Occupational Risk Profiles for Infectious Disease Transmission in the Philippines: A Data-Driven Clustering Analysis

本研究采用基于数据驱动的特定职业指标聚类方法，识别菲律宾传染病传播的不同职业风险特征，揭示出低收入职业面临更高暴露风险的社会经济梯度，并为针对性公共卫生干预提供了框架。

要点

想象菲律宾是一个巨大而繁忙的城市，每个人从事着不同的工作。有些人待在安静、装有空调的办公室里，拥有独立的私人空间；而另一些人则在拥挤的市场、繁忙的医院或嘈杂的建筑工地上工作。

这篇论文就像一部侦探故事，试图找出哪些工作在感染传染病（如流感或结核病）方面风险最高。作者没有仅仅依靠猜测或将职业按宽泛类别（如“医疗”或“服务”）进行归类，而是利用计算机分析了 986 种不同职业的具体细节，并根据两个主要因素将它们归入自然的群体：

1. 暴露程度： 你接触多少人、在这些人附近停留多长时间，以及工作场所的拥挤程度。
2. 收入水平： 这作为一个线索，反映了你保护自己（例如购买优质口罩、请病假或在家工作）的能力。

“智能分类”实验

研究人员尝试了五种不同的职业分类方法，有点像尝试不同的食谱来烤出完美的蛋糕。他们使用了K 均值聚类、层次聚类等方法。

• 胜出者： 两种方法效果最佳。一种（K 均值）将职业分为4 个大组，另一种（层次聚类）则将其分为6 个更细致的组。
• 落选者： 有些方法令人困惑，或分出的组别缺乏意义，因此研究人员决定聚焦于这两个胜出者。

四大主要群体（“宏观图景”）

使用最佳方法，研究人员发现了四个截然不同的职业“社区”：

1. “前线战士”（高风险，较低收入）：

   • 人群： 医生、护士、警察、教师以及儿童保育工作者。
   • 状况： 这些人不断与陌生人拥抱、交谈或提供帮助。由于难以避开人群，他们往往最先患病。
   • 困境： 他们的收入通常较低，这意味着如果感到不适，他们可能没有足够的资金或工作灵活性待在家里，也无法购买最佳防护装备。

2. “办公室专业人士”（中等风险，较高收入）：

   • 人群： 工程师、科学家、管理人员和 IT 专家。
   • 状况： 他们与人互动，但通常在办公室或实验室等受控环境中进行。他们面临一定风险，但风险可控。
   • 优势： 他们收入较高且工作更有保障，因此能够负担更好的安全装备，或在需要时在家工作。

3. “混合群体”（风险多变，较低收入）：

   • 人群： 建筑工人、司机、零售店员和服务人员。
   • 状况： 这是一个庞大而杂乱的群体。有些日子他们很安全；其他日子则处于非常拥挤的地方。他们的风险随具体任务的变化而大幅波动。
   • 困境： 与“前线战士”一样，他们通常收入较低，难以控制自身的工作环境。

4. “贵宾”（低风险，高收入）：

   • 人群： 首席执行官、法官、高级军官和航空公司飞行员。
   • 状况： 这些工作通常在非常受控、私密或规范的空间内进行。他们很少需要站在拥挤的队列中或与陌生人接触。
   • 优势： 他们拥有最多的资源，对自身安全拥有最大的控制权。

“六组”特写

当研究人员使用更细致的方法（六组版本）时，他们发现了更多有趣的细分。例如，他们意识到虽然所有“医生”都属于高风险，但医生的类型至关重要。一些高级医疗专家被归入高收入但依然高风险的群体，而辅助人员则被归入低收入且高风险的群体。这表明金钱并不总是等同于安全，但它确实有助于更好地管理风险。

核心启示

这篇论文的主要教训是：风险并非均匀分布。

• 不公之处： 最有可能感染疾病的人，往往也是那些资金最少、最无力改变自身处境的人。
• 解决方案： 作者指出，我们不应将“所有工人”一视同仁。相反，我们需要关注这些特定群体。如果我们确切知道哪些工作是“前线战士”，就可以为他们提供最多的保护、最好的口罩和最大的支持，而不是试图用“一刀切”的规则来解决所有问题。

