Lee-Carter模型在苏州市消化道癌症死亡分析中的应用

  目的  通过建立Lee-Carter模型，分析苏州市2002-2016年消化道癌症的死亡特征和变化趋势。  方法  采用苏州市死因监测点居民的消化道癌症死亡数据，计算死亡率和标化死亡率，并建立Lee-Carter死亡率预测模型，进行死亡率的趋势分析。  结果  以苏州市2012-2016年消化道癌症死亡率数据检验模型的应用效果，其平均绝对百分误差（mean absolute percentage error，MAPE）值在年龄和年份水平上分别为2.48%、4.13%，表明模型预测效果较佳；2002-2016年消化道癌症总体的死亡指数呈下降趋势，其中上消化道癌症死亡指数呈现下降趋势，下消化道癌症死亡指数呈现上升趋势；上消化道癌症死亡率是下消化道癌症死亡率的4.23倍，男性死亡率是女性死亡率的2.17倍。  结论  苏州市居民消化道癌症死亡率总体呈逐年下降趋势，其中下消化道癌症男性死亡率呈逐年上升趋势。本研究发现苏州市已出现人口老龄化现象，其医疗卫生水平逐年提高。     

灰色模型GM(1,1)和残差自回归模型在中国孕产妇死亡率预测中的应用

目的 采用灰色模型GM(1,1)和残差自回归模型分别对我国孕产妇死亡率(MMR)进行预测，并比较两者预测准确性，为MMR预测提供方法学指导。方法 根据我国1991—2020年的MMR数据，应用灰色模型GM(1,1)和残差自回归模型，建立MMR预测模型并进行预测研究。结果 GM(1,1)模型对MMR预测精度高于残差自回归模型，求得GM(1,1)方程为：x⁽(1))(k+1)=-1 544.142 7e^{-0.051 1k}+1 624.142 7,拟合检验显示本模型拟合精度好(C=0.186 8,P=1),能够较好地预测MMR的趋势，预测2022—2024年MMR分别为16.6/10万、15.8/10万和15.0/10万。结论 对于1991—2021年MMR数据，GM(1,1)拟合效果优于残差自回归模型，预测表明2022—2024年我国MMR将继续呈下降趋势。     

SARIMA模型与残差自回归模型在甲肝发病率预测中的应用及比较

目的比较季节性求和自回归移动平均(SARIMA)模型及残差自回归模型在甲肝发病率预测中的应用效果。方法根据四川省2004年1月~2009年6月的甲肝月发病率资料,分别拟合SARIMA模型和残差自回归模型,比较两种模型的拟合及预测效果。结果 SARIMA模型的AIC值和BIC值分别为64.98和59.07,残差自回归模型的AIC值和BIC值分别为110.01和103.44;SARIMA模型的拟合值与实际值的MAPE、MAE及MSE分别为0.0349、0.0835及0.0016,残差自回归模型的SARIMA的拟合值与实际值的MAPE、MAE及MSE分别为0.0557、0.1392及0.0050。结论 SARIMA模型的拟合与预测效果优于残差自回归模型。     

三种模型应用于中国2011—2020年梅毒发病趋势分析的比较

  目的  比较差分自回归移动平均(autoregressive integrated moving average model, ARIMA)模型、非线性自回归神经网络(nonlinear autoregressive neural network, NAR)模型和长短期记忆神经网络(long-short term memory neural network, LSTM)模型应用于梅毒报告发病预测的效果, 优化疫情预测模型。  方法  以中国31个省、自治区、直辖市(未包含中国台湾、香港和澳门)2011-2019年梅毒月报告发病率为拟合集, 建立ARIMA模型、NAR模型和LSTM模型, 比较3种模型的拟合效果。以2020年梅毒月报告发病率为预测集, 比较3种模型的预测效果。  结果  ARIMA模型、NAR模型和LSTM模型拟合所得的平均绝对误差(mean absolute deviation, MAD)分别为0.013、0.011和0.002, 均方根误差(root mean squared error, RMSE)分别为0.015、0.018和0.003, 平均绝对百分比误差(mean absolute percentage error, MAPE)分别为4.266%、3.810%和0.692%;预测所得的MAD分别为0.064、0.049和0.044, RMSE分别为0.069、0.068和0.060, MAPE分别为23.310%、17.629%和18.575%。  结论  LSTM模型拟合预测梅毒报告发病率的效果更好, 为梅毒疫情的防控提供数据支撑。     

