基于自回归求和移动平均模型预测我国手足口病月报告发病数

目的 建立适合预测我国手足口病月报告发病人数的自回归求和移动平均（ARIMA）乘积季节模型,并评价其预测效果。方法 收集2010年3月至2017年7月我国手足口病月发病报告人数资料。通过R软件使用2010年3月至2017年1月的数据建立ARIMA乘积季节模型,并用2017年2-7月手足口病月发病报告人数评估该模型的预测效果,并对2017年8-12月的数据进行预测。结果 我国手足口病月发病报告数呈明显的周期性,且以24个月为一个周期重复,不具有长期趋势;建立了ARIMA（1,0,1）（0,1,1）24模型对我国手足口病月发病报告数进行预测;通过将预测数据与实际数据相比较,该模型预测绝对误差的平均值和相对误差的平均值分别为22 505.47和15.71%。结论 基于本研究的数据,ARIMA（1,0,1）（0,1,1）24模型可以拟合我国手足口病的月报告发病人数,可用于预测;同时也可为我国制定手足口病方面的防控措施以及评价防控效果提供科学的参考依据。     

ARIMA乘积季节模型在盐城市手足口病疫情预测中的应用

目的 探讨自回归移动平均（autoregressive integrated moving average model,ARIMA）乘积季节模型在盐城市手足口病发病趋势预测的可行性。方法 利用盐城市2009年1月至2015年12月的手足口病月发病率建立ARIMA乘积季节模型,并对2016年手足口病发病趋势进行预测。结果 盐城市手足口病预测模型为ARIMA（1,0,1）（1,1,0）12,该模型的参数估计具有统计学意义,拟合优度检验统计量最小Normalized BIC=2.997,残差序列检验统计量Ljung-Box=20.692（P0.05）,残差为白噪声,模型能够拟合出手足口病的发病趋势,且实际值都在95%可信区间内,但模型拟合的平均误差率为41.296%,检验模型预测效果的平均误差率为23.998%,模型预测精度高于拟合精度。结论 运用ARIMA乘积季节模型能够对盐城市手足口病发病趋势进行预测和动态分析,对手足口病预防控制产生积极的指导作用。     

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。     

应用求和自回归移动平均模型预测 福建省甲型病毒性肝炎疫情

目的 建立福建省甲型病毒性肝炎(甲肝)分月发病数预测预警的求和自回归移动平均(ARIMA)时间序列模型。 方法 利用 SAS 9.0 软件的 PROC ARIMA 综合软件包对《疾病监测信息报告管理系统》收集的福建省2004 - 2010年甲肝分月发病数序列进行ARIMA模型的建模与分析。 结果 福建省2004 - 2010年甲肝分月发病数序列既含有长期的递减趋势又含有以年为周期的季节效应,经1阶12步差分后为平稳非白噪声序列,拟合的相对最优模型为ARIMA 。 结论 拟合甲肝的相对最优ARIMA模型,具有预测和预警的实际应用价值。     

自回归求和移动平均模型对临床供血量的分析预测

目的分析成都地区临床月供血量的规律,以此建立临床血液月供血量预测的时间序列ARIMA模型和乘积季节ARIMA模型,并动态进行模型的分析对比,为血液中心管理工作提供科学依据。方法收集2006年至2016年成都市血液中心临床血液月供血量,建立ARIMA模型和乘积季节ARIMA模型,预测2016年10-12月和2017年1-3月临床血液月供血量。对备选的模型进行拟合优度的比较,筛选出最优的模型,并对模型的相对误差进行评价。结果 ARIMA(0,1,1)模型预测2016年10-12月和2017年1-3月的相对误差为1.71%、-7.45%、-3.14%、-7.66%、-15.25%、-9.74%。而ARIMA(0,1,1)×(1,1,1)12模型相对误差为2.51%、-3.75%、-2.58%、-5.21%、-8.11%、-7.34%。结论乘积季节ARIMA模型能够较好的预测短期临床供血量,持续修正的乘积季节ARIMA模型能更好的预测下一季度临床血液月供血量。     

基于自回归移动平均模型各亚型流行性感冒流行特征与趋势预测

目的 分析我国2010—2019年流行性感冒的流行特征和分布规律,预测各亚型流感发病趋势。方法 采用ARIMA乘积季节模型,对流感数据进行原始序列预处理、模型识别、参数估计和统计建模,预测流感发病趋势。结果 构建流感自回归移动平均模型(ARIMA)乘积季节模型,预测模型为ARIMA(1,2,1)(0,1,1)₁₂,数据信息提取充分(Q=14.257,P>0.05),相对误差约10%;甲型流感预测模型为ARIMA(2,1,1)(0,2,2)₁₂,数据信息提取充分(Q=13.236,P>0.05),预测2018年12月至2019年3月的甲型流感发病率较高,4月开始,发病率迅速下降,与实际情况相似,相对误差控制在10%以内;乙型流感预测模型为ARIMA(1,2,1)(1,0,1)₁₂,数据信息提取充分(Q=9.841,P>0.05),但模型预测2019年乙型流感发病率较低,相对误差较高。结论 流感、甲型流感ARIMA乘积季节模型预测效果较好;乙型流感预测模型数据信息提取充分,但相对误差较高,可能与乙型流感发病...     

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。     

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。     

自回归综合移动平均模型对天津市甲型肝炎发病预测

目的　用自回归综合移动平均模型（ARIMA）季节乘积模型（p,d,q）（P,D,Q）s对天津市甲型肝炎（甲肝）发病资料建模并预测,评价模型的预测效果。方法　通过对差分方法使原始序列平稳,依据AIC和SBC准则确定模型阶数,采用条件最小二乘方法估计模型参数,最终建立起ARIMA预测模型。结果　对甲肝数据建立了乘积ARIMA（2,1,1）（0,1,1）12模型,预测误差为3.72%。结论　ARIMA是一种短期预测精度较高的预测模型。     

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。     

自回归滑动平均混合模型在辽宁省其他感染性腹泻发病预测中的应用

目的 通过对2007-2017年辽宁省各月其他感染性腹泻发病情况分析,建立自回归滑动平均混合模型(ARIMA),为辽宁省其他感染性腹泻的预防控制提供参考依据.方法 收集国家人口与健康科学数据中心公共卫生科学数据中心提供的《辽宁省2007-2017年各月其他感染性腹泻数据》中辽宁省2007-2016年各月其他感染性腹泻发...     

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...     

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。     

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。     

2008—2013年云南省手足口病流行特征和空间分布特点分析

目的分析云南省2008—2013年手足口病流行特征和空间分布特点,为云南省手足口病的预防控制工作提供依据。方法收集云南省2008—2013年中国疾病监测信息报告管理系统中手足口病个案信息,采用描述性流行病学方法和应用地理信息系统技术进行分析。结果云南省2008—2013年共报告手足口病234 383例,报告发病率逐年波动上升,2008年25.26/10万,2009年32.84/10万,2010年105.68/10万,2011年85.54/10万,2012年133.28/10万,2013年128.06/10万,发病高峰集中在每年4~7月;发病以5岁以下儿童为主,占总发病数的86.62%,1~3岁组发病率达到1506.18/10万;发病具有明显的时空聚集性,主要集中在中心城市和旅游风景区;6年间,不同地区手足口病病原学分型的优势毒株存在交替变化现象。结论云南省手足口病防控工作的重点区域是中心城市和旅游风景区,同时要加强农村和边远山区疫情监测和预警,防控关键期在4—7月,重点人群是5岁以下幼托儿童和散居儿童。