ARIMA模型在梅毒预测中的应用

目的 构建天津市梅毒月发病率预测的ARIMA模型,为梅毒防控工作提供参考依据。 方法 利用天津市1996 - 2008年梅毒月发病率资料,应用SPSS 15.0统计软件包,拟合构建最佳ARIMA模型。利用2009年梅毒月发病率资料对模型的预测效果进行评价,并对天津市2010年月梅毒发病率进行预测,构建梅毒月发病率预测最佳模型,为今后梅毒预防控制工作提供参考依据。 结果 拟合ARIMA(2,1,0),(0,1,1)模型为天津市梅毒月发病率预测的最佳模型,该模型具有较高的预测精度,预测值与实际值较为接近,且实际值均在预测值的95%可信区间范围内。 结论 ARIMA模型能较好的预测梅毒发病率的变化趋势,为梅毒预防控制措施的制定提供重要依据。     

自回归滑动平均混合模型在辽宁省其他感染性腹泻发病预测中的应用

  目的  通过对2007 — 2017年辽宁省各月其他感染性腹泻发病情况分析,建立自回归滑动平均混合模型（ARIMA）,为辽宁省其他感染性腹泻的预防控制提供参考依据。  方法  收集国家人口与健康科学数据中心公共卫生科学数据中心提供的《辽宁省2007 — 2017年各月其他感染性腹泻数据》中辽宁省2007 — 2016年各月其他感染性腹泻发病率,运用SPSS 25.0软件对数据进行分析,以发病率建立的时间序列构建ARIMA模型,对2017年各月发病率进行预测,根据实际值评价模型预测的准确性。  结果  2007 — 2016年辽宁省其他感染性腹泻发病率时间序列为非平稳性时间序列,由图形观察及多次验证,确定以下4种备选模型:ARIMA （1,1,1）（0,1,0）₁₂,ARIMA （1,1,1） （1,1,0）₁₂,ARIMA （1,1,1） （0,1,1）₁₂,ARIMA （1,1,1） （1,1,1）₁₂,通过Ljung-Box检验和比较贝叶斯信息准则（BIC）值,最终确定ARIMA（1,1,1）（0,1,1）₁₂为最优模型,经2017年各月实际值验证,模型预测准确性较高。  结论  ARIMA（1,1,1）（0,1,1）₁₂乘积季节模型能较好的预测辽宁省其他感染性腹泻月发病率,具有一定的推广及应用价值。     

求和自回归移动平均模型在陕西省细菌性痢疾发病预测中的应用

目的探讨时间序列模型预测传染性疾病发病率的可行性,应用自回归移动平均(autoregressive integrated moving average,ARIMA)模型对陕西省细菌性痢疾进行预测,为制定细菌性痢疾防治策略提供依据。方法根据2004-2012年陕西省细菌性痢疾月报告发病率的时间序列,以2013年1-12月的月发病率作为验证数据,建立ARIMA模型,并对预测效果进行评价。结果陕西省2004-2012年细菌性痢疾月发病率即含有长期递减趋势又含有以年为周期的季节效应,拟合的相对最佳模型为ARIMA(0,1,1)×(1,1,0)12。残差分析统计量经检验差异无统计学意义(Ljung-Box Q=21.994,P=0.143),提示残差为白噪声。2013年1-12月实际值与预测值的相对误差平均值为20.75%,最大40.37%,最小4.94%。结论 ARIMA模型可以较好地预测陕西省细菌性痢疾的发病趋势,模型预测效果的优化有待原始数据的进一步积累。     

基于ARIMA模型对海南某医院的医院感染发病率的预测研究

摘要 目的 探索ARIMA模型在预测医院感染发病率趋势中的应用价值,为进一步防控工作提供指导。方法 回顾性采集海南某医院2009-2018年住院患者的医院感染发病率数据,构建ARIMA模型并评价模型精度,预测2019年7月至2020年6月的医院感染月发病率。结果 本次研究最终确定ARIMA(0,1,1)模型为最优模型(BIC=-2.068,MAPE=10.574),残差序列Ljung-Box检验为白噪声(Q=9.864,P=0.909),模型拟合精度良好,预测2019年7月-2020年6月的月平均发病率为2.79%。结论 ARIMA(0,1,1)模型拟合该院医院感染发病率效果较好,可用于短期预测发病趋势和早期预警,有助于指导医院感染宏观防控决策的制定。     