变权组合模型在我国手足口病发病率预测中的应用北大核心CSCD

目的探讨变权组合模型在我国手足口病月发病率预测中的应用,并与ARIMA模型和残差自回归模型的预测效果进行比较。方法收集2008年1月至2014年12月我国手足口病月发病率资料,用SPSS13.0和Eviews8.0拟合三种模型,并用2014年7-12月的数据比较三种模型的拟合和预测效果。结果 ARIMA模型、残差自回归模型和变权组合模型拟合及预测的MRD,MSE,RMSE和MAE分别为14.006,4.689,2.165,0.147和13.565,4.416,2.101,0.133;16.793,7.247,2.692,0.171和16.206,6.639,2.577,0.164;8.447,1.843,1.358,0.092和8.409,1.833,1.354,0.082。结论变权组合模型拟合及预测效果优于ARIMA模型和残差自回归模型。     

ARIMA模型与残差自回归模型在手足口病发病预测中的应用

目的 探讨求和自回归滑动平均混合模型（autoregressive integrated moving average model,ARIMA）和残差自回归模型在我国手足口病月发病率预测中的应用,并对它们的预测效果进行比较。方法 收集2008年1月～2014年12月我国手足口病月发病率资料,用SPSS 13.0和EViews 8.0分别拟合ARIMA模型和残差自回归模型,并用2014年7月～12月的数据评价模型的预测效果。结果 ARIMA模型拟合及预测的平均相对误差（average relative error,MRE）,均方误差（mean square predict error,MSE）,均方根误差（root mean squared predict error,RMSE）和平均绝对误差（mean absolute error,MAE）分别为14.006,4.689,2.165,0.147; 13.565,4.416,2.101,0.133。残差自回归模型拟合及预测的MRE,MSE,RMSE和MAE分别为16.793,7.247,2.692,0.171,16.206,6.639,2.577,0.164。结论 ARIMA模型拟合及预测效果优于残差自回归模型。     

SARIMA-GRNN组合模型在伤寒与副伤寒逐月发病数预测中的应用

  目的  建立季节性差分自回归移动平均(seasonal autoregressive integrated moving average, SARIMA)-广义回归神经网络(generalized regression neural network, GRNN)组合模型,为伤寒与副伤寒发病数的预测提供方法学上的新思路。  方法  利用2011年1月-2019年12月中国伤寒与副伤寒逐月发病数资料,分别构建SARIMA模型和SARIMA-GRNN组合模型,比较两种模型的拟合和预测效果。  结果  最优的SARIMA模型为SARIMA (2, 1, 1) (0, 1, 1)₁₂,SARIMA-GRNN组合模型的最优光滑因子(spread)为0.21。评价SARIMA-GRNN组合模型拟合效果的参数均方根误差(root mean squared error, RMSE)、平均绝对误差(mean absolute error, MAE)和平均绝对百分比误差(mean absolute percentage error, MAPE)为90.08、71.44和7.07%,分别小于SARIMA模型的99.44、79.15和7.86%;评价预测效果的RMSE、MAE和MAPE为100.86、75.94和9.57%,均小于SARIMA模型的125.44、97.33和10.89%。  结论  SARIMA-GRNN组合模型比传统SARIMA模型更能拟合中国伤寒与副伤寒逐月的发病数,而且预测精度更高,可应用于伤寒与副伤寒逐月发病数的预测。     

基于自回归滑动平均混合模型的布鲁菌病流行趋势预测

  目的  对我国布鲁菌病（简称布病）月发病率进行预测，为了解我国布病流行趋势、制定防控策略提供数据支持和决策依据。  方法  以国家人口与健康科学数据共享平台为数据来源，使用2004年1月-2016年12月全国布病月发病率数据建立历史序列，应用R软件构建自回归滑动平均混合模型（autoregressive integrated moving average model，ARIMA）并进行数据拟合和预测。  结果  本研究构建乘积季节ARIMA（2，1，2）（2，1，1）₁₂模型各项参数都有统计学意义（均有P < 0.001），模型很好的拟合了全国布病月发病率的变化规律，预测值与实际值之间的平均相对误差为21.77%；预测2017年、2018年、2019年和2020年布病的月平均发病率分别为0.399 5/10万、0.423 8/10万、0.445 6/10万、0.471 2/10万，呈逐渐增高趋势（χ2=14.244，P < 0.001），在4-7月份出现发病峰值。  结论  在自然状况下，我国人间布病的月发病率将逐年增高，应采取相应措施进行控制。     

