层次聚类用于解析人群对哮喘的脆弱性

《Environmental Advances》:Hierarchical clustering for disentangling population vulnerability to asthma

【字体: 大 中 小 】 时间:2026年07月25日 来源:Environmental Advances CS7.3

编辑推荐:

  哮喘受空气污染和天气条件影响,然而由于人群脆弱性的异质性——此处定义为由社会经济、人口和景观条件所表征的背景——社区对上述暴露的哮喘相关反应可能存在差异。研究人员提出了一种聚类框架,用于在暴露-哮喘建模之前表征区域层面的人群脆弱性。利用宾夕法尼亚州(2011-

  
哮喘受空气污染和天气条件影响,然而由于人群脆弱性的异质性——此处定义为由社会经济、人口和景观条件所表征的背景——社区对上述暴露的哮喘相关反应可能存在差异。研究人员提出了一种聚类框架,用于在暴露-哮喘建模之前表征区域层面的人群脆弱性。利用宾夕法尼亚州(2011-2019年)的全州纵向数据,将社会经济、人口和景观因素在区域层面汇总,并通过层次聚类算法(Hierarchical Clustering)进行聚类,以定义不同的人群类型。该算法结合了基于欧氏距离(Euclidean Distance)和沃德连接(Ward Linkage)的结果信息特征加权与凝聚层次聚类(Agglomerative Hierarchical Clustering)。随后,这些群体被纳入年龄调整哮喘住院率与污染物和天气条件关系的分层建模中。与全州合并模型相比,分组方法改善了暴露-哮喘表征和预测性能,R2绝对整体提高了0.064。研究识别出五个连贯的人群类型,涵盖高地-高原、低地-河谷、富裕郊区、城郊和城市核心区,反映了多维脆弱性概况。这些发现表明,人群聚类提供了一种基于脆弱性分层的原则性方法,支持对哮喘负担进行更差异化的评估。所提出的方法可能可推广到更广泛的地理区域和相关的呼吸健康应用。
哮喘是一种全球普遍存在的慢性呼吸系统疾病,其急性加重受空气污染物(如PM2.5、SO2、NO2)和天气条件(如温度、湿度)影响。然而,由于人群脆弱性(定义为社会经济、人口和景观条件构成的区域层面结构性背景)的异质性,不同社区对上述暴露的哮喘反应可能存在差异。现有研究多聚焦于单一维度(如城乡分类、收入水平或海拔),缺乏对多维结构因素的综合整合,且基于复合指数(如区域剥夺指数ADI、邻里环境脆弱性指数NEVI)的方法虽能排序,但难以区分整体脆弱性相似但结构组成不同的社区。针对这一问题,研究人员提出了一种基于层次聚类的框架,旨在通过数据驱动的方式识别结构上一致的人群类型,并评估脆弱性分层是否改善暴露-哮喘住院关系的建模。该研究利用宾夕法尼亚州2011-2019年的全州数据,通过聚类将人群分为五个类型,随后比较分组模型与全州合并模型的预测性能。论文发表在《Environmental Advances》。

研究人员开展了以下关键研究:利用美国社区调查(ACS)获取社会经济人口数据,数字高程模型(DEM)获取地形数据,MODIS获取归一化植被指数(NDVI)作为绿化指标,宾夕法尼亚州卫生费用控制委员会(PHC4)的住院记录作为健康结局(年龄调整哮喘住院率)。通过因子分析将ACS变量降维为收入组(低、中、高)和年龄组(0-14岁、65岁以上),结合人口密度、平均海拔、海拔标准差和NDVI共9个结构变量。采用层次聚类算法(沃德连接,欧氏距离),并基于结果信息特征加权(通过独立子集计算各变量与哮喘住院率的皮尔逊相关系数作为权重)。下游建模使用随机森林回归器,比较全州合并模型与分组模型在100次随机分割下的预测性能(R2和均方根误差RMSE)。样本队列来源为宾夕法尼亚州全州区域(745个区域,由ZCTA聚合而成)。

**3.1 聚类数量的选择**:通过轮廓系数(Silhouette Score)和解释方差分析,发现k=5时平衡了簇分离度(轮廓系数0.224)、解释方差(0.589)和解释力。k=5相比k=4的解释方差增量(0.076)显著,而k=6增量骤降至0.025,且仅细分出一个小型子集,因此选择5个聚类。

**3.2 聚类方案**:将745个区域分为五组:高地-高原(298个区域,覆盖阿巴拉契亚高原)、低地-河谷(191个区域,分布于皮埃蒙特和大匹兹堡低地)、富裕郊区(120个区域,集中于费城和匹兹堡郊区)、城郊(93个区域,位于大城市外围和小城市城区)、城市核心(43个区域,集中在费城和匹兹堡市中心)。

**3.3 结构特征概况**:各组在收入构成上差异显著——富裕郊区高收入比例最高(中位数0.455),城市核心低收入比例最高(0.609)。人口密度提供最强区分:城市核心中位数6048.720人/平方公里,城郊1545.924,其他组均低于680。景观特征方面,高地-高原平均海拔最高(399.038米),NDVI随城市化梯度降低(从0.611降至0.292)。年龄特征(0-14岁和65岁以上)重叠较多。

**3.4 聚类描述**:各组代表不同结构背景:高地-高原反映农村高地环境,低地-河谷为低密度非城市环境,富裕郊区为资源优势郊区,城郊为过渡城市环境,城市核心为密集城市核心环境。

**3.5 下游验证**:3.5.1 结果特征显示城市核心哮喘住院率最高(均值493/10万),富裕郊区最低(165/10万),整体分布呈右偏。3.5.2 预测性能比较:分组模型整体R2从0.437提升至0.501(ΔR2=0.064),RMSE从101.59降至97.19。各组表现不同:富裕郊区改善最大(ΔR2=1.436),低地-河谷(ΔR2=0.257)和城郊(ΔR2=0.086)也有提升,城市核心R2增加但RMSE略增,高地-高原变化最小(ΔR2=-0.001)。这反映了分组模型能更好地捕捉不同人群类型的暴露-哮喘预测模式。

讨论部分指出,分组模型相比全州合并模型的系统性改进表明人群脆弱性异质性在暴露-哮喘关系中起重要作用。各组差异可能源于不同的基线健康状态、社会经济条件及就医环境。例如,富裕郊区在合并模型中预测效果极差,分组后校正了偏差;低地-河谷和城郊组在合并模型中暴露变量解释力弱,分组后增强。城市核心组因高异质性和极端值导致结果不稳定。研究存在局限性:区域层面分析可能掩盖个体差异;未测量的混杂因素(如医疗可及性、吸烟率、室内暴露)可能影响结果;聚类方法选择(如k=5的确定)具有一定主观性。未来研究可比较其他权重策略、外部脆弱性指数,并扩展到其他地区和相关呼吸系统疾病。

结论部分翻译:本研究提出了一种数据驱动框架,通过人群聚类和分组暴露-结局建模来评估哮喘负担。利用聚类定义人群分层,并将下游模型性能作为评估组件,该框架评估了分组模型是否更好地捕捉了所识别人群类型内的预测结构。应用于宾夕法尼亚州全州数据(2011-2019年),分层建模方法相比全州合并模型改善了预测性能,这一发现与人群脆弱性背景存在异质性一致。该框架可能适用于更广泛的多州环境和相关呼吸系统疾病,但此类应用需要重新校准和外部验证。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号