应用自回归移动平均模型预测医院出院人数

目的 探讨自回归移动平均模型（ARIMA）在某院出院人数预测中的应用,从而为医院的科学管理决策服务.方法 对某院2000年-2013年的月出院人数数据进行收集,将2000年-2012年的数据用于建立ARIMA模型,2013年数据用于验证所建立的模型,所建模型预测2014年出院人数,统计软件采用SPSS17.0.结果 建立的ARIMA（0,1,1）（0,1,1）12模型具有较高的拟合度,预测的2013年出院人数各月相对误差为0.27％～15.68％,全年出院人数平均相对误差为4.86％,预计2014年出院人数为68,880人次.结论 ARIMA模型适用于出院人数的预测,对于出院人数变化规律的分析有较好的适应性,但在预测远期数据时则应综合多方面因素.     

自回归求和移动平均模型在湖南省食物中毒预测中的应用

目的：探索自回归求和移动平均模型(autoregressive integrated moving average, ARIMA) 在湖南省食物中毒预测中的应用,为食物中毒的预防和控制提供依据。方法：收集2003 年1 月至2009 年12 月湖南省食物中毒人数进行ARIMA 模型拟合,用2010 年的中毒资料验证模型的预测效果,并预测2011 年湖南省食物中毒人数。 结果：ARIMA(0,1,1)(0,1,1)₁₂ 较好地拟合了既往时间段中毒人数的时间序列,拟合预测误差为9.59%,2011 年湖南省食物中毒预测人数为834 人。 结论：ARIMA 预测模型能较好地拟合短期内食物中毒人数在时间序列上的变化趋势,若用于长期预测,应根据长期监测数据不断调整模型参数。     

自回归求和移动平均模型在流感发病预测中的应用

目的探讨应用自回归求和移动平均季节模型(ARIMA)进行流感发病率的拟合和预测,为流感疫情预警提供依据。方法运用统计分析软件对陕西省2008—2014年每月的流感网络报告发病率数据进行模型拟合,建立ARIMA模型,用2015年的数据来检验ARIMA模型的预测效果。结果陕西省2008年1月—2014年12月流感的平均年发病率为0.74/10万,将时间序列分解为总体趋势、季节趋势及随机误差,流感发病整体呈缓慢上升,发病率存在明显的季节性,冬春季出现高峰,随机误差保持在一定水平;ARIMA(0,0,1)×(0,1,1)12模型能较好拟合既往时间段内流感的发病率,且对2015年1—12月流感月发病率的预测值与实际值基本吻合,模型预测值与实际值的绝对误差、相对误差平均值分别为0.18和0.26。结论 ARIMA(0,0,1)×(0,1,1)_(12)模型可以作为陕西省流感月发病率的短期预测模型。     

自回归移动平均模型在恙虫病预测中的应用研究

目的探索基于季节性差分的自回归移动平均模型(ARIMA模型)在恙虫病预测应用的可行性。方法搜集中国疾病预防控制信息系统中的恙虫病发病资料,应用SPSS 17.0软件中的ARIMA模型,对北京市平谷区2010-2015年的恙虫病病例发病时间建立模型并拟合,根据模型对2016年的发病数做出预测。结果北京市平谷区恙虫病发病呈现逐年上升趋势,具有明显的季节性和周期性,每年的10月为发病高峰,经选取最优模型为ARIMA(1,2,2)(2,1,0)12,其平稳的R2=0.889,BIC=5.460,Ljung-Box Q检验,P=0.428,残差序列为白噪声序列。结论利用监测数据建立时间序列是预测传染病发展趋势的一个重要手段,此次建立的ARIMA模型对北京市平谷区恙虫病发病值及预测值拟合较好,可以作为恙虫病短期发病预测手段。     

差分自回归移动平均模型在南通市手足口病疫情预测中的应用

目的:应用差分自回归移动平均模型(ARIMA)预测南通市手足口病疫情趋势.方法:以2010年1月-2019年6月南通市手足口病分月报告病例数据为基础,构建符合季节性时间序列的ARIMA(p,d,q)×(P,D,Q)s模型,用2019年7-12月全市手足口病月发病率为验证数据进行验证,检验模型的预测效果.结果:2010-...     

