SARIMA模型参数设置探讨

目的 比较不同参数设置的SARIMA模型拟合及预测效果,为提高SARIMA模型精度提供参考。 方法 利用全国2009年1月—2015年6月手足口病逐月发病率数据,按照传统图示法确定参数p,q值,建立SARIMA模型,记为模型1。再将参数p,q值±1,构建多个备选模型,筛选最优模型,记为模型2。利用模型1和模型2预测2015年7—10月手足口病发病率并与实际值比较,采用平均绝对误差百分比(mean absolute percentage error,MAPE)、平均误差率(mean error rate,MER)、均方误差(mean square error,MSE)和平均绝对误差(mean absolute error,MAE)评价模型拟合及预测效果。 结果 模型1为SARIMA(1,0,0)(1,1,0)₁₂;模型2有2个,包括SARIMA(1,0,1)(1,1,0)₁₂和SARIMA(1,0,1)(0,1,1)₁₂。SARIMA(1,0,0)(1,1,0)₁₂、SARIMA(1,0,1)(1,1,0)₁₂和SARIMA(1,0,1)(0,1,1)₁₂拟合的MAPE依次分别为22.891%、20.015%、19.985%。SARIMA(1,0,0)(1,1,0)₁₂、SARIMA(1,0,1)(1,1,0)₁₂和SARIMA(1,0,1)(0,1,1)₁₂预测的MAPE、MER、MSE和MAE依次分别为9.119%、8.988%、1.874%和1.107%;11.000%、10.909%、2.552%和1.344%;8.711%、8.477%、1.857%和1.044%。 结论 SARIMA(1,0,1)(0,1,1)₁₂为最优模型,拟合及预测效果优于图示法建立的SARIMA(1,0,0)(1,1,0)₁₂模型。在SARIMA建模过程中应在图示法基础上采用凑试法,筛选最优参数,提高模型精度。     

2004～2008年荆州市传染病暴发疫情流行病学分析

[目的]探讨2004～2008年荆州市传染病暴发疫情的流行特征。[方法]对5年报告的暴发疫情进行回顾性分析。[结果]2004～2008年共报告暴发疫情111起,合计病种为14种,病例数为3329例,无死亡病例发生。暴发疫情以呼吸道传染病为主,占79.28%,主要病种为流感、水痘、流行性腮腺炎、风疹和麻疹;学校发生暴发疫情占85.59%;3～6月份暴发疫情占60.36%;单起疫情病例数最多的是风疹暴发疫情,病例数为177例,疫情发生在3所学校。[结论]荆州市暴发疫情控制工作的重点应放在3～6月份学校呼吸道传染病预防控制工作中。     

荆州市X射线诊断医疗照射调查分析

为了摸清湖北省荆州市所有从事X射线诊断单位的现有设备及其应用频率和从事放射工作的人员基本状况,了解其发展趋势,以便更有效地利用医疗卫生资源,促进医疗照射的合理应用和防护最优化,根据卫生部卫法监卫发〔1998〕第4号文件精神,于1998年12月～1999年4月进行了调查。现将调查结果报道如下。1　资料与方法1.1　对全市所有从事X射线的单位进行调查,调查内容为全国统一调查方案所列的医院情况与放射学有关的科室及放射工作人员、科室正常运转的现有设备、各科放射学工作量等。1.2　调查方法　按全国“九五”期间医疗照射调查方案,在统一质…     

传染病暴发疫情中传播动力学参数计算及疫情规模预测实现——基于R

  目的  以美国新型冠状病毒肺炎（COVID-19）数据为例，利用R软件演示暴发疫情处置中代间隔（SI）、基本再生数（R₀）、有效再生数（Re）、倍增时间和疫情规模的计算，为今后暴发疫情处置提供参考。  方法  收集美国2020年2月27日至2020年11月30日COVID-19逐日发病数据、国内2起疫情170对感染者与被感染者的代间隔（SI）数据。采用“fitdistrplus”包自助法对SI数据拟合“gamma”分布，得到SI均数和标准差。 采用指数增长（EG）、极大似然法（ML）、序贯贝叶斯估计（SB）、时间相关再生数（TD）4种方法，利用获取的SI计算R₀，选择拟合效果最好的作为R₀估计值，评价指标选择R2。 倍增时间基于EG的指数增长率进行换算。 利用“EpiEstim”包计算Re；利用SEIARD模型估计不采取任何干预措施美国未来的病例数，用“deSolve”、“FME”包。  结果  170对感染者与被感染者数据拟合得到SI=4.78（95%CI:4.27～5.31），标准差sd=3.56。 EG、ML、SB、TD拟合R₀依次为2.31（95%CI:2.30～2.31）、1.96（95%CI:1.95～1.97）、3.01（95%CI:2.53～3.55）、3.07（95%CI:2.20～4.22），R2依次为0.95、0.73、0.99、0.96。 倍增时间为3.75 d（3.74～3.77 d）。 利用SEIARD估计理想状态下美国将于2020年5月30日全民感染，至2021年6月7日所有感染者清零，累计死亡5502466人。  结论  利用R软件能对R₀等传播动力学参数、疫情规模快速计算，在暴发处置中值得学习使用。 动力学参数、疫情规模快速计算，在暴发处置中值得学习使用。     

