整合社会脆弱性与环境风险因素，利用机器学习预测美国社区的哮喘患病率

背景：哮喘是美国最常见的慢性疾病之一，对少数种族和低收入社区的影响尤为显著。尽管社会和环境因素已知是哮喘患病率的重要影响因素，但二者如何相互作用导致地理差异的机制尚未被充分理解。目的：本研究旨在探究这些因素在不同哮喘患病率地区的差异，以识别可能为针对性公共卫生干预提供依据的模式。方法：我们使用CDC 2022年环境正义指数（EJI），该指数包含普查区层面的标准化社会与环境指标。通过K均值聚类法，根据哮喘发病率及相关健康结局划分出不同哮喘患病率的地理集群。采用随机森林模型，利用社会和环境变量预测哮喘发病率，并分析特征重要性。结果：我们识别出九个集群，其中三个呈现最高的哮喘患病率。高患病率地区具有更强的社会脆弱性，包括更高的贫困率、少数族裔比例、英语能力有限人口比例、失业率和住房成本负担。这些地区还面临更严重的环境暴露，如更高的PM2.5、臭氧、柴油污染水平，以及更靠近危险废物场址、化工设施和老旧住房的土地。随机森林模型表现出较强的预测性能（R² = 0.81）。社会经济变量始终比环境暴露指标具有更强的预测力。结论：高哮喘患病率地区是由社会与环境脆弱性叠加影响形成的，其中社会经济差异的影响尤为突出。这些发现支持采用综合性的数据驱动公共卫生策略来应对哮喘健康不平等问题。