单一姿势等静态负荷, 筛选整理出28个条目, 建立作业人员工作过程动态、静态负荷评价方法。该评价方法中每个条目均采用五点评分, 1表示从不, 5表示总是, 并将同一部位涉及的动态、静态工作负荷评分相乘, 获得新的14个综合项, 相加即可得到总分, 再标准化成百分制。姿势负荷评价方法的原始条目及综合项见表1。

表1 姿势负荷评价方法各条目说明 Table 1 Description of each item for the assessment method to postural workload

肌肉骨骼疾患病例定义为过去1年内身体某部位(颈部、肩部、上背、下背、肘部、手/腕、臀部、膝部、足/踝)出现不适、麻木、疼痛或活动受限等症状, 且症状持续时间超过24 h, 经休息后未能缓解, 排除其他急症、伤残或后遗症等。

1.3 统计学分析

问卷采用Epidata3.1进行数据录入, 采用SPSS22.0软件进行分析, 显著性水平为双侧α = 0.05。(1)信度:信度分析主要采用内在信度, 包括Cronbach系数、分半信度, 并分析各条目与总分的相关性情况。(2)效度:效度分析主要包括聚类分析、结构效度以及区分效度。聚类分析采用系统聚类方法对问题条目进行聚类分析, 主要探索研究原始条目中各部位的动态、静态负荷是否一致, 并提供相乘模型的依据; 结构效度采用因子分析模型, 通过主成分法提取主成分; 区分效度主要是检验该评价体系在不同职业人群中的表现。(3)WMSDs关系模型:采用非条件Logistic回归模型, 探讨作业人员动态、静态姿势负荷水平与WMSDs之间的关联效应。

2 结果
2.1 一般情况

本次调查对象共844人, 其中男性70.6%, 女性29.4%; 平均年龄(29.9± 6.9)岁; 平均工龄(8.7± 7.2)年; 文化程度为高中及以下61.4%, 大专29.8%, 本科及以上8.9%; 经常进行体育锻炼10.2%, 较少锻炼23.2%, 极少锻炼66.6%; 吸烟30.7%, 饮酒42.4%。作业特点以手工装配作业为主, 搬运、提举等工作过程均有辅助的机械设备, 工效学负荷以姿势负荷为主。

肌肉骨骼疾患患病情况:阳性病例为33.4%, 患病情况在不同组别中的分布采用χ 2检验, 按性别、工种等不同组别的患病情况见表2。

表2 调查对象肌肉骨骼疾患患病情况不同组别分布 Table 2 The prevalence of musculoskeletal disorders of respondents in different groups
2.2 信度分析

2.2.1 内部一致性 内部一致性分析主要是以各项之间的相关程度来反映该评价方法的内在一致性情况, 并逐一分析各项的敏感性。Cronbach系数为0.934, 内部一致性信度良好。对各项进行深入分析后发现, 单独删除每一项后, 除第3项外其余各项Cronbach系数均下降, 表明所有各项的内在关联性良好, 能够很好地反映测量目的, 符合测量要求。各项与总分的关联性较高。单独删除各项后的Cronbach系数以及各项与总分相关性见表3。

表3 各项之间及各项与总分之间内在一致性分析 Table 3 Internal consistency analysis of the correlation between each item and the total

2.2.2 分半信度 分半信度是在缺乏重测信度评价时将所有项目分为两半进行相关性评价, 以此衡量该评价体系的内在信度。分半信度分析发现, Cronbach系数前部分(7项)为0.864, 后部分(7项)为0.910, 前后相关系数为0.787, Spearman-Brown系数为0.881, 表明该评价方法的内在关联性较高, 分半信度良好。

2.3 效度分析

2.3.1 聚类分析 聚类分析是对原始条目进行系统聚类以检验涉及人体各部位及动作的动态、静态负荷变量是否能够归纳为同一类, 为该评价方法的理论假说提供依据, 其中组间联接的距离指标采用欧氏距离的平方。在对所有原始条目进行聚类分析后发现, 人体各部位及动作姿势的动态、静态条目之间距离最短, 均两两聚类, 表明该评价方法将动态、静态负荷变量进行结合的做法切实可行, 符合研究假设。聚类分析结果见图1。

