健康风险评估与预测的主要目的是发掘潜在危险因素,对人群和个体可能存在的风险进行评估与预测,不仅可以对高风险群体进行提前干预,还能完善和改进医疗过程,具有重大的现实意义。围绕人群及个体健康风险,本文开展了以下四个方面的研究:(1)研究了环境因素对呼吸系统、循环系统以及消化系统疾病每日住院人数的影响。构建了广义相加模型,采用平滑函数控制季节趋势以及气象因素造成的混杂效应,探究空气污染物与住院风险之间的关联关系。同时进行了人群分层研究以及模型敏感性分析。实验结果表明:呼吸和循环系统疾病属于污染物敏感疾病,老年人(≥65岁)是高风险人群。(2)研究了环境因素相关的住院量预测方法,提出了一种基于非参数回归和残差拟合的混合时间序列模型HTSM,通过非参数GAM对住院量进行初步预测,进一步采用LSTM拟合残差提升模型的预测精度。在每日住院量以及每周累计住院量数据集上进行测试,结果表明HTSM可以对污染物敏感疾病进行有效预报。(3)研究了个体非计划再入院风险预测方法,提出了一种改进的代价敏感集成学习模型。在AdaBoost算法基础上引入代价敏感因子,增强模型对少数类样本的学习,采用动态代价搜索策略提升模型整体分类精度,利用改进后的模型筛选重要特征并进行危险因素回归分析。实验结果表明,改进后的模型能够有效地预测实际医疗场景中的非计划再入院数据,预测精度有明显提升。(4)构建了健康风险评估与预测系统,集成了原始数据、统计模型和机器学习算法,可以对污染物敏感疾病和敏感人群以及高风险再入院患者进行提前干预,为群体和个体健康风险的评估与预测提供了有效工具。