ARIMA模型和BP神经网络模型在甘肃省结核病发病率预测中的应用

  目的  探讨自回归滑动平均混合模型（autoregressive integrated moving average，ARIMA）与误差逆传播（（back propagation，BP）神经网络模型在甘肃省结核病发病率预测中的预测效果，选取合适的模型预测发病趋势。  方法  以甘肃省1997-2017年结核病数据为基础，建立ARIMA时间序列模型和BP神经网络模型分别预测2018-2019年的发病率，并比较两种模型的预测精度和建模效果。  结果  对于甘肃省2018年和2019年结核病发病率，ARIMA时间序列模型预测结果为55.1075，54.5373，MSE=92.24，MAE=7.5313，MAPE=9.26%；BP神经网络模型预测结果为62.0132，73.4460，MSE=9.6575，MAE=1.1449，MAPE=1.68%。  结论  BP神经网络模型对甘肃省结核病发病率的预测效果更佳，预测得2018-2019年甘肃省结核病发病率将呈小幅上升趋势。     

精神分裂症家庭照护者心理健康影响因素的结构方程模型分析

  目的  利用结构化方程模型分析精神分裂症家庭照护者心理健康的影响因素，为采取有针对性干预措施提供科学依据。  方法  在调查精神分裂症患者社会功能缺陷及其家庭照护者家庭功能、社会支持、心理健康现状基础上，采用结构方程模型分析影响照顾者心理健康的因素及其效应指标，主要拟合参数包括比较拟合指数（compare the fitted indices，CFI）、拟合优度指数（goodness of fit index，GFI）、调整后的拟合优度指数（the adjusted goodness of fit index，AGFI）、规范拟合指数（normed fit index，NFI）以及近似误差均方根（approximate error root mean square，RMSEA）。  结果  照护者心理自评量表总分及躯体化、强迫症状、人际关系敏感、抑郁、焦虑、敌对等维度得分均高于正常人水平（均有P<0.05）。精神分裂症家庭照护者中仅有19.0%感到无或很少负担，33.0%为轻度负担，48.0%认为负担较重。结构方程模型拟合指数为:χ2（58）=47.440，P=0.838，χ2/df=0.818，主要拟合参数GFI=0.968、AGFI=0.943、CFI=1.000、NFI=0.973、RMSEA=0.000，模型拟合效果较好。  结论  精神分裂症家庭照护者存在严重的心理健康问题，照护负担较重；提升家庭照护者社会支持、家庭关怀，提高患者社会功能是改善其照护负担与心理健康水平的有效途径。     

三种模型在江西省流感样病例预测中的应用与比较

  目的  构建江西省流感流行趋势最优预测模型，为流感防控提供科学指导。  方法  从"中国流感监测信息系统"导出江西省2013-2017年每月流感哨点监测数据，并采用自回归（autoregressive，AR）、指数平滑（exponential smoothing，ES）和自回归积分滑动平均（autoregressive integrated moving average，ARIMA）等不同预测方法建模，并将2017年1~12月的预测值和实际比较。  结果  三种模型的R2分别为0.731、0.751和0.815；均方根误差（root mean square error，RMSE）分别为0.253、0.243和0.212；平均绝对误差（mean absolute error，MAE）分别为0.189、0.178和0.151；平均绝对百分误差（mean absolute percent error，MAPE）分别为10.092、9.523和8.124；平均相对误差（mean relative error，MRE）分别为11.45%、10.92%和8.96%。  结论  在进行江西省流感样病例就诊百分比趋势建模中，ARIMA是一个较好预测流感样病例就诊百分比的模型。     

