求和自回归移动模型在肾综合征出血热发病预测中的应用

目的利用求和自回归移动模型模拟传染病发病时间序列,提高传染病监测预警能力。方法以HFRS为例,收集2009年8月2019年2月国家法定传染病月度发病数数据,利用SAS 8.0对其做1阶差分12步差分提取周期趋势,对差分后时间序列序列进行ARIMA模型构建,估算参数并预测未来趋势。结果我国HFRS的发病呈现以年为单位的周期趋势,年平均发病总数基本保持在960人。构建的最优模型为ARIMA(2,1,1) 12,预测显示在未来5个月内2019年5月份病例报告数量达到高峰。结论 ARIMA模型通过分析HFRS发病历史数据,对短期发病情况预测精度高,能很好的反应传染病的发病规律及变化趋势,但实际应用过程中动态补充数据来对模型修正。     

ARIMA模型在全国丙型肝炎疫情预测中的应用

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)预测全国丙型肝炎的发病情况。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模型,对全国2005年1月~2012年12月丙型肝炎逐月发病数进行建模和拟合,利用所得到的模型对2013年1~6月的发病情况进行预测,并按照预测值与实际观察值之间的差异评价其预测效果。结果分析结果显示,丙型肝炎发病以年为周期,一年中3~5月为高发月。非季节自回归参数为5.84,t=-2.567,P=0.012。非季节移动平均参数为0.481,t=3.392,P=0.001,季节移动平均参数为0.625,t=3.547,P=0.001,差异有统计学意义。BIC=14.162,Ljung-Box统计量检验残差序列为白噪声序列,预测的平均相对误差为3.4%,丙型肝炎拟合的最佳模型为ARIMA(1,1,1),(0,1,1)12。结论ARIMA对全国丙型肝炎拟合的预测效果较为满意,预测结果将为今后丙型肝炎等多种传染病的预防和控制提供理论支持。     

自回归积分滑动平均模型在杭州市上城区主要肠道传染病发病趋势的应用研究

目的了解杭州市上城区主要肠道传染病的流行特征,探讨应用为自回归积分滑动平均模型(ARIMA模型)预测其发病趋势的可行性和适用性。方法应用SPSS 20.0对2007-2016年杭州市上城区主要肠道传染病月发病数据建立ARIMA模型,以2017年1～12月的数据进行模型的验证,并外推2018年的发病趋势。结果 2007-2016年细菌性痢疾和其他感染性腹泻的发病趋势总体呈下降趋势。细菌性痢疾的预测模型为ARIMA (1,1,1)(1,1,0)12,其他感染性腹泻的预测模型为ARIMA (2,0,2)(1,1,1)12,拟合效果均较好。2018年杭州市上城区细菌性痢疾的发病有下降的趋势,其他感染性腹泻的发病有上升的趋势,但幅度不大。结论 ARIMA模型对杭州市上城区主要肠道传染病的发病趋势有较好的预测效果,可提供科学的防控依据。     

ARIMA模型在北京市西城区手足口病月发病率预测中的应用

目的采用ARIMA模型预测手足口病的发病趋势,探讨提高模型预测准确性和实用性的思路。方法利用ARIMA模型对北京市西城区2010年1月—2015年12月手足口病月发病率进行拟合,并进行发病趋势预测。结果通过参数估计和残差白噪声检验,得到模型ARIMA(1,0,0)(1,1,0)_(12),BIC=1.958,Ljung—Box=7.885(P=0.952),2015年手足口病月发病率预测值和实际值的平均相对误差为21.47%。结论利用ARIMA模型预测手足口病的发病趋势是可行的,可以为地区传染病防控和公共卫生决策提供科学依据。     

季节ARIMA模型在无锡市艾滋病发病预测中的应用

目的 预测无锡市艾滋病发病趋势,探讨自回归滑动平均混合模型(autoregressive integrated moving average model, ARIMA model)在无锡市艾滋病早期预测预警中的可行性。方法 以2007—2018年无锡市艾滋病月报告发病数据为基础,构建最优季节ARIMA模型,运用该模型对2019年无锡市艾滋病月报告发病数进行预测,并将实际值与预测值进行比较。结果 研究构建的最优季节ARIMA模型为ARIMA (2,1,1)(1,1,1)₁₂,ADF检验结果显示,差分后序列呈稳定序列(t=-7.39,P=0.01),AIC为932.43,BIC为949.68,RMSE为7.14。白噪声检验结果为χ²=0.001,P=0.97,实际值基本在预测值的95%CI。结论 ARIMA (2,1,1)(1,1,1)₁₂能较好地拟合无锡市艾滋病月报告发病趋势,可应用于无锡市艾滋病发病的短期预测。     

