基于机器学习的两个代表城市上呼吸道感染与气象要素关系及其发病风险预测研究

选取华南地区深圳市、西南地区攀枝花市两个不同气候区的当地医院上呼吸道感染发病逐日就诊病例数据和同期气象数据，采用随机森林方法和RNN（Recurrent neural network）深度学习方法，通过对两地上呼吸道感染发病特征及其与气象条件关系进行细致研究，分别构建了两地上呼吸道感染发病风险预测模型。研究结果表明：(1)深圳市上呼吸道感染就诊人数峰值每年出现在6-8月期间，谷值出现在1-2月期间，呈现以热不舒适的效应为主；而攀枝花市上呼吸道感染就诊人数峰值则出现在每年11月到次年的1月期间，谷值出现在每年3-7月期间，呈现以冷不舒适效应为主。(2)逐日平均气温的变化对两地上呼吸道感染发病的影响最明显，当日平均气温高于25℃或者低于10℃时，两地上呼吸道感染发病风险明显上升。(3)日平均风速影响次之，它与日平均相对湿度和日平均气温一起，通过对气候舒适度产生影响，进而影响上人群上呼吸道感染发病情况。(4)在对上呼吸道感染与气象要素关联性分析及预测方法优选的基础上，基于RNN深度学习方法构建的两城市上呼吸道感染发病风险预测模型，可为当地相关疾病风险预测及防控提供重要科技支持。     

季风转换对深圳地区呼吸系统疾病的影响及预测研究

深圳地处我国华南沿海季风敏感区,为探究季风等气象和污染要素对其呼吸系统疾病发病的影响和其预测相关就诊风险的可行性,本文利用当地2015-2016年呼吸系统疾病就诊人数资料及同期气象和污染物资料,并运用BP人工神经网络和LSTM网络构建呼吸系统疾病就诊人数预测模型。结果显示:每年九月份开始,冬季风的冷胁迫效应会使相关人群呼吸系统疾病发病人数波动式增加,直至次年冬季风向夏季风转换前的三月份发病人数达到峰值；而夏季风控制期间当地居民呼吸系统疾病发病人数呈波动式减少态势,比峰值期间减少35%；另外,该地不同呼吸系统疾病其主控因素也不相同；对比两种预测模型,总体上LSTM网络预报模型对深圳呼吸系统疾病风险预测准确率更高,可以满足健康气象预报服务业务需求。     

中国东西部两县域气象要素对呼吸系统疾病影响的分层对比研究

利用安徽省阜南县以及贵州省锦屏县2015—2016年医保住院数据，细化两县呼吸系统疾病住院人群年龄分层，并从月份、节气、候不同时间尺度逐步递进的角度，采用描述性研究方法与相关性分析方法，探析两地各年龄段人群住院人数分布及其地域差异。结果表明：（1）两县9岁以下儿童呼吸系统疾病高发，20~39岁人群住院率较低。（2）两县各人群呼吸系统疾病入院高峰基本出现在2—3月（立春—清明、第10-20候）和11—12月（大雪—冬至）。除个别人群外，两县均是夏、秋两季呼吸系统疾病入院人数较少。（3）阜南县50~59岁人群呼吸系统疾病秋季入院风险的增加与当地气温日较差增大和相对湿度降低有关，滞后5 d左右影响明显。（4）总体来看，干冷环境可能会造成两县居民呼吸系统疾病入院人数的增多。此外，锦屏县居民还需格外防范春季相对低温高湿天气及暖季较低气温日较差所带来的呼吸系统疾病风险。