应用ARIMA模型预测厦门市2017年乙肝月发病率

目的 分析厦门市乙型肝炎发病的流行病学特征,建立ARIMA模型并预测2017年厦门市乙肝月发病率,为厦门市乙肝防治提供理论依据。方法 对2005 - 2016年厦门市乙肝报告发病数据进行统计描述,通过ARIMA模型预测2017年的乙肝月发病情况。结果 厦门市2005 - 2016年乙肝报告年均发病率为45.70/10万,乙肝年发病率呈逐渐下降趋势;男性乙肝发病高于女性;各年龄组乙肝发病水平存在差异;15岁以下儿童乙肝发病率显著低于其他高年龄组的发病水平。建立模型ARIMA（1,1,1）×（0,1,0）12 ,模型的拟合效果较好,2017年厦门市乙肝月发病率预测值区间为[0.92/10万,4.76/10万]。结论 厦门市2005 - 2016年乙肝发病总体呈现下降趋势,经预测2017年厦门市乙肝发病率与前几年相比波动不大,有轻微下降趋势,可用ARIMA模型对乙肝的短期发病情况进行预测。     

ARIMA模型和BP神经网络模型在甘肃省结核病发病率预测中的应用

  目的  探讨自回归滑动平均混合模型（autoregressive integrated moving average，ARIMA）与误差逆传播（（back propagation，BP）神经网络模型在甘肃省结核病发病率预测中的预测效果，选取合适的模型预测发病趋势。  方法  以甘肃省1997-2017年结核病数据为基础，建立ARIMA时间序列模型和BP神经网络模型分别预测2018-2019年的发病率，并比较两种模型的预测精度和建模效果。  结果  对于甘肃省2018年和2019年结核病发病率，ARIMA时间序列模型预测结果为55.1075，54.5373，MSE=92.24，MAE=7.5313，MAPE=9.26%；BP神经网络模型预测结果为62.0132，73.4460，MSE=9.6575，MAE=1.1449，MAPE=1.68%。  结论  BP神经网络模型对甘肃省结核病发病率的预测效果更佳，预测得2018-2019年甘肃省结核病发病率将呈小幅上升趋势。     

时间序列分析法在贵州省乙型病毒性肝炎流行趋势预测中的应用

目的建立贵州省乙型病毒性肝炎(乙肝)发病的预测模型,预测2017—2019年乙肝发病趋势。方法对2004—2016年贵州省的乙肝月报告发病率建立自回归移动平均(ARIMA)预测模型,对贵州省2017—2019年乙肝发病趋势进行预测。结果 2004—2016年贵州省乙肝发病呈周期性波动,并具有长期趋势,拟合得到ARIMA(0,1,1)(0,1,1)12模型,用模型拟合2004—2016年乙肝月报告发病率,预测值和实际值平均相对误差为7.46%,预测2017—2019年贵州省乙肝月报告发病率在3.27/10万~4.38/10万的范围内波动。结论 ARIMA模型可较好的拟合贵州省乙肝发病在时间序列上的变化趋势,该模型可用于贵州省乙肝发病的短期趋势预测。     

江苏省乙型肝炎流行趋势的时间序列分析及预测

目的：利用拟合ARIMA模型对江苏省乙肝发病趋势进行时间序列分析和预测,为制定乙肝防治策略提供科学依据。方法：收集江苏省2000年～2009年乙肝月发病率资料,通过SPSS13.0软件拟合ARIMA模型。结果：最终拟合为ARIMA（0,1,2）（0,1,1）12模型,残差为白噪声序列,预测值与实际值的平均相对误差为8.26%。结论：江苏省乙肝发病具有逐渐下降的长期趋势,说明乙肝防治卓有成效。2000年以来乙肝月发病率时间序列还有明显的周期性波动特征,其原因有待于进一步研究。2010年预测结果提示需调整本省乙肝防治策略。     

ARIMA模型和BP神经网络模型在我国乙型肝炎发病预测中的应用

目的探讨适合全国乙肝发病率的预测模型,为乙肝预测预警系统提供参考。方法应用2004-2012年全国乙肝月发病率数据,分别建立ARIMA模型和BP神经网络模型,利用建立的模型预测2013年1-12月乙肝发病率,采用实际发病率验证与比较两种模型的预测效果,评价指标为平均绝对误差(MAE)、平均绝对误差率(MER)和非线性相关系数(RNL)。结果全国2004-2013年乙肝月发病率在2.79/10万~9.44/10万间波动,序列具有明显的长期趋势。建立的乘积ARIMA(0,1,1)(0,1,1)12模型预测的MAE、MER、RNL分别为0.445、0.065、0.909,BP神经网络模型分别为0.635、0.093、0.872。ARIMA模型预测的平均绝对误差和平均绝对误差率要低于BP神经网络模型(△MAE=-0.190,△MER=-0.028),非线性相关系数要高于BP神经网络模型(△RNL=0.037)。结论 ARIMA模型和BP神经网络模型均适用于我国乙肝发病率的预测,且前者的预测效能和非线性拟合能力略优于后者。     

