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.     

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。     

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。     

时间序列分析在北京市东城区艾滋病病毒感染者和艾滋病患者发病率预测中的应用

目的 探讨应用时间序列差分自回归移动平均模型（ARIMA）预测北京市东城区艾滋病病毒感染者/艾滋病患者（HIV/AIDS）发病率的可行性。方法 应用SAS 9.3软件对北京市东城区2005-2014年HIV/AIDS月发病率构建ARIMA模型,用得到的模型对2015年HIV/AIDS月发病率进行预测,评价模型的拟合和预测效果。结果 ARIMA（0,1,1）（0,1,1）12模型拟合效果较好,但仍有优化的空间,月发病率的实际值均在预测值的95%可信区间内,预测值与实际值拟合趋势一致。结论 ARIMA模型可以对北京市东城区HIV/AIDS月发病率进行预测,为艾滋病疫情预测提供依据。     

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。     

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。     

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。     

ARIMA模型在宝鸡市手足口病预警预测中的应用

目的 利用时间序列分析方法动态研究手足口病发病趋势,探讨合理的预测模型,为宝鸡市制定手足口病的预防控制措施提供决策依据。方法 应用时间序列分析方法对宝鸡市2008-2014年手足口病月发病数据进行分析并建立预测模型,对建立的预测模型进行参数估计、模型诊断、模型评价,选择最优预测模型,利用所得到的模型对2015年1-6月的发病情况进行预测,并评价其预测效果。结果 通过参数和模型拟合优度检验以及残差白噪声序列检验,得到模型ARIMA (1,1,1) (0,1,1)12,R2=0.820,标准化的BIC=10.507,Ljung-Box=4.631(P=0.995),2015年1-6月手足口病月发病数预测值和实际值的平均相对误差仅为2.34%,实际值都在95%可信区间内,建立的ARIMA模型的拟合精度和预测效果较为理想。结论 ARIMA模型能较好的模拟宝鸡市手足口病的发病趋势,预测效果可信。     

自回归移动平均模型在全国手足口病疫情预测中的应用

目的探讨应用时间序列基于季节性差分的自回归移动平均模型(autoregressive integrated moving average,ARIMA)预测全国手足口病的发病情况。方法利用"中国疾病预防控制信息系统"中的"疾病监测信息报告管理系统"(又称"传染病疫情信息网络直报系统")的资料,应用SPSS 19.0统计软件、采用ARIMA,对全国2009年1月至2012年12月手足口病逐月发病情况进行建模和拟合,利用所得到的模型对2013年1-6月的发病情况进行预测,并评价其预测效果。结果分析结果显示,手足口病发病以年为周期,1年中5-6月为高发月。非季节移动平均参数滞后两次后为0.532,t检验的P值为0.003,差异有统计学意义。BIC=21.955,Ljung-Box统计量检验残差序列为白噪声序列。最佳ARIMA(0,1,2),(0,1,0)12预测的平均相对误差为0.52,预测效果一般。按照不同发病模式分为两层后分别建立ARIMA,平均相对误差为0.12,预测效果好。结论对监测数据进行时间序列分析是用于传染病预测的一个重要的工具。分析发现中国不能用一个ARIMA拟合手足口病资料,因地区间发病的变异和模式不同;按手足口病的发病模式将各省分为单峰和双峰两层,分别拟合ARIMA,模型拟合效果更好。     

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。     

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。     

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。     

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。     

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...