孕妇凝血指标的数学模型及指标异常变化警戒值探讨

目的探讨孕妇不同孕期凝血指标变化趋势的数学模型及凝血指标异常变化的警戒值估计,帮助临床医生及预防保健人员及早期发现高危人群,有效预防产科出血和凝血并发症的发生。方法对214例孕妇的孕期凝血指标进行回顾性追索,根据聚类分析的结果,建立方差分析、回归分析及ARIMA时间序列分析模型,比较各检测指标在不同孕期的变化规律。结果所建模型均能够很好的模拟不同孕期凝血指标的变化规律,结果显示:PLT指标值在孕晚期出现明显的下降(P0.05),PT与INR指标值在妊娠中期的下降明显(P0.01),APTT在整个妊娠期均下降(P0.01),FG指标值在妊娠晚期出现上升(P0.01),不同孕期凝血指标的警戒值表达式为:μ±2σ。结论所建模型能够较好的模拟不同孕期凝血指标变化规律,不同孕期凝血指标的正常参考值范围及异常警戒值具有一定的医学应用价值。     

1990—2019年中国高血清低密度脂蛋白胆固醇疾病负担趋势分析与预测

目的 描述和分析1990—2019年中国高血清低密度脂蛋白胆固醇（high LDL cholesterol,高LDL - C）疾病负担状况及变化趋势,并预测未来5年的疾病负担,为中国高LDL - C科学防控提供依据。方法 提取2019年全球疾病负担（GBD 2019）中因高LDL - C造成的死亡数、死亡率及DALYs等疾病负担指标,相关指标均采用GBD 2019全球标准人口进行年龄标准化,采用平均年度变化百分比（AAPC）分析率的变化趋势,并应用R 4.1.0对1990—2016年中国因高LDL - C造成的死亡率和DALYs率建立ARIMA模型和NNAR模型,用2017—2019年的数据来评价两模型的拟合效果,最后用拟合效果最好的模型预测2020—2024年中国高LDL - C死亡率和DALYs率。结果 1990—2019年中国高LDL - C造成的死亡率（AAPC = 3.1%,P＜0.05）和DALYs率（AAPC = 2.2%,P＜0.05）整体呈波动上升趋势;标化死亡率和DALYs率增长14.21%和0.56%,男女性别比范围分别为1.33～1.67和1.36～1.76,男性高于女性;年龄别疾病负担≥70岁人群远高于15～49岁和50～69岁群体;ARIMA（0,2,0）和NNAR（1,1）模型预测与实际趋势基本一致,前者预测值与实际值相对误差、均方根误差（RMSE）、平均绝对误差（MAE）以及平均绝对百分误差（MAPE）均较小,预测精度更好。 结论 中国高LDL - C造成的疾病负担呈逐渐上升趋势,在2020—2024年将继续上升。男性、高龄人群疾病负担更加沉重,应采取针对性措施进行干预。     

ARIMA与LSTM模型在医院出院人次预测中的比较研究

目的通过ARIMA乘积季节模型和LSTM神经网络模型拟合某三甲专科医院的月出院人次并进行预测,比较两种模型的预测效果。方法运用某三甲专科医院2013—2018年度的月出院人次,分别构建ARIMA乘积季节模型和LSTM神经网络模型,然后利用所得的模型对2019年度的月出院人次进行预测并与实际数据进行比较。采用平均绝对百分误差(MAPE)对模型的预测效果进行评价。结果ARIMA乘积季节模型和LSTM神经网络模型的预测数据与2019年度1~12月份实际出院人次的MAPE值分别为7.90%和14.26%。结论ARIMA乘积季节模型的预测效果要好于LSTM神经网络模型,ARIMA模型预测结果表明2019年度某三甲专科医院的月出院人次呈增长趋势,与实际数据的吻合度较好。     

ARIMA模型在耐碳青霉烯类肺炎克雷伯菌医院感染预测中的应用

 目的 探讨ARIMA时间序列模型在耐碳青霉烯类肺炎克雷伯菌（CRKP）医院感染预测中的应用。方法 选取2018年1月-2022年6月某院住院患者每月CRKP医院感染发病率,应用SPSS 19.0建立ARIMA时间序列模型,分析模型的拟合,利用该模型对2021年7月-2022年6月CRKP医院感染数据进行验证,评价预测价值。结果 采用2018年1月-2022年6月住院患者每月CRKP医院感染发病率建模、拟合,建立最优模型ARIMA （0,1,9）,模型拟合值与实际值较吻合,此模型对CRKP医院感染发病率实际值与预测值吻合程度较高,平均相对误差值为7.76%。结论 采用ARIMA模型可有效拟合、预测CRKP医院感染发病率,为CRKP医院感染预防与控制提供科学指导。     

