厦门市手足口病流行特征分析及发病趋势预测方法研究

目的研究厦门市手足口病的流行特征并探讨季节性时间序列(seasonal autoregressive integrated moving average,SARIMA)模型拟合厦门市手足口病发病趋势预测的可行性。方法选取2011—2013年6家医院报告的手足口病10 540例,利用SPSS19.0对厦门市手足口病的发病情况进行流行病学分析,通过取自然对数、差分等方法对手足口病月发病数序列进行平稳化,然后进行模型参数的估计、检验,最优模型的筛选,最后进行预测分析。计量资料采用χ2检验,P0.05为差异有统计学意义。结果 2011—2013年厦门市手足口病的年平均发病率为97.37/10万,4—7月和9月有两个发病高峰,病例主要分布于5岁以下儿童,占所有病例数的93.85%;病原构成以其他肠道病毒为主,占42.9%,其次为肠道病毒71型(enteriovirus 71,EV71)占39.7%,柯萨奇病毒A6(coxsackie virus A6,Cox A6)仅占17.3%;SARIMA(0,1,0)(1,1,0)12较好地拟合了厦门市手足口病的月发病数据,预测效果良好。结论厦门市手足口病的发病率较高,可以用SARIMA模型进行短期预测,进而指导各项防控措施。     

应用3种回归模型预测手足口病周发病数

目的 探索分析手足口病周数据的统计学方法,提升手足口病预测能力。方法 中国疾病预防控制信息系统导出2008年第1周至2014年第14周北京市通州区手足口病周发病数。采用SPSS 17.0 软件进行自回归、季节性自回归与混合Serfling 回归模型拟合。结果 自回归、季节性自回归、混合Serfling回归3种模型对2008年第1周至2014年第14周实际发病数进行拟合,回归方程R2分别是0.907、0.917、0.919,所得残差经Ljung-Box检验均是白噪声;以所得回归方程对2014年第15周至第38周实际发病数进行预测,3种模型的平均绝对百分比误差（MAPE）分别为:18.67%、18.43%、17.12%。 结论 混合Serfling回归模型预测效果最优。     

ARIMA模型在阜阳市手足口病发病数预测中的应用

目的探讨应用求和自回归移动平均(Autoregressive Integrated Moving Average,ARIMA)模型进行手足口病发病数的拟合和预测,为手足口病疫情预警提供依据。方法运用统计分析软件Eviews 5.0对阜阳市2009年1月至2013年10月的手足口病发病的月发病数进行模型拟合,根据所建立的最优模型对2013年11月和12月的手足口病月发病数进行预测,并与实际值进行比较。结果阜阳市手足口病发病以年为周期,一年中4~7月份出现发病高峰。手足口病预测模型ARIMA(1,0,1)(0,1,1)12,检验结果总体最好,2013年11月至12月的手足口病月发病数的预测值与实际值较为接近,预测相对误差分别为3.35%和3.16%,预测效果较好。结论 ARIMA(1,0,1)(0,1,1)12模型可作为阜阳市手足口病月发病数中短期预测的模型。     

ARIMA模型预测上海市手足口病发病趋势

目的采用ARIMA模型建立上海市手足口病发病预测模型。方法应用SPSS18.0软件对上海市2005-01/2010-06手足口病月发病率进行ARIMA模型建模拟合,并与实际发病率进行比较。结果 ARIMA（1,0,0）（0,1,0）12模型能很好地拟合既往时间段的发病序列,对2010-01/06的预测值符合上海市该病的发病率变动趋势。2011和2012年上海市手预测足口病的年发病率分别为235.32/10万和294.59/10万。结论 ARIMA模型能够较好模拟上海市手足口病在时间序列上的变动趋势,并对未来2年该病发病情况进行预测。     

