通过整合社会脆弱性与环境风险及机器学习预测美国社区哮喘患病率

背景：哮喘是美国最常见的慢性病之一，对种族和族裔少数群体以及低收入社区的影响尤为严重。虽然社会和环境因素都被认为是哮喘患病率的已知促成因素，但它们相互作用形成地理差异的程度仍未得到充分理解。目标：本研究旨在探讨这些因素在哮喘患病率不同的地区之间如何变化，以识别可能为有针对性的公共卫生应对措施提供信息的模式。方法：我们使用了美国疾病控制与预防中心的2022年环境正义指数（EJI），该指数包括人口普查区层面的标准化社会和环境测量指标。K均值聚类根据哮喘患病率及相关健康结果识别了具有不同哮喘患病率的地理聚类。训练了一个随机森林模型，使用社会和环境变量预测哮喘患病率，并分析了特征重要性。结果：我们识别出九个聚类，其中三个聚类显示最高的哮喘患病率。高患病率地区表现出更大的社会脆弱性，包括更高的贫困率、少数族裔人口比例、英语水平有限、失业和住房成本负担。这些地区还承受更大的环境暴露，如PM2.5、臭氧、柴油污染升高，以及更多靠近危险废物场地、化学设施和老旧住房的土地。随机森林模型预测哮喘患病率具有较强的预测性能（R2 = 0.81）。社会经济变量始终比环境暴露排名为更强的预测因子。结论：高哮喘患病率的地理区域是由社会和环境的脆弱性重叠所塑造的。社会经济差异尤为突出。这些发现支持采取综合的、数据驱动的公共卫生策略来解决哮喘不平等问题。