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。     

自回归移动平均模型在北京市朝阳区手足口病发病预测中的应用

目的通过构建时间序列自回归移动平均模型(autoregressive integrated moving average model,ARIMA),对手足口发病趋势进行预测,探讨该模型在发病预测中的应用。方法从疾病监测信息报告管理系统提取北京市朝阳区2010年1月-2016年12月手足口病月发病数据。建立ARIMA季节乘积模型,对2010年1月-2015年12月的月发病数进行拟合,再以2016年1-12月的月发病数作为验证数据,评价其预测效果。结果通过对模型进行拟合优度及残差序列进行白噪声检验,最后选择了ARIMA(1,0,0)(1,1,0)_(12)为最佳模型。对2016年1-12月发病数进行预测,实际发病数均落入95%CI内,平均相对误差为49.37%。模型中加入2016年1-6月的月实际发病数,预测2016年7-12月的月发病数,平均相对误差为18.12%。结论 ARIMA季节模型可应用于手足口病等具有季节性变动特征的传染病预测。ARIMA模型短期预测手足口病的发病情况精度更高,可通过不断纳入新的实际观测值开展动态分析。ARIMA模型仅为一种数学工具,在实际防控及监测工作中,需要结合专业理论知识及具体情况进行分析。     

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。     

季节性ARIMA模型在江门市手足口病疫情预测中的应用

目的构建时间序列ARIMA乘积季节性模型,预测江门市手足口病发病趋势,探讨该模型在预测手足口病发病率中的应用。方法根据2009年1月～2017年6月手足口病月报告发病率时间序列构建模型,以2017年7～12月手足口病发病率为验证数据,验证预测模型效果。结果模型ARIMA(1,0,1)(0,1,1)_(12)为最优模型,其BIC=9.87,Ljung-Box=21.76,P=0.11,2017年7～12月手足口病月发病率预测值和实际值的平均相对误差为18.14%,实际值都在预测值95%置信区间内。结论 ARIMA模型能较好预测手足口病发病变化趋势,模型预测效果有待进一步优化。     

ARIMA模型预测北京市密云区手足口病发病趋势

目的采用自回归移动平均(Autoregressive integrated moving average,ARIMA)模型对北京市密云区手足口病月发病率进行预测,为调整防控策略提供依据。方法应用ARIMA模型对北京市密云区2008年1月-2014年6月手足口病每月报告发病率进行拟合,以2014年7-12月的月发病率作为验证数据,用于评价该模型的预测效果。结果密云区手足口病月发病率的ARIMA模型为ARIMA(0,1,0)(0,1,1)12,模型的参数估计值为0.609,t=4.116,P=0.000,经检验参数有统计学意义。残差分析统计量经检验差异无统计学意义(Ljung-Box Q=16.690,P=0.476)。模型很好的拟合了既往时间段上的发病率序列,对2014年7-12月手足口病发病率的预测值符合实际发病率变动趋势。结论 ARIMA可用于手足口病月发病率的预测,预测和预警效果良好。     

乘法季节回归求和移动平均模型在安徽省手足口病预测中的应用研究

目的探讨乘法季节回归求和移动平均模型(ARIMA)在安徽省手足口病发病预测中应用,为手足口病预防控制提供参考。方法根据2009-2014年安徽省手足口病的周发病数据,运用R 3.0.2软件拟合乘法季节性ARIMA模型,并对2015年1~52周发病数进行预测。结果安徽省手足口病预测中最优模型为ARIMA(1,1,1)(0,1,1)52模型,残差统计量检验差异无统计学意义(Box-Ljung=0.004,P=0.950),提示残差为白噪声,模型拟合值和实际值平均绝对误差率为11.32%,2015年1~52周预测值和实际值平均绝对误差率为25.10%。结论建立的乘法季节性ARIMA模型能较好地拟合安徽省手足口病变动趋势,模型预测效果较好,可用于安徽省手足口病短期预测。     

应用R软件对比两种手足口病发病预测模型的效果

目的 使用R软件对手足口病发病时间序列模型进行分析与对比,探索较佳的手足口病发病预测模型.方法 利用广州市2009-2013年手足口病月报告病例数作为建模数据,采用R软件中的Holt-Winter指数匀滑模型和季节性差分自回归移动平均模型(SARIMA)分别预测2014年12个月份的发病情况,将预测结果与2014年实际发病数进行比较.结果 对广州市2014年1-12月手足口病发病数进行预测,并将预测值与实际值进行比较,结果显示:采用Holt-Winter指数匀滑法和SARIMA预测结果的平均相对误差分别为-0.40和0.12.结论 SARIMA为较佳的预测分析模型,预测结果能较好地拟合广州市手足口病发病序列并进行短期的有效预测.     

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"Fore Casting"模块进行分析,建立季节性差分自回归移动平均模型(SARIM A)。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,P0.001),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 SARIM A(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。     

利用时间序列模型分析预测辽宁手足口病疫情趋势

目的探讨辽宁地区手足口病发病趋势特征,应用时间序列模型进行预测。方法收集辽宁省2008年1月-2013年12月的手足口病月发病数据建立时间序列,采用自回归移动平均季节乘积模型拟合发病情况,对2014年1月~12月的手足口病发病数进行预测,评价预测效果。结果建立SARIMA(0,1)×(1,1)模型,预测平均相对误差为21.58%,希尔不等系数为0.115236。结论辽宁地区手足口病疫情趋势平稳,呈现周期为12月的季节性波动,所建立的模型时防控工作具有指导意义。     

手足口病发病趋势的ARIMA模型预测

目的采用ARIMA模型预测手足口病发病趋势,为预防控制手足口病流行提供依据。方法对杭州市上城区2008年4月—2013年12月的手足口病逐月发病率建立ARIMA模型,并进行预测分析。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(1,0,0)(0,1,0)12,BIC=3.094,LjungBox=10.871(P=0.863),2013年手足口病月发病率预测值和实际值的平均相对误差为26.86%,实际值都在95%可信区间内,预测2014年发病率为74.50/10万。结论 ARIMA模型能较好地模拟手足口病发病率的变动趋势,预测效果可信。     

1996 outlook: systems, for-profit chains, medical groups, religious healthcare, managed care, post-acute care, finance, purchasing, info systems, labor, legal, construction

It's put-up-or-shut-up time for healthcare providers in 1996. Two years ago, everyone talked about fixing the healthcare system. Not much happened. Last year, providers and politicians concentrated on squeezing medical costs. According to some of Modern Healthcare's key beat reports, this year it's back to the basics of running a business.