综述：由可沉降粉尘引起的社区困扰：影响空气污染认知的因素

《Atmosphere》：Community Annoyance Due to Settleable Dust: Influential Factors in Air Pollution Perception

空气污染与医院入院预测的机器学习方法研究及趋势分析。

　　
空气污染与医院 admissions 预测的机器学习方法研究综述

摘要
全球范围内，空气污染对医院就诊率的影响已成为公共卫生领域的重要议题。本文通过系统分析2010-2024年间Scopus数据库中89篇相关研究，揭示了机器学习技术在空气污染健康效应预测中的应用现状、方法差异及研究趋势。研究发现，机器学习方法在预测医院 admissions 方面展现出显著优势，其中随机森林、神经网络和XGBoost等算法表现尤为突出。研究同时指出现有方法存在多污染物协同作用分析不足、数据质量参差不齐、模型可解释性待提升等关键问题，并提出了未来需要加强跨学科融合、优化算法选择、完善数据标准化等发展方向。

1. 引言
空气污染作为全球主要公共卫生威胁之一，其与医院就诊率的关系研究具有现实意义。尽管各国已采取减排措施，但像圣保罗、南京等大城市仍存在显著超标现象。现有研究多采用传统统计方法，存在假设限制、非线性关系捕捉不足等问题。机器学习技术凭借其处理复杂数据和非线性关系的优势，为建立精准预测模型提供了新思路。然而，该领域仍存在方法应用碎片化、数据标准不统一等瓶颈问题，亟待系统性研究梳理。

2. 材料与方法
2.1 文献检索策略
基于布尔逻辑和标题/摘要关键词组合（如"机器学习"+"医院 admissions"+"PM2.5"），通过Scopus数据库获取304篇初筛文献。经过标题摘要筛选（排除78篇）和全文评估（排除11篇），最终纳入89篇核心研究。检索覆盖2010-2024年，重点筛选英文原研究，确保方法学可靠性。

2.2 数据处理工具
采用VOSviewer进行文献计量分析，包括关键词共现网络构建、国家分布可视化等。使用Python的pandas库进行数据清洗，标准化处理包括：
- 国家名称统一（如"China"→"中国"）
- 关键词去重与合并（如"air quality"与"atmospheric pollution"归为同一类别）
- 变量类型分类（气象、人口、社会经济等）

3. 研究结果
3.1 文献计量特征
3.1.1 时间分布
研究文献呈现显著阶段性特征：
- 初期探索阶段（2010-2018）：年均3篇，方法以人工神经网络（ANN）和随机森林为主
- 快速发展阶段（2019-2021）：年均15篇，XGBoost和LSTM开始应用
- 成熟应用阶段（2022-2024）：年均18篇，出现多模型融合（如随机森林+LSTM）

3.1.2 区域分布
研究呈现"三足鼎立"格局：
- 美国（30篇）主导技术创新与模型验证
- 中国（18篇）侧重区域污染特征分析
- 巴西（11篇）关注发展中国家应用难题
值得关注的是，印度（4篇）、伊朗（5篇）等新兴国家研究量显著增长，反映全球南北方学术互动加深。

3.1.3 学科交叉
研究呈现典型跨学科特征：
- 环境科学（32.5%）提供污染数据基础
- 临床医学（26%）验证健康效应
- 计算机科学（7.1%）开发算法框架
- 工程学（3.9%）支撑传感器网络

3.2 算法应用现状
3.2.1主流算法对比
| 算法类型 | 应用频次 | 核心优势 | 典型局限 |
|----------------|----------|---------------------------|-----------------------|
| 随机森林 | 35次 | 特征重要性分析、抗过拟合 | 大数据计算效率不足 |
| 神经网络 | 18次 | 处理高维非线性关系 | 需要大量标注数据 |
| XGBoost | 14次 | 高精度短时预测（87-95%） | 超参数调优复杂度高 |
| LSTM | 13次 | 捕捉时序依赖（1-7天滞后） | 需要长时间序列数据 |

3.2.2 算法演进趋势
- 2010-2018：传统统计方法（ARIMA、多元回归）占主导（68%）
- 2019-2021：机器学习方法渗透率提升至57%，随机森林（35%）和ANN（18%）成为主流
- 2022-2024：XGBoost（14次）和LSTM（13次）应用显著增长，多算法融合使用率提升至42%

3.3 污染物与健康关联
3.3.1 高频污染物
- PM2.5（72%）：主要影响呼吸系统（37次）和心血管系统（29次）
- NO2（54%）：与呼吸道疾病强相关（28次）
- PM10（51%）：多用于区域尺度研究（如南京、圣保罗）
- O3（45%）：季节性变化显著（冬季浓度升高63%）

3.3.2 协同效应分析
复合污染物模型较单一污染物模型预测精度提升：
- PM2.5+NO2组合：AUC达0.89（随机森林）
- PM2.5+O3组合：NSE指数提高22%（LSTM）
- NO2+温度组合：急诊量预测误差降低19%（XGBoost）

3.4 方法论挑战
3.4.1 现存问题
- 24%研究仅用单一污染物建模（PM2.5为主）
- 29%研究未控制气象变量（温度、湿度）
- 42%研究缺乏社会经济数据整合
- 18%研究未进行跨区域验证

3.4.2 技术突破方向
- 混合架构：随机森林（特征筛选）+LSTM（时序建模）
- 可解释AI：SHAP值分析（78%研究采用）
- 联邦学习：解决数据隐私问题（新兴趋势）
- 实时预警系统：XGBoost+LSTM组合模型预测误差<8%

4. 结论与展望
4.1 关键发现
- 预测模型准确率普遍超过80%（XGBoost达95%）
- 时空滞后效应建模（LSTM）显著优于传统方法
- 多变量协同建模可提升15-25%预测精度
- 老年群体（≥65岁）和儿童（<5岁）敏感性差异达3倍

4.2 研究局限
- 数据碎片化：仅34%研究使用国家级数据库
- 模型泛化性不足：区域差异导致误差率波动（±12%）
- 伦理审查缺失：涉及患者隐私数据的研究仅占18%

4.3 未来方向
1) 方法论优化：开发自动化特征工程工具包（如自动选择滞后时间）
2) 数据治理：建立全球空气污染-健康联合数据库（AP-HDB）
3) 技术融合：物联网传感器（精度±5%）+数字孪生城市模型
4) 价值延伸：构建"污染预警-医疗资源调度-政策干预"闭环系统

本研究证实，机器学习方法可有效提升医院 admissions 预测精度，但需注意：
- 避免算法黑箱化（需解释性增强）
- 加强跨区域、跨人群验证
- 建立标准化数据接口（如WHO推荐格式）
- 探索联邦学习在医疗数据共享中的应用

当前研究已进入成熟期，但方法论规范化仍需加强。建议设立国际协作组，制定《空气污染-健康预测ML模型应用指南》，推动该领域从技术验证转向临床实用。未来5年，随着5G和边缘计算发展，基于实时污染数据的嵌入式预测系统将逐步普及，这对公共卫生应急管理具有重要价值。