基于气象与空气质量数据预测每日心血管急诊量：台湾23年机器学习分析

《GeoHealth》：Predicting Daily Cardiovascular Emergencies Using Weather and Air Quality Data: A 23-Year Machine-Learning Analysis in Taiwan

　　

已知天气与空气质量的短期变异可影响心血管急症（cardiovascular emergencies, CVD emergencies），但其对人群水平逐日预测价值尚不充分明确。研究人员利用台湾2000–2022年共23年全国性数据，评估气象与空气质量条件如何塑造各地理区域每日心血管疾病（cardiovascular disease, CVD）急诊就诊量。研究人员首先对有184个环境特征的 dataset 应用无监督学习方法（包括UMAP与K?means聚类）以识别数据驱动的环境状态（environmental regimes）并考察高危CVD日的分布。随后训练8种监督学习模型预测每日CVD急诊量，并使用SHAP（Shapley Additive exPlanations）值解释关键预测因子。无监督分析揭示一致的季节与污染相关模式：高危日倾向于聚集于气温偏低且伴随空气污染升高的条件下——其温度高于冬季但污染水平显著更高，此模式于台湾北部及≥65岁人群中尤为明显。空气污染变量比单纯气象变量产生更清晰的高危簇，表明急性CVD风险的污染相关贡献更强。监督框架中，树基集成模型（Random Forest、LightGBM、XGBoost）表现最佳，R2最高达0.67，平均绝对百分比误差（Mean Absolute Percentage Error, MAPE）为7%–8%。预测性于老年人群及台湾北部最高。SHAP分析确定NOx相关指标为CVD急诊量主导预测因子。结果表明，高分辨率环境数据结合机器学习方法可有效预测CVD急症、界定高危环境状态，并支持以空气（特别是NOx）监测为核心的地区特异性早期预警系统（early?warning system）。

论文解读：《Predicting Daily Cardiovascular Emergencies Using Weather and Air Quality Data: A 23-Year Machine-Learning Analysis in Taiwan》（发表于《GeoHealth》）

一、研究背景与立题依据

心血管疾病（cardiovascular disease, CVD）为全球首要死因，东亚地区因快速城市化、人口老龄及环境压力而负担加重。CVD发病除受内在因素（遗传、高血压、糖尿病、肥胖、吸烟等）影响外，外在环境暴露——细颗粒物（particulate matter, PM_2.5、PM₁₀）、二氧化氮（nitrogen dioxide, NO₂）、一氧化碳（carbon monoxide, CO）、臭氧（ozone, O₃）及气温极端值——亦可通过氧化应激、全身炎症及内皮功能障碍急性诱发心血管事件。台湾气候与地理梯度大，既往研究多为单一城市或短时段，区域差异、人口异质性及全岛逐日可预测性不明。本研究整合台湾2000–2022年全民健康保险研究数据库（National Health Insurance Research Database, NHIRD）逐日CVD急诊资料与气象—空气质量监测网日值，采用机器学习量化并预测逐日CVD急诊与环境变异的关系，识别高危环境状态及关键驱动因子，为地区特异性早期预警提供依据。

二、主要技术方法概述

研究人员将台湾划分为北（TNKY：台北、新北、基隆、宜兰）、西北（THM：桃园、新竹、苗栗）、中（TCN：台中、彰化、南投）、南（YCTKP：云云林、嘉义、台南、高雄、屏东）、东（HT：花莲、台东）五区。气象变量取自中央气象署（Central Weather Administration, CWA），含地表气压（surface pressure, PS）、风速（wind speed, WS）、降水量（precipitation, PP）、相对湿度（relative humidity, RH）、体感温度（feel-like temperature, FLT）及气温（temperature, Temp）；空气质量变量取自环保署监测网，含PM_2.5、PM₁₀、O₃、二氧化硫（sulfur dioxide, SO₂）、CO、一氧化氮（nitric oxide, NO）、NO₂及氮氧化物（nitrogen oxides, NO_x）。原始小时值经质控、站点平均后聚合为日区域值，并衍生日均值、极值、日较差、与前一日差值、昼夜不对称特征及除湿负荷（DeHumidify_Load），共184个环境特征。CVD急诊按ICD?9代码410–414、430–438、401–405、428、440–448界定，按区域×性别（男/女）×年龄组（30–49岁、50–64岁、≥65岁）聚合为日急诊率（CVD急诊量/当日全病因急诊总量）。无监督部分：UMAP降维可视化→K?means（k=2）按环境特征聚类→比较簇内CVD急诊率高于组内均值的"高危日"占比（χ²检验），分别用全特征、仅污染特征、仅气象特征重复。监督部分：以日CVD急诊率为因变量、184环境特征为自变量，按8︰2随机拆分训练—测试集，拟合Ridge、LASSO、支持向量回归（Support Vector Regression, SVR）、k?近邻（k?Nearest Neighbors, KNN）、多层感知机（Multilayer Perceptron, MLP）、随机森林（Random Forest, RF）、LightGBM、XGBoost共8种算法；评估指标为决定系数（coefficient of determination, R²）与平均绝对百分比误差（Mean Absolute Percentage Error, MAPE）；对最优树基模型做SHAP（Shapley Additive exPlanations）值分析解释特征重要性及影响方向。