细菌性痢疾自回归滑动平均和非线性自回归组合模型预测研究

目的 探讨单纯自回归滑动平均(autoregressive integrated moving average,ARIMA)模型与ARIMA和非线性自回归(nonlinear autoregressive,NAR)组合模型在细菌性痢疾预测中的应用.方法 利用江苏省2004年1月至2015年2月的细菌性痢疾数据作为拟合样本,以2015年3月至2016年5月的数据作为预测样本;建立的模型分别为单纯ARIMA模型和ARIMA-NAR组合模型,然后根据2个模型的平均绝对误差(mean absolute error,MAE)、均方误差(mean square error,MSE)和平均绝对百分比误差(mean absolute percentage error,MAPE)比较模型的效果,其值越小模型效果越好.结果 在模型的拟合阶段,单纯ARIMA模型的MAE、MSE和MAPE分别为0.177 5、0.081 4和0.184 7,ARIMA-NAR组合模型分别为0.094 1、0.029 5和0.104 6.在模型的预测阶段,单纯ARIMA模型的MAE、MSE和MAPE也分别大于ARIMA-NAR组合模型.结论 ARIMA-NAR组合模型对于江苏省细菌性痢疾发病率时间序列的预测效果优于单纯ARIMA模型.建议尝试使用ARIMA-NAR组合模型预测细菌性痢疾的发病率.     

采用自回归滑动平均模型预测2011年门诊量

目的拟合适合门诊量时间序列资料的预测模型,预测我院2011年门诊量。方法采用ARIMA模型对门诊量进行模型拟合。结果拟合模型参数具有统计学意义,方差估计值为8.97,AIC=1366.888,SBC=1373.676。对模型进行白噪声残差分析,拟合优度统计量表表明最终拟合的ARIMA模型为：（1-B）（1-B12）Yt=-11.7601＋（1-0.8527B）（1-0.3947B12）et。结论 ARIMA模型适用于门诊量的时间序列模型拟合,结果显示模型预测值与实际值相符合,在没有外来干预因素影响的情况下,门诊量将会继续上涨。     

自回归移动平均乘积季节模型在甲型肝炎发病数中的应用

目的 建立自回归移动平均(ARIMA)乘积季节模型,利用该模型预测并分析全国甲型肝炎发病情况,为全国甲型肝炎疫情防控提供决策依据。 方法 利用中国疾病预防控制中心2011年1月~2016年12月全国甲型肝炎月报告数据,建立甲型肝炎ARIMA乘积季节预测模型,并用2017年1~12月发病数评估模型的预测效果。 结果 非季节和季节移动平均的参数分别是0.282 、0.530,赤池信息量准则(AIC)=815.710,许瓦玆贝叶斯准则(SBC)=819.865,最优模型显著性检验结果显示P均<0.05,模型残差白噪声检验的6、12、18、24阶的χ2值分别为6.83、12.38、15.12和18.28,差异无统计学意义(P均>0.05),据此建立ARIMA(0,1,1)(0,1,1)₁₂模型,模型表达式为∇∇₁₂x_t=(1-0.282B)(1-0.530B12)ε_t,以此开展甲型肝炎发病数预测。 结论 ARIMA(0,1,1)(0,1,1)₁₂乘积季节模型能够较好地拟合甲型肝炎发病趋势,可用于全国甲型肝炎发病预测,为全国甲型肝炎疫情防控提供一定的科学依据。     

高血压脑出血颅内压监护的临床应用

目的:探讨持续颅内压监测对于超早期显微外科手术治疗高血压性脑出血及预后的意义。方法:50例脑出血患者在颅内压监测下行超早期显微外科手术,术后依据颅内压监测结果分为Ⅰ、Ⅱ、Ⅲ组,比较3组之间的预后差异。结果:所有患者随访3个月,按照GOS预后评分:良好22例,轻残15例、重残5例,植物状态4例,死亡4例。Ⅰ、Ⅱ、Ⅲ之间的存活率有明显的差异,预后较好组的颅内压明显低于预后不良组。结论:持续颅内压监测对于高血压脑出血的治疗及预后有重要的指导意义,提示颅内压过高患者预后不良。     

CT评估高血压脑出血患者颅内压的临床研究

目的 探讨颅脑CT在评估高血压脑出血患者颅内压和预后时的作用.方法 高血压脑出血患者80例行颅脑CT检查,观察第三脑室、基底池(鞍上池、环池和四叠体池)和纵裂池的形态变化,评估颅内压的高低,并观察与病情演变的关系.80例患者中颅内压正常8例,无1例死亡,轻中度增高32例,死亡9例(28.1%),重度增高40例,死亡33例(82.5%).颅内压增高往往首先表现为第三脑室受压变形,而纵裂池也是CT片上能够较早观察到的指标之一.结论 通过颅脑CT检查可以较客观地评估高血压脑出血患者的颅内压状况,对临床治疗及估计预后有重要的临床意义.     

