基于自回归移动平均模型的浙江省肺结核发病趋势预测

目的应用自回归移动平均(ARIMA)模型对浙江省肺结核疫情预测分析,为浙江省肺结核精准化防控工作提供科学依据。方法收集2011年1月至2021年8月的浙江省肺结核发病率数据,基于R软件(4.0.3)利用2011—2020年肺结核发病率数据建立ARIMA模型,比较2021年1—8月预测数据和实际数据并选择最优模型。结果2011年1月至2020年12月浙江省报告新发肺结核患者总计374718例,呈逐年下降趋势,每年12月至次年2月发病率较低,3—5月相对较高。确定最优模型为ARIMA(2,1,0)(1,1,2)12,该模型拟合的2021年1—8月浙江省肺结核发病率预测值与真实值的平均相对误差为8.87%,赤池信息准则值、贝叶斯信息准则值、均方根误差值和平均绝对百分比误差值分别为95.02、111.05、0.30和4.39。结论ARIMA(2,1,0)(1,1,2)12模型能较好地拟合预测浙江省肺结核发病率在时间序列上的变动趋势,但需根据实际情况动态调整,提高预测精度。     

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。     

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。     

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。     

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。     

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。     

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。     

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。     

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。     

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。     

临床血液需求量趋势的ARIMA模型研究

目的建立临床血液需求量预测的时间序列ARIMA模型,预测临床血液需求量,为血液招募工作提供理论依据。方法收集2006～2010年成都市临床血液月用血量,建立ARIMA模型,预测2011年1～3月需求量。结果临床血液需求量构建为MA（1）,1～60月资料所建立模型模型可用作预测,2011年1～3月预测值与实际值基本一致,相对误差依次为1.3%、3.6%、1.5%。结论 采用时间序列MA（1）模型预测短期临床血液需求量,能为开展血液招募采集工作提供科学依据。     

构建山西省太原市痢疾发病率的ARIMA模型

目的 构建痢疾发病率的ARIMA模型,预测太原市痢疾的发病趋势.方法 引用1994-2003年月发病率拟合模型,利用2004-2006年的痢疾发病率对模型参数进行修正,建立预测方程,预测2007-2008年太原市痢疾发病率.结果 构建ARIMA(1,0,0)(0,1,1)12模型,预测方程为(1-0.63692827B)(1-B12)yt=(1-0.69684797B12)et.预测太原市2007-2008年的痢疾发病水平呈平稳下降趋势.结论 ARIMA(1,0,0)(0,1,1)12模型町作为太原市痢疾发病水平短期预测预报模型.     

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。     

季节趋势模型预测法在流行性感冒监测中的应用

目的分析上海市松江区2006-2008年国家儿童流行性感冒(流感)监测点监测数据,并应用季节趋势模型预测2009年监测点流感样病例(ILI)就诊百分比。方法应用SAS9.13统计软件和Excel软件对松江区2006-2008年国家儿童流感监测点数据进行分析。结果松江区国家儿童流感监测点ILI就诊百分比从2006年的7.27%下降到2008年的5.88%,有逐年下降的趋势。结论2009年松江区国家儿童流感监测点的ILI就诊百分比的高峰位于2009年的3-8月。疫情监测人员应密切关注流感监测点的ILI就诊百分比变化,根据每周上报的实际数,参考疫情控制图的预警线和行动线做出及时的对策和应急反应,防止流感暴发疫情。     

Richards模型在甲型H1N1流感大流行实时预测研究中的应用

目的 研究浙江省甲型H1N1流感的流行规律,为有效防控甲型H1N1流感疫情提供科学依据。 方法 利用浙江省2009 - 2010年的甲型H1N1流感发病资料,拟合Richards模型,估计流行拐点、预测发病总数和估算基本再生数R0。 结果 2009年5月至2010年3月,全省共报告甲型H1N1流感病例13 487例,发病率26.04/10万。浙江省甲型H1N1流感的流行分两波峰,2009年9月22日为第一个小高峰下降的拐点,R0为2.44(95%CI:1.75~3.96)。2009年10月10日为第二波峰出现上升的拐点,2009年11月28日为全省疫情出现下降的真正拐点,该拐点在出现后的第16天即能被监测到。全省预测的总病例数为13 642.82例,实际报告13 706例,误差率仅为0.46%,模型拟合的确定系数R2为0.999,R0为1.33(95%CI:1.31~1.35)。 结论 Richards模型在实时预测甲型H1N1流感流行时效果良好,且能较为及时的监测到流行拐点。     

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...     

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。