基于Prophet等时间序列季节模型的肺结核发病预测及对比分析

目的 探索河南省2014—2019年肺结核发病趋势及季节性特征,比较Prophet模型、ARIMA季节模型和Holt-Winters模型的拟合及预测效果,为肺结核防控提供科学依据。方法 基于河南省2014年1月至2018年12月肺结核月发病数据,建立Prophet模型、ARIMA季节模型和Holt-Winters模型,采用2019年1月至12月肺结核月报告发病数据验证预测效果。评价指标选取均方根误差（RMSE）、平均绝对百分比误差（MAPE）、平均绝对误差（MAE）、平均置信区间宽度、真实值超出置信区间个数。结果 模型拟合结果显示,河南省肺结核发病呈逐年下降趋势,每年3—5月达到发病高峰,2月和10月出现低谷;Prophet模型拟合及预测表现最优,评价指标RMSE、MAPE、MAE、平均置信区间宽度均低于另外两个模型,Holt-Winters模型次之,ARIMA(0,1,1)×(0,1,1)12模型拟合及预测效果相对较差。结论 Prophet模型具有较高的拟合预测准确度和精确度,可以很好地捕捉河南省肺结核发病趋势,模型拟合结果对肺结核防控工作具有一定指导意义。     

ARIMA模型在医院卫生消耗材料需求量预测中的应用

目的 阐述ARIMA模型拟合时间序列的方法和步骤,并将其应用于医院卫生消耗材料需求量的预测,为医院设备管理人员提供决策依据。方法 利用SAS软件系统,求解适宜的ARIMA模型,据所得误差评价预测效果。结果 通过对3种卫生消耗材料需求量的预测,相对误差在10％左右,预测效果较为可靠。结论 医院卫生消耗材料需求量的近期预测中引入时间序列的ARIMA模型分析方法,能够对实际工作产生积极的指导意义。     

基于ARIMA乘积季节模型的科室级常规耗材需求量预测研究

目的探讨季节性因素的时间序列分析方法在科室常规耗材库管理中的应用,分析和预测未来一段时间内医用常规耗材的使用需求。方法采用整合移动平均自回归(Autoregressive Integrated Moving Average,ARIMA)乘积季节模型对北京市某医院某科室某品牌注射器2014年1月至2018年12月的逐月使用量进行预测。结果ARIMA(0,1,2)(0,1,1)12模型的平均绝对百分比误差为5.308,在实际业务可接受范围之内,因此模型拟合效果较好,预测结果接近实际产生值。结论ARIMA(0,1,2)(0,1,1)12模型能够准确的进行该类医用常规耗材的短期预测,可应用于医院物资管理信息系统中,实现对医院耗材的合理管控,并为科室制定医用耗材的资金支出预算提供可靠依据。     

Understanding and using time series analyses in addiction research

Time series analyses are statistical methods used to assess trends in repeated measurements taken at regular intervals and their associations with other trends or events, taking account of the temporal structure of such data. Addiction research often involves assessing associations between trends in target variables (e.g. population cigarette smoking prevalence) and predictor variables (e.g. average price of a cigarette), known as a multiple time series design, or interventions or events (e.g. introduction of an indoor smoking ban), known as an interrupted time series design. There are many analytical tools available, each with its own strengths and limitations. This paper provides addiction researchers with an overview of many of the methods available (GLM, GLMM, GLS, GAMM, ARIMA, ARIMAX, VAR, SVAR, VECM) and guidance on when and how they should be used, sample size det ermination, reporting and interpretation. The aim is to provide increased clarity for researchers proposing to undertake these analyses concerning what is likely to be acceptable for publication in journals such as Addiction. Given the large number of choices that need to be made when setting up time series models, the guidance emphasizes the importance of pre‐registering hypotheses and analysis plans before the analyses are undertaken.     

ARIMA模型预测医院感染发病状况研究

目的 探讨ARIMA季节乘积模型在时间序列资料中的应用,建立金坛市中医院医院感染发病率的预测模型. 方法 收集本院2005-2012年住院病人病案资料,应用SFSS18.0软件中的ARIMA模型预测模块对数据进行分析建立ARIMA预测模型,并预测2013年医院感染情况. 结果 ARIMA（1,0,1）（0,1,1）4能够较好的拟合本院医院感染发病率情况,利用此模型预测2013年本院4个季度的医院感染率分别为2.67％、2.03％、2.68％和1.93％. 结论 ARIMA模型能够较好的拟合和预测医院感染的发病情况,可以为医院决策提供科学依据.