简而言之，这篇论文利用数学绘制了一幅职场地图，向我们精确展示了“危险区域”在哪里，以及谁生活其中，以便我们能够优先帮助最需要的人。

技术摘要

技术摘要：菲律宾传染病传播的职业风险特征

问题陈述
工作场所中的传染病传播由特定的职业活动驱动，这些活动决定了接触模式、暴露时长和环境条件。尽管现有文献承认，涉及持续密切接触和拥挤条件的职业面临更高的风险，但菲律宾当前的评估往往依赖于广泛的行业分类或描述性的定性方法。这些方法未能捕捉特定工作岗位之间风险的细微差异，且很大程度上忽视了暴露动态与社会经济脆弱性之间的相互作用。因此，目前缺乏能够量化菲律宾劳动力中传染病传播风险的数据驱动框架，以指导有针对性的公共卫生干预措施。

方法论
本研究采用无监督机器学习方法，利用包含菲律宾 986 种职业的数据集来描绘职业风险特征。分析整合了两个主要变量：

1. 传染病传播风险评分：源自“职业风险计算器”（基于 Dy 和 Rabajante, 2020 的框架），该评分基于四个决定因素量化暴露程度：接触率（每小时互动次数）、工作班次时长、人群密度以及防护水平（个人防护装备、卫生措施、工程控制）。评分计算公式为：
   $$风险评分 = \frac{接触点数 + 工作班次时长点数}{2} \times 人群密度 \times (1 - 防护水平)$$
2. 月平均收入：用作社会经济脆弱性以及采取风险缓解措施能力的代理指标。

本研究应用并比较了五种无监督聚类算法，以基于这两个维度对职业进行分组：

• K-means 聚类（基于划分）
• 层次聚类（凝聚式，使用 Ward 连接法）
• 谱聚类（基于图）
• 高斯混合模型 (GMM)（基于模型）
• DBSCAN（基于密度）

聚类有效性和稳健性通过内部指标进行评估：轮廓系数（Silhouette Score）、Davies–Bouldin (DB) 指数和 Calinski–Harabasz (CH) 指数。本研究优先考虑那些展现出稳定、可解释且分离良好的分组的方法。

主要结果
分析显示，职业风险并非均匀分布，而是遵循与社会经济地位相关的明显梯度。

• 方法学表现：K-means ($k=4$) 和层次聚类 ($k=6$) 产生了最稳定且可解释的结构，这由较高的轮廓系数和 CH 指数以及较低的 DB 指数所证实。谱聚类、GMM 和 DBSCAN 产生的分组一致性较差，或对参数选择过于敏感。
• K-means 聚类 ($k=4$)：识别出四种不同的风险特征：
  • 聚类 1：高风险，低至中等收入。主要由医疗（医生、护士）、应急响应、照护以及高接触服务角色（教师、交通运输）主导。
  • 聚类 2：中等风险，较高收入。由专业、技术和管理角色（工程师、科学家、IT 专家）组成，工作环境结构化。
  • 聚类 3：可变风险，低至中等收入。是熟练技工、物流和服务角色的异质混合体。
  • 聚类 4：低风险，高收入。高级领导、高管和专门角色（法官、飞行员），在受控环境中工作。
• 层次聚类 ($k=6$)：提供了更细致的细分，进一步区分了高风险和中等风险类别。值得注意的是，它将低风险、高收入的高级高管角色与中等风险、较高收入的专业/技术角色区分开来，并识别出一个特定的“核心高暴露”聚类（聚类 6），该聚类主要由临床和应急人员组成，收入跨度较大，与更广泛的服务导向型高风险群体明显不同。

主要贡献

• 数据驱动的层级划分：本研究超越了广泛的行业分类，提供了专门针对菲律宾背景的工作岗位级风险分层框架。
• 社会经济的整合：它明确展示了传染病暴露风险如何与收入水平相关联，突显了高风险角色往往集中在经济能力较低、难以缓解风险的工人中。
• 方法学比较：它评估了多种聚类算法在职业健康数据中的有效性，确立了基于划分的方法和层次方法对于此特定数据集结构更为优越。

意义与主张
作者声称，本研究为有针对性的工作场所干预和公共卫生资源的公平分配提供了一个实用框架。通过识别能够捕捉共同暴露特征和社会经济背景的潜在分组，研究结果支持：

1. 风险导向的监测：优先对高风险职业（如医疗、应急服务和高接触服务）进行监测和资源分配。
2. 政策规划：从一刀切的行业政策转向针对特定职业的策略，同时解决暴露风险和结构性脆弱性。
3. 公平性：突显结构性不平等，即高暴露工人往往缺乏风险缓解所需的经济资源，这表明需要危险补偿和加强安全标准。

该论文得出结论，虽然风险评分基于通用模型和横截面数据，但将机器学习与公共卫生原则相结合，为应对菲律宾复杂的职业健康挑战提供了一种稳健的、基于证据的方法。