住院患儿医院感染发生率ARIMA时间序列模型

目的初步探索和评价儿童患者医院感染发生率的自回归滑动平均混合模型(ARIMA)预测模型。方法以某院2011年1月—2014年12月4年医院感染发生率数据建立ARIMA模型,依据信息量准则,确定最优模型;以2015年医院感染发生率数据作为验证样本,评价模型的可行性。结果 ARIMA(0,1,1)为医院感染率最优预测模型,其最小信息量准则(AIC)、贝叶斯信息准则(BIC)值分别为66.61、70.76,模型残差序列的LjungBox统计量Q=14.14,差异无统计学意义(P=0.658),提示残差为白噪声序列,模型拟合良好。医院感染率实际值与预测值的平均绝对百分误差值(MAPE)为22.4,实际值均在预测值95%可信区间内,未见超出点。结论 ARIMA时间序列模型拟合医院感染率效果良好,具有预测住院患儿医院感染发生情况的实际价值。     

三种时间序列模型预测医院感染发病率的比较

目的比较和评价不同时间序列模型预测医院感染发病率的效果,探索可用于预测医院感染发病率的最佳模型。方法以上海某三级甲等医院2011—2016年累计72个月的月度医院感染发病率数据作为拟合集构建季节性自回归移动平均模型(ARIMA)、NAR神经网络模型和ARIMA-BPNN组合模型,以2017年1—12月的月度感染发病率数据作为预测集检验模型的预测效果,评价比较不同模型的预测效果。结果对于拟合集,ARI-MA模型、NAR神经网络模型和ARIMA-BPNN组合模型的MAPE分别为13.00%、14.61%和11.95%;对预测集,三者的MAPE分别为15.42%、26.31%和14.87%。结论三种时间序列模型对医院感染发病率均具有较好的预测效果,其中ARIMA-BPNN组合模型对拟合和预测该院医院感染发病情况最佳,可为医院决策提供一定的数据支持。     

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.     

新型冠状病毒感染2种时间序列分析模型预测效果比较

目的 比较灰色模型和指数平滑模型2种时间序列分析模型对新型冠状病毒感染的预测效果,为构建适宜新型冠状病毒感染“乙类乙管”时期的短期预测模型提供参考依据。方法 收集云南省西双版纳傣族自治州2022年12月12—31日所辖景洪市、勐腊县和勐海县医疗机构发热门诊上报的54 836例就诊者相关数据,针对发热门诊就诊数、核酸检测阳性数、抗原检测阳性数3条时间序列分别构建灰色模型和指数平滑模型,并采用预测值与实际值的平均相对误差评价模型的预测效果。结果 发热门诊就诊数、核酸检测阳性数和抗原检测阳性数3条时间序列的灰色模型后验比C值分别为0.50、0.40和0.43,3条时间序列的指数平滑模型的R2值分别为0.36、0.56和0.53;构建的GM(1,1)灰色模型对3条时间序列预测结果的平均相对误差分别为103%、72%和84%,霍尔特线性趋势非季节性指数平滑模型对3条时间序列预测结果的平均相对误差分别为103%、66%和51%。结论 灰色模型和指数平滑模型对发热门诊就诊数的预测效果相当,指数平滑模型对核酸检测阳性数和抗原检测阳性数的预测效果相对优于灰色模型。     

ARIMA模型在手术部位感染发生率预测中的应用

目的探讨ARIMA模型在手术部位感染发生率预测中的应用,为手术部位感染的防控工作提供科学依据。方法运用SPSS 20.0对仙桃市第一人民医院2015年1月-2017年12月手术部位感染逐月发生率数据建立ARIMA模型,利用2018年1-6月实际数据验证,并预测2018年7-12月手术部位感染发生率。结果采用2015年1月-2018年6月手术部位感染发生率数据建立最优模型为ARIMA(0,1,0)×(1,1,0)_(12),R~2=0.594,MAPE=15.695%。模型的拟合值和实际值较为吻合,实际值均在拟合值95%可信区间内。预测2018年7-12月手术部位感染发生率分别为0.95%、1.28%、1.37%、0.81%、0.88%、0.66%。结论 ARIMA模型能够较好的拟合和预测医院手术部位感染发生率,可为手术部位感染的防控提供科学依据。     

基于ARIMA-BPNN模型对医院感染患病率的预测研究

目的采用ARIMA模型和ARIMA-BPNN联合模型对某大型三甲医院医院感染患病率预测进行建模,预测医院感染患病率变化趋势,评价不同预测模型的预测效果。方法利用河南省某大型三甲医院2013年1月-2014年12月的医院感染患病率数据作为训练集,建立ARIMA模型和ARIMA-BPNN联合预测模型,选取2015年1-6月的患病率数据作为检验集,评价模型的预测效能。结果 ARIMA模型和ARIMA-BPNN联合模型的预测值的平均偏差及平均相对偏差分别为0.086,6.132%和0.015,1.080%;组合模型的预测效能优于ARIMA模型。结论 ARIMA-BPNN联合模型能有效模拟预测医院感染患病率,对预防和控制医院感染的发生具有重要的应用价值。     

