ARIMA乘积季节模型在上海市甲肝发病预测中的应用

 目的 应用自回归求和移动平均(autoregressive integrated moving average,ARIMA)乘积季节模型分析季节性时间序列,建立上海市病毒性甲型肝炎发病率的预测模型。方法 利用上海市1990年至2011年甲肝按月发病数的历史疫情数据,采用非条件最小二乘法估计模型参数,模型阶数确定后,建立甲肝按月发病数ARIMA乘积季节预测模型。结果 非季节和季节移动平均的参数分别是0.6341和0.9999,季节自回归的参数是0.4059,t检验的P值均<0.0001,方差估计值是0.1593,AIC=282.1478,SBC=292.7242,对建立的模型进行残差的白噪声检验,χ2检验统计量的P值均>0.05,据此建立ARIMA(0,1,1)(1,1,1)12NOINT乘积季节模型,模型表达式(1-0.405 9B12) (1-B) (1-B12)Yt=(1-0.634 1B) (1-0.999 9B12)εt,并开展上海市甲肝发病数的预测。结论 ARIMA(0,1,1)(1,1,1)12NOINT乘积季节模型可用于预测上海市病毒性甲型肝炎发病的季节模型。     

ARIMA季节乘积模型在预测医院月住院量的应用

目的:探讨ARIMA季节乘积模型在时间序列资料分析中的应用,建立住院量的预测模型.方法:利用重庆市某医院2002～2005年的月住院量,采用条件最小二乘法估计模型参数,按照残差不相关原则、简洁原则确定模型结构,依据AIC和SBC准则确定模型阶数,建立ARIMA预测模型.结果:模型参数有统计学意义.方差估计值为0.003 175,AIC=-94.245 1,SBC=-91.252 1.对模型进行白噪声残差分析,拟合优度结果表明ARIMA的最优模型为:(1一B)(I-B12)Zt=(1-0.543 02B)(1-B12)at.结论:用所建立模型对月住院量进行预测,结果表明ARIMA是一种短期预测精度较高的预测模型.     

基于ARIMA模型的重庆市流行性感冒预测研究

目的 分析流感的流行趋势,构建流行性感冒发病的自回归滑动平均混合模型（autoregressive integrated moving average,ARIMA）并对验证集进行预测,为重庆市流感的防治提供科学依据。方法 本研究采用R软件对重庆市2010年1月至2021年6月的流感数据进行ARIMA模型拟合,用2021年7月至2021年12月的数据评价模型拟合效果。结果 该流感疾病的流行呈现出明显的季节周期性,周期为1年,发病高峰期为冬季和春季,整体患病率呈上升后有下降趋势,拟合最佳模型为ARIMA（0,1,2）×（0,1,2）₁₂,且该模型在预测2021年7月至12月罹患率的均方根误差为10.70,平均绝对百分比误差为70.04%,预测效果较好。结论 ARIMA模型在预测重庆市流感发病和流行趋势上有一定的效果,并能对未来的罹患率进行估计,可以为今后的流感疾病防控工作提供参考。     

自回归移动平均乘积季节模型在甲型肝炎发病数中的应用

目的 建立自回归移动平均(ARIMA)乘积季节模型,利用该模型预测并分析全国甲型肝炎发病情况,为全国甲型肝炎疫情防控提供决策依据。 方法 利用中国疾病预防控制中心2011年1月~2016年12月全国甲型肝炎月报告数据,建立甲型肝炎ARIMA乘积季节预测模型,并用2017年1~12月发病数评估模型的预测效果。 结果 非季节和季节移动平均的参数分别是0.282 、0.530,赤池信息量准则(AIC)=815.710,许瓦玆贝叶斯准则(SBC)=819.865,最优模型显著性检验结果显示P均<0.05,模型残差白噪声检验的6、12、18、24阶的χ2值分别为6.83、12.38、15.12和18.28,差异无统计学意义(P均>0.05),据此建立ARIMA(0,1,1)(0,1,1)₁₂模型,模型表达式为∇∇₁₂x_t=(1-0.282B)(1-0.530B12)ε_t,以此开展甲型肝炎发病数预测。 结论 ARIMA(0,1,1)(0,1,1)₁₂乘积季节模型能够较好地拟合甲型肝炎发病趋势,可用于全国甲型肝炎发病预测,为全国甲型肝炎疫情防控提供一定的科学依据。     

ARIMA乘积季节模型在出院人数预测中的应用

目的了解医院住院量的变动趋势,对医院出院人数进行预测分析,为科学决策提供依据。方法应用乘积季节ARIMA模型对某院2003年1月-2013年12月出院人数进行模型拟合,预测2014年各月出院人数,用2014年1月-6月份实际资料评估模型的预测效果。结果该院出院人数呈明显的季节效应,且出院人数逐年小幅递增;乘积季节ARIMA(1,1,1)×(0,1,1)12(不含常数项)模型为最优模型,标准化的BIC(标准化贝叶斯信息量)和平均绝对误差百分比(MAPE)值最小,BIC值为11.98,MAPE值为5.43。Ljung-Box检验无统计学意义(Q18=10.575,P=0.782)。结论乘积季节ARIMA模型可以较好地拟合出院人数的变化趋势,是一种短期预测精度较高的预测模型。     

