流行性乙型脑炎发病率的气象影响因子分析

目的探讨山西省运城地区流行性乙型脑炎(乙脑)发病率与气象因子之间的关系。方法收集2000-2009年7-9月运城地区乙脑发病率及同期气象资料,用SPSS17.0软件分析两者相关性,并用逐步回归分析建立乙脑发病率的气象因子拟合模型。结果运城地区乙脑病例多在6月开始出现,7月增多,8月达到高峰,9月减少,10月偶有发生。乙脑发病率与月平均温度、月平均气压等相关,与月温差、月日照、相对湿度、月降雨量无关。逐步回归分析得出乙脑发病率的气压回归方程,ap1(提前1个月的平均气压)有良好的拟合效果。结论气象因子对乙脑发病有重要影响,可以利用气压拟合模型预测乙脑发病率变化趋势。     

疟疾与气象因素关系不同模型预测效果比较

目的分析气象因素与海南省万宁市疟疾发病率的相关性,比较BP神经网络模型和逐步回归模型对疟疾发病率的预测效果。方法收集1995年1月—2007年12月万宁市每月气象数据和疟疾发病率数据,应用Spearman等级相关分析方法分析气象因素与疟疾发病率之间的相关性,分别用BP人工神经网络方法和逐步回归方法建立疟疾发病率的气象因子拟合模型,预测2008年各月的疟疾发病率。结果万宁市疟疾月发病率与前1个月的平均气温、最高气温、最低气温、降雨量、日照时间均呈正相关(均P0.05),与前1个月的平均相对湿度、平均气压均呈负相关(均P0.01);将7种气象因素作为输入变量,疟疾发病率作为输出变量,构建内含1个隐含层的BP神经网络模型,在隐单元数为16时拟合效果最优,经过300次训练达到设定的最小训练误差为0.001,模型的均方误差和决定系数R~2分别为0.002 7和0.99;将7种气象因素作为自变量,疟疾发病率作为因变量构建逐步回归模型,进入模型的变量为平均气温和平均相对湿度,模型的决定系数R~2为0.40;应用2种模型对2008年各月疟疾发病率进行预测,平均绝对误差分别为1.24/10 000和0.44/10 000。结论万宁市疟疾发病率与气象因素明显相关,利用气象因素构建的BP神经网络模型较逐步回归模型具有更好的发病率拟合效果,但逐步回归模型的预测效果更好,BP神经网络模型的泛化能力需要进一步提高。     

随州市手足口病流行特征与气象因素的关系研究

探讨随州市气象因素与手足口病发病情况之间的关系,为预测随州市手足口病发病情况提供依据。收集2010-2014年随州市手足口病发病资料和气象资料(气温、气压、相对湿度、降水量、日照时数),使用SPSS 17.0对手足口病发病率和气象因素资料进行相关和回归分析。结果显示:2010-2014年随州市手足口病月发病率与平均气温、降水量及日照时数呈正相关(r=0.497、0.405、0.312,P0.05),与月平均气压呈负相关(r=-0.620,P0.01),与相对湿度呈正相关,但差异无统计学意义(r=0.246,P0.05)。多元逐步回归分析结果显示月平均气温和气压为手足口病主要气象影响因子。随州市手足口病发病与高气温和低气压有关。     

海南省疟疾发病情况及利用气象因子进行发病率拟合的研究

目的 探索海南省气候因素与疟疾流行之间的关系并建立能够表达疟疾发病率变化的气象因子拟合模型，以用于预测海南省疟疾发病率。方法 收集1995～2000年海南省月度气象资料(温度、湿度和降雨量)和月度疟疾发病率资料，应用Spearman等级相关分析气象因子与疟疾发病率之间的相关关系，用逐步回归建立气象因子拟合发病率变化的拟合模型。结果 气温和降雨量与疟疾发病率有相关性。应用逐步回归分析得到的拟合模型为：全省，I=-1.041 0．061t0.2，r^2=0．590(I：全省月发病率，t02：当前月及其前两个月期间的平均气温)；中南部高发地区，I=-5．701 0．382t02-0．147t02min，r^2=0．626，(t02/min：当前月及其前两个月期间的平均最低气温)。而如果引入I2(2个月前发病率)时，可以得到拟合效果更好的回归模型：全省，I=-1．701 0．064t4.2 0．47I2 0．025d2，r^2=0．72(d2:2个月前最高气温和最低气温之差)；中南部高发地区，I=-4．754 0．179t0.2 0．447I2 0．063d2，r^2=0．73。结论 气候因素能够影响疟疾的流行，可以利用气象因子拟合疟疾流行趋势并应用拟合模型对人群未来疟疾发病率进行预测。     