基于ARIMA和LSTM神经网络的乌鲁木齐市乙型肝炎发病预测研究

目的 了解乌鲁木齐市2012—2021年乙肝发病趋势,建立合适的发病预测模型,探讨ARIMA模型和LSTM神经网络在乙肝发病预测中的应用。方法 根据2012—2021年乙肝月报告病例数据,建立ARIMA模型和LSTM神经网络模型,对乌鲁木齐市乙肝发病数进行拟合及预测,通过比较RMSE的大小评价模型效果。结果 LSTM神经网络模型拟合和预测的RMSE分别为50.13、42.70,ARIMA(0,1,1)(0,0,2)12模型拟合和预测的RMSE分别为67.62、66.85。前者的拟合及预测效果显著优于后者。结论 乌鲁木齐市10年来乙肝发病呈逐年下降趋势,且存在一定季节性变化。LSTM神经网络模型可较好地拟合和预测乌鲁木齐市乙肝的发病数及趋势,且模型效果优于ARIMA(0,1,1)(0,0,2)12,能在一定程度上提高预测精确度。     

ARIMA模型在预测我国乙肝月报告发病数中的应用

目的 建立适合预测我国乙肝月报告发病人数的自回归移动平均（autoregressive integrated moving average,ARIMA）模型。方法 收集2010年3月~2017年8月我国乙肝月报告发病人数据资料,用Excel 2010建立数据库,用R 3.3.3软件进行模型构建。其中2010年3月~2017年3月数据用于模型建立,2017年4~8月数据用于模型检验。结果 我国乙肝月报告发病数整体呈现下降趋势并于每年2月达到最低值,于3月份迅速上升到高峰值,具有明显季节性和周期性。建立ARIMA（2,1,1）（1,1,1）₁₂模型对我国乙肝月报告发病数进行预测,该模型预测的绝对误差平均值为2 628.55,相对误差最大值为6.16%,最小值为1.29%,平均值为2.61%。结论 基于本研究数据,ARIMA（2,1,1）（1,1,1）₁₂模型能较好地拟合我国乙肝的月报告发病人数,可用于预测。     

江西省乙型肝炎发病趋势的时间序列和预测模型分析

目的利用乘积季节模型预测江西省乙型肝炎(乙肝)的发病趋势,为江西省乙肝预警预测奠定基础,同时为制定防控措施提供科学依据。方法利用最小二乘原理,应用自回归求和移动平均模型与随机季节模型相结合的乘积季节模型,对江西省1990-2009年乙肝月发病数进行时间序列分析并建立预测模型,用2010年相应数据验证预测效果,并对2010年以后江西乙肝发病趋势进行预测。结果利用1990-2009年资料构建ARIMA(1,1,1)(0,1,1)12模型,所建立的预测效果良好,实际值均在预测值95%可信区间内,预测2011-2014年江西省乙肝发病人数呈上升趋势。结论采用ARIMA乘积季节模型预测江西省乙肝发病情况,拟合及近期预测效果均较好。预测效果符合江西省乙肝发病现状及目前采取的乙肝防治措施。     

ARIMA模型与GM(1,1)模型对兴化市结核病发病数预测效果比较

目的 比较求和自回归滑动平均模型(ARIMA)和灰色模型GM(1,1)对结核病发病数的预测效果。方法 利用兴化市2012—2019年结核病月发病和年发病数,分别构建ARIMA模型和GM(1,1)模型,进行发病数的拟合,采用平均绝对百分误差(MAPE)、平均绝对误差(MAE)和判定系数(R²)评价拟合效果。采用优势模型预测2020—2024年发病数。结果 2012—2019年兴化市共报告结核病5 673例,年均发病率55.88/10万。发病率总体呈逐年下降趋势■,男性年平均发病率(79.09/10万)高于女性(31.75/10万),差异有统计学意义(χ²=1017.707,P<0.001)。构建的ARIMA模型为SARIMA(0,1,1)(0,1,1,)₁₂,GM(1,1)模型为■。平均误差率(MER)、平均绝对误差(MAE)和判定系数(R²),ARIMA模型为5.42%、36.43、0.929,GM模型为4.24%、28.50、0.973。GM(1,1)模型的预测效果较好。利用GM(1,1)预...     