图1 姿势负荷评价方法原始条目系统聚类谱系图Figure 1 Hierarchical cluster graph for original items of the assessment method to postural workload (squared euclidean distance)

2.3.2 结构效度 因子模型适用性分析结果显示, KMO(Kaiser-Meyer-Olkin)检验值为0.925, 表明各条目之间的偏相关性较强, 关联度较高; Bartlett球形检验(P< 0.001)表明条目间的相关矩阵并不是单位阵, 适合进行因子分析。采用主成分法对14个综合项进行分析, 共提取2个公因子, 累计方差贡献率65.604%, 表明公因子综合各项的能力较强, 对各项的解释率较高, 代表性较强, 能较好解释各项信息, 提示该评价方法的理论假设的结构基础成立, 结构效度良好。因子分析结果见表4。

表4 旋转后因子载荷分析结果 Table 4 Analysis results of rotated component matrix

2.3.3 区分效度 区分效度主要考察该评价方法是否能够有效区分不同特征职业人群, 分析时以评价总得分为因变量, 以工种为固定因子, 将年龄、工龄纳入协变量进行协方差分析, 发现工种与年龄、工龄间的交互作用均不显著(P> 0.05), 且不同工种职业人群总得分均值之间存在差异(P< 0.05), 表明该评价方法能够有效区分不同特征职业人群, 区分效度良好。协方差分析结果见表5。

表5 研究对象姿势负荷评价得分协方差分析结果 Table 5 Analysis results of covariance for the assessment of postural workload
2.4 WMSDs关系模型

作业人员工作过程姿势负荷与WMSDs之间关系的分析采用非条件Logistic回归模型, 共线性分析表明纳入回归模型的研究变量之间多重共线情况并不严重。多因素Logistic回归分析以是否患有肌肉骨骼疾患为因变量, 将单因素分析有差异的研究变量纳入回归模型, 变量选择采用后退法(条件), 剔除水平为0.1, 共筛出6个有效变量, 其中, 饮酒、肥胖为WMSDs的危险因素, 女性更易患病, 30~40岁相较于30岁以下者患病风险更高, 不同职业人群患病风险存在差异, 且WMSDs患病风险会随着姿势负荷水平的增加而增加。多因素Logistic回归模型分析结果见表6。

表6 调查对象WMSDs关系非条件Logistic回归分析结果 Table 6 Non-conditional Logistic regression analysis results of the relation with WMSDs
3 讨论

工效学负荷评价是在工效学研究中对作业人员在工作过程中承受的生理活动水平、心理变化等进行的评价, 通常包括由搬运、提举等重体力及重复用力等导致的力量负荷、不良体位及工作姿势等造成的姿势负荷和社会心理因素等方面的心理负荷, 以及振动等其他特殊职业因素引起的其他负荷[8], 其中, 在手工装配作业中则以工作操作、静态受力等姿势负荷为主。姿势负荷评价多采用观察法获得观察对象的动作姿势等资料[9, 10], 部分研究也采用自评问卷调查作业人员的姿势动作等[4, 11]。观察法可以从专业角度收集姿势负荷信息, 对动作姿势的体位角度等界定更为明晰, 但片段式观察难以获得作业人员在较长时期内的动作活动, 当工作内容复杂多变时作业者的姿势动作更为繁复, 动态的动作活动与静态姿势往往交互存在, 此时观察获得的资料不可避免地会存在偏倚。

本研究关于作业人员在工作过程中的动态、静态姿势负荷评价方法信效度评价良好, 表明将动态、静态姿势负荷进行结合的评价手段切实可行, 可以在手工装配作业人群中进一步探索应用。姿势负荷与WMSDs的关系研究也表明, 作业人员承受的动态、静态姿势负荷水平与WMSDs患病风险存在正相关趋势, 姿势负荷每升高1个标度, 这种风险可能会增加3.5%, 即姿势负荷水平越高WMSDs患病的可能性也越高。与既往研究相比[4, 9, 10], 本研究评价方法最大特点在于直接将作业人员在工作过程中的重复性操作或频繁重复某动作等动态负荷以及长期保持单一姿势等静态负荷进行结合, 并按照肌肉骨骼疾患通常累及的身体部位或工作姿势进行评价。将作业人员的工作姿势状况进行综合分析, 可以为姿势负荷量化评价提供参考, 同时也避免过多的工作姿势条目在纳入回归模型分析时可能存在的多重共线情况对回归模型的影响[12, 13, 14]。此外, 工作过程是一个内容形式极其复杂、人体各部位相互协作、生理与心理相互协同的系统化过程, 即便是在单因素分析时表现无差异的工作姿势状况也需作业人员承受相应的姿势负荷, 在评价姿势负荷时不应将其忽略。