基于气象因素的上海市金山区手足口病多元线性回归预测模型

目的应用多元线性回归构建基于气象因素的上海市金山区手足口病预测模型。方法收集上海市金山区2010年至2013年手足口病逐日发病人数与包括日最高气温、日最低气温、日平均气温、日最低相对湿度、日平均相对湿度、日平均气压、日降水量、日平均日照时数、日平均风速在内的9种同期气象资料进行相关分析,并选择相关系数有显著性的气象因素进行手足口病的逐步回归模型构建。结果手足口病发病人数与日最高气温、日最低气温、日平均气温、日平均相对湿度、日最低相对湿度呈正相关性（P<0.05）,与日平均气压、日平均风速呈负相关性（P<0.05）。最终有日平均气压、日平均风速和日最高气温进入模型,回归系数分别为-0.129、-0.299和-0.039,且容忍度与方差膨胀因子均显示模型不存在严重的多重共线性。结论基于气象因素的上海市金山区手足口病预测模型解释性拟合程度较好,可用于短期预测。     

手足口病发病预测4种时间序列预测模型比较

目的 比较季节性差分自回归移动平均模型(SARIMA)、温特线性与季节指数平滑模型、Census X12季节分解模型和线性组合预测模型4种时间序列预测模型对手足口病发病的预测性能,为手足口病的预测提供方法支撑.方法 收集中国疾病预防控制中心2008年1月-2019年12月发布的中国手足口病月度发病人数和《中国统计年鉴—...     

ARIMA乘积季节模型在江西省手足口病发病预测中的应用

目的 建立江西省手足口病发病的ARIMA乘积季节模型并进行预测,探讨该模型在江西省手足口病早期预测预警中的可行性。方法 以江西省2008-2015年手足口病逐月发病数为基础,建立ARIMA乘积季节模型,利用2016年各月发病数对模型进行验证,得到最优模型后对2017年手足口病发病数进行预测。结果 本研究构建的江西省手足口病发病预测模型为ARIMA(2,1,1)(0,1,1)12,各项参数都有统计学意义(P<0.05),模型拟合优度检验获得BIC值最小为14.738,残序列为白噪声(Ljung-Box Q=14.738,P=0.362),实际值与拟合值的动态趋势基本吻合;2016年1-8月预测值与实际值相差较小,吻合度高;2017年手足口发病数预测值为49 353。结论 ARIMA(2,1,1)(0,1,1)12较好地模拟了江西省手足口病发病趋势,可用于江西省手足口病发病的短期预测。     

ARIMA模型预测上海市闸北区手足口病发病趋势

目的应用季节性时间序列ARIMA模型建立手足口病发病趋势预测,为预警、早期防控手足口病流行提供依据。方法应用SPSS13.0对2002年4月-2011年3月8年的手足口病逐月发病率建立ARIMA模型。结果通过对参数和模型的拟合优度检验以及残差白噪声序列的检验,最终确定模型为ARIMA(1,0,0)(2,1,0)12,其中AIC=235.855,BIC=245.942,LB统计量检验残差序列为白噪声序列。结论模型能够有效地预测手足口病发病趋势,对预警预测产生积极的指导作用。     

利用ARIMA模型预测北京市顺义区手足口病发病趋势

目的探讨利用ARIMA模型预测手足口病发病趋势的可行性和意义,为预警手足口病防控提供依据。方法应用SPSS 19.0对2008-2013年手足口病逐月发病率建立ARIMA模型,并对2013年手足口病各月发病率进行拟合。结果 ARIMA(1,0,0)(1,1,0)12能够较好拟合既往时间段手足口的发病率,2013年各月的预测值符合手足口病实际发病率变动趋势。结论模型能够有效地预测手足口病发病趋势,对预警、预测产生积极指导作用。     

基于向量自回归模型的清远市手足口病发病预测分析

目的 运用向量自回归模型(vector autoregression model,VAR)分析清远市手足口病发病与气象因素的动态关系,为手足口病的防控提供科学依据。 方法 用2013年1月1日－2017年4月30日的气象数据和手足口病发病数据建立VAR模型,评价模型的稳定性及拟合效果,通过脉冲响应函数和方差分解分析对模型进行定量分析,进一步对手足口病发病情况进行预测并评价预测效果。 结果 模型总拟合优度为0.96,调整后拟合优度为0.95。手足口病发病数对日最低气温、日地表最低气温和日平均相对湿度等气象因素的冲击响应是正向的。模型对未来1周、2周、3周和4周的手足口病发病预测其平均绝对百分误差(mean absolute percentage error,MAPE)分别为17.75%、13.69%、10.74%和15.85%,希尔不等式系数(Theil inequality coefficient,TIC)分别为0.08、0.06、0.05和0.09。 结论 气象因素和手足口病发病的VAR模型可以较好地进行清远市手足口病发病的短期预测。     