颅内压监测在高血压脑出血手术患者中的应用观察

目的：为了提高高血压脑出血手术患者的治疗效果并减少各不良事件的发生率,研究和探讨治疗过程中实施颅内压监测的价值和意义。方法从2015年3月—2016年3月来该院治疗的高血压脑出血手术的患者中随机选取100例作为研究对象,并通过抛硬币的方法将其分为试验组和对照组各50例,入组所有患者均常规给予术后检查和相关治疗,而试验组患者同时给予持续颅内压监测,比较不同措施对治疗效果的影响。结果经过研究发现,试验组和对照组患者均取得显著治疗效果,但试验组和对照组相比其治疗总有效率更高,而并发症发生率更低(92%,24%vs 60%,64%),两组患者比较差异具有统计学意义(P<0.05)。结论高血压脑出血患者术后给予颅内压检测治疗,有助于增加治疗效果,减少并发症发生率,改善预后,值得推广和应用。     

高血压脑出血患者进行无创颅内压监测的应用价值

目的 分析对高血压脑出血患者行无创颅内压检测的临床效果。方法 70例高血压脑出血患者随机分为观察组(n=35)和对照组(n=35),其中观察组患者采取颅内压无创检测分析仪进行监测,对照组患者则采取常规监测与治疗。对比分析两组患者治疗前后NICP、CPP和D值,治疗后GOS评分和甘露醇用量,以及术后并发症发生率。结果 治疗后观察组患者NICP值、D值和GOS评分显著大于对照组,甘露醇用量和术后并发症发生率显著小于对照组(P<0.05),而CPP值之间的差异则不存在统计学意义(P>0.05)。结论 高血压性脑出血患者进行无创颅内压监测,可降低甘露醇用量和并发症发生率,同时还可以有效改善患者预后,应用价值显著高于常规监测,值得临床推广应用。     

基于R语言自回归积分移动平均模型在长沙市三带喙库蚊密度预测中的应用

目的构建长沙市三带喙库蚊自回归积分移动平均模型(autoregressive integrated moving average,ARIMA)并进行预测。方法应用R语言3. 3. 2将2007年1月～2015年6月的三带喙库蚊密度数据构建ARIMA模型,比较2015年7～12月预测值与真实值,对2016年三带喙库蚊密度进行预测。结果三带喙库蚊密度监测数据构建ARIMA(1,1,1)×(1,1,0)₁₂模型,赤池信息准则(AIC)值为487. 98,经检验残差为白噪声(P> 0. 05),模型有效。2015年7～12月预测值与实际值基本一致,均方根误差(RMSE)=3. 021,平均绝对误差(MAE)=2. 132,模型外推良好。结论 ARIMA模型在三带喙库蚊密度短期预测方面有一定可行性。     

高血压脑出血患者术后颅内压的护理对策

目的:探讨高血压脑出血患者术后颅内压的护理方法与效果。方法:将66例高血压脑出血患者术后颅内压异常根据随机数字表法分为治疗组与对照组各33例,对照组采用传统的颅内压护理措施,在此基础上治疗组采用系统性的康复锻炼,两组周期为1个月。结果:治疗组干预期间便秘、压疮、坠积性肺炎、下肢静脉血栓等并发症总体发生率明显低于对照组(P<0.05)。干预后治疗组的神经功能评分明显低于对照组,而生活能力评分明显高于对照组(P<0.05)。结论:高血压脑出血患者术后颅内压异常的早期康复锻炼能有效降低并发症发生,改善机体预后功能。     

差分整合移动平均自回归模型在医院流感样病例监测中的应用

目的 应用差分整合移动平均自回归模型（autoregressive integrated moving average model,ARIMA）分析医院流感样病例报告数据,初步探索ARIMA模型在流感样病例监测和预警上的效果,以期更好地指导医院相关医务人员应对秋冬季流感就诊高峰,全面开展流感防治工作,及时有效地应对疫情。方法 利用2014年1月12日至2017年10月14日间首都医科大学附属北京朝阳医院每日报告的流感样病例数据建立ARIMA模型,选取2017年10月15日至12月24日的流感样病例数据作为检验集来评价模型。结果 ARIMA（2,0,0）模型应用于首都医科大学附属北京朝阳医院流感样病例时,决定系数（R²）为0.87。用该模型进行回代预测,预测值与实际值吻合程度较高。结论 ARIMA（2,0,0）模型分析结果显示该模型在首都医科大学附属北京朝阳医院流感预测中具有较好的效果。可为其他医疗机构在流感样病例监测工作中提供借鉴依据。     

