基于LSTM机器学习模型的美国弗吉尼亚州中东和北非人群COVID-19死亡率差异研究

本研究针对美国中东和北非(MENA)人群在COVID-19大流行中的健康不平等问题，通过开发长短期记忆(LSTM)机器学习模型对弗吉尼亚州死亡记录进行人群细分，首次揭示该人群超额死亡率达22.4%-30.1%，且移民群体COVID-19死亡占比高达12.6%，为完善少数族裔健康监测提供了创新方法。

　　

在COVID-19大流行期间，美国各族裔群体的健康不平等现象引发广泛关注。然而由于制度性分类缺陷，中东和北非(Middle Eastern and North African, MENA)人群长期被归入"白人"类别，导致其健康风险成为"隐形危机"。现有数据显示，密歇根州阿拉伯裔感染率是非西班牙裔白人的2.6倍，多伦多中东裔住院率高达白人3-4倍，但全美范围内缺乏系统性死亡率研究。这种数据缺失源于1978年美国行政管理和预算局(OMB)将MENA人群划入白人种族的分类标准，与其实际遭受的种族歧视经历严重脱节。

为破解这一困局，研究人员创新性地开发了基于长短期记忆(Long Short-Term Memory, LSTM)递归神经网络的姓名分类算法。该方法突破传统名单匹配技术的局限，通过字节对编码(byte pair encoding)将姓名分解为字母组合子簇，在弗吉尼亚州卫生部门799,532条出生和死亡记录上训练模型，最终实现82%的F1分数。研究团队将该模型应用于2015-2022年全州死亡记录，结合出生国信息（涵盖阿富汗至也门等19个国家），首次系统评估了MENA人群的疫情死亡率差异。

关键技术包括：1) 构建LSTM模型对MENA特征姓名进行概率识别；2) 采用泊松回归计算超额死亡率比率(观察死亡数/预期死亡数)；3) 基于ICD-10代码U07.1统计COVID-19相关死亡占比。

主要发现：

1. 1.

   超额死亡显著：MENA人群2020年死亡率较疫情前激增22.4%，峰值时期(2022年1月)超额死亡率比率达1.49，显著高于非西班牙裔白人的1.23。

   
2. 2.

   移民群体更脆弱：外国出生MENA人群2020年超额死亡率比率为1.13，而美国出生群体为0.95，显示"健康移民效应"在疫情期间失效。

3. 3.

   性别差异明显：2022年外国出生MENA男性COVID-19死亡占比达10.6%，居所有族裔男性之首；女性占比8.7%也位居第二。

4. 4.

   空间分布影响：95%的弗吉尼亚MENA人口居住在大都会区（主要集中于华盛顿特区北弗吉尼亚地区），可能加剧早期疫情暴露风险。

讨论与意义：

这项发表于《Journal of Racial and Ethnic Health Disparities》的研究具有双重突破：方法学上创建的LSTM姓名分类模型克服了传统技术需要外部姓名列表的限制，能识别特殊音译名；实证层面首次证实MENA人群——尤其是移民群体——承受着与非洲裔、亚裔相当的COVID-19死亡率负担。研究结果强烈支持OMB计划在2030年人口普查中增设MENA分类的必要性，为公共卫生监测中的种族分类改革提供了关键证据。

值得注意的是，MENA群体内部存在显著异质性（如阿拉伯与非阿拉伯、不同原籍国、宗教差异等），但小样本量限制了下层分析。未来研究应结合疫苗接种障碍、医疗获取困难等社会决定因素，深入解析驱动健康差异的机制。这项研究不仅填补了疫情健康不平等研究的重要空白，更开创了利用机器学习解决制度性数据缺失问题的新范式。