基于GM(1,1)模型对我国妇幼保健指标的预测

  目的  研究GM（1,1）模型在我国妇幼保健指标中的预测效果,并对未来妇幼保健指标进行短期预测,为我国妇幼保健服务水平的逐步完善提供科学依据。  方法  收集我国2008-2017年的孕产妇死亡率（maternal mortality rate,MMR）、新生儿死亡率（neonatal mortality rate,NMR）、婴儿死亡率（infant mortality rate,IMR）和5岁以下儿童死亡率（under-five mortality rate,U5MR）,建立模型,应用MATLAB 2018b软件进行预测分析。  结果  我国MMR、NMR、IMR和U5MR的预测模型分别为:${\rm{\hat x}}\left( {{\rm{k}} + 1} \right) = - 476.08{{\rm{e}}^{ - 0.09{\rm{k}}}} + 510.28({C_1} = 0.165,{P_1} = 1.000)$,${\rm{\hat x}}\left( {{\rm{k}} + 1} \right) = - 108.43{{\rm{e}}^{{\rm{ - 0}}{\rm{.09k}}}} + 118.63({C_2} = 0.043,{P_2} = 1.000)$,${\rm{\hat x}}\left( {{\rm{k}} + 1} \right) = - 160.60{{\rm{e}}^{ - 0.09{\rm{k}}}} + 175.50({C_3} = 0.085,{P_3} = 1.000)$,${\rm{\hat x}}\left( {{\rm{k}} + 1} \right) = - 224.37{{\rm{e}}^{ - 0.08{\rm{k}}}} + 242.87({C_4} = 0.124,{P_4} = {\rm{ }}1.000)$,平均相对误差分别为:3.46%、0.67%、1.75%和2.36%。  结论  GM（1,1）模型适用于对我国妇幼保健指标的预测,拟合精度均较高;预测未来三年各指标将继续逐年下降,相关部门应有针对性的加强管理工作。     

基于时间序列模型的兰州市5岁以下儿童死亡预测分析

  目的  分析2010-2018年兰州市5岁以下儿童死亡情况,构建时间序列模型预测2019年兰州市5岁以下儿童死亡趋势。  方法  采用描述流行病学方法综合分析兰州市2010年1月-2018年12月5岁以下儿童死亡情况,利用SPSS 21.0软件构建时间序列分析模型,筛选最佳模型并预测2019年兰州市5岁以下儿童死亡情况。  结果  兰州市2010-2018年共报告5岁以下儿童死亡病例1 650例,男、女报告死亡例数分别为871例和774例,年均死亡率为6.23‰。近几年兰州市5岁以下儿童死亡率总体呈下降趋势;5岁以下儿童死亡以新生儿为主,占65.27%;通过不同模型比较发现简单季节性指数平滑模型为最优模型,该模型较好的拟合了兰州市2010-2018年5岁以下儿童月死亡例数,预测2019年兰州市5岁以下儿童总死亡例数为140例,与2018年的死亡例数相近。  结论  兰州市5岁以下儿童死亡率总体呈逐年下降趋势,简单季节性指数平滑模型可以较好的反映兰州市5岁以下儿童的死亡趋势并进行短期预测。     

中国肾癌死亡趋势预测及其预测模型比较

目的 建立并比较两种预测模型在中国肾癌死亡趋势中的应用,选取最佳模型对2020-2025年中国肾癌死亡率进行预测.方法 收集全球健康数据交换(Global Health Data Ex-change,GHDx)数据库1990-2019年中国人群全年龄组肾癌死亡率数据,使用R 4.0.2软件基于1990-2016年肾癌死...     

四川省2008-2018年流行性乙型脑炎流行特征及ARIMA模型应用

  目的  描述四川省2008-2018年流行乙型脑炎（Japanese encephalitis,JE）流行病特征,分析其变化规律,并构建自回归移动平均（autoregressive integrated moving average,ARIMA）模型探讨该模型在预测JE发病趋势中的应用。  方法  采用描述流行病学分析2008-2018年四川省JE流行概况,利用2008年1月-2017年12月四川省JE分月监测资料拟合ARIMA模型,并应用2018年1-12月报告发病数进行模型检验。  结果  四川省2008-2018年JE疫情呈下降趋势,全省疫情主要集中于川东和川南,发病高峰为每年7-9月,儿童为高危人群,但近年来青少年及成人发病有上升趋势。ARIMA（1,0,0）（2,1,0）₁₂能较好拟合JE发病时间序列趋势。  结论  构建ARIMA模型可用于四川省JE疫情报告发病数的短期预测。     