本研究尚存在一些不足, 如本研究主要讨论部分手工装配作业人群, 而在其他作业人群, 如重体力作业、高脑力工作等职业人群中的适用情况尚需进一步探讨。此外, 研究中对工作姿势状况的讨论, 以及姿势负荷与心理负荷之间是否存在协同交互效应等也尚需进一步探讨。

综上所述, 本研究中的姿势负荷评价方法信效度评价结果良好, 可以在一定程度上反映手工装配作业人员在工作过程中承受的动态、静态姿势负荷水平, 但需要更深入的研究加以验证。

The authors have declared that no competing interests exist.

参考文献
[1] 袁志伟, 崔娅, 徐相蓉, 等. 妇产科医务人员工作相关肌肉骨骼疾患发病现状及姿势负荷[J]. 中国工业医学杂志, 2016, 29(4): 259-262. [本文引用:1]
[2] 刘璐, 唐仕川, 王生, 等. 工作组织因素对职业性肌肉骨骼损伤患病影响的病例对照研究[J]. 工业卫生与职业病, 2015, 41(3): 170-173. [本文引用:2]
[3] 曹扬, 唐丽华, 张蔚, 等. 机场搬运作业人员下背痛工效学因素分析[J]. 中国工业医学杂志, 2016, 29(4): 262-265. [本文引用:2]
[4] 曹磊, 杜薇薇, 王生, 等. 心理因素及物理负荷对职业性肌肉骨骼疾患的影响分析[J]. 中华劳动卫生职业病杂志, 2011, 29(3): 176-179. [本文引用:3]
[5] Mcatamney L, Nigel CE. RULA: a survey method for the investigation of work-related upper limb disorders[J]. Appl Ergon, 1993, 24(2): 91-99. [本文引用:1]
[6] Hignett S, Mcatamney L. Rapid entire body assessment (REBA)[J]. Appl Ergon, 2000, 31(2): 201-205. [本文引用:1]
[7] Karhu O, Harkonen R, Sorvali P, et al. Observing working postures in industry: examples of OWAS application[J]. Appl Ergon, 1981, 12(1): 13-17. [本文引用:1]
[8] 袁志伟, 唐仕川, 王生, 等. 工效学负荷评价方法研究进展[J]. 环境与职业医学, 2015, 32(9): 887-891. [本文引用:1]
[9] David G, Woods V, Li G, et al. The development of the quick exposure check (QEC) for assessing exposure to risk factors for work-related musculoskeletal disorders[J]. Appl Ergon, 2008, 39(1): 57-69. [本文引用:2]
[10] Chen JD, Falkmer T, Parsons R, et al. Impact of experience when using the rapid upper limb Assessment to assess postural risk in children using information and communication technologies[J]. Appl Ergon, 2014, 45(3): 398-405. [本文引用:2]
[11] Bekiari EI, Lyrakos GN, Damigos D, et al. A validation study and psychometrical evaluation of the maastricht upper extremity questionnaire (MUEQ) for the Greek-speaking population[J]. J Musculoskelet Neuronal Interact, 2011, 11(1): 52-76. [本文引用:1]
[12] 范立新. 回归分析中多重共线性诊断方法[J]. 国外医学·卫生学分册, 1994, 21(1): 34-37. [本文引用:1]
[13] Shen J, Gao S. A Solution to separation and multicollinearity in multiple logistic regression[J]. J Data Sci, 2008, 6(4): 515-531. [本文引用:1]
[14] 周菲, 赵凤兰, 魏兴民, 等. Logistic回归模型多重共线性诊断及在医学中的应用[J]. 甘肃中医学院学报, 2014, 31(1): 90-93. [本文引用:1]