目的：针对城市层面的呼吸道健康风险评估与预警工具仍较为缺乏，现有方法未能纳入易感人群及本地城区的暴露-反应关系。本研究提出城市尺度大气环境健康风险预警指数（WHAair），该指数基于五种空气污染物与普通及易感人群每日住院人数之间的城市特异性暴露-反应关系构建。方法：依托北京市超过1290万例住院及约7000万例门诊数据，我们通过分析WHAair五级分类与病因特异性门诊（尤其是呼吸系统疾病）之间的关联，对该指数进行了开发与验证。进一步将WHAair与环境温度、相对湿度及前一日呼吸科门诊量共同纳入长短期记忆网络（LSTM）模型，用于预测对空气污染敏感的呼吸系统疾病门诊量。利用天津市、重庆市数据开展外部验证以评估模型稳健性。结果：WHAair各分级对呼吸科门诊量均具有良好预测能力，较高级别与风险显著升高相关。将WHAair纳入LSTM模型后，均方根误差降低44.1%，R²提升2.7%，完整模型的R²达到0.971。WHAair在天津数据集中表现出相同的准确性与稳定性。结论：WHAair能有效预测呼吸系统疾病的波动并捕捉门诊量的高峰，为空气污染敏感性疾病的早期预警提供了有力工具。

大气复合暴露；疾病风险预测；机器学习