季节性ARIMA模型在河南省流感样病例发病预测中的应用

目的 研究河南省流感样病例(ILI)发病规律，探讨使用自回归移动平均(ARIMA)模型预测河南省流感样病例发病趋势的可行性。方法 收集2010年第1周至2022年第30周河南省流感样病例占门急诊就诊病例的比例(ILI%)数据，使用R语言进行时间序列分析并建立季节性ARIMA模型，使用最优模型对2010年14周至2021年40周ILI%数据进行拟合，对2021年第41周至2022年第30周进行预测。结果 2010-2014年河南省ILI%整体呈增高趋势，2014-2022年ILI%整体呈降低趋势。河南省ILI%变化呈现季节性，12月底至次年1月初为报告高峰。最终选择的模型是ARIMA(0,1,1)×(1,1,0)₅₂，拟合和预测的发病趋势与实际观测到的情况基本一致，ILI%拟合误差范围在-2.93～3.51之间，平均误差-0.01，平均绝对误差0.29，均方根误差0.47，百分比误差(相对误差)在-213.95%～128.85%之间，平均绝对百分比误差11.22%；实际报告ILI%均在预测序列95%置信区间内。结论 季节性ARIMA模型可用于河南省流感样病例发病趋势...     

ARIMA模型在流感样病例预测预警中的应用

目的探讨ARIMA模型在流感样病例预测预警方面的应用,建立流感样病例发病预测模型,并证明模型的适用性。方法对北京市顺义区医院、顺义区妇幼老年保健院2家省级流感样病例监测哨点医院报告的2005年9月～2009年3月流感样病例月报告数资料建立ARIMA模型,2009年4～5月数据验证模型,用Q统计量法对模型适应性进行检验。结果对流感样病例月报告数建立季节模型ARIMA(1,0,0)x(0,1,0)12,统计量Q大于Χ2α(m)证实了该模型的适用性。结论ARIMA模型能够较好应用于流感样病例预测预警,为疫情防控提供科学依据。     

基于R语言的ARIMA模型对流感样病例发病趋势的预测

目的 分析自回归滑动平均混合模型（the autoregressive integrated moving average,ARIMA）在流感样病例（influenza like illness,ILI）发病趋势预测的可行性,为流感防控提供技术支持。方法 收集本院2013年第1周~2017年第26周由该院每日报告的ILI监测资料,运用R语言进行时间序列分析并建立预测模型。结果 流感样病例就诊百分比（consultation rate of influenza like illness,ILI%）监测数据总体上呈现下降趋势,并且具有明显的季节性。最佳预测模型为ARIMA（0,1,1）（0,1,1）₅₂,该模型残差Box-Pierce检验结果为χ2=7.07（P=0.315）、χ2=17.22（P=0.142）,提示残差为白噪声序列,预测结果实际值均在预测值的95%的置信区间（95% confidence interval,95%CI）内。结论 ARIMA模型可用于该院ILI短期发病趋势的预测。     

基于ARIMA模型的医院流感样病例特性分析与预测研究

目的 基于自回归移动平均模型分析预测医院流感样病例就诊特点,探讨疫情防控应急管理策略。方法 采用回顾性研究收集某三甲医院2017-2022年流感样病例,分析不同季度、科室流感样病例流行病学特征,采用时间序列拟合模型分析流感样病例流行趋势及变化。结果 2017—2022年医院就诊的5048123例门急诊病例中监测到118781例流感样病例,其中2017—2019年12月至次年3月呈现出流感样病例发病高峰,2020—2022年由于新冠疫情防控措施使得流感样病例就诊未呈现典型的季节性波动。采用时间序列拟合模型分析后,预测2023—2024年流感样病例及门急诊病例数,预测季节性高峰将于2023年12月、2024年3月以及2024年12月出现。结论 利用ARIMA模型对流感样病例进行分析预测有助于医院统筹医疗资源,加强应急管理,降低流感传播风险。     

上海市流感样病例就诊百分比时间序列分析和预测模型研究

【目的】利用季节性差分移动自回归平均模型(SARIMA)预测上海市流感样病例就诊百分比(ILI%)的发病趋势，为及时采取针对性防控措施提供重要的参考依据。【方法】对2015年第15周至2019年第52周上海市疾病预防控制中心ILI%监测数据进行时间序列分析并建立预测模型，使用前212周数据建立SARIMA模型，后36周数据评估模型预测效果。【结果】2015年第15周—2019年第52周上海市ILI%平均值为1.494%，有较明显的流行高峰出现。最终建模SARIMA(1,0,0)(2,0,0)₅₂，模型残差为白噪声序列，真实值均在预测值95%置信区间内。【结论】SARIMA(1,0,0)(2,0,0)₅₂可用于上海市ILI%的中期预测，并为全市流感流行和暴发起到预警作用。     

ARIMA模型在流感样病例发病预测中的应用

目的 建立北京市密云区流感样病例ARIMA预测模型并对所建模型预测效果进行验证和评价.方法 对密云区2010-2016年流感监测哨点医院每日报告的流感样病例监测资料建立ARIMA预测模型,并预测2017年流感样病例就诊比例,与实际值比较评估模型预测效果.结果 2010-2016年密云区流感样病例监测哨点医院门急诊患者累...     