求和自回归移动平均模型在江西省结核病发病预测中的应用

目的 探讨时间序列模型预测传染性疾病发病率的可行性,应用时间序列求和自回归移动平均(ARIMA)模型对江西省结核病发病率进行预测,为制定结核病防治策略提供依据。 方法 利用ARIMA乘积季节模型(p,d,q)(P,D,Q)s对2006-2011年江西省结核病分月发病数据进行ARIMA模型的建立与分析,并对预测效果进行评价。 结果 江西省2006-2011年结核病分月发病数即含有长期递减趋势又含有以年为周期的季节效应,拟合的相对最佳模型为ARIMA(0,1,1)(0,1,1)12。 结论 ARIMA乘积季节模型能有效的预测江西省结核病发病率的短期变化趋势。     

采用自回归移动平均模型预测我国狂犬病病例的研究

目的采用自回归移动平均模型（ARIMA）对我国大陆地区狂犬病月发病数进行预测,为我国狂犬病的防治工作提供参考依据。方法使用SPSS 19.0软件,利用2007年1月至2016年12月我国狂犬病的月发病数建立时间序列模型,并以2017年的月发病数为验证数据,评估和筛选最优模型,使用最优模型对2018年狂犬病流行趋势及发病数进行预测。结果最优模型为ARIMA（0,1,1）（2,1,0）₁₂,其平稳R2＝0.539,均方根误差＝17.653,Ljung-Box Q＝8.932,P＝0.881。 对2017年1—12月的数据进行预测,相对误差为1.55%,2017年我国狂犬病实际发病数为516例,预计2018年发病数将继续下降至398例。结论ARIMA（0,1,1）（2,1,0）₁₂模型能很好地拟合狂犬病发病的长期趋势和季节趋势,回代拟合和短期预测效果较理想。     

应用ARIMA模型预测嘉峪关市痢疾发病率的可行性

目的 探讨应用ARIMA模型进行痢疾发病率预测的可行性,为甘肃省嘉峪关市痢疾防治提供参考依据。 方法 应用Eviews 5.0软件对2000-2008年嘉峪关市痢疾发病率进行模型拟合,所得到的模型对2009年1-6月痢疾发病率进行预测,并与实际值进行比较。 结果 ARIMA(2,1,3)(1,1,1)12模型拟合效果总体较好,其对2009年1-6月痢疾发病率预测值符合实际值的变化趋势。 结论 ARIMA模型可以模拟嘉峪关市痢疾的发病率,并能够预测痢疾的变动趋势,为该市痢疾防治提供一定帮助。     

基于自回归移动平均模型的浙江省肺结核发病趋势预测

  目的   应用自回归移动平均（ARIMA）模型对浙江省肺结核疫情预测分析,为浙江省肺结核精准化防控工作提供科学依据。   方法   收集2011年1月至2021年8月的浙江省肺结核发病率数据, 基于R软件（4.0.3）利用2011 — 2020年肺结核发病率数据建立ARIMA模型,比较2021年1—8月预测数据和实际数据并选择最优模型。   结果   2011年1月至2020年12月浙江省报告新发肺结核患者总计374 718例,呈逐年下降趋势,每年12月至次年2月发病率较低,3 — 5月相对较高。 确定最优模型为ARIMA（2,1,0）（1,1,2）₁₂,该模型拟合的2021年1 — 8月浙江省肺结核发病率预测值与真实值的平均相对误差为8.87%,赤池信息准则值、贝叶斯信息准则值、均方根误差值和平均绝对百分比误差值分别为95.02、111.05、0.30和4.39。  结论   ARIMA（2,1,0）（1,1,2）₁₂模型能较好地拟合预测浙江省肺结核发病率在时间序列上的变动趋势,但需根据实际情况动态调整,提高预测精度。     