ARIMA模型预测2018－2019年我国肺结核发病趋势的应用

目的 应用自回归移动平均（autoregressive integrated moving average,ARIMA）模型对我国2018－2019年肺结核发病情况进行预测,为肺结核防控工作提供参考依据。方法 收集2005年1月至2017年12月中国肺结核月发病数据,使用R 3.4.4软件基于2005年1月至2017年6月肺结核月发病数据建立ARIMA模型,比较2017年7－12月预测数据和实际数据以进行模型预测性能的检验,并预测2018－2019年肺结核发病数情况。结果 2005－2017年共报告肺结核患者13 022 675例,发病数呈逐年下降趋势,2017年肺结核患者数较2005年下降了33.68%,且季节性明显,每年冬春交界之时发病数较高。根据2005年1月至2017年6月肺结核月发病数据拟合出了ARIMA（0,1,2）（0,1,0）₁₂模型,该模型拟合的2017年7－12月的预测值与实际值的相对误差范围是1.67%～6.80%,预测2018年和2019年发病数分别为789 509例和760 165例。结论 ARIMA（0,1,2）（0,1,0）₁₂模型对我国肺结核发病数的拟合效果较好,可用于我国肺结核的短期预测和动态分析,具有较好的应用价值。     

新疆生产建设兵团2008-2020年肺结核流行特征分析及发病预测

  目的  探讨新疆生产建设兵团肺结核的流行特征,建立自回归移动平均(autoregressive integrated moving average,ARIMA)模型并预测未来的发病趋势,为肺结核防控工作提供支持。  方法  收集2008年1月1日-2020年12月31日传染病疫情信息网络直报系统中的肺结核数据,对时间、地区、人群分布特征采用传统描述性流行病学方法进行分析。使用R 4.0.3软件基于2008年1月-2020年6月的数据建立模型,通过2020年7-12月的数据验证模型性能。使用模型预测未来两年的发病趋势。  结果  2008-2020年新疆生产建设兵团肺结核发病总体呈下降趋势,年均报告发病率为70.68/10万,3月是发病高峰。第三师、第八师、第十三师年均发病率较高。男女发病数比为1.77∶1, 65~＜75岁占比最大,患者职业主要为离退人员、农民。ARIMA(1, 1, 1)(0, 1, 1)₁₂为最优模型,2020年7-12月的实际发病数均落在模型模拟数据的95% CI内。使用该模型预测2021年和2022年的肺结核报告发病例数分别为1 301、1 219例。  结论  针对新疆生产建设兵团肺结核的发病特点,重点人群、重点地区应加强防控。ARIMA模型的预测能力较好,适合短期预测以及动态分析,可供相关部门在制定防控策略时参考。     

新疆生产建设兵团2014—2019年7岁以下儿童保健和健康情况分析

目的 分析新疆生产建设兵团(简称“兵团”)2014—2019年7岁以下户籍儿童保健和健康情况,为今后兵团儿童健康管理提供理论依据。 方法 对2014—2019年全国妇幼卫生年报管理系统中7岁以下儿童保健和健康情况进行统计学描述和推断。 结果 2014—2019年间兵团户籍活产共81 838人,男女比例为1.08∶1,7岁、5岁、3岁以下儿童数分别为704 480、517 053、311 964人。5岁以下儿童、婴儿、新生儿死亡率指标均呈逐年下降趋势(χ²=27.47、13.32、11.74,P<0.001),6个月内婴儿母乳喂养率和纯母乳喂养率(χ²=13.57、442.29)、7岁以下儿童保健服务情况中的新生儿访视比例、7岁以下儿童健康管理比例、3岁以下儿童系统管理比例均呈逐年上升趋势(χ²=415.88、2 481.97、3 393.64,P<0.001),5岁以下儿童营养评价中的低体重、生长迟缓、超重肥胖的检出率均呈逐年下降趋势(χ²=22.68、24.55、132.82、29.66,P<0.001),而经血红蛋白检测的贫血患病率呈上升趋势,中重度贫血患病率呈下降趋势(χ²=94.93、66.13,P＜0.001)。 结论 兵团的儿童保健服务情况逐步完善,儿童健康的总体状况逐步提升,但需注意儿童中存在的贫血问题。应制定适合当地个性化的儿童保健卫生政策以进一步提高儿童健康水平。     

