摘要
癌症发病率在不同地区之间存在显著的空间差异，这些差异与环境、行为、建成环境、医疗资源可及性及社会经济条件等因素相关，但这些县级关联的地理变异程度及其在不同空间尺度上的表现仍有待深入理解。本研究评估了一种可解释的空间流行病学工作流程，该流程整合了随机森林（RF）、SHAP（SHapley Additive exPlanations）、置换重要性、普通最小二乘法（OLS）、地理加权回归（GWR）以及多尺度地理加权回归（MGWR），用于考察美国德克萨斯州全瘤位癌症（作为综合基准）、结直肠癌、女性乳腺癌及皮肤黑色素瘤的县级发病率。所有结局指标均从包含44个预测变量的公共泄漏安全池中筛选。RF-SHAP/置换筛选仅在空间隔离的发现县中进行，随后保留的预测变量在独立的验证县中使用OLS、GWR和MGWR进行评估。筛选程序在各结局指标中保留了19–23个预测变量，将模型维度降低了约48%–57%。尽管筛选显著降低了AICc值，但样本内表现同样下降，表明筛选带来了更好的简约性和复杂度调整后的拟合，而非提升了解释性能；相同规模的随机、基于相关性及LASSO基准比较进一步表明，RF筛选的优势取决于具体结局和模型类型。在独立的验证分析中，全瘤位癌症以AICc指标偏好GWR（AICc = 442.79），而结直肠癌（356.48）、女性乳腺癌（367.50）和皮肤黑色素瘤（234.56）则偏好OLS；MGWR在任一结局指标上均未成为AICc偏好模型。然而，在估计可行的情况下，MGWR通过区分接近全局空间带宽与更局部空间带宽的特征化拟合关联，提供了互补的多尺度信息。五重嵌套空间块交叉验证结果显示，RF在地理预测性能上表现更优，全瘤位、结直肠癌、乳腺癌和皮肤黑色素瘤的合并值分别为0.422、0.235、0.442和0.341，而GWR在四个结局指标上的留出值均为负值。这些发现支持将可解释机器学习筛选主要视为一种透明的降维策略，并展示了空间建模的互补作用：AICc评估额外空间复杂度的合理性，MGWR在可行时刻画各预测变量的空间尺度，空间块验证评估地理预测泛化能力。本文所述的关联及空间尺度应解读为生态学层面的描述性结果，而非因果关系。