2003—2018年间中国女性宫颈癌发病与死亡趋势研究

  目的  研究2003—2018年中国20~79岁女性宫颈癌发病率和死亡率的变化趋势,对未来五年宫颈癌发病及死亡率的趋势进行预测。  方法  收集我国2003—2018年20~79岁女性宫颈癌的发病和死亡数据,利用联结点回归模型分析趋势变化规律,进一步利用年龄-时期-队列模型探讨年龄、时期和队列因素对宫颈癌发病和死亡率的影响。分别建立自回归滑动平均混合模型(autoregressive integrated moving average model, ARIMA)、灰色模型(grey model, GM)(1,1)和误逆差传播(back propagation, BP)神经网络模型对发病率和死亡率进行拟合,选取预测精度高的模型预测未来五年宫颈癌的发病率和死亡率。  结果  2003—2018年间女性宫颈癌的发病率具有2个转折点,发病趋势先快速上升随后下降;死亡率具有1个转折点,趋势是先下降再上升。总体上看,宫颈癌的发生风险随着年龄的增长而增大,在55~＜60岁达到峰值后缓慢下降。死亡风险从年龄上看不断上升,时期效应随着时期的推进而增大,队列效应则不断减弱。通过对比发现BP神经网络模型拟合的效果较好。  结论  2003—2018年间中国女性宫颈癌的发病率和死亡率整体上呈现下降的趋势,受年龄影响较大而受时期和队列的影响较小,未来五年发病率和死亡率将呈下降趋势。因此,应加强女性宫颈癌筛查和HPV疫苗接种工作,做好防控措施。     

北京市西城区2016—2021年5岁以下儿童死亡监测分析

  目的  分析2016-2021年北京市西城区5岁以下儿童死亡率及其变化趋势, 为进一步降低婴儿和5岁以下儿童死亡率提供科学依据。  方法  针对2016-2021年北京市西城区社区卫生服务中心预防保健科上报的5岁以下儿童死亡监测数据进行描述性统计分析。  结果  2016-2021年西城区5岁以下儿童、婴儿、新生儿死亡率分别从2.31‰, 1.85‰, 1.12‰下降至1.55‰, 1.07‰, 0.48‰。采用χ2趋势检验方法比较2016-2021年间死亡率变化均无统计学意义(P值均>0.05)。5岁以下儿童死因顺位前3位是其他先天异常(除外先心病和先天愚型)(占18.79%)、早产/低出生体重(占16.36%)、出生窒息(占7.88%)。其中婴儿死亡占5岁以下儿童死亡比例为69.23%~80.00%, 新生儿死亡占婴儿死亡比例为44.44%~71.43%。  结论  应结合主要死亡原因有针对性地开展预防性干预及质量管理, 并进一步提升危重新生儿救治水平, 降低新生儿死亡率。     

基于求和自回归滑动平均模型的道路交通伤害死亡趋势预测分析

目的分析2014-2018年河北省道路交通伤害死亡情况,探讨求和自回归滑动平均模型(autoregressive integrated moving average model,ARIMA)在道路交通伤害死亡趋势预测中的可行性。方法采用描述流行病学分析2014-2018年河北省道路交通伤害死亡概况,运用R 3.5.3软件对河北省2014年1月―2018年6月道路交通伤害月度死亡资料建立ARIMA预测模型,进行整体回代观察拟合效果,比较2018年7月―12月预测值与真实值,评价预测效果。结果2014-2018年河北省累计报告道路交通伤害死亡人数13147例,男性10071例,女性3076例,年均死亡率为17.79/10万,总体呈现下降趋势。构建的最佳预测模型为ARIMA(0,1,1)(0,1,1)12,赤池信息量准则(Akaike information criterion,AIC)为390.64,Schwaz贝叶斯准则(Schwarz Bayesian criterion,SBC)为395.78;残差序列为白噪声序列(均有P>0.05),模型参数非零(均有P<0.05);预测结果实际值均落在预测值95%置信区间内,预测值与实际值之间的相对误差在1.15%~11.85%之间,RMSE=13.65,MAE=10.88,MAPE=4.80%,模型预测性能良好。结论河北省道路交通伤害死亡水平总体呈逐年下降趋势,ARIMA模型可用于道路交通伤害死亡趋势的短期预测。