Elman神经网络与ARIMA模型对甲肝月发病率的预测研究

目的 两模型对甲肝月发病率数据进行拟合预测,比较最优模型。 方法 通过软件实现ARIMA模型和Elman神经网络对甲肝发病率进行拟合,并对2017年月发病率进行仿真。 结果 两模型拟合预测效果较好,ARIMA模型平均绝对误差(mean absolute error,MAE)、均方根误差(root-mean-square error,RMSE)、平均绝对百分比误差(mean absolute percentage error,MAPE)分别为0.013、0.002 9、9.29;Elman神经网络MAE、RMSE、MAPE分别为0.012、0.000 22、8.695。Elman神经网络预测结果优于ARIMA模型。 结论 两模型均能够拟合预测甲肝月发病率,Elman神经网络拟合预测效果更好。     

2005-2013新疆生产建设兵团麻疹流行病学特征分析

目的 了解新疆生产建设兵团麻疹流行病学特征,探讨消除麻疹策略.方法 对新疆生产建设兵团2005-2013年麻疹监测资料进行描述性流行病学分析.结果 新疆生产建设兵团2005-2013年共报告麻疹病例1 340例,平均发病率最高的为第十师（20.24/10万）和第三师（14.38/10万）;发病人数以2月份、3月份和4月份较多,占总例数的61.25％;发病年龄为0～85岁,学龄前儿童是发病主要人群,报告490例,占总例数的36.57％,其次为15 ～ 25岁人群,报告229例,占总例数的17.09％.结论 新疆生产建设兵团2005-2013年60.90％的麻疹病例为学龄前儿童和学生.因此,扎实开展儿童免疫规划基础工作,高质量及时实施麻疹减毒活疫苗预防接种和规范麻疹疫情管理将能够有效地控制和消除麻疹的流行.     

时间序列分析与机器学习方法在预测肺结核发病趋势中的应用

目的研究时间序列分析与机器学习方法在预测肺结核发病趋势中的应用。方法使用江苏省2009-2018年肺结核月度发病率数据,构建时间序列分析(ARIMA模型)、机器学习方法(支持向量回归(SVR)、BP神经网络)和两者的组合方法(ARIMA-SVR、ARIMA-BPANN)共5种预测模型,分析评价各模型预测性能。结果 ARIMA、SVR、BP神经网络、ARIMA-SVR、ARIMA-BPANN均方误差分别为0.0356、0.0364、0.0384、0.0329、0.0336;平均相对误差分别为5.76%、6.19%、6.20%、5.63%、5.70%。结论时间序列分析优于机器学习方法,而二者组合模型预测效果优于单独方法,ARIMA-SVR模型在江苏省肺结核发病趋势预测分析中具有较好的应用价值。     

2003～2005年新疆兵团艾滋病抗体检测结果分析

目的：了解兵团范围内艾滋病疫情状况和流行因素,提出有效防治措施。方法：对门诊就诊者、重点人群进行筛查检测。结果：2003～2005年共检测124258人,HIV抗体筛查阳性348例,阳性率0.28%。结论：兵团艾滋病疫情处于低流行态势,但可引起艾滋病流行的危险因素存在,应进一步加大对高危人群行为干预措施的力度。     

ARIMA乘积季节模型与LSTM神经网络模型对我国麻疹发病数预测效果的比较

目的 探讨长短期记忆神经网络(long short term memory, LSTM)模型和差分整合移动平均自回归(autoregressive integrated moving average model, ARIMA)乘积季节模型在全国麻疹发病趋势预测中的应用,为麻疹的早期防控提供科学依据。方法 选取2005年1月至2016年2月全国麻疹月发病数分别构建LSTM模型和ARIMA乘积季节模型,同时运用得到的模型对2016年3月至2018年12月发病数进行预测,运用两种评价指标平均绝对百分比误差(mean absolute percentage error, MAPE)和均方根误差(root mean square error, RMSE)检验模型的外推预测精度。最后应用模型预测2019年1月至2019年5月的全国麻疹月发病数。结果 LSTM模型和最优模型ARIMA(0,1,1)(0,1,1)₁₂外推预测的均方根误差(RMSE)分别为0.25和1.54,平均绝对百分比误差(MAPE)分别为3.6%和18.7%,提示LSTM神经网络的外推预测精度优于ARIMA模...