ICU患者医院感染logistic回归模型预测

目的构建ICU患者医院感染logistic回归预测模型,并对模型进行评价。方法以入住ICU>48 h的患者为研究对象,构建医院感染logistic回归模型,对模型进行拟和优度检验、ROC曲线下面积分析。结果入住ICU天数、气管插管、前列腺肥大、动静脉插管、基础疾病(肿瘤)等变量进入logistic回归方程,模型ROC曲线下面积为0.856。结论 logistic回归模型对ICU患者医院感染预测拟合度较好。     

ICU患者呼吸系统感染分析

目的研究与探讨ICU患者呼吸系统感染的病因、传播途径及预防方法。方法提取2009年1-12月的198例ICU住院患者的各种病例资料,并对相关资料进行分析。结果 2009年ICU共收治患者198例,发生医院感染22例,45例次,感染率11.11%,例次感染率22.73%;共培养出病原菌60株,以白色假丝酵母菌最多,占30.00%,其次是肺炎克雷伯菌,占16.66%,铜绿假单胞菌占10.00%。结论了解病因,切断各种感染传播途径,才能把感染降到最低。     

中国手足口病发病率ARIMA、RBF及ARIMA-RBF组合模型拟合及预测效果比较

目的 比较求和自回归滑动平均混合模型（ARIMA）、径向基函数神经网络模型（RBF）和ARIMA-RBF组合模型对中国手足口病月发病率的拟合及预测效果,探讨预测手足口病发病率的优化模型。方法 收集2008年1月-2014年12月中国手足口病月发病率资料,基于2008年1月-2014年6月的78个数据分别建立ARIMA模型、RBF模型和ARIMA-RBF组合模型,采用2014年7-12月的6个数据进行外回代验证模型的外推预测效果,评价指标包括相对误差（RE）、平均相对误差（MRE）、均方误差（MSE）,均方根误差（RMSE）和平均绝对误差（MAE）。结果 ARIMA模型拟合和预测的MRE、MSE、RMSE、MAE分别为14.006、4.689、2.165、0.916和13.565、4.416、2.101、0.577,RBF模型分别为9.031、1.559、1.249、0.508和8.964、1.504、1.226、0.503,ARIMA-RBF组合模型分别为6.397、1.357、1.165、0.416和6.655、1.485、1.218、0.433,ARIMA-RBF组合模型的拟合及预测曲线与原始值最接近。结论 ARIMA-RBF组合模型拟合及预测效果均优于ARIMA模型和RBF模型。     

径向基函数神经网络在传染病发病率预测中的应用

传染病发病率的有效预测在传染病防治工作中意义重大,其预测理论和方法的研究一直是一个热点.现实中影响传染病发病的因素众多、相互关系复杂,各因素的作用机制通常不能或无法用精确的数学语言来准确描述.本文采用基于时间序列的径向基函数(RBF)神经网络模型对传染病发病率进行预测,以实现传染病发病序列的非线性逼近.在实例分析中,以某市1991-2002年乙型肝炎(乙肝)月发病率数据建模,经过网络的不断学习和训练,得到合适的预测模型后对2003年1-6月的月发病率进行预测.通过与2003年1-6月的实际发病率进行比较分析以验证建模的可靠性,并与传统的时间序列模型预测结果进行比较,结果表明应用RBF神经网络模型对乙肝发病率的短期预测精度更高、效果更好.     

RBF神经网络在甲肝流行趋势预测中的应用研究

目的探讨径向基函数(RBF)神经网络在甲肝趋势预测中的应用价值,同时为其他传染病的预测研究提供参考和借鉴。方法以1996-2012年江苏省甲肝月发病数据序列为基础,采用不同的样本构建方式建立不同的RBF神经网络,并根据预测效果的评价选择最优网络用于预测分析。结果江苏省甲肝流行具有逐渐下降的长期趋势,月发病数呈双峰型分布,最高峰出现在每年的3-4月(春峰),次高峰出现在7-8月(夏峰)。总共拟合了9个不同样本结构的RBF神经网络,其中以既往3年历史同期发病数以及最近3期发病数为网络输入,以当前期发病数为相应网络输出的RBF网络预测效果最佳,其拟合优度及外推预测精度分别为90.22%、89.10%。据此模型推算,2013年江苏省甲肝发病数为544例,将延续逐渐下降的长期趋势。结论通过对神经网络样本构建方式的优化研究,使建立的RBF神经网络同时拟合了历史同期的变化趋势和近期的波动规律,对甲肝的流行趋势预测取得了良好的效果,具有一定的实用价值和推广意义。     

