目前,我国几乎所有与大气污染相关的指标排放均排世界前列。大部分地区雾霾天气频繁,空气质量不容乐观。空气暴露污染可导致过敏性疾病发病率升高,其中过敏性鼻炎作为常见的非感染性炎症疾病,全球约有10%～20%的人口患有。且一旦患病,尚无法根治,对人群的身心健康造成极大的困扰。本文从两个方面对空气污染对过敏性鼻炎的影响进行了研究。首先,基于广义相加模型对空气污染物(PM2.5、PM10、O3、SO2、NO2、CO)及气象因素（温度与相对湿度）对过敏性鼻炎发病的影响进行深入分析。对数据预处理后进行描述性统计,研究了空气污染物与过敏性鼻炎的暴露剂量反应关系。纳入空气污染物变量建立单污染物模型,评估空气污染物在不同的滞后天数中对过敏性鼻炎门诊人数的影响。之后在单污染物模型的基础上,引入其他空气污染物建立双污染物模型,以分析两种污染物对过敏性鼻炎发病产生的共同影响。最后,使用反应平面图法讨论气象因素与空气污染物对过敏性鼻炎发病的交互作用。其次,基于机器学习模型对过敏性鼻炎患者的再入院情况进行预测。将数据进行预处理与特征选择后,基于Logistic回归、支持向量机、Ada Boost和随机森林四种分类算法建立风险预测模型。在对模型参数进行优化后对四种模型预测得到的结果进行比较,可以看出随机森林模型的预测效果最优,而传统的Logistic回归模型效果欠佳。本文旨在全面分析重庆市空气污染与气象因素对人群过敏性鼻炎发病的影响,并对过敏性鼻炎患者的再入院风险进行预测。以期降低人群关于过敏性鼻炎引起的疾病负担,为制定更加全面的预防建议和控制政策提供科学依据,进一步保障环境安全和公民健康。