湖南省手足口病发病趋势SARIMA模型预测

目的 建立湖南省手足口病发病趋势的SARIMA模型,为手足口病的预防和控制提供参考依据。方法 收集中国疾病预防控制信息系统2008年5月-2013年12月湖南省手足口病月发病率数据建模,以2014年1-7月的月发病率数据进行验证,并对2014年8月-2015年7月发病情况进行预测;应用SPSS 18.0中的"Define Dates"模块和"ForeCasting"模块进行分析,建立季节性差分自回归移动平均模型(SARIMA)。结果 湖南省手足口病月发病率发病趋势预测模型为SARIMA(1,0,0)(1,1,0)₁₂,模型自回归参数AR1=0.765,(t=8.789,P<0.001),残差为白噪声(Ljung-Box Q=15.420,P=0.494),预测值与实际值的相对误差范围为6.90%~46.31%,平均相对误差为20.37%;预测2014年发病率2次高峰分别在5月份和11月份,均高于2013年同月份的发病率;2015年上半年高峰期也在5月份,低于2014年同月份的发病率。结论 SARIMA(1,0,0)(1,1,0)₁₂拟合效果较好,可用于湖南省手足口病月发病率的短期预测。     

SARIMA模型在山西省手足口病发病预测中的应用

目的探讨季节性自回归移动平均模型（seasonalautoregressiveintegratedmovingaverage,SARIMA）在山西省手足口病发病预测中的应用,并利用该模型预测山西省手足口病发病趋势。方法 选取山西省2008年1月—2020年12月的手足口病月发病率构建SARIMA预测模型,选取2021年1—12月手足口病月发病率进行内部验证,评价模型预测效果,进一步预测山西省2022年的手足口病月发病率。结果 每年5—7月为山西省手足口病发病主高峰期,10—11月为次高峰期。SARIMA (1,0,1)(2,1,1)12模型能较好地对山西省手足口病的发病率进行拟合和预测,该模型拟合的均方根误差值为2.92/10万,平均绝对比例误差值为0.51/10万,以及标准化的赤池信息准则（akaike information criterion,AIC）值为755.36。利用该模型对山西省2021年1—12月手足口病月发病率进行预测,将预测值与实测值比较,其拟合的均方根误差值为1.59/10万、平均绝对误差值为1.09/10万。2022年山西省手足口病预测月发病率依次为0.63/1...     

厦门市翔安区手足口病流行特征分析及发病趋势预测方法研究

目的:研究厦门市翔安区手足口病的流行特征并探讨SARIMA模型拟合手足口病发病趋势预测的可行性.方法:利用SPSS软件对翔安区手足口病的发病情况进行流行病学分析,通过取自然对数,差分等方法对手足口病月发病数序列进行平稳化,然后进行模型参数的估计,检验,最优模型的筛选,最后进行预测分析.结果: 2011-2014年,翔安区手足口病的年平均发病率为231.40/10万,4-7份和9月份有两个发病高峰,病例主要分布于5岁以下儿童,占所有病例数的93.89%%;病原构成以其他肠道病毒为主,占43.8%,其次为CoxA16占31.4%,EV71仅占27.8%;SARIMA(0,1,0)(1,1,0)₁₂较好地拟合了厦门市翔安区手足口病的月发病数据,预测效果良好.结论:厦门市翔安区手足口病的发病率较高,可以用SARIMA模型进行短期预测,进而指导各项防控措施.     

