环境流行病是建立大气环境因素与人群健康关联的主要手段。当前大多数研究是单一环境压力的效应评估，与多因素同时暴露的真实情景存在一定差异，传统方法在揭示暴露反应关系的非线性、模型鲁棒性等方面存在局限。本研究构建大气环境多因素同时暴露的健康风险评估新方法，围绕南京市人群呼吸、循环系统等疾病开展实证分析。首先构建深度学习模型，同步输入空气质量、气象要素及门诊量，开展多因素同时暴露的患病风险预测；其次构建SHAP方法，定量评估指定暴露量下的超额风险，识别风险驱动因子，揭示它们的交互作用。研究结果为我国应对空气污染、气候变化的健康风险提供可靠的科学依据。研究方法未来可以拓展到全国范围、八大系统疾病的相关研究。

环境流行病；深度学习；模型可解释性