颅内压监测在幕上高血压脑出血患者治疗中的应用

目的 探讨颅内压(ICP)监测在幕上高血压脑出血患者治疗中的应用价值.方法 将2010年2月至2016年2月在我院神经外科诊治的98例幕上高血压脑出血患者根据随机数表法分为对照组和观察组,每组49例,对照组患者给予常规神经外科治疗,观察组患者依照ICP变化情况制定治疗措施,比较两组患者的治疗效果.结果 观察组患者的治疗总有效率为75.5%,明显高于对照组的46.9%,差异有统计学意义(P<0.05);观察组和对照组患者的甘露醇使用量[(925.32±301.28)g vs(1455.83±311.25)g]、使用时间[(7.64±4.58)d vs(14.35±4.59)d]、ICU监护时间[(21.48±4.13)h vs(40.39±4.12)h]、急性肾功能不全及水电解质紊乱(4.1%vs 26.5%)、颅内感染发生率(2.0%vs 12.2%)比较,观察组均低于对照组,差异均有统计学意义(P<0.05).结论 持续ICP监测能及时准确判断幕上脑出血患者病情变化,指导临床诊疗,从而改善预后.     

术后早期颅内压参数预测高血压性脑出血手术患者预后的价值

目的:分析术后早期颅内压(ICP)参数预测高血压性脑出血(HICH)手术患者预后的价值。方法:根据术后6个月时的格拉斯哥预后量表(GOS)评分,将69例HICH患者分为预后良好组(出院后6个月GOS评分为4～5分,n=37)和预后不良组(出院后6个月GOS评分为1～3分或随访期内死亡,n=32),回顾性分析两组患者术后...     

自回归求和移动平均乘积季节模型在我国布鲁菌病短期月发病人数预测中的应用

目的 研究我国布鲁菌病（布病）月发病人数的趋势性和季节性,探讨自回归求和移动平均（ARIMA）乘积季节模型预测我国布病短期月发病人数的效果。方法 收集2004年1月—2015年5月我国布病月发病人数（共137组）,进行时间序列分析。数据来自国家卫生和计划生育委员会公布的疫情监测数据。观察我国布病月发病人数的趋势性和季节性,以我国2004-2013年的布病月发病人数作为训练样本,拟合ARIMA乘积季节模型;用2014年1月—2015年5月的发病数据作为校验样本,验证模型;确定最优模型后,预测2015年6-12月我国布病月发病人数。结果 2004-2008年我国布病月发病人数相对平稳,从2009年以后有了明显的上升趋势。从季节性来看,每年的6、7、8月属高发病期,每年的1月和12月处于全年的最低发病期。选取的最优模型为ARIMA（0,1,0）（1,1,0）12,其平均绝对百分误差（MAPE）=13.60,决定系数（R2）=0.881;对模型进行参数显著性检验,一阶季节自回归项（SAR）参数估计值=-0.292,P=0.048。运用ARIMA（0,1,0）（1,1,0）12对2015年6-12月我国布病月发病人数进行预测,其预测值分别为7 709、7 524、6 113、4 458、3 450、3 576、3 760例。结论 从2009年以后,我国布病月发病人数有明显的上升趋势;季节性表现在6～8月为高发病期,12月至来年1月为低发病期。ARIMA乘积季节模型拟合我国布病月发病人数的时间序列模型精度较高,可以用来预测我国布病短期月发病人数。     

乘积季节自回归积分滑动平均模型在长沙市手足口病发病率预测中的应用

目的：建立长沙市手足口病发病率的乘积季节自回归积分滑动平均模型(autoregressive integrated moving average model,ARIMA),探讨乘积季节ARIMA模型在手足口病疫情预测的可行性。方法：运用EVIEWS 6.0软件对长沙 市2008年5月至2013年8月的手足口病发病率资料建立乘积季节ARIMA模型,以2013年9月至2014年2月的发病资料作为 模型预测效果的检验样本,最后再用所得到的模型对2014年3月至2014年8月的月发病率进行预测。结果：经过序列 平稳化、模型识别以及模型诊断后,建立乘积季节ARIMA模型(1,0,1)×(0,1,1)12,模型拟合度R2=0.81,预测均方 根误差为8.29,平均绝对误差为5.83。结论：乘积季节ARIMA模型是一种较好的预测模型,所建模型拟合度较好,能 为手足口病的防治工作提供参考。