两种季节时间序列资料预测法的应用比较

本文根据我院 1995～ 1999年门诊工作量季统计资料 ,试用趋势季节模型和季节周期回归模型预测 2 0 0 0年 1～ 4季度门诊工作量 ,并对两种方法加以比较。资料与方法资料来自我院统计室 1995～ 1999年医院工作季报表。经审核后在微机上自编程序应用趋势季节模型和季节周期回归模型进行统计汇总和比较分析。计算步骤与结果一、季节周期回归模型1 设季节时间序列资料为 ^Ｙｉｊ,ｉ =1,2 ,… ,ｎ为年度 ,ｊ =1,2 ,3 ,4为季度 ,则季节周期回归模型为 :^Ｙｉｊ=ａ0 ｂ1ｉ ｂ2 ｊ ｂ3 ｓｉｎ(ｊπ/2 ) ｂ4 ｃｏｓ(ｊπ/2 ) (1)式中ｂ1ｉ反映趋势…     

舟山市细菌性痢疾发病率趋势预测两法比较

细菌性痢疾（简称菌痢）是一种常见的肠道传染病。由于其流行与传播因素的广泛性，多年来菌痢发病率一直处于较高的发病水平，发病率居肠道传染病发病率的前1～2位，成为影响舟山市居民身心健康的主要传染病之一。准确的预测菌痢发病率对制定科学的防治规划极其重要。目前预测疾病发病趋势的方法有许多，如定性预测的控制图、Bayes概率法、定量分析的多元逐步回归分析法等等。本试用指数曲线模型和灰色模型，根据舟山市1994—2004年细菌性痢疾的发病资料对细菌性痢疾发病趋势作预测分析，并对两法进行了比较，探讨预测细菌性痢疾流行趋势最佳方法。     

多种数据模型在手足口病发病预测的应用探讨

目的 应用多种数学模型拟合出手足口病发病最优模型,预测手足口病发病趋势,为疾病防控提供科学依据。 方法 采用SPSS 18.0软件建立差分自回归移动平均模型(autoregressive integrated moving average,ARIMA模型)、差分自回归移动平均模型与多层感知神经网络组合模型(autoregressive integrated moving average and multilayer perceptron, ARIMA-MLP模型)和差分自回归移动平均模型与径向基函数神经网络组合模型(autoregressive integrated moving average and radial basis function , ARIMA-RBF模型),分别对手足口病发病情况进行拟合,通过对三种模型比较,找到预测最优模型。 结果 ARIMA模型的拟合度R²和平均绝对误差MAE值分别为0.725、2.672,ARIMA-MLP模型为0.724、2.672,ARIMA-RBF模型为0.801、2.206。 结论 ARIMA-RBF模型的拟合度最大、平均绝对误差最小模型,拟合效果优于其他两种模型。     

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...     

郑州市二七区手足口病周发病例数SARIMA模型预测分析

摘要:目的　构建手足口病周发病例数的季节性自回归移动平均模型,并将其应用于预测该地区手足口病疫情趋势,为该地区制定防治策略提供依据。方法　采用时间序列分析方法,以郑州市二七区2008-2013年每周手足口病的发病资料进行分析、建立模型,以此模型预测2014年该地区手足口病的发病情况,并与实际观察值相比较。结果　郑州市二七区手足口病周发病例SARIMA（1,1,0）（0,1,0）52模型的拟合度（R2）为0.807;精度（Root Mean Square Error,RMSE）为11.573。结论　应用时间序列分析方法建立的SARIMA模型能较好的拟合手足口病的流行,并进行预测。     

传染病发病趋势常见统计预测方法的研究进展

该文介绍统计预测的一般步骤和常见的统计模型,如线性回归、时间序列分析、灰色模型、人工神经网络模型、马尔可夫链和地理信息系统等预测传染病发病趋势的研究进展,为传染病预测工作提供参考。     

4种模型对我国某地区肺结核发病率的预测

[目的]对我国某地区的肺结核年发病率进行预测。[方法]采用2000～2005年的年发病率建立GM(1,1)模型。采用2000～2005年月发病率建立ARIMA(p,d,q)(P,D,Q)s模型,并结合同期气象因素,建立多元线性回归模型和BP人工神经网络模型。以2006年的实际年发病率验证4种模型的预测效果,评价指标为相对误差。选取相对误差最小的预测模型为最佳预测模型。[结果]GM(1,1)模型、ARIMA模型、多元线性模型、BP人工神经网络模型对2006年肺结核年发病率的预测值分别为126.18/10万、126.84/10万、98.95/10万和111.19/10万。以上4个模型的相对误差依次为19.84%、20.49%、5.39%和4.86%。BP人工神经网络模型为最佳预测模型。[结论]对于肺结核发病率的预测,应同时拟合几种模型,并选择其中拟合效果最好的一种模型。