清远市手足口病流行趋势与短期气候因素的关系

目的探讨清远市手足口病发病与气象因素的关系,为手足口病防控提供科学依据。方法收集2009年1月1日—2013年12月31日清远市疾病监测信息报告管理系统报告的每日手足口病病例数,同时收集清远市同期每日气象资料,包括日平均风速、日平均气温、日累计降雨量、相对湿度和平均气压等,利用Poisson分布的广义相加模型拟合手足口病发病与气象因素的关系。结果 2009—2013年清远市共报告41 587例手足口病病例,日平均气温(≥27.20℃)、日平均风速(1.49 m/s)、日累计降雨量(≥0.51 mm)、相对湿度和日平均气压(991.73 k Pa)是手足口病发病的危险因素;日平均风速(≥1.49 m/s)和日平均气压(≥991.73 k Pa)是手足口病发病的保护因素。结论清远地区短期气候因素是手足口病发病的重要影响因素。     

上海市宝山区手足口病与气象因素关系的反向传播神经网络模型研究

目的 探讨手足口病发病与气象因素的关系,建立手足口病发病的反向传播(back-propagation,BP)神经网络模型,并评价拟合效果.方法 收集2010-2013年上海市宝山区的气象资料和手足口病的发病资料.利用SPSS 16.0统计软件进行气象因素与手足口病周发病数的相关分析,利用Matlab 6.5软件构建手足口病与气象因素的BP人工神经网络模型.结果 手足口病的周发病数与同1周的周平均气温、周最高气温和周最低气温均呈正相关,与周平均气压呈负相关(均有P ＜0.05).手足口病的周发病数与前1周的周平均气温、周最高气温、周最低气温和周平均湿度均呈正相关,与周平均气压呈负相关(均有P＜0.05).BP神经网络模型的拟合结果显示,用同1周的气象因素资料建立的BP神经网络模型,手足口病发病数回代值的平均误差率MER=2.85％、R2=0.87,用前1周的气象因素资料,手足口病发病数回代值的平均误差率MER=1.57％、R2 =0.93.结论 气温、平均气压和平均湿度对手足口病的发病影响较大,应用前1个周的气象资料建立的BP神经网络模型对手足口病具有很好的拟合和预测能力.     

SARIMA模型在北京市房山区手足口病发病趋势预测中的应用

目的构建北京市房山区手足口病发病的SARIMA模型并进行预测。方法应用83.0.1软件程序包中的TSA对2007—2013年房山区手足口病月发病率构建模型,并对2014年各月手足口病月发病率进行预测和评价。结果 SARIMA(0,0,1)(0,1,1)_(12)模型较好地拟合既往时间段发病率,对2014年各月的预测值符合手足口病实际发病率变动趋势,对2015年手足口病发病率进行了预测。结论 SARIMA(0,0,1)(0,1,1)_(12)模型能够很好拟合手足口病月发病率数据,可用于房山区手足口病发病趋势的短期预测,为下一步采取针对性防控措施提供科学依据。     

ARIMA模型在北京市西城区手足口病月发病率预测中的应用

目的采用ARIMA模型预测手足口病的发病趋势,探讨提高模型预测准确性和实用性的思路。方法利用ARIMA模型对北京市西城区2010年1月—2015年12月手足口病月发病率进行拟合,并进行发病趋势预测。结果通过参数估计和残差白噪声检验,得到模型ARIMA(1,0,0)(1,1,0)_(12),BIC=1.958,Ljung—Box=7.885(P=0.952),2015年手足口病月发病率预测值和实际值的平均相对误差为21.47%。结论利用ARIMA模型预测手足口病的发病趋势是可行的,可以为地区传染病防控和公共卫生决策提供科学依据。     