ARIMA模型预测深圳宝安区流感样病例发病率的可行性

目的建立预测宝安区流感样病例发病率的ARIMA模型,并验证其可行性。方法应用SPSS 19.0软件对2010年1月~2015年6月宝安区流感样病例每月发病率进行模型拟合,以2015年7~9月每月流感样病例发病率作为考核样本评价模型预测效果。结果 ARIMA(2,1,0)(0,1,1)12拟合2010年1月~2015年6月宝安区每月新增感染率的变动趋势较为理想,实际值均在预测值的95%可信区间内,预测结果与实际值相对误差最大值为20.94%,最小为3.05%。结论 ARIMA(2,1,0)(0,1,1)12模型,该模型在宝安流感样病例发病率短期趋势的预测与实际发病率吻合,可考虑纳入周期性自变量或者选用其他模型加强预测精度。     

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。     

2008-2015年宁波市流感样病例预测模型分析

目的：建立宁波市流感样病例（ILI）的预测模型,并对所建模型预测效果进行验证和评价。方法收集2008年1月至2015年6月宁波市流感监测哨点医院 ILI 监测资料,对数据进行统计分析,建立ARIMA模型及ARIMA-GARCH模型对流感发病情况进行预测和评价。结果2008—2014年宁波市ILI累计报告101056例,发病率大致呈逐年下降趋势。针对ILI发病率的ARIMA模型构建中ARIMA（2,1,1）（1,1,1）12为最佳模型（BIC=6.250）,白噪声残差分析得到Ljung-Box统计量Q值为6.027（P>0.05）。ARIMA-GARCH组合模型的预测效果较单一ARIMA模型理想,平均绝对误差分别为11.049和12.757。结论 ARIMA-GARCH模型可以模拟宁波地区流感的流行趋势,为流感防控策略的制定提供理论依据。     

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。     

基于ARIMA模型的2020年衡阳市肺结核发病趋势预测

目的 用差分整合移动平均自回归(autoregressive integrated moving average,ARIMA)模型对肺结核发病率进行预测,为人群肺结核的防治以及制定干预措施提供参考依据.方法 收集衡阳市2010年1月—2019年12月肺结核月发病数据,运用SPSS 22.0软件进行数据分析,构建ARIM...     

基于季节性ARIMA模型的新疆肺结核发病预测分析

目的 探讨季节性时间序列模型(autoregressive integrated moving average,ARIMA)在新疆肺结核发病预测中的应用,并验证模型的可行性和适用性。 方法 采用季节性ARIMA(p, d, q )(P, D, Q)_s拟合2005年1月—2019年8月新疆地区肺结核月发病人数,建立多个季节时间序列模型并进行比较,选出最优模型对2019年9—12月肺结核发病人数进行预测。 结果 2005年1月—2019年8月新疆地区肺结核累积发病人数为627 869例,年平均发病人数为3 567例。 新疆地区肺结核月发病数具有季节性,1—5月平均发病数高于平均水平,6—12月平均发病数低于平均水平,发病高峰为1月和3月,发病低谷为9月。通过赤池信息量(Akaike Information Criterion,AIC)和贝叶斯信息量(Bayesian Information Criterion,BIC)最小原则得出,ARIMA(1, 1, 1 )(0, 1, 2)₁₂是最优模型,其残差序列为白噪声,参数的回归系数均具有统计学意义,拟合的平均绝对百分比误差MAPE为8.723%。预测的MAPE为18.674%,真实值均处于预测值的95%置信区间内。 结论 ARIMA(1, 1, 1 )(0, 1, 2)₁₂模型能够较好地拟合新疆肺结核发病数据,并进行短期预测,对新疆卫生防控措施的制定具有一定指导意义。     

ARIMA预测模型在甘肃省其他感染性腹泻发病预测中的应用

目的 建立并评价甘肃省其他感染性腹泻发病的ARIMA预测模型。 方法 利用2010—2018年甘肃省其他感染性腹泻的发病数据建立ARIMA预测模型,同时利用2019年发病数据评价模型并对2020年甘肃省其他感染性腹泻发病进行预测。 结果 根据模型拟合效果,模型ARIMA(0,1,1)(1,1,0)₁₂为最优模型。R²=0.741,Ljung-Box检验值为25.944,BIC值为11.060。模型拟合甘肃省其他感染性腹泻的发病趋势与实际发病趋势一致,MAPE=17.297%,预测结果显示2020年甘肃省其他感染性腹泻发病时间分布与往年趋于一致。 结论 ARIMA(0,1,1)(1,1,0)₁₂模型能较好地拟合甘肃省其他感染性腹泻的发病趋势,对该病的预防控制、风险评估等具有一定的公共卫生意义。     

