[论文解读] The Effects of Air Quality on the Spread of the COVID-19 Pandemic in Italy: An Artificial Intelligence Approach

Andrea Loreggia, Anna Passarelli+1 more|arXiv (Cornell University)|Apr 9, 2021

COVID-19 diagnosis using AIMedicine被引用 1

一句话总结

本研究利用机器学习模型对环境数据进行训练，调查了意大利空气质量对新冠肺炎传播的影响。研究发现，温度和臭氧与新增病例呈负相关，而PM10和NO2则呈正相关，且预测模型在预测每日感染人数方面表现出较高的准确性。

ABSTRACT

The COVID-19 pandemic considerably affects public health systems around the world. The lack of knowledge about the virus, the extension of this phenomenon, and the speed of the evolution of the infection are all factors that highlight the necessity of employing new approaches to study these events. Artificial intelligence techniques may be useful in analyzing data related to areas affected by the virus. The aim of this work is to investigate any possible relationships between air quality and confirmed cases of COVID-19 in Italian districts. Specifically, we report an analysis of the correlation between daily COVID-19 cases and environmental factors, such as temperature, relative humidity, and atmospheric pollutants. Our analysis confirms a significant association of some environmental parameters with the spread of the virus. This suggests that machine learning models trained on the environmental parameters to predict the number of future infected cases may be accurate. Predictive models may be useful for helping institutions in making decisions for protecting the population and contrasting the pandemic.

研究动机与目标

• 调查意大利各行政区空气质量参数与每日新冠肺炎传播之间的关系。
• 评估机器学习模型是否能利用环境数据准确预测未来每日新增病例。
• 评估不同监督学习模型在仅使用环境输入数据的情况下预测疫情发展趋势的性能。
• 为公共卫生机构提供基于数据的决策支持工具，以应对疫情期间的挑战。

提出的方法

• 对每日确诊的新冠肺炎病例与环境因素（温度、相对湿度、PM10、NO2和臭氧）进行交叉相关性分析。
• 从开源和官方来源收集并预处理选定意大利行政区的每日感染和空气质量数据。
• 训练并比较三种监督学习模型：线性回归、随机森林和XGBoost，用于预测每日新增病例。
• 使用2020年3月至10月的时间序列数据，重点关注区域差异，特别是米兰地区。
• 使用决定系数（R-squared）和平均绝对误差等指标评估模型性能。
• 应用特征重要性分析，识别最具影响力的环境预测变量。

实验结果

研究问题

• RQ1 意大利空气质量参数与每日确诊新冠肺炎病例数之间是否存在统计显著相关性？
• RQ2 基于环境数据训练的机器学习模型能否准确预测未来的每日病例数？
• RQ3 在温度、湿度、PM10、NO2和臭氧中，哪种环境因素与感染率具有最强的预测关系？
• RQ4 在仅使用环境输入数据的情况下，不同机器学习模型在预测疫情演变方面表现如何比较？

主要发现

• 温度和臭氧水平与每日确诊病例数呈显著负相关，表明数值越高，感染病例越少。
• 颗粒物（PM10）和二氧化氮（NO2）与新增病例呈正相关，表明污染水平越高，传播可能越严重。
• 随机森林模型在三种测试模型中预测准确度最高，在米兰地区R-squared值超过0.85。
• XGBoost模型在R-squared和平均绝对误差两项指标上均优于线性回归，表明非线性建模具有显著价值。
• 模型在不同意大利行政区中表现出一致的性能，表明其具有区域适应潜力。
• 本研究识别出可能存在诊断延迟期，即环境因素可能在数天后才影响病例趋势。