灰色预测模型GM（1，1）在医院门诊量预测中的应用

目的了解医院2000年-2011年门诊量的趋势,探讨灰色预测模型GM（1,1）在时问序列资料中的应用,建立预测医院月门诊量的时间序列模型,为优化医疗资源配置提供科学的统计学依据。方法根据医院2000年-2011年门诊量数据,应用MATLAB软件建立灰色预测模型并进行模型评价,预测2012年-2014年的门诊量。结果GM（1,1）模型为：P（t）=552512．3619e0.1021（t-1）-478343．3619,预测值的相对误差小于20％,模型精度为优（C=0．29,P=1．00）,预测效果好,2012年-2014年医院门诊量预测值分别为182612、202243、223984。结论GM（1,1）灰色模型能很好的拟合门诊量的变动趋势,在无外界因素影响的情况下,医院门诊量将会继续上涨。     

SARIMA模型在医院门诊量预测中的应用

目的了解医院2000年一2011年门诊量的趋势,建立预测月门诊量的时间序列模型,为优化医疗资源配置提供科学的统计学依据。方法根据医院2002年1月至2012年12月年门诊量数据,应用SPSSl8．0软件建立季节自回归滑动平均模型（Seasonal Auto Regressive Integrated Moving Average model,SARIMA模型）,并验证2012年7至12月份的门诊量。结果预测值与实际值的上升下降趋势基本吻合,SARIMA（O,1,1）（0,1,1）12模型为最优模型,标准化贝叶斯信息标准（Normalized Bayesian Information Criteria,BIC）值与平均绝对误差百分比（Mean absolute percentage error,MPE）值最小,BIC值为13．82,MPE为7．70,Box-Ljung检验无统计学意义（Q18=17．93,P=0．3281〉0．05）。结论SARIMA模型能很好的拟合门诊量的变动趋势,在无外界因素影响的情况下,医院门诊量将会继续上涨。     

基于ARIMA模型的医院门诊量预测

目的分析医院门诊量的变化规律,预测其未来1年-2年的门诊量。方法应用SPSS13.0软件对1999年-2009年门诊量进行ARIMA模型的建模拟合,用所得到的模型预测2010年、2011年月门诊量。结果 ARIMA（0,1,1）（1,1,0）模型很好的拟合了以往的门诊量序列,参数具有统计学意义。结论 ARIMA模型能很好的拟合门诊量变化趋势,为医院管理提供依据。     

某三甲综合医院门诊量ARIMA预测分析

目的 探讨ARIMA模型预测医院门诊量效果,短期预测某院门诊量,为医院门诊管理决策提供依据.方法 在医院信息系统中,提取某三甲综合医院2010年1月至2014年3月门诊患者数据,采用PASW软件时间序列预测模块,拟合门诊量ARIMA模型,评价模型效果,预测未来2年门诊量.结果 2010至2013年累计接诊门诊患者303.6万人次,年平均增长率为24.07％.男女性别比0.81∶1,平均年龄40.36±19.32岁,内外科比为1.35∶1.基于2010年-2013年门诊量数据,采用ARIMA模型预测2014年1季度门诊量相对误差为4.11％,模型预测效果较好.基于2010年1月-2014年3月门诊量数据,预测2014年门诊量为113.2万人次,2015年门诊量为129.5万人次.结论 借助PASW软件,采用ARIMA模型预测大型综合医院门诊量操作简单,模型拟合和预测效果较好,结果易于解释,是一种值得推广的医院季节性波动数量指标（门诊量、收容量、手术量等）短期预测工具.     

灰色数列GM（1;1）模型预测某社康中心诊疗人次

目的探讨灰色数列模型GM（1;1）在社康中心诊疗人次变化趋势分析中的应用。方法应用灰色GM（1,1）模型对深圳市某医院2003～2008年社康中心诊疗人次进行了曲线拟合,并根据所建的模型进行外推预测。结果拟合模型为（t）=54172.89646e0.311295517t-38485.89646,预测值与实际值的平均相对误差为2.19%,最大误差为5.70%,拟合效果良好。根据所建的灰色GM（1,1）模型预测2009社康中心诊疗人次为93815.30人次,与实际值95470人次十分接近,相对误差为1.73%,将2009年的实际数值代入数列中,建立2003～2009年社康中心门诊人次数的GM（1,1）模型为（t）=54267.8825e0.3110t-38580.8825,并据此模型外推2010～2011年的结果,理论值分别为127974.09和174663.59人次,呈逐年递增之势。结论灰色数列模型具有思路简单、数据单纯、运算简便等特点,对近期预测有较高实用价值,在社康中心的管理中是值得推广和应用的预测工具。     