两种时间序列分析法在预防接种门诊接种量预测中的应用

目的 比较指数平滑法和自回归滑动平均（Autoregressive Integrated Moving Average,ARIMA）模型预测预防接种门诊量的效果。方法 收集2012—2019年北京市西红门医院预防接种门诊月常规免疫报表数据,采用指数平滑模型、ARIMA模型对2012—2018年数据建立预测模型,使用2019年数据验证模型的预测效果。结果 使用2012—2018年数据建立的预测模型两种时间序列分析法的拟合精度指标平稳R²分别为0.751和0.459,均方根误差（RMSE）分别为551.521和785.371,平均绝对百分误差（MAPE）分别为9.284%和11.856%,平均绝对误差（MAE）分别为424.191和537.272,使用2019年数据验证的平均相对误差（MRD）分别为12.495%和12.572%。结论 指数平滑法对预防接种门诊接种量具有很好的预测效果,可以为预防接种门诊管理提供预案和决策依据。     

ARIMA模型和Holt-Winters指数平滑法在自杀死亡中的预测效果比较

目的 探讨比较自回归求和滑动平均(autoregressive integrated moving average,ARIMA)模型和Holt-Winters指数平滑法在自杀死亡预测中的应用.方法 利用河北省2014年1月-2018年6月自杀月度死亡资料分别建立ARIMA模型和Holt-Winters指数平滑模型,对2...     

基于乘积季节性ARIMA模型对神经内科医院感染发病率的预测研究

目的 建立神经内科病房医院感染预警模型，预测神经内科患者发生医院感染的风险，为早期防控提供依据。方法 收集贵州省某三级甲等医院神经内科病房医院感染发病率数据，构建乘积季节性ARIMA（p，d，q）×（P，D，Q）s模型，对建立的模型进行参数估计、模型诊断，选择最优预测模型。利用构建的最佳模型对神经内科病房医院感染发病率进行预测，并对预测效果进行评价。结果 以该院2014-2017年神经内科月度医院感染发病率数据作为训练样本，获得最优预测模型ARIMA（2，1，2）×（1，1，1）₄。以2018年1-5月数据作为模型预测验证样本，结果显示，模型预测值的动态趋势与实际情况基本一致，实际发病率均在预测值的95%置信区间内。用此模型对2018年6-12月神经内科医院感染发病率作预测，预测结果显示预测值均位于95%的置信区间内。结论 ARIMA（2，1，2）×（1，1，1）₄模型能较好地模拟神经内科病房医院感染发病率变化趋势，具有良好的预测效果。     

利用ARIMA模型对医院感染现患率进行预测

目的利用差分整合移动平均自回归(Autoregressive Integrated Moving Average,ARIMA)模型对医院感染现患率进行预测,为防控全院的医院感染提供决策依据。方法回顾性调查收集某院2012年1月-2017年12月(共72个月)的医院感染现患率,采用ARIMA时间序列模型建模,并评价模型拟合和预测效果。结果经过比较备选模型,最终确认ARIMA(1,0,0)模型拟合效果相对较优,2018年前6个月现患率实际值均在预测值的95%可信区间内。结论该模型能准确预测医院感染的现患率,有助于医院感染管理相关预防控制措施的制定与实施。     

ARIMA模型与GM(1,1)模型在细菌性痢疾发病率预测中的比较研究

目的评价ARIMA和GM(1,1)模型在细菌性痢疾发病预测的应用效果,为选择适宜的预测方法提供依据。方法利用深圳沙井街道2006-2013年的细菌性痢疾的发病数据构建ARIMA模型和GM(1,1)模型,评价拟合效果。结果建立的ARIMA(1,1,1)(0,1,1)12模型为:(1-0.623B)(1-B)(1-B12)Yt=(1-0.963B)(1-0.72B12)et,GM(1,1)模型为:Y(t+1)=-190.506e-0.23003t+250.126。两个模型的平均误差率(MER)分别为2.91%和6.24%;决定系数分别为0.994和0.967。结论 ARIMA模型对细菌性痢疾发病率预测的效果较好,但在预测传染病发病的时候,尽可能地使用多种模型进行拟合,挑选出效果最好的。     

ARIMA模型与Holt-Winters指数平滑模型在武汉市流感样病例预测中的应用

目的 探讨比较ARIMA模型和Holt-Winters模型在武汉市流感样病例预测中的应用,为流感防控提供科学依据。方法 利用武汉市2012年1月-2017年6月每周流感样病例比例数据拟合建立ARIMA模型和Holt-Winters指数平滑模型,预测2017年7-8月周流感样病例比例,并与实际流感样病例比例进行比较。结果 ARIMA最优模型为 ARIMA(1,0,1)×(0,1,1)52,预测的平均相对误差为6.88%,Holt-Winters的最优模型为乘法模型,预测平均相对误差为13.79%。结论 ARIMA(1,0,1)×(0,1,1)52模型拟合效果较好,预测精度更高,可用于武汉市流感样病例的预测。     