2010-2018年河南省南阳市手足口病季节性差分自回归滑动平均模型预测

  目的  应用时间序列分析构建河南省南阳市手足口病发病预测模型,为制定防控策略提供科学依据。  方法  收集2010 — 2018年河南省南阳市手足口病月发病数据建立时间序列,应用专家建模器构建季节性差分自回归滑动平均（SARIMA）模型,对2019年发病情况进行预测,并与实际值进行比较。  结果  2010 — 2018年南阳市手足口病月发病率呈明显季节性,专家建模器构建结果显示,ARIMA（2,0,0）（0,1,1）₁₂为最优模型,平稳R2为0.827,RMSE为2.240,MAE为1.207,BIC为1.755。 模型对2019年发病情况预测结果显示,预测值与实测值整体变化趋势一致,相对误差绝对值最小为0.01,最大为?6.14。  结论  SARIMA模型能够较好地拟合南阳市手足口病发病情况,并预测未来发病趋势,为防控工作提供理论依据。     

乘积季节性ARIMA模型在重症监护病房医院感染发病率预测中的应用

摘要 目的 研究乘积季节性ARIMA（p,d,q）×（P,D,Q）s模型在重症监护病房医院感染发病率预测中的应用价值。方法通过收集某医院重症监护病房（ICU）医院感染发病率,建立乘积季节性ARIMA（p,d,q）×（P,D,Q）s模型,对重症监护病房医院感染发病率进行预测。结果ARIMA（1,1,1）×（1,1,1）s 能够较好的拟合该院重症监护病房医院感染发病率情况。此模型医院感染发病率实际值与预测值的吻合程度较高,平均相对误差为0.82%。结论ARIMA（1,1,1）×（1,1,1）s 能够较好地拟合该院重症监护病房医院感染发病率情况,可为医院感染的整体监控提供参考依据。     

北京市昌平区肺结核发病数ARIMA模型预测

目的 探讨自回归滑动平均混合模型(autoregressive integrated moving average model, ARIMA)模型在北京市昌平区肺结核发病数预测中的应用,阐述建模过程并预测2015年昌平区肺结核发病数,为制定防治策略合理配置资源等提供参考。方法 采用全国结核病网络专报系统中2009-2014年现住址为北京市昌平区的肺结核报告发病数数据,通过模型识别、参数估计、检验诊断及模型评价,建立昌平区结核病发病数的ARIMA模型,并预测其2015年肺结核发病数。结果 现住址为昌平区的肺结核发病数预测模型为ARIMA(0,1,1)(0,1,1)12,预测2015年的新发报告肺结核患者总数为851例,模型2015年第一、二季度(1-6月)预测误差率为1.65%,不到10%,模型预测精度较好。结论 ARIMA模型适用于昌平区肺结核发病数的早期预测。     

2010-2021年四川省乙型肝炎流行特征分析及发病预测

目的 分析四川省2010—2021年乙型肝炎（乙肝）流行特征,建立自回归移动平均（ARIMA）模型并预测乙肝发病趋势,为四川省乙肝防控提供理论依据。方法 采用描述性流行病学方法分析四川省2010—2021年乙肝流行特征;运用R 4.0.2软件建立ARIMA模型并预测四川省乙肝月发病情况。结果 2010—2021年四川省累计报告乙肝536 017例,年均报告发病率为54.44/10万,整体呈先下降后上升的趋势;急性乙肝发病率呈逐年下降的趋势;无明显季节性发病高峰;凉山彝族自治州、巴中市和甘孜藏族自治州为高发地区;发病人群主要以农民为主（占62.85%）,发病年龄段主要集中在35～54岁（占41.83%）,男女性别比为1.95∶1。ARIMA(0,1,1)(0,1,1)12为最优模型,2022年1—6月的实际发病数均落入模型预测值95%CI内,模型的平均绝对百分比误差为4.86%。结论 四川省乙肝疫苗母婴阻断工作已有效遏制急性乙肝的发病,但总乙肝发病率居高不下;男性、35～54岁年龄组以及农民是乙肝防控重点人群;建立的ARIMA(0,1,1)(0,1,1)12模型能较好地预测四川省乙肝发病...     

