目的探讨温度变化和空气质量对呼吸道感染的影响，为预防呼吸道感染提供帮助。方法获取2021年1月1日至2023年2月28日于该院门诊因呼吸道感染就诊的160 521例患者的就诊信息以及同期该地区温度、4类大气污染物浓度数据，按照就诊日期将2021年1月至2022年12月每日发生病例数及温度、4类大气污染物浓度数据作为训练集，将2023年1-2月的相关数据作为测试集。利用Lasso回归在训练集中选择影响呼吸道感染发生的因子，建立预测模型，并对2023年1-2月（59 d）的感染人数进行预测，与测试集中实际发生呼吸道感染的人数进行比较。结果基于Lasso回归，影响该地区呼吸道感染发生的主要因素有6个：当日PM2.5浓度（X1）、前3 d PM2.5浓度（X2）、当日二氧化硫（SO2）浓度（X7）、当日气温（X9）、当日温差（X11）和前3 d 温差（X12），预测模型为Y=250.64+2.90X1+0.90X2+0.75X7-4.84X9+4.09X11+1.29X12。预测值与实际值平均绝对百分数误差为0.21，模型预测精度较高，前10 d（2023年1月1-10日）平均绝对百分数误差为0.07，短期预测精度较高。结论低温对呼吸道感染影响最大，PM2.5浓度和温差对呼吸道感染存在滞后效应；该预测模型更适用于短期预测。