核心要点
- 研究人员利用机器学习模型对美国50个州和华盛顿特区按社会经济对流感样疾病的脆弱性进行排名，发现风险存在显著区域差异。
- 华盛顿特区位居榜首，随后是马萨诸塞州、夏威夷州、新墨西哥州和罗德岛州：这些州因不同的社会经济和人口统计学原因达到最高脆弱性层级。
- 移民模式是脆弱性的最强预测指标，而拥有更多未参保居民的州反而报告了较低的流感率，这可能是因为未参保者避免检测和正式诊断。
- 研究人员表示，该框架可帮助在流感季节开始前将疫苗和公共卫生资源定向分配给最脆弱的社区。
研究人员已使用机器学习对美国每个州的社会经济流感样疾病脆弱性进行评分，结果与大多数人的预期大相径庭。华盛顿特区被列为全国风险最高的地区。马萨诸塞州和夏威夷州紧随其后。与此同时，常与贫困和有限医疗保健相关的州，如密西西比州和怀俄明州，却属于脆弱性最低的州。
圣路易斯华盛顿大学的一个团队通过将39个社会和经济数据点输入机器学习模型构建了该地图，让算法确定哪些因素与州级流感率最密切相关。研究称，流感每年给美国造成约112亿美元的医疗费用和生产力损失，而这一负担在各州之间并不均等。
AI流感地图的构建方法
公共卫生官员长期以来一直依赖美国疾病控制与预防中心的一个工具，即社会脆弱性指数，该指数最初用于评估洪水和飓风的灾害准备情况。华盛顿大学的研究人员表示，该指数专为灾害设计，可能会忽略对传染病特别重要的因素，因为大流行病和飓风影响社区的机制完全不同。
他们的替代方案从美国人口普查数据和疾病控制与预防中心流感监测记录中提取了39个指标，涵盖从收入和住房到种族、就业和医疗保健获取的各个方面。一种称为随机森林模型的机器学习方法运行数百次模拟并权衡其综合结果，对州级流感率预测最强的因素进行排序。在移除相互重叠过多的指标后，模型确定了22个变量。它使用了2022年峰值周流感感染数据，并根据州人口规模进行调整，以便在所有50个州和华盛顿特区之间进行公平比较。结果发表在《PLOS计算生物学》期刊上。
为何华盛顿特区位居榜首及其合理性
华盛顿特区在流感脆弱性排名中位居榜首似乎有违直觉。它拥有资金充足的医院、稳定的疫苗接种率以及许多农村州无法比拟的医疗保健获取渠道。但该模型识别出一组不同的问题：极高的人口密度、将人们聚集在一起的漫长日常通勤，以及大量没有健康保险的外国出生居民。无论最近的医院有多好，这些条件都会造成严重的传播风险。
总计，11个州和华盛顿特区落在最高脆弱性层级。除华盛顿特区外，该群体还包括马萨诸塞州、夏威夷州、新墨西哥州、罗德岛州、康涅狄格州、马里兰州、俄勒冈州、华盛顿州、密歇根州和亚利桑那州。每个州都因不同原因达到这一层级。新墨西哥州的得分受老龄化人口、大量西班牙裔和美国原住民居民、高贫困率以及计算机和数字健康信息获取有限的驱动。马萨诸塞州尽管拥有强大的医疗保健系统，但主要因人口密集和高移民率而得分较高。研究人员指出，密歇根州面临双重问题：密集城市中心快速传播的疫情，以及拥有年长、医疗资源不足人口的农村社区。
关于未参保者的意外发现
一个较为意外的模式涉及健康保险。拥有更高未参保居民比例的州实际上报告了较低的流感样疾病率，这与大多数健康公平数据所暗示的相反。
研究人员建议，这一模式可能反映了检测和诊断行为。没有保险，人们往往跳过医生就诊并避免正式诊断，意味着他们的疾病从未被计入。慢性疾病如哮喘和糖尿病也出现了类似模式。研究人员提出，患有这些疾病的人可能有更高的健康意识，从而采取更多预防行为，这可能使其报告的感染率低于一般人群。
这两种模式都指向同一个根本问题：官方流感监测可能低估了高未参保人口州的真实负担，这扭曲了这些州在任何脆弱性评估中的表现。
什么驱动州级得分
移民模式在模型中权重最大。拥有更大比例近期抵达国际居民的州始终评分更脆弱，这与先前将移民身份与医疗保健获取障碍联系起来的研究一致。女性居民比例也与脆弱性得分强相关，65岁以上居民比例同样如此。成人疫苗接种率也是最强预测指标之一。
脆弱性较低的州往往拥有更高的保险覆盖率、较低的近期国际移民水平和较低的人口密度。怀俄明州和密西西比州落入最低脆弱性层级，而德克萨斯州、俄克拉荷马州和佐治亚州则处于中低范围。即便如此，研究人员指出，德克萨斯州、俄克拉荷马州、密西西比州、佐治亚州和怀俄明州都拥有高比例的未参保非公民，这是一个区域风险点，州级评分不会立即显现。
研究人员表示，此类脆弱性地图可帮助指导更有针对性的公共卫生规划，在流感季节开始前将疫苗、远程医疗资源和外展项目定向分配给最需要的社区，而非在损害已经造成后才采取行动。
【全文结束】