手足口病短期预测的逆传播神经网络模型

目的探索用于手足口病(HFMD)短期预测的逆传播神经网络(BPNN)模型,为制定HFMD的防治策略和措施提供参考。方法构建BPNN模型,以我国内地HFMD 2011年1月—2014年1月的月发病数资料训练模型,以2014年2—3月发病数检验模型,并对2014年4—9月的月发病数进行预测。结果采用训练完毕的模型对2012年1月—2014年1月的月发病数进行仿真预测,结果显示,平均相对误差绝对值为0.640 6%。以2014年2—3月发病数对模型进行检验,得出预测发病数分别为3.978 3、15.140 7万人,平均相对误差绝对值为1.814 7%。所有预测点的平均相对误差为0.727 6%。采用BPNN模型对2014年4—9月的发病数进行预测,所得预测值经反归一化处理后分别为29.856 7、45.473 0、41.259 0、27.098 8、12.675 8、24.999 1万人。结论 BPNN对2014年4—9月的HFMD预测发病数变化趋势与2011—2013年同期的变化趋势吻合,所建立的模型具有良好的预测精度,可以用来进行HFMD的短期预测。     

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.     

基于时间序列分析的单采血小板临床需求预测模型研究

目的 探讨自回归移动平均（autoregressive integrated moving average,ARIMA）模型预测临床血小板需求量的可行性,为科学制定采血招募计划提供依据。方法 对重庆市中心血站2006年1月至2016年6月每月单采血小板临床用量建立ARIMA模型,运用最优模型预测2016年7至12月每月单采血小板临床用量,以验证预测效果。结果 单采血小板临床用量的最优模型为ARIMA（0,1,1）（1,0,1）₁₂,模型残差序列自相关函数和偏自相关函数基本落在95%的置信区间内,并且Ljung-Box Q统计结果表明残差不存在相关关系（P>0.05）,说明残差序列呈白噪声,模型通过检验。模型的实际值和预测值均在95%的置信区间内,且预测值与同期单采血小板临床用量的实际值比较,曲线变化趋势基本一致,平均相对误差为7.5%,预测精度较高。结论 最优模型ARIMA（0,1,1）（1,0,1）₁₂能较好地拟合单采血小板临床用量在时间序列上的变化趋势。     

预测医院门诊量的ARIMA模型构建及应用

目的 研究综合性医院月门诊量变化规律,预测其变化趋势,为医院管理决策提供依据.方法 结合序列平稳性、长期趋势和季节效应,采用对数和差分变换,应用残差分析和最小二乘法估计,建立预测模型ARIMA(1,0,1)(0,1,1)12.结果 拟合残差平方和为2.790,AIC=178.126,SBC=-170.080,预测2008年门诊量相对误差为6.11%,小于指数平滑法(8.78%).用该模型预测2009年门诊量为150.12万人次.结论 医院门诊量存在季节变动和长期增长趋势,适合用ARIMA乘积模型进行拟合,但不同医院门诊量变化规律未必一致,要认真分析原序列的ACF图和PACF图,然后确定p,d、q参数.     

