一篇新发表在arXiv上的研究论文详细介绍了对斯里兰卡呼吸系统疾病驱动因素的区域分析，将环境数据与健康入院率相结合。研究人员开发了两个XGBoost模型来预测呼吸速率和PM2.5浓度，取得了高精度。该分析使用SHAP值，确定空气质量是呼吸系统疾病差异的主要驱动因素，其次是森林退化和火灾活动，从而创建了一个森林-空气-健康（FAH）风险指数。 AI
影响 为斯里兰卡的公共卫生和环境政策提供了一个数据驱动的框架，展示了AI在环境健康研究中的效用。
排序理由 该集群包含一篇发表在arXiv上的研究论文，详细介绍了使用机器学习模型进行的创新分析。[lever_c_demoted from research: ic=1 ai=1.0]
- Colombo
- Forest-Air-Health (FAH) Risk Index
- Gampaha
- Kalutara
- nitrogen dioxide
- PM2.5
- Shapley Additive Explanations
- Sri Lanka
- sulfur dioxide
- XGBoost
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