构建山西省太原市痢疾发病率的ARIMA模型

目的 构建痢疾发病率的ARIMA模型,预测太原市痢疾的发病趋势.方法 引用1994-2003年月发病率拟合模型,利用2004-2006年的痢疾发病率对模型参数进行修正,建立预测方程,预测2007-2008年太原市痢疾发病率.结果 构建ARIMA(1,0,0)(0,1,1)12模型,预测方程为(1-0.63692827B)(1-B12)yt=(1-0.69684797B12)et.预测太原市2007-2008年的痢疾发病水平呈平稳下降趋势.结论 ARIMA(1,0,0)(0,1,1)12模型町作为太原市痢疾发病水平短期预测预报模型.     

自回归移动平均模型乘积季节模型在南昌市手足口病疫情预测中的应用

目的探讨自回归移动平均模型(ARIMA)乘积季节模型在手足口病预测中的应用,对手足口病的月发病数进行趋势预测。方法收集南昌市2009年1月至2012年12月手足口病的月发病数资料建立ARIMA乘积季节模型,并对预测结果进行评价。结果在手足口病预测中建立ARIMA乘积季节模型的最优模型为ARIMA(0,1,1)×(1,1,0)12模型,正态化的BIC为(贝叶斯信息准测)12.31。结论建立的ARIMA模型能较好地拟合和预测南昌市手足口病的月发病数,为手足口病的防治提供参考依据。     

ARIMA乘积季节模型在山西省结核病预测中的应用

目的 应用自回归移动平均（ARIMA）乘积季节模型对山西省2022和2023年结核病发病率进行预测,为结核病防控提供参考依据。方法 收集《中国疾病预防控制信息系统-结核病管理信息系统》2010—2021年山西省结核病月发病率数据,进行模型构建和检验。基于2010—2020年结核病月发病率数据使用R 4.1.0软件构建ARIMA乘积季节模型,并用2021年月发病率检验模型,同时预测山西省2022和2023年结核病流行趋势。结果 2010—2021年山西省共报告结核病患者191 517例,发病率由68.29/10万下降到23.74/10万,总体呈下降趋势。每年的1、2、10月发病率较低,3—6月发病率较高,尤其以冬春交替之际发病率最高。根据2010年1月至2020年12月结核病月发病率拟合出ARIMA(0,1,1)(1,1,1)12模型,该模型的赤迟信息量准则、均方根误差、平均绝对百分比误差和平均绝对误差分别为202.07、0.49、9.19、0.33。通过检验发现该模型的平均绝对百分比误差为11.34%,预测2022年山西省结核病发病率在0.51/10万～2.12/10万,2023年在0...     

ARIMA季节乘积模型预测济南市猩红热发病趋势

目的 探讨ARIMA季节乘积模型在济南市猩红热月发病率预测中的应用,并预测猩红热月发病趋势,为制订防控策略提供依据。方法 对济南市2006-2014年猩红热月发病率资料建立ARIMA季节乘积模型,利用2015年1-6月发病资料检验模型的精度,并预测2015年各月发病率。结果 构建ARIMA(1,0,0)(0,1,1)12模型可以用于济南市猩红热月发病率的拟合和预测,模型决定系数R2=0.64。结论 2015年济南市猩红热处于高流行期,应警惕出现流行和暴发的可能,在高发时间、高发地点做好猩红热的监测和应对工作,防止暴发流行。     

采用自回归移动平均模型预测中国手足口病月发病率

目的 采用自回归移动平均(autoregressive integrated moving average, ARIMA)模型对中国(未含香港、澳门和台湾地区)的手足口病月发病率进行预测,为手足口病预防控制提供参考依据,为ARIMA在传染病预防控制中的运用提供新的领域。 方法 根据2008-2011年全国手足口病月报告发病率时间序列,以2012年1-7月的月发病率作为验证数据,建立中国手足口病月发病率的ARIMA模型。 结果 我国手足口病月发病率模型为ARIMA(1,0,0)(0,1,0)12,模型自回归参数AR1=0.779 (t=7.315,PQ=10.328,P=0.889),提示残差为白噪声。2012年1-7月实际值与预测值的相对误差平均值为28.62%,最大44.57%,最小4.92%。 结论 ARIMA可用于我国手足口病月发病率的预测,模型预测效果的优化有待原始数据进一步积累。