ARIMA乘积季节模型在湖南省HIV感染的应用研究

目的 研究ARIMA乘积季节模型对湖南省HIV感染的适用性,并进行预测。 方法 本文以湖南省2005-2014年HIV月感染数据建立模型,以2015年月数据进行模拟。首先采用差分的方法对序列进行平稳化,然后进行模型识别、定阶,再对模型进行检验并预测未来3年的发病情况。 结果 对时间序列进行自然对数转换,一阶差分和一阶季节差分得到ARIMA乘积季节模型,结果显示ARIMA(1,1,1)(0,1,1)₁₂很好地拟合了HIV的感染情况(R²=0.894)。残差序列经Ljung-Box 检验为白噪声序列,P=0.472。预测结果显示未来3年全省HIV感染人数仍有增长趋势。 结论 利用乘积季节ARIMA模型对湖南省HIV感染拟合效果较好,可以为卫生工作者采取控制措施提供依据。     

ARIMA模型在北京市丰台区流行性感冒预测中的应用

目的探讨ARIMA模型在北京市丰台区流行性感冒预警预测中的应用,建立流感样病例(ILI)发病预测模型。方法利用《北京市医院传染病监测预警信息系统》资料,采用SPSS 22.0软件,对丰台区2007年9月—2016年8月ILI监测数据建立ARIMA模型,并对2016年9月—2017年4月ILI%进行预测,评价模型的预测效果。结果 2007年9月—2016年8月丰台区ILI%呈季节性周期变化,病例以25岁儿童及青少年为主,主要就诊科室为儿科门、急诊和发热门诊。2007年9月—2016年8月ILI%数据拟合模型ARIMA(1,0,0,)(1,1,0)12,预测2016年9月—2017年4月ILI%与监测值差异无统计学意义(t=1.674,P0.05)。结论 ARIMA模型可用于丰台区流行性感冒发病情况预测,可为流行性感冒防控提供科学依据。     

季节性ARIMA模型在广州市手足口病疫情预测中的应用

目的探讨应用季节性ARIMA模型预测广州市手足口病发病情况的可行性。方法利用"传染病报告信息管理系统"数据,应用SPSS 13.0统计软件对广州市2009年1月至2014年6月手足口病发病数建立季节性ARIMA模型,使用所建模型对2014年7~12月发病情况进行预测。结果广州市手足口病发病特征以年为流行周期,每年有2个发病高峰;应用季节性ARIMA方法进行模型识别与估计后,建立ARIMA(1,0,1)(2,1,0)12模型,预测平均相对误差为0.22,预测效果较好。结论季节性ARIMA模型能较好的拟合广州市手足口病发病序列并进行短期的有效预测。     

ARIMA模型在安溪县传染病发病率预测中的应用

目的 探讨用时间序列ARIMA模型对法定传染病发病率进行预测的可行性.方法 用SPSS 18.0对安溪县2005-2010年传染病月发病率进行ARIMA模型拟合,用所得模型对2011年各月发病率进行预测并与实际值比较.结果 ARIMA(0,1,1)×(1,1,0)12模型拟合良好,2011年各月预测值与实际值趋势吻合.结论 ARIMA模型能很好地模拟传染病发病率时间序列变动趋势,对疫情监测有重要意义.     

基于ARIMA乘积季节模型的苏州市介水传染病发病预测研究

目的探讨运用自回归求和移动平均(autoregressive integrated moving average,ARIMA)乘积季节模型对苏州市介水传染病发病率进行预测。方法利用R软件对苏州市2008年1月—2015年12月的介水传染病发病率数据进行拟合,构建ARIMA乘积季节模型,对苏州市2016年1—6月介水传染病的发病率进行预测。结果构建了ARIMA(2,1,2)×(0,1,1)_(12)乘积季节模型,模型Ljung—Box检验差异无统计学意义(Q=18.478,P=0.779),模型适用于短期预测,2016年1—6月苏州市常见介水传染病实际发病率均在预测结果95%可信区间内,预测结果相对误差的平均值为-0.024。结论ARIMA(2,1,2)×(0,1,1)_(12)季节乘积模型可用于苏州市介水传染病发病率的短期预测。     

辽宁省手足口病疫情季节性ARIMA模型预测效果评价

目的利用时间序列法研究手足口病的发病趋势和流行特征,建立ARIMA乘积季节模型,对2017年7月—2018年12月辽宁省手足口病的月发病疫情情况及流行强度进行预测,为手足口病的预防监测工作提供依据。方法收集辽宁省手足口病2012年1月—2016年12月的月发病报告数,采用Excel 2010建立辽宁省手足口病月报告发病数数据库,应用SPSS 23.0软件进行SARIMA模型的构建,拟合发病情况,对辽宁省手足口病2017年7月—2018年12月发病数进行预测,评价预测效果。结果辽宁省手足口病发病特征以年为流行周期,季节性周期为12个月(s=12)。每年6—9月为该病的发病高峰期。最佳模型为SARIMA(0,1,0)×(1,1,0)_(12)季节性模型,模型残差Ljung-Box Q=18.564,P=0.354,序列为白噪声。预测平均相对误差为0.229,预测效果较好。结论季节性ARIMA模型能较好的拟合辽宁省手足口病的发病流行趋势,能够比较直观准确的反映辽宁省手足口病的疫情发展情况,该模型适用于辽宁省手足口病的短期流行趋势的预测。     