手足口病气象预报模式的建立与验证

目的通过分析气象因素与北京市房山区手足口病发病的关系,构建手足口病气象预报模式。方法采用广义相加模型在控制长期趋势、季节性趋势及其它混杂因素作用的基础上,分析气象因素与房山区2009—2013年手足口病周发病数的关系,构建手足口病预测模型,并利用2014年数据检验模型预测效果。根据验证结果,提出手足口病的预测预警应用。结果平均气温、相对湿度和日照时数与手足口病发病相关,构建的手足口病预测模型对2014年发病趋势拟合平均相对误差为38.23%,对流行季节拟合平均相对误差为30.10%。划分两级预警级别,模型拟合数据发出Ⅰ级预警16次,Ⅱ级预警5次。结论手足口病的气象预报模式可以较好地为房山区提供手足口病预测预警服务,为疾病预防控制机构手足口病防控提供科学依据。     

基于气象因素的衡阳市手足口病疫情预警模型的建立

目的 通过分析2011-2014年衡阳市手足口病的流行病学特征,结合同期气象因素,探讨建立手足口病预警模型,为手足口病防控方式提供新依据。 方法 收集衡阳市2011-2014年手足口病发病资料及同期气象资料,采用描述性流行病学方法分析手足口病流行趋势,利用Spearman相关性矩阵,综合考量各气象要素与手足口病发病的相关性,通过层次分析法构建权重矩阵,构建预警模型。 结果 衡阳市2011-2014年手足口病每年发病呈双高峰形态,主高峰在4-7月(23 904例,占56.21%),小尾峰在9-10月(9 847例,占23.16%)。手足口病发病数与温度和日照时间呈相关关系(r=0.706、0.441);利用层次分析法构建的手足口病发病预警模型提示:衡阳市2014年无红色预警月,黄色预警月份为4、5、6、8月。 结论 衡阳市手足口病发病与气温、气湿、降雨量、日照时间等气象因素有关,利用气象因素建立的预警模型可以较好地为防控策略提供参考。     

求和自回归移动平均模型在武汉市手足口病疫情预测预警中的应用

目的探讨自回归移动平均模型在手足口病预测预警中的应用。方法利用武汉市2009-2013年手足口病月发病率数据,拟合ARIMA模型,对武汉市2014年1~8月各月发病率进行预测。结果 ARIMA(1,0,0)×(1,1,0)12能很好的拟合武汉市手足口病发病情况,模型预测结果基本符合实际发病变动趋势。结论 ARIMA模型可用于模拟手足口病发病在时间序列上的变化趋势,进行预测预警。     

首都机场周边蚊虫密度的气象影响因素研究

目的探讨首都机场周边蚊虫密度与气象因素之间的关系,筛选适合因子预测蚊虫密度变化趋势。方法监测2011-2013年5-10月首都机场周边蚊虫密度并收集同期气象资料,气象数据经膨化处理,用SPSS 20.0软件分析两者相关性,并用逐步回归分析建立蚊虫密度的气象因子拟合模型。结果蚊虫季节消长曲线为单峰型,5月出现,6-9月达高峰,10月消亡。蚊虫密度与前一月平均温度、前一月平均气压等相关,与月日照、相对湿度和温差无关。结论气象因素对蚊虫密度有重要影响,可以利用气压、降雨量拟合模型预测蚊虫密度变化趋势。     

ARIMA模型在湖南省常德市手足口病发病预测中的应用

目的:构建ARIMA模型预测湖南省常德市手足口病发病趋势,为早期防控提供科学依据。方法:分析处理2010-2015年常德市手足口病发病率时间序列,构建ARIMA模型,对2016-2017年常德市手足口病发病趋势进行预测。结果:通过拟合优度检验和残差序列白噪声检验,得出本研究最优模型为ARIMA(1,0,1)(0,1,1)_(12),正态化BIC=4.235,Ljung-Box=12.019(P=0.678),2016年观测值均位于预测值95%可信区间内,与预测值的相对误差为0.72%-35.09%,预测2017年常德市手足口病月发病率在6月出现最大值,为24.03/10万。结论:该ARIMA模型能够较好拟合常德市手足口病发病趋势,预测效果良好。     

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...     