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。     

时间序列分析法在细菌性痢疾发病率预测中的应用

目的 探讨自动回归移动平均模型(ARIMA)在细菌性痢疾发病率预测中的应用,为制定细菌性痢疾预防控制策略提供科学数据.方法 利用深圳沙井街道2006年1月-2011年6月的的细菌性痢疾月发病率数据建立ARIMA模型,采用2011年7-12月的月发病率数据验证模型的预测效果.结果 通过比较筛选,ARIMA(1,1,1)模型预测效果较好,2011年7-12月的月发病率预测值分别2.28/10万、1.83/10万、2.61/10万、1.62/10万、0.83/10万、0.67/10万,且实际值均在预测值的95％可信区间内,2011年7-12月发病率的预测值基本符合实际发病率的变动趋势.结论 ARIMA模型能较好地模拟在短期内细菌性痢疾发病率的变动趋势,可为细菌性痢疾制定预防控制策略提供科学的数据.     

时间序列分析法在肺结核发病率预测中的应用

目的探讨ARIMA模型在肺结核发病率预测中的应用,为制定肺结核防控策略提供科学数据。方法利用深圳沙井街道2006年1月-2011年6月的肺结核月发病率数据建立ARIMA模型,采用2011年7-12月的月发病率数据验证模型的预测效果。结果建立的ARIMA(1,0,0)(1,1,0)12模型预测效果较好,实际值均在预测值的95%可信区间内,对2011年7-12月发病率的预测值基本符合实际发病率的变动趋势。结论 ARIMA模型能较好地模拟在短期内肺结核发病率的变动趋势。     

时间序列模型在传染病发病率预测中的应用

本文运用时间序列分析中被广泛应用的ARIMA模型对东风汽车公司1986～2002年的法定传染病月发病率进行拟合,并探讨使用此模型进行发病率预测的可行性,为传染病监测和防治提供帮助.     

ARIMA模型和Holt-Winters指数平滑法在贵州省肺结核发病预测中的应用

目的探讨比较自回归差分移动平均（autoregressive integrated moving average, ARIMA）模型及Holt-Winters指数平滑法在肺结核发病预测中的应用,为贵州省结核病防控工作提供科学依据。方法以2015—2021年贵州省登记报告的肺结核发病数据建立ARIMA模型和Holt-Winters指数平滑模型,分别用两种模型预测2022年1—10月肺结核发病数,并与实际登记报告肺结核发病数作比较,对两种模型预测效果进行评价。结果 2015—2021年贵州省累计报告肺结核患者28.08万例,总体上肺结核发病呈下降趋势。构建ARIMA最佳模型为ARIMA (1, 1, 0)(0, 1, 0)12,模型预测结果均方根误差（root mean square error,RMSE）为462.46,平均绝对误差（mean absolute error,MAE）为424.50,平均绝对百分比误差（mean absolute percentage error,MAPE）为21.21%;Holt-Winters指数平滑法最佳模型为乘法模型,模型预测结果 RMSE为387....     

季节性时间序列分析在医院感染中的应用

目的为了研究医院感染人数与不同季节的关系.方法利用季节性时间序列的线性模型对1996～2002年的数据建模,并比较各个模型对2003年的数据预测能力,从而总结出最佳模型.结果最后得到4个模型,各模型的P值均＜0.0001,说明新建立的模型是可靠的;预测的结果表明最后一个模型的效果最好.结论季节性时间序列的线性模型能较好的模拟医院感染人数同季节的关系,并有较强的预测能力,从而为医院感染人数的预测提供了有效的工具.     

传递函数模型在医院业务收入预测中的应用

[目的]介绍传递函数模型在医院业务收入预测中的应用。[方法]利用传递函数模型对医院业务收入影响因素进行分析。在此基础上,利用分析结果对医院业务收入做出预测,并将预测结果与ARIMA模型预测结果进行比较。[结果]在本次研究中,出院人数成为医院业务收入的主要影响因素;预测结果对比中,传递函数模型预测结果较ARIMA模型预测结果接近实际值。[结论]传递函数模型可在对医院业务收入影响因素进行客观分析的基础上作出较为精确的预测。     

指数平滑法在医院统计预测中的应用

本文选用某医院1986～1995年收容量作为基础资料,利用指数平滑法对其进行分析预测和评估.1 资料来源资料来自某院1986～1995年医院工作年报表(见表1).表1 某医院 1986～1995年收容量年份 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995收容人次(y)13163　15350 14812 14712 15712 16523 17086 17131 17636 178472 分析步骤与结果基于时间序列中不同时期的数据,其所反映的信息重要程度不同(数据的重要程度按时间的远近呈非线性递减),指数平滑法就是给定一个权重系数a计算平滑值,来进行预测的.