GM(1,1)模型、ARIMA模型及其组合模型在病毒性甲型肝炎发病数中的预测效果比较

目的 探讨GM(1,1)模型、单纯自回归滑动平均(autoregressive integrated moving average,ARIMA)模型及其组成的2种组合模型在甲肝发病数预测中的应用。方法 利用某省2009年1月-2013年12月的甲肝逐月发病数作为拟合数据,以2014年1-12月的逐月发病数作为预测数据;分别建立GM(1,1)模型、ARIMA模型、GM(1,1)-ARIMA组合模型、变权组合模型,然后根据4个模型的平均绝对百分比误差(mean absolute percentage error,MAPE)、平均误差率(Mean Error Rate,MER) 、均方误差(mean square error,MSE)和平均绝对误差(mean absolute error,MAE)评价模型的效果。结果 GM(1,1)模型、ARIMA模型、GM(1,1)-ARIMA组合模型和变权组合模型的拟合、预测的MAPE、MER、MSE和MAE依次分别为20.01%,18.35%,115.98,10.96和28.79%,31.84%,32.96,8.01;21.35%,19.52%,120.75,11.66和32.41%,35.65%,36.18,8.97;17.20%,15.69%,88.07,9.07和31.17%,34.17%,34.57,8.60;18.82%,16.99%,107.82,10.15和19.19%,18.67%,20.74,4.70。结论 组合模型拟合及预测效果优于单一模型;变权组合模型为最优预测模型。     

一起幼儿园诺如病毒感染暴发疫情的调查

目的 查明荆州市某乡镇某幼儿园一起腹泻暴发疫情的致病因子、传染源和传播途径。方法 制定病例定义开展病例搜索,通过面访和电话调查开展现场流行病学调查,采用回顾性队列研究进行分析。开展现场卫生学调查,利用RT-PCR方法对病例标本、环境标本进行检测。结果 疫情从2月13开始至2月18日结束,共发生诺如病毒感染病例91例,罹患率为18%（91/520）。回顾性队列研究未发现可疑餐次。幼儿园对呕吐物未采取消毒措施,也未采用人员疏散措施。检出7份老师肛拭子、2份幼儿肛拭子、1份食堂工作人员（帮厨）肛拭子和1份环境标本（幼儿用碗）为诺如病毒GII型核酸阳性。结论 本次疫情为一起由诺如病毒引起的腹泻暴发,可疑传染源为首发病例,传播途径主要为接触传播。     

2017年湖北省荆州市肾综合征出血热空间点格局分析

  目的  通过分析2017年春夏季、秋冬季荆州市肾综合征出血热（hemorrhagic fever with renal syndrome,HFRS）空间点格局分布特征,探讨其高发区域及原因,为公共卫生资源配置提供依据。  方法  个案数据来源于中国疾病预防信息系统,2017年3月-2017年8月为春夏季,2017年9月-2018年2月为秋冬季,采用Ripley's K函数和核密度估计进行空间点格局分析,比较2个季节空间点格局分布特征。  结果  2017年荆州市报告HFRS发病133例;有春夏季、秋冬季2个发病高峰;最强聚集距离春夏季为17.77 km、秋冬季为14.40 km;空间聚集中心春夏季在监利县北部,秋冬季转移到江陵县和沙市区南部。  结论  荆州市HFRS防控重点区域是江陵县、沙市区南部、监利县北部,重点人群为沙市区南部城乡结合部居民、大型工程沿线居民、聚集区域从事农业种植或小龙虾养殖的农民。     

BP神经网络在传染病时间序列预测中的应用及其MATLAB实现

目的利用MATLAB软件,建立基于BP神经网络的传染病时间序列预测模型。方法以荆州市2005-01/2017-12和2018-01/05乙类传染病发病数作为拟合样本和预测样本,建立12-10-5三层BP神经网络模型并预测2018-01/05的逐月发病数。以最小均方差(MSE)、R2、平均相对误差百分比(MAPE)、平均绝对误差(MAE)4个指标评价BP神经网络的拟合和预测效果。结果 BP神经网络拟合和预测的MSE、R2、MAPE、MAE依次分别为11 662.74,0.85,5.19%,85.87和32 729.59,0.22,12.20%,140.31。结论 BP神经网络对传染病时间序列拟合及预测效果较好;MATLAB软件能用于BP神经网络模型的建立。     

湖北省荆州市流感监测哨点监测质量及流感病毒核酸检测阳性率影响因素分析

目的比较湖北省荆州市2家流行性感冒（流感）监测哨点医院监测质量及流感病毒核酸检测阳性率（PR）的影响因素,为提高流感监测质量提供参考。方法从中国流感监测信息系统收集 2010— 2018年度荆州市2家流感监测哨点（哨点A、哨点B）的流感样病例（ILI）和病原学监测资料,采用ILI百分比（ILI%）和ILI PR评价2家哨点监测结果。 将医院、病例性别、是否为流行季节、发病与采样时间间隔、采样与检测时间间隔等因素作为自变量,核酸检测结果作为因变量,采用二分类logistic回归分析核酸检测结果的影响因素。结果哨点A和哨点B ILI%分别为2.34%和1.34%,差异有统计学意义（χ2＝3 096.26,P＝0.000）。 哨点A和哨点B的PR分别为13.63%和14.84%,差异有统计学意义（χ2＝4.69,P＝0.030）。 2家哨点医院ILI%、PR变化趋势均一致（r_s＝0.568,P＝0.000;r_s＝0.824,P＝0.000）。 哨点A和哨点B的ILI%和PR变化趋势一致（r_s＝0.306,P＝0.026;r_s＝0.477,P＝0.000）。 logistic回归分析结果显示,PR与医院（OR＝1.15,95% CI:1.05 ~ 1.26）、是否为流行季节（OR＝3.19, 95% CI:2.88 ~ 3.52）有关。结论荆州市流感监测哨点医院整体运行良好,2家流感监测哨点ILI%与PR均存在差异,监测哨点和流行季节是影响PR的主要因素。