ARIMA模型在宁波市北仑区手足口病发病率预测中的应用

目的探讨自回归求和移动平均(ARIMA)模型在宁波市北仑区手足口病预测中的应用,并对该区手足口病的月发病率进行预测。方法应用SPSS 19.0软件对北仑区2008年1月-2016年6月的手足口病月发病率时间序列建立ARIMA模型,使用所建模型对2016年7月-12月的发病情况进行拟合,并与实际值比较,评价其拟合效果,应用得到的模型预测2017年上半年宁波市北仑区手足口病发病率。结果北仑区手足口病以年为发病周期,每年有2个发病高峰,分别为4-7月和9-11月。在手足口病预测中建立的ARIMA最优模型为ARIMA(1,0,0)(1,1,0)12,其标准化BIC(贝叶斯信息准则)为5.06,白噪声Ljung-Box检验残差序列为白噪声序列(Ljung-Box=11.00,P=0.81),最优拟合模型预测的平均相对误差为23.80%,拟合效果较好。预测出2017年上半年宁波市北仑区手足口病平均月发病率为46.66/10万,明显高于2016年同期发病率。结论建立的ARIMA模型能有效地拟合北仑区手足口发病率序列,并进行短期预测,可为手足口的防治工作提供参考。     

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。     

评估气象对广东省登革热时空预测模型的贡献

目的 评估气象因素对广东省登革热预测系统的贡献。方法 基于Spearman相关性分析选择恰当形式的气象因素协变量,对广东省2008 - 2012年本地登革热分别构建无气象因素和有气象因素时的贝叶斯时空模型,预测广东省2013年本地登革热,用DIC和RMSE分别评价模型的拟合和预测效果。结果 月平均气温和月累计降雨量在滞后3个月时与登革热发病数的相关系数最大,分别为0.26和0.19,均有统计学意义（P＜0.05）;厄尔尼诺南方涛动与登革热发病数的相关性较弱,随滞后时间的增加逐渐减小,波动范围较小;与无气象因素的模型相比,纳入气象因素的贝叶斯时空模型的DIC更小,为967.57,拟合效果更好,其预测结果在时间趋势上与真实情况一致,高峰月份10月预测准确,并且在空间维度上能改善广东省85%的地区的预测效果。结论 纳入气象因素可提高贝叶斯时空模型对广东省登革热的预测效果,未来可结合人口流动进一步提高模型在空间维度上预测的准确性。     

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。     

钦州市手足口病流行特征及其发病与气象因素相关性分析

目的分析手足口病流行特征及其发病与气象因素的关系,为科学防控手足口病提供依据。方法收集钦州市2010—2015年手足口病发病资料和气象资料,采用描述性流行病学方法分析手足口病的流行特征,采用SPSS19.0对资料进行相关分析和多元逐步回归分析。结果 2010—2015年钦州市共报告手足口病26 944例,年均发病率为130.34/10万。病例平均年龄(2.13±1.95)岁,5岁以下儿童占95.92%。重症635例,占2.36%,重症病例中男性占65.67%,女性占34.33%。男、女性年均发病率分别为133.27/10万和90.04/10万(χ2=970.082,P0.01),5岁以下男、女童发病率分别为6.65%和4.10%(χ2=1 487.920,P0.01)。轻症病例中EV71、Cox A16及其他肠道病毒阳性所占比例分别为25.10%、24.71%和50.19%,重症病例中EV71、Cox A16及其他肠道病毒阳性所占比例分别为80.00%、5.04%和14.96%;轻症病例及重症病例病原体分布差异有统计学意义(χ2=426.014,P0.01)。手足口病月均发病率(Y)与月均气温(X1)、月均相对湿度(X2)均呈正相关。结论钦州市是手足口病疫情高发地区,发病与气温和湿度等气象因素密切相关,应根据流行特征及气象因素做好疫情预测和防控工作。     

气象因素对秦皇岛市肾综合征出血热发病的影响

目的分析秦皇岛市肾综合征出血热(HFRS)的发病情况与气象因素之间的关系。方法收集秦皇岛市2005—2012年气温、湿度、降雨量、日照时数与HFRS发病数,用SPSS 13.0统计软件进行相关分析和线性回归。结果强迫引入法的方程较为可取(调整R2=0.218),月平均气温与发病数呈正相关,月平均湿度与发病数呈负相关。结论秦皇岛市HFRS发病数与气象因素有关系,可以用这些因子来预测发病数。