ARIMA乘积季节模型在我国甲肝发病预测中的应用

目的:应用求和自回归移动平均模型(ARIMA)乘积季节模型对我国病毒性甲型肝炎进行预测分析,为甲型肝炎的防治提供决策依据?方法:对1994~2012年我国甲型肝炎月发病数的历史疫情数据建立ARIMA乘积季节模型,应用Eviews 6.0软件进行模型拟合,对2013年上半年甲型肝炎的月发病数进行预测,并用实际数据评估模型预测效果?结果:ARIMA(1,1,0)(2,1,2)12模型较好地拟合了既往甲肝的实际发病序列,也获得了较好的预测效果?结论:ARIMA模型能够较好地模拟我国甲型肝炎的发病趋势,预测效果良好,可为甲肝疫情的防控提供一定的科学数据?     

ARIMA乘积季节模型预测我国戊肝的发病趋势

目的：根据戊型肝炎（戊肝）季节性、趋势性流行现象,建立求和自回归移动平均（autoregressive integrated moving average,ARIMA）乘积季节模型对我国戊肝发病进行预测。方法：应用SPSS23.0软件对2004年1月—2018年6月我国戊肝传染病疫情月度数据建模,对2018年下半年戊肝发病数进行预测,以该时段疫情数据评估模型的预测效果。结果：将ARIMA（2,1,0）（0,1,1）12和ARIMA（0,1,2）（0,1,1）12两个模型预测的平均值作为预测值,预测结果的平均相对误差为4.69%,标准差为3.27%。结论：ARIMA乘积季节模型拟合及预测效果良好,能够较好地描述该时段我国戊肝的发病趋势,为戊肝预防控制措施的制定以及卫生资源的合理配置提供一定的科学依据。     

时间序列资料ARIMA季节乘积模型及其应用

目的　用ARIMA季节乘积模型 (p ,d ,q) (P ,D ,Q)s对季节性时间序列资料建模并预测 ,并与指数平滑法进行比较 ,考察ARIMA乘积模型的预测效果。方法　用Box Ljung统计量评价ARIMA模型的拟和度 ,用平均预测相对误差作为预测效果的评价指标。结果　对所分析的季节性时间序列建立了乘积ARIMA(0 ,1,1)× (0 ,1,1) 12 模型 ,平均预测相对误差为 4 89% ,指数平滑法的平均预测相对误差为 8 14 %。结论　对所分析的时间序列 ,ARIMA乘积模型的预测效果优于指数平滑法     

乘积季节自回归积分滑动平均模型在长沙市手足口病发病率预测中的应用

目的：建立长沙市手足口病发病率的乘积季节自回归积分滑动平均模型(autoregressive integrated moving average model,ARIMA),探讨乘积季节ARIMA模型在手足口病疫情预测的可行性。方法：运用EVIEWS 6.0软件对长沙 市2008年5月至2013年8月的手足口病发病率资料建立乘积季节ARIMA模型,以2013年9月至2014年2月的发病资料作为 模型预测效果的检验样本,最后再用所得到的模型对2014年3月至2014年8月的月发病率进行预测。结果：经过序列 平稳化、模型识别以及模型诊断后,建立乘积季节ARIMA模型(1,0,1)×(0,1,1)12,模型拟合度R2=0.81,预测均方 根误差为8.29,平均绝对误差为5.83。结论：乘积季节ARIMA模型是一种较好的预测模型,所建模型拟合度较好,能 为手足口病的防治工作提供参考。     

基于适应症的医用耗材监管体制建立

目的通过建立医用耗材监管体制,促进医用耗材的合理规范使用,加强医院对于医用耗材的监管,做到廉洁使用。方法通过建立医用耗材适应症管理方法,明确医用耗材准入管理规则及引入后使用管理监管的标准化业务流程,实现医用耗材全周期的监管,避免出现监管盲区及对其监管的不专业性。结果通过建立医用耗材监管体制,有效地避免了医用耗材多用、乱用情况的发生,保障了医疗质量及安全,为医院临床科室申请医用耗材营造了良好的环境,有效地提高了医院对于医用耗材监管的精细化管理水平。结论医院耗材监管体制的建立是贯彻执行国家对于耗材监管政策,只有完善的监管机制、科学的管理才能为医用耗材提供有力的保障。医院必须对医用耗材准入及使用各个环节把关,加强监管,才能实现医院医用耗材管理制度化、科学化、人性化。     

