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...     

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。     

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。     

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。     

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。     

季节性求和自回归移动平均模型在北京市房山区感染性腹泻发病趋势预测中的应用

目的 构建北京市房山区感染性腹泻发病的季节性求和自回归移动平均(seasonal autoregressive integrated moving average,SARIMA)模型并进行预测。方法 应用R 3.0.1软件程序包中的TSA对2004-2013年房山区感染性腹泻月发病率构建模型,并对2014年各月感染性腹泻月发病率进行预测和评价。结果 SARIMA(0, 0, 2)(0, 1, 1)12模型较好地拟合既往时间段月发病率,对2014年发病趋势拟合平均相对误差为19.164%,对年发病率拟合平均相对误差为2.303%。结论 SARIMA(0, 0, 2)(0, 1, 1)12模型能够很好拟合感染性腹泻月发病率数据,可用于房山区感染性腹泻发病趋势的短期预测,为下一步采取针对性防控措施提供科学依据。     

自回归移动平均模型在预测门诊输液人次中的应用

目的 评价自回归移动平均模型（autoregressive integrated moving average model,ARIMA）在预测门诊输液人次中的作用,为医疗资源配置提供依据。方法 对某医院门诊部治疗室2003年1月至2007年12月的门诊输液患者进行统计分析,并使用SAS的ARIMA过程预测模型对2008年度门诊输液人次进行预测。结果 5年间门诊输液人次逐年增加,在各年度内存在波峰和波谷;不同年度每月门诊量有明显变化,但2月份均为门诊输液人次的低谷期。预测2008年门诊输液人次将明显增加,并呈现出季节性。结论 ARIMA模型可以合理预测各月门诊输液人次的变化,为医疗资源配置提供重要依据。     

自回归移动平均模型在骨科Ⅰ类切口感染预测中的应用

目的 应用自回归移动平均(autoregressive integrated moving average, ARIMA)模型建立骨科Ⅰ类切口感染预测模型,预测未来6个月的感染发病率。方法 回顾性分析2013年1月至2021年12月上海交通大学医学院附属第六人民医院骨科Ⅰ类切口感染发病率数据。选取2013年1月至2021年6月的数据作为训练集,建立ARIMA模型;以2021年7-12月的发病率数据作为验证集,评价模型的预测效果,并预测未来6个月的发病率。结果 2013年1月至2021年12月骨科Ⅰ类切口手术患者共有228 647例,发生Ⅰ类切口感染628例,手术切口感染发病率为0.275%。ARIMA(1,0,0)(1,0,0)₁₂为确定的最佳模型,2021年7-12月的实际值均落在预测值的95%可信区间范围内。采用该模型预测未来6个月的感染发病率依次分别为0.276%、0.283%、0.288%、0.285%、0.297%和0.291%。结论 ARIMA模型能有效拟合、预测骨科Ⅰ类切口感染发病率,模型预测结果提示未来6个月内的发病率呈现低水平流行的态势,可为临床...     

时间序列自回归移动平均模型在临床红细胞用量预测中的应用

目的验证自回归移动平均模型(ARIMA)预测临床红细胞用量的可行性,并为血站制定备血计划提供数据支持。方法选择东莞市2006年1月～2011年12月6年的每月临床红细胞用量作为时间序列模型的数据源。利用SPSS软件进行时间序列模型的构建,通过对2012年的前5个月临床红细胞实际用量进行模型检验。并据此对模型预测临床红细胞用量分析的可行性、建模步骤及准确性验证进行了探讨。结果 ARIMA模型计算出的预测值与实际值拟合较好,相对误差较小。1月份相对误差为-6.32%,2月份为13.28%,3月份为7.78%,4月份为3.73%,5月份为3.78%,平均相对误差为4.45%。结论可以应用时间序列自回归移动平均模型对未来的临床红细胞用量进行预测,为血站制定备血计划提供可靠的参考依据。     

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。     

自回归滑动平均混合模型在辽宁省人间布鲁氏菌病发病预测中的应用

目的 了解辽宁省2006-2015年人间和家畜布鲁氏菌病（布病）疫情情况,建立时间序列模型,探索畜牧业因素对人间疫情影响,为布病预测防控提供依据。方法 收集辽宁省2006-2016年布病月发病数,以发病数建立时间序列构建自回归滑动平均混合（ARIMA）模型,对2016年1-6月进行短期预测,结合实际观测值评价预测效果;收集辽宁省同期羊存栏量和疫情,分析与人间发病存在的关联。结果 构建模型ARIMA（1,1,1）（1,1,1）12,月发病数拟合值与实际观测值时间序列基本一致,预测效果良好,但精确度较低。羊年存栏量与人间布病发病数存在正关联性。结论 ARIMA模型预测辽宁省布病发病情况基本可行,加强人畜布病的监测工作,以揭示人与家畜流行病学关系。     

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。     

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...     

R语言时间序列和自回归积分滑动平均模型预测麻醉耗材领用的研究

目的运用自回归积分滑动平均模型(ARIMA)建立适合的老年患者特色手术科室耗材领用支出的医学经济学模型,预测麻醉科耗材需求的变化趋势。方法采用R软件对本院麻醉科2013年1月—2019年12月耗材领用支出数据建立ARIMA模型,将2020年1—12月耗材领用支出的实际值与预测值分别进行比较,评价模型的预测性能。结果本院麻醉科耗材领用支出在每年2月出现最低值,5月呈现最高峰。建立ARIMA(0, 1, 1)(0, 0, 1)[12]模型对麻醉科耗材需求进行预测,ARIMA模型较好地拟合和预测了周期性波动。ARIMA(0, 1, 1)(0, 0, 1)[12]模型预测的耗材支出在2020年1—12月会有小幅波动。结论 ARIMA(0, 1, 1)(0, 0, 1)[12]模型较好地拟合了麻醉科的耗材需求,有助于优化科室决策支持系统及老年择期手术患者围术期护理管理。