三、研究结果

3.1 Environmental Factor Analysis Across Taiwan Using Unsupervised Learning Methods（全台无监督环境因子分析）

UMAP将高维环境特征投影至二维空间，呈现明显季节分层（夏居上、冬居下），≥65岁人群高CVD急诊率在UMAP左下角形成可视簇。K?means（k=2）得Cluster 0（C0，偏低温、高污染）与Cluster 1（C1，偏暖、低污染）。C0中高危CVD日占比显著高于C1（全体：63.4% vs 50.0%，χ²=128.1；≥65岁：74.2% vs 40.9%，χ²=797.3；50–64岁：62.3% vs 41.2%，χ²=319.0；30–49岁：51.7% vs 46.7%，χ²=17.9，均p<0.01）。仅用空气污染特征聚类时C0与C1高危日比例差异（≥65岁 χ²=910.3）大于仅用气象特征（≥65岁 χ²=179.6），说明空气污染因子比气象因子更能区分CVD高危日。女性尤其是≥65岁女性环境关联略强于同龄男性（女性≥65岁 χ²=727.4 vs 男性≥65岁 χ²=581.3）。C0气温介于冬夏间但污染物（PM_2.5、PM₁₀、NO_x、NO₂、CO、SO₂）浓度均高于冬夏两季，且≥65岁及50–64岁CVD急诊率高于单纯冬季——表明偏凉+高污染复合状态最危险，且污染贡献突出。

3.2 Regional Environmental Factor Analysis Using Unsupervised Learning Methods（分区域无监督环境因子分析）

五区UMAP均显示季节组织性，北区（TNKY）≥65岁CVD风险与环境状态关联最清晰。TNKY之C0高危日占比：全体57.2% vs 50.4%（χ²=27.0），≥65岁62.8% vs 42.1%（χ²=248.9），50–64岁51.6% vs 40.6%（χ²=72.3），30–49岁48.3% vs 44.3%（χ²=9.7）。其他区域（THM、YCTKP、TCN、HT）仅部分年龄组合显著，东部（HT）因人口少未达显著。北区预测关联最强，与其人口密度大、监测完备、交通源污染主导有关。

3.3 Prediction Performance Across Supervised Learning Models（监督模型预测性能）

树基集成模型（RF、LightGBM、XGBoost）R²最高达0.65–0.67、MAPE 7%–11%；全国≥65岁组R²≈0.67，北区≥65岁组R²≈0.60–0.63。非树基模型中Ridge最佳（北区≥65岁 R²≈0.55），余者R²<0.60、MAPE偏高（8%–15%）。预测力排序：≥65岁＞50–64岁＞30–49岁；同年龄组女性略高于男性；北区＞其他区。树基模型兼顾非线性交互与稳健性，被选作SHAP解释对象。

3.4 Interpretability via SHAP（SHAP可解释性分析）

三种树基模型SHAP值一致显示NO_{x_avg}（日均氮氧化物浓度）具最强正向预测贡献，其次为风速（WS_avg）、NO_avg、CO_diff（CO日均值差）、SO_{2_min}、O_{3_min}等——反映气体污染物与大气扩散条件共同塑造短时CVD风险。NO_x作为城市交通源排放示踪物，空间异质性强、与急性血管内皮损伤关联密切，是台湾都会区CVD急诊的关键环境驱动因子。

四、讨论与结论翻译（Conclusions节录翻译）

研究人员利用台湾23年全国数据证明，高维气象—空气质量特征可被组织为区别于传统季节分类的特有环境状态（environmental regimes），且该状态对应老年人CVD急诊率升高。无监督学习显示特定环境簇（Cluster 0：相对偏凉伴高污染，尤指NO_x升高）持续含更高比例高危CVD日，≥65岁人群最显著，女性稍强于男性；空气污染变量单独聚类时高低危日差异大于仅气象变量，表明污染变异在急性CVD触发中作用更突出。区域分析显示此模式于台湾北部（TNKY）最强。监督学习证实树基集成模型（Random Forest、LightGBM、XGBoost）可预测每日CVD急诊量（全国老年组R²≈0.65–0.67，MAPE≈7%–8%；北区老年组R²≈0.60–0.63），SHAP分析一致指出NO_x相关指标及气态污染物、风场变量为核心预测因子——凸显排放强度与大气扩散的共同作用。综合而言，环境监测整合机器学习可识别脆弱人群、高危环境状态及主导暴露驱动因子，支撑以NO_x监测为重点的针对性早期预警与公共卫生干预。