基于ARIMA模型的北京市产前超声筛查人员情况预测

目的 了解北京市产前超声筛查人员情况,对未来产前超声筛查人员数量及内部结构变化趋势进行预测。方法 基于北京市2007至2015年产前超声筛查人员资质数据库,从超声筛查人员的地区、年龄、职称等分布情况了解2007至2015年以来产前超声筛查人员构成的变化趋势,并根据现有变化趋势构建预测模型,预测北京市2016至2020年产前超声筛查人员数量及内部结构状况。结果 2007至2020年产前超声筛查人员数量呈现上升趋势,预测2020年达到1269人;期间人员学历、职称呈现下降趋势,工作年限逐渐缩短,大部分集中在5年以下,住院医师比例维持在26.6%,人员进修比例逐年增加,到2020年底达到43.2%。结论 通过ARIMA模型对超声筛查人力资源变化趋势进行预测,提示在产前超声筛查人员的管理上,应加强对年轻人员的培训,并尽可能为其提供进修学习的机会。     

基于运营数据中心的医用耗材智能运营信息化设计与实现路径

目的/意义 为统筹推动医院高质量发展,构建基于运营数据中心(operational data repository,ODR)的医用耗材精细化物流服务平台(supply processing distribution,SPD),通过ODR实现跨部门数据协同,建立医用耗材智能运营管理体系。方法/过程 通过信息化设计与应用场景分析,以数据治理为抓手,构建耗材智能运营管理架构与服务模式。结果/结论 基于ODR的医用耗材智能运营体系将巩固SPD模式下的精细化管理成果,强化医院风险控制,进一步提高医院运营管理科学化、规范化水平。     

基于多预测器融合的医学时间序列数据预测

医学时间序列的预测对医疗工作具有重要指导意义,提出一种基于多预测器融合的时间序列预测方法,吸收不同单预测器的优点,从而提高预测性能。首先,在训练集上,分别用BP神经网络、多项式回归和稳健线性回归等预测器进行模型训练;其次,根据其相对误差推导自身权重,并将三个单预测器加权组合成为多预测器系统。实验过程将多预测器与三个单预测器进行比较。结果显示：多预测器的效果较好。     

医用耗材超市化管理模式探讨

本文详细探讨医用耗材超市化管理新模式,分析建立耗材超市需要具备的场地、技术、人员等条件和设施,阐述了耗材超市化管理模式在实践中的意义,并提出需要完善和解决的问题。     

基于HRP管理模式下医用耗材物流管理新思路的探索

为改善医用耗材物流管理不足的现状,降低医用耗材成本支出,形成每件医用耗材全生命周期可追溯的管理体系。我院基于HRP管理系统,通过统一材料建档标准、高值耗材单一条码管理、低值耗材与收费项目成本核算配对管理、借物与库存联动管理、院内外物流协同管理。该系统实现了医用耗材各使用环节、全生命周期覆盖、全流程追溯的精益管理模式,有效提升了我院医用耗材管理效益。     

2004-2012年中国丙型肝炎报告数据ARIMA模型及其趋势预测

目的利用季节自动回归移动平均混合模型（ARIMA模型）对我国丙型病毒性肝炎（丙肝）报告数据进行分析、拟合和预测。方法对2004年1月-2012年7月我国丙肝报告数据进行差分以达到平稳化,采用季节ARIMA模型对数据进行分析、拟合和预测。结果2004年1月-2012年7月我国丙肝发病数呈逐年上升趋势,且呈现明显的以年为单位的周期性变化;对丙肝报告数据进行平稳化检验、差分、模型识别、模型诊断,获得季节序列ARIMA（1,1,1）×（1,1,1）12为最优模型,该模型残差检验为白噪声序列,且拟合数据在95％置信区间;对2012年7月-2014年12月全国丙肝发病数进行预测,显示全国丙肝发病数呈继续上升且具有明显的周期性波动趋势。结论季节ARIMA模型能较好地拟合和预测我国丙肝发病数在时间上的变化趋势,可为疫情的防治提供借鉴。     

运用时间序列模型对麻疹流行趋势的预测与分析

目的:应用时间序列模型对江苏省麻疹疫情进行预测分析,并探讨提高预测实用性的思路?方法:以1980年~2005年江苏省麻疹发病资料建立时间序列分析模型,以2006年的发病资料作为模型预测效果的考核样本?先采用差分方法对序列资料进行平稳化,然后进行定阶并估计参数,建立ARIMA模型,最后对预测结果进行分析,并利用模型对2009年强化免疫效果进行简单评价,探讨对疫情进行预警的方法和思路?结果:江苏省麻疹的发病趋势自2005年明显上升之后保持平稳,但有小幅波动,这与实际情况吻合?结论:用时间序列模型对传染病发病情况的拟合结果满意,预测效果良好,可为麻疹的防治提供一定的科学依据?