本研究提出了一种模块化的深度学习方法来处理电子健康记录（EHR）中的缺失数据。通过独立评估数据填补器和分类器的质量，结果表明优化的填补器与简单分类器的组合能够有效提高缺失数据处理的效率和分类任务的准确性。

该文综述机器学习、物联网与Transformer模型在城市空气污染监测和预测中的应用，涵盖巴黎污染地图重建、布宜诺斯艾利斯非法垃圾倾倒识别、成都渣土车活动预测、伊比利亚半岛污染物浓度预测及英国高分辨率污染数据集构建，并讨论数据填补、模型评估与监测站布局等挑战。