医院感染预警控制模型对控制ICU医院感染可行性研究

目的探讨预警控制系统对控制重症监护病房(ICU)医院感染的可行性,为预测和控制医院感染提供理论指导。方法选取2012年1月-2013年12月入住医院ICU的398例患者作为观察组,采用前瞻预警模型方法;选取2010年1月-2011年12月入住ICU的354例患者作为对照组,比较两组患者医院感染感染率,采用SPSS17.0软件进行统计分析。结果 398例发生医院感染51例,感染率为12.81%;与实施前比较,差异有统计学意义(P<0.05);预警控制模型诊断58例患者出现医院感染,感染率为14.57%,经Kappa分析,预警控制模型诊断与临床实际诊断存在一致性(P<0.05);预警控制模型诊断的灵敏度为76.47%、特异性为94.52%。结论预警控制模型有着较高的可信度和可行性,可以对ICU患者是否发生医院感染进行提前预测,并对可能出现医院感染的患者进行针对性预防和控制,从而使ICU医院感染由被动预防转变为针对性预防,有助于降低ICU医院感染率。     

ICU医院感染统计与研究

目的了解重症监护病房(ICU)医院感染的发病情况,为ICU医院感染提出有效合理的控制措施. 方法对ICU住院病人进行为期一年的前瞻性调查,计算各种感染率,评价各种危险因素. 结果共监测780人,医院感染例次率12.69%.外科ICU和呼吸内科ICU感染率较高.感染部位以下呼吸道感染最多,占65.7%,其次为胃肠道10.1%和上呼吸道8.1%.下呼吸道感染病人中,呼吸机相关占69%;胃肠道感染病人中,抗生素相关占70%.医院感染病原菌以铜绿假单胞菌、金黄色葡萄球菌、真菌比较多见.基础疾病为慢性阻塞性肺病、脑出血、脑外伤和心肌梗塞的患者较易发生医院感染. 结论 ICU医院感染率明显高于同期全院的平均医院感染率.各ICU医院感染率的高低与病情严重程度、疾病类型、治疗手段、消毒隔离措施有关.因此应加强对危重病人的护理,尽可能减少侵入性操作,严格执行无菌技术操作规范,合理使用抗生素以减少医院感染的发生.     

ICU患者医院感染危险因素监测分析

目的 了解重症监护病房(ICU)内医院感染危险因素，以制定有效控制措施，减少医院感染的发生。方法 对ICU住院患者进行为期1年的前瞻性监测。监测期为患者进入ICU至转出ICU72h。由专职人员每日巡视ICU内住院患者，填写相应登记表。结果 共监测661例病例，医院感染率为14．98％，各科ICU医院感染率由高到低依次为：内科46．08％，老年病科23．46％，外科18．11％，心内科11．11％。医院感染部位前3位是：下呼吸道(58．59％)，胃肠道(17．19％)，泌尿道(10．94％)。医院感染病原菌前3位是：铜绿假单胞菌(26．23％)，金黄色葡萄球菌(16．39％)，表皮葡萄球菌(13．11％)。结论 尽可能缩短住ICU时间，注意各种侵入性操作的消毒隔离并尽早停止侵入性操作，合理使用抗菌药物是减少ICU内医院感染率的有效措施。     

ICU限制性探视对危重患者医院感染的影响

目的为了更好地满足重症监护病房(ICU)中患者和家属的探视需求,贯彻以人为本的服务理念,探讨限制性探视联合预约探视对危重患者医院感染的影响。方法选择2007年1月-2013年1月在ICU住院治疗的185例患者为研究对象,2007年1月-2009年12月实施该制度前的90例患者为实施前组,2010年1月-2013年1月实施该制度后的95例患者为实施后组,比较该探视制度实施前后,患者及家属满意度的变化,观察病房监测指标及患者医院感染率的变化,同时对相关医护人员进行问卷调查,采用SPSS 13.0分析。结果限制性探视联合预约探视制度实施后,患者的满意度由实施前的77.8%提高至89.5%,家属满意度由81.5%提高至92.0%;医院感染率由实施前的4.4%下降至3.2%;空气和感染指标监测结果,差异均有统计学意义(P<0.05)。结论限制性探视联合预约探视制度的实施,能够满足多数患者及家属的探视要求,同时并未增加医院感染风险,将探视对医护工作的影响降至最低,有利于患者疾病的康复,也符合目前治疗人性化的观点,值得临床推广。     