基于ARIMA与NNAR模型的中国慢性阻塞性肺疾病疾病负担预测研究

背景 中国是慢性阻塞性肺疾病（COPD）疾病负担较为严重的国家之一,COPD已成为中国的第三大致死病因,其在全部疾病伤残调整寿命年（DALYs）排名中位居第三位。基于患病率、死亡率和DALYs率实现对COPD疾病负担的有效预测,可为预防和控制措施的制定提供理论支持。 目的 描述和分析1990—2019年中国COPD疾病负担状况及其变化趋势,并预测2020—2024年中国COPD疾病负担,旨在为中国COPD科学防控提供依据。 方法 于2021年12月,从2019年全球疾病负担（GBD 2019）中提取1990—2019年中国COPD患病率、死亡率及DALYs率等疾病负担指标的数据,采用平均年度变化百分比（AAPC）分析其变化趋势。基于1990—2016年数据（训练集）建立COPD患病率、死亡率及DALYs率的自回归移动平均（ARIMA）模型和神经网络自回归（NNAR）模型,利用2017—2019年数据（测试集）进行模型评价。采用预测值与实际值的相对误差、平均绝对百分误差（MAPE）、平均绝对误差（MAE）和均方根误差（RMSE）比较模型的拟合和预测效果,运用最佳模型预测2020—2024年中国COPD疾病负担。 结果 1990—2019年：中国全人群COPD患病率从2 344.40/105增长至3 175.37/105,年均增长1.04%,男性和女性的COPD患病率平均每年分别增长0.92%和1.13%;中国全人群COPD死亡率由105.09/105下降至72.94/105,年均降幅为1.29%,男性和女性的COPD死亡率均呈下降趋势,平均每年分别下降0.83%和1.83%;中国全人群DALYs率从2 206.55/105下降至1 400.71/105,年均下降1.56%,男性和女性的COPD DALYs率均呈下降趋势,平均每年分别下降1.37%和1.86%。ARIMA和NNAR模型预测值的动态趋势与实际情况基本一致,但ARIMA模型的预测值与实际值相对误差、MAPE、MAE和RMSE更小,预测精度更高。经ARIMA模型预测得到2020—2024年中国COPD患病率分别为3 229.77/105、3 262.44/105、3 292.38/105、3 322.31/105、3 352.25/105,死亡率分别为74.50/105、75.49/105、76.11/105、76.50/105、76.75/105,DALYs率分别为1 429.56/105、1 452.07/105、1 469.64/105、1 483.35/105、1 494.05/105。 结论 2020—2024年中国COPD疾病负担呈现上升趋势,ARIMA模型在拟合中国COPD疾病负担应用中具有良好的拟合效果和精度,可为COPD疾病负担短期预测提供借鉴与参考。     

ARIMA模型在东莞市细菌性痢疾预测中的应用

目的探讨ARIMA模型预测东莞市细菌性痢疾发病的可行性和适用性,为东莞市细菌性痢疾的防控提供参考依据。方法使用SPSS17.0对2004年1月~2012年4月东莞市细菌性痢疾发病率资料拟合ARIMA模型,利用所得到的模型对东莞市2012年5月~7月细菌性痢疾发病率进行预测评价。结果 ARIMA（1,0,0）模型的预测值与实际值的平均相对误差为11.97%,实际值都在95%可信区间内,实际值与预测值变动趋势一致。结论 ARIMA（1,0,0）模型较好的反映了东莞市细菌性痢疾发病趋势,可作为东莞市细菌性痢疾发病水平短期预测模型。     

ARMA模型在非意外死亡率动态预测中的应用

目的：探讨ARMA模型在某县区死亡率动态分析中的应用,分析和预测其非意外死亡率的动态发展趋势。方法：对该地2008年1月-2012年9月的逐月死亡率进行ARMA模型拟合,采用2012年10-12月的实际月死亡率验证模型的预测效果。结果：MA（1）模型较好地拟合了该地区既往时间段上的死亡率序列,模型残差为白噪声（P〉0．05）,模型参数MAl,1—0．470,有统计学意义（t=-4．010,P=O．000）,AIC=431．719,SBC=435．907,模型数学函数式为：X1=35．07217＋（1＋0．4757B）εt预测得到的2012年10—12月死亡率为32．65／10万、35．07／10万、35．07／lO万,2013年1月死亡率为35．07／10万,预测误差为12．25％。结论：ARMA模型可以较好地拟合死亡率的时间变化趋势,并用于预测未来的死亡率,是一种短期预测精度较高的预测模型。     

应用ARIMA模型预测广西孕产妇死亡率的可行性研究

 目的 探讨应用ARIMA时间序列模型预测广西孕产妇死亡率的可行性,为广西继续降低孕产妇死亡率提供理论依据。方法 基于2002-2006年广西的逐月孕产妇死亡率,采用非条件最小二乘法估计模型参数,按照残差不相关原则与简洁原则确定模型结构,依据AIC与SBC准则确定模型的拟合优度,建立预测广西孕产妇死亡率的最优ARIMA模型。用所得模型预测广西2007年的孕产妇死亡率,比较预测值与实际值的差异;再以2002-2007年的数据构建模型预测广西2008年的孕产妇死亡率。结果 模型ARIMA(2,1,0)(0,1,1)12较好拟合了既往时间段孕产妇死亡率的时间序列,模型自回归参数(AR1=-0.708,AR2=-0.537)与季节滑动平均参数(SMA1=0.511)均有统计学意义(P<0.05),AIC=33.814,SBC=39.364,模型残差为白噪声(P>0.05),模型数学函数式为 (1+0.708B)(1+0.537B2)(1-B) (1-B12) Zt=(1-0.511 B12) t 。2007年逐月孕产妇死亡率的预测值符合实际值的变动趋势,2007年孕产妇死亡率与实际值的相对误差率仅为2.08%。预测2008年广西的孕产妇死亡率为21.232/10万。结论 ARIMA模型可以较好地拟合孕产妇死亡率的时间变化趋势,并用于预测未来的孕产妇死亡率,是一种短期预测精度较高的预测模型。     