基于ARIMA与NNAR模型的中国食管癌疾病负担预测

目的  探索中国食管癌疾病负担时间序列特征,并进行预测。 方法  收集1990—2019年中国食管癌发病率、死亡率、伤残调整寿命年(disability adjusted life year, DALY)等疾病负担数据,基于1990—2016年数据建立自回归移动平均(autoregressive integrated moving average, ARIMA)模型、神经网络自回归(neural network autoregression, NNAR)模型,通过平均误差率(modulation error ratio, MER)、平均绝对百分比误差(mean absolute percentage error, MAPE)、平均绝对误差(mean absolute error, MAE)和均方根误差(root mean squared error, RMSE)比较2017—2019年预测数据与实际数据以验证模型预测性能,并预测2020—2024年食管癌疾病负担。 结果  1990—2019年中国食管癌疾病负担整体呈波动上升趋势,发病率上升33.26%,死亡率上升21.26%,DALY率上升6.66%。ARIMA模型与NNAR模型的预测值和实际值动态趋势基本一致,选择其中更优模型预测得到2020—2024年中国食管癌发病率分别为20.375/10万、21.057/10万、21.380/10万、21.341/10万和21.080/10万;死亡率分别为18.834/10万、19.647/10万、20.407/10万、20.889/10万和20.988/10万。DALY率分别为418.192/10万、431.123/10万、442.780/10万、452.376/10万和459.358/10万。 结论  中国食管癌疾病负担在2020—2024年将上升。NNAR模型在拟合中国食管癌疾病负担应用中具有良好预测性能与精度,可为疾病负担短期预测提供借鉴方法。     

上海市2014-2020年流感发病强度的变化情况

目的 评估上海市2014-2020年流感监测网络的运行情况以及流感发病强度的变化。方法 基于上海市2014年1月1日至2020年12月31日的流感监测数据,对哨点医院流感样病例(ILI)缺报漏报和ILI标本采集情况进行评价,计算ILI就诊百分比(ILI%)、流感病毒检出阳性率和流感发病率,利用季节性自回归移动平均模型构建"反事实"情况下2020年流感发病强度的基线,以定量估计上海市2020年流感发病强度的相对变化。结果 2020年上海市ILI缺报漏报情况评价得分和ILI标本采集情况评价得分<5分的医院占比分别为9.68%和21.05%。上海市2014-2019年和2020年的ILI%分别为1.51%(95%CI:1.50%~1.51%)和2.31%(95%CI:2.30%~2.32%),流感病毒检出阳性率分别为24.27%(95%CI:24.02%~24.51%)和7.15%(95%CI:6.78%~7.54%),流感发病率分别为3.66‰(95%CI:3.62‰~3.70‰)和1.65‰(95%CI:1.57‰~1.74‰)。上海市2020年的ILI%升高了45.25%,流感病毒检出阳性率和流感发病率分别降低了78.45%和51.80%。结论 2020年上海市流感监测网络的运行情况发生改变,ILI%有所升高,流感病毒检出阳性率和流感发病率均有所降低,流感监测质量的改变是一个潜在的影响因素,未来仍需进一步加强流感监测的质量控制。     

时间序列分析在流感疫情预测预警中的应用

目的 探讨时间序列分析的自回归求积移动平均模型(ARIMA)在江苏省流行性感冒(流感)疫情预测预警中的应用.方法 收集江苏省2005年10月至2010年2月各监测点流感样病例(ILI)监测数据,建立基础数据库,对每周ILI发病人数进行ARIMA建模拟合,对2010年3-4月各周流感样病例发病情况进行预测.结果 构建得到ILI发病ARIMA(2,1,2)预测模型为(1+0.785B2)(1 -B)In Xt=(1+0.622B2)εt,其中,B代表后移算子,Xt代表流感样病例发病人数,εt为随机误差.模型残差序列为白噪声,模型的Ljung-Box检验统计量为5.087,P=0.995,拟合效果良好.应用该模型预测2010年3-4月江苏省各周ILI发病情况,预测值符合实际发病变动趋势,实际观测值均在预测值95％CI值内.结论 ARIMA模型能较好地模拟江苏省ILI发病情况.     

ARIMA模型预测南宁市猩红热发病趋势

目的运用自回归移动平均(ARIMA)模型对南宁市2011年的猩红热发病趋势进行预测,探索猩红热的流行规律。方法以南宁市2004-2010年的猩红热月发病率数据为基础,用SPSS13.0建立ARIMA预测模型,以2005-2010年的数据验证模型的预测精度。结果 ARIMA(1,0,0)(1,1,1)12模型可以用于拟合南宁市猩红热的发病情况。南宁市2011年猩红热的发病仍然维持在低位,且发病趋势平稳。结论 ARIMA模型可用于猩红热发病趋势的短期预测。