ICU 66例血流感染患者危险因素分析

目的 了解重症监护病房(ICU)血流感染的危险因素、病原菌分布特点及其耐药性,为更好地预防和治疗血流感染提供帮助,从而降低血流感染的发病率和死亡率.方法 对北京市海淀医院2009-2011年ICU 66例血流感染患者进行回顾性调查,对其危险因素、病原菌分布及耐药特点进行分析,并提出治疗与预防措施.结果 66例血流感染患者共检出病原菌70株,其中革兰阴性菌32株占45.7％,革兰阳性菌28株占40.0％,真菌10株占14.3％;其中较常见的病原菌为凝固酶阴性葡萄球菌、鲍氏不动杆菌、酵母菌属、洋葱伯克霍尔德菌、屎肠球菌、大肠埃希菌,分别占25.7％ 、12.9％、12.9％、10.0％、8.6％、8.6％;血流感染多预后不良,且死亡率高,达60.6％;慢性基础疾病、免疫力低下、侵入性操作及抗菌药物的滥用等是血流感染发生的危险因素.结论 3年ICU血流感染患者病原菌分布革兰阴性菌和革兰阳性菌基本持平,在革兰阴性菌中以鲍氏不动杆菌为主,而革兰阳性菌以凝固酶阴性葡萄球菌为主;严格无菌操作、细致的导管护理、加强血培养监测及合理使用抗菌药物是预防和治疗血流感染的有效措施.     

ARIMA乘积季节模型与LSTM神经网络模型对我国麻疹发病数预测效果的比较

目的 探讨长短期记忆神经网络(long short term memory, LSTM)模型和差分整合移动平均自回归(autoregressive integrated moving average model, ARIMA)乘积季节模型在全国麻疹发病趋势预测中的应用,为麻疹的早期防控提供科学依据。方法 选取2005年1月至2016年2月全国麻疹月发病数分别构建LSTM模型和ARIMA乘积季节模型,同时运用得到的模型对2016年3月至2018年12月发病数进行预测,运用两种评价指标平均绝对百分比误差(mean absolute percentage error, MAPE)和均方根误差(root mean square error, RMSE)检验模型的外推预测精度。最后应用模型预测2019年1月至2019年5月的全国麻疹月发病数。结果 LSTM模型和最优模型ARIMA(0,1,1)(0,1,1)₁₂外推预测的均方根误差(RMSE)分别为0.25和1.54,平均绝对百分比误差(MAPE)分别为3.6%和18.7%,提示LSTM神经网络的外推预测精度优于ARIMA模...     

C5.0决策树与RBF神经网络模型用于急性缺血性脑卒中出血性转化的风险预测性能比较

目的  比较C5.0决策树与径向基函数（radial basis function,RBF）神经网络用于急性缺血性脑卒中（acute jschemic stroke,AIS）出血性转化（hemorrhagic transformation,HT）风险预测性能。 方法  将AIS住院患者作为研究对象,收集相关资料。根据入院2周内是否发生HT分为HT组与非HT组,建立C5.0决策树与RBF神经网络模型,比较两者的预测性能。 结果  共收集460份病历资料,按照训练集与测试集7 ∶3的比例分为训练集样本和测试集样本。C5.0决策树模型的训练集与测试集准确率分别为96.5%和80.1%,灵敏度为98.1%和82.6%,特异度为94.8%和77.9%,Kappa指数是0.93和0.60,AUC是0.97和0.80。RBF神经网络模型的训练集与测试集准确率分别为72.6%和74.7%,灵敏度为87.6%和88.4%,特异度为56.9%和62.3%,Kappa指数为0.45和0.50,AUC为0.72和0.75;在训练集中,C5.0决策树模型的预测性能优于RBF神经网络模型的预测性能。在测试集中,两者预测性能的差异无统计学意义。 结论  C5.0决策树模型的预测性能优于RBF神经网络模型的预测性能。     

Elman神经网络与ARIMA模型对甲肝月发病率的预测研究

目的 两模型对甲肝月发病率数据进行拟合预测,比较最优模型。 方法 通过软件实现ARIMA模型和Elman神经网络对甲肝发病率进行拟合,并对2017年月发病率进行仿真。 结果 两模型拟合预测效果较好,ARIMA模型平均绝对误差(mean absolute error,MAE)、均方根误差(root-mean-square error,RMSE)、平均绝对百分比误差(mean absolute percentage error,MAPE)分别为0.013、0.002 9、9.29;Elman神经网络MAE、RMSE、MAPE分别为0.012、0.000 22、8.695。Elman神经网络预测结果优于ARIMA模型。 结论 两模型均能够拟合预测甲肝月发病率,Elman神经网络拟合预测效果更好。     

非线性自回归神经网络在肾综合征出血热流行趋势预测中的应用

目的 探讨非线性自回归(NAR)神经网络拟合及预测我国HFRS流行趋势的应用。方法 使用2004－2013年全国HFRS月报告发病数序列建立ARIMA模型和NAR神经网络模型,预测2014年HFRS月发病数,并比较两模型的拟合和预测效果。结果 对于拟合集,ARIMA模型的平均绝对误差(MAE)、均方误差平方根(RMSE)和平均绝对误差百分比(MAPE)分别为148.058、272.077和12.678%, NAR神经网络分别为119.436、186.671和11.778%; 对于预测集,ARIMA模型的MAE、RMSE和MAPE分别为189.088、221.133和21.296%, NAR神经网络分别为119.733、151.329和11.431%。结论 NAR神经网络对于全国HFRS流行趋势拟合及预测效果优于传统的ARIMA模型,具有良好推广应用价值。     