香港地区流行性腮腺炎月发病例数SARIMA模型预测分析

目的研究季节性差分自回归滑动平均模型（SARIMA）拟合季节时间序列的方法,并将其应用于预测香港流行性腮腺炎疫情趋势。方法利用R软件对2000年1月至2012年8月香港流行性腮腺炎月发病例数资料进行建模,用所构建模型进行预测分析。结果流行性腮腺炎发病呈上升趋势,SARIMA（2,1,1）×（1,1,1）。：模型较好地拟合了香港流行性腮腺炎的月发病例数,模型残差为白噪声序列,回代考核平均相对误差为17．5％;后8个月的数据作为前瞻性预测考核,平均相对误差为16．4％。结论SARIMA模型较好地模拟腮腺炎的流行特征,并进行中、短期预测。     

弗朗斯维尔市气象因素与疟疾、高血压和脑卒中关系的初步探讨

目的:探讨非洲加蓬弗朗斯维尔市疟疾、高血压、脑卒中与气象因素的关系。方法:回顾性分析弗朗斯维尔市中加友谊医院和阿弥撒医院2017—2018年门诊收治的6 224例疟疾、高血压和脑卒中患者及同期的气温、气压、相对湿度、降水量等气象资料。采用t检验或Mann-Whitney U检验分析气象因素、疟疾、高血压、脑卒中在旱季雨季的分布规律,Spearman相关分析气象因素与疟疾、高血压、脑卒中发病之间的关系。结果:雨季疟疾和脑卒中月门诊量显著多于旱季（疟疾t=-8.4,P＜0.001;脑卒中t=-4.6,P＜0.001）;疟疾月门诊量与月平均气温、降水量和有雾天数呈正相关（r=0.587、0.744、0.715,均P＜0.01）,与气压呈负相关（r=-0.705,P＜0.001）。脑卒中月门诊人数与月平均气温（r=0.570,P=0.004）、最大湿度（r=0.519,P=0.011）和降水量（r=0.722,P＜0.001）呈正相关,与平均气压呈负相关（r=-0.700,P=0.011）。高血压月门诊人数在旱季和雨季无差异,且与气象因素均无显著性相关（P＞0.05）。结论:气象因素是弗朗斯维尔市疟疾、脑卒中的发病的影响因素,在雨季气象条件下疟疾、脑卒中发病率高。     

两种模型预测北京市痢疾发病率的效果比较

目的 比较Winters乘法预测模型和自回归移动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)两种模型对北京市痢疾发病率的预测效果,从而选择合适的预测方法.方法 收集2007～2012年北京市痢疾分月发病率资料,分别运用Winters乘法预测模型和ARIMA模型进行建模,评估两种模型的预测效果,并用较好的模型预测2013年第一季度北京市痢疾发病率.结果 以2012年数据验证两种模型的拟合情况,预测误差百分比比较,Winters乘法(1.13％)优于ARIMA模型(6.80％).Winters乘法预测2013年1、2、3月痢疾发病率分别为1.82/10万、1.54/10万、1.85/10万.结论 Winters乘法预测模型可以较好地反映北京市痢疾发病趋势,用于预测预警.     

乌鲁木齐市大气污染与儿童哮喘住院人数的相关性

目的：探讨儿童哮喘住院人数与大气污染及气象因素的相关性。方法监测乌鲁木齐市内空气污染及气象因素,收集乌鲁木齐市2003-2012年3所三级甲等医院哮喘患儿住院人数,采用直线相关、等级相关分析方法分别分析空气污染、气象因子指标与哮喘住院人数间的相关性,并分析空气污染与气象因子间的相关性。结果大气环境污染物及气象因素相辅相成,空气污染及气象因素均不同程度地影响儿童哮喘住院人数。可吸入颗粒物（PM10）、二氧化硫（SO2）、二氧化氮（NO2）均与儿童哮喘住院人数呈正相关;儿童哮喘住院人数与平均气温、相对湿度呈负相关,与平均气压呈正相关,且平均气温是影响哮喘住院人数的主要指标之一。结论空气污染、气象变化是儿童哮喘发生的重要危险因素,应采取多种措施改善大气质量及气象预报工作,尽可能减少儿童哮喘的发生。