基于径向基函数神经网络的口岸鼠密度动态预测

目的建立口岸鼠密度变化的动态模拟径向基函数神经网络模型,分析预测效果。方法监测鼠密度,分析鼠密度与气象因子相关性,运用多元回归方程分析气象因子对鼠密度的影响,建立鼠密度变化的动态模拟径向基函数神经网络模型,分析模型的准确性。结果建立的模型的训练准确率为91.34%,检验准确率为91.17%,测试准确率为89.03%,平均准确率为90.51%。模型认为自变量的重要性排序依次为月均最低气温、月均相对湿度、日照、降水量。结论径向基函数神经网络技术能够较好地应用到鼠密度动态预测工作中,为口岸鼠类防控提供了科学依据。     

基于ARIMA和LSTM神经网络的乌鲁木齐市乙型肝炎发病预测研究

目的 了解乌鲁木齐市2012—2021年乙肝发病趋势,建立合适的发病预测模型,探讨ARIMA模型和LSTM神经网络在乙肝发病预测中的应用。方法 根据2012—2021年乙肝月报告病例数据,建立ARIMA模型和LSTM神经网络模型,对乌鲁木齐市乙肝发病数进行拟合及预测,通过比较RMSE的大小评价模型效果。结果 LSTM神经网络模型拟合和预测的RMSE分别为50.13、42.70,ARIMA(0,1,1)(0,0,2)12模型拟合和预测的RMSE分别为67.62、66.85。前者的拟合及预测效果显著优于后者。结论 乌鲁木齐市10年来乙肝发病呈逐年下降趋势,且存在一定季节性变化。LSTM神经网络模型可较好地拟合和预测乌鲁木齐市乙肝的发病数及趋势,且模型效果优于ARIMA(0,1,1)(0,0,2)12,能在一定程度上提高预测精确度。     

ARIMA模型和BP神经网络模型在我国乙型肝炎发病预测中的应用

目的探讨适合全国乙肝发病率的预测模型,为乙肝预测预警系统提供参考。方法应用2004-2012年全国乙肝月发病率数据,分别建立ARIMA模型和BP神经网络模型,利用建立的模型预测2013年1-12月乙肝发病率,采用实际发病率验证与比较两种模型的预测效果,评价指标为平均绝对误差(MAE)、平均绝对误差率(MER)和非线性相关系数(RNL)。结果全国2004-2013年乙肝月发病率在2.79/10万~9.44/10万间波动,序列具有明显的长期趋势。建立的乘积ARIMA(0,1,1)(0,1,1)12模型预测的MAE、MER、RNL分别为0.445、0.065、0.909,BP神经网络模型分别为0.635、0.093、0.872。ARIMA模型预测的平均绝对误差和平均绝对误差率要低于BP神经网络模型(△MAE=-0.190,△MER=-0.028),非线性相关系数要高于BP神经网络模型(△RNL=0.037)。结论 ARIMA模型和BP神经网络模型均适用于我国乙肝发病率的预测,且前者的预测效能和非线性拟合能力略优于后者。     

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。     

BP人工神经网络模型在上海市感染性腹泻日发病例数预测中的应用

目的 建立基于气象因素的上海市感染性腹泻逐H发病例数BP人工神经网络预测模型。方法 收集上海市2005-2008年感染性腹泻逐日发病例数与同期气象资料包括气温、相对湿度、降雨量、气压、日照时数、风速,通过SPearman相关分析选出与感染性腹泻相关的气象因素,用主成分分析(PCA)去除气象因素间的共线性影响。利用MatLabR2012b软件的神经网络工具箱建立感染性腹泻日发病例数的BP神经网络预测模型,并对拟合效果、外推预测能力和等级预报效果进行评价。结果 SPearman相关性分析显示,日感染性腹泻与前两天的日最高气温、最低气温、平均气温、最低相对湿度、平均相对湿度呈正相关(PP<0.01)。输入PCA提取的4个气象主成分构建BP神经网络预测模型,训练和预测样本平均绝对误差、均方根误差、相关系数、决定系数分别为4.7811、6.8921、0.7918、0.8418和5.8163、7.8062、0。7202、0.8180。模型预测值对2008年实际发病数的年平均误差率为5,30%,对感染性腹泻的等级预报正确率为95.63%+H26。结论 温度和气压对感染性腹泻日发病例数影响较大。BP神经网络模型的拟合及预测误差较小,预报正确率较高,预报效果理想。