ARIMA模型在三门峡市手足口病发病预测中的应用

目的 建立以三门峡市手足口病发病数据为基础的整合滑动平均自回归模型(autoregressive integrated moving average model, ARIMA),并利用该模型对三门峡市手足口病的发病数进行预测。 方法 以三门峡市2008年1月—2017年12月的手足口病月发病数据为基础差分平稳化后经过文献查阅和验证建立最优ARIMA,并对2018年1月—12月的手足口病发病数进行预测,通过与实际值的比较评价预测效果。 结果 三门峡市手足口病发病预测模型为ARIMA(1,1,1)×(0,1,1)₁₂ ,模型各项参数均有统计学意义(P<0.001),拟合优度检验BIC=0.287,残差序列为白噪声序列(P=0.10),拟合效果较好。预测了三门峡市2018年1—12月的手足口发病数,并与实际值进行比较,1—2月预测值与实际值符合度较高。 结论 拟合的三门峡市手足口病发病序列模型ARIMA(1,1,1)×(0,1,1)₁₂效果较好,可用于对三门峡市手足口病发病趋势进行短期预测。     

应用ARIMA模型分析湖北省乙型病毒性肝炎时间分布特征

目的 探讨ARIMA模型在湖北省乙型病毒性肝炎(乙肝)病例时间分布特征分析中的应用.方法 利用“传染病监测报告信息系统”中2005-2014年湖北省乙肝发病数据,分析病例的时间分布特征,建立ARIMA预测模型.结果 乙肝报告发病率3～8月处于较高水平,12月最低;拟合得到的最佳模型为没有常数项的ARIMA(0,1,1)(0,l,1)12模型.预测发现,未来湖北省乙肝发病水平与往年趋势大体一致,3～8月发病率处于较高水平.结论 建立的ARIMA模型能较好地预测湖北省乙肝病例的时间趋势.     

中国内地法定报告传染病预测和监测的ARIMA模型

目的通过对1995年1月～2004年4月中国大陆法定报告传染病逐月发病率数据的分析,研究其变化规律,建立预测与监测的ARIMA时间序列模型。方法利用时间序列模型中的自回归滑动平均混合模型ARIMA,考虑非季节效应和季节效应,分析中国法定报告传染病发病率的变化趋势和周期性,模型参数估计采用非线性最小二乘法,应用残差和赤池信息量准则（AIC）评价模型的优劣。1995～2004年我国内地法定报告传染病逐月发病率的数据用于建立模型,2005年1月～2006年4相应数据用于模型检验。结果分析结果显示,法定报告传染病发病以年为周期,一年中6～9月为高发月,尤其是8月和7月最为严重。ARIMA（0,1,0）（0,1,0）12模型是法定报告传染病拟合的最佳模型,其拟合残差的方差为2.28,外推预测的平均绝对误差为0.34。利用预测值的95%置信区间建立了我国内地法定报告传染病发病率变化的监测控制线,用于其发病情况的预测与预报。结论对传染病发病率历史数据进行时间序列分析是用于传染病监测的一个重要的工具。所建立的ARIMA模型适用于对中国大陆法定报告传染病发病率预测与监测。该模型具有一定的实用价值,并可以应用于其他传染病的监测和异常变化的检测。     

上城区其他感染性腹泻ARIMA乘积季节模型的建立与预测

目的 建立上城区其他感染性腹泻病求和自回归移动平均(auto-regressive integrated moving average, ARIMA)乘积季节模型，为早期防控提供参考。方法 利用SPSS 25.0软件对上城区2010—2020年其他感染性腹泻病发病数据构建ARIMA乘积季节模型，通过对2021年月发病数进行回代预测评价模型拟合效果，并用构建的模型对2022年月发病数进行预测。结果 上城区2010—2020年共报告其他感染性腹泻病40 534例，年均报告发病数为3 685例，无死亡病例报告。构建的较优模型为ARIMA(2,1,1)(1,1,1)₁₂,平稳R²=0.870,贝叶斯信息准则(Bayesian information criterion, BIC)=9.524,平均绝对百分误差(mean absolute percentage error, MAPE)=27.351,模型Box-Ljung检验差异无统计学意义(Q=10.420,P=0.659)。模型实测发病趋势与预测发病趋势基本一致，预测值和实测值平均相对误差为23....     

ARIMA乘积季节模型在郑州市肺结核月发病趋势预测中的应用

目的建立郑州市近年肺结核月发病的ARIMA乘积季节模型(SARIMA)并进行预测,探讨该模型在郑州市肺结核早期预测预警中的可行性。方法以郑州市2011-2018年肺结核月发病数为基础,建立适合郑州市肺结核ARIMA乘积季节模型,利用R语言的auto.arima()代码自动得到最优模型后对2019年肺结核发病数进行预测。结果构建的郑州市肺结核月发病预测模型为ARIMA(2,0,0)(0,1,1)_(12),模型参数均有统计学意义(P0.05),模型拟合优度AIC=78.45,BIC=94.04,残差序列为白噪声(Ljung-Box testQ=17.285,P=0.3674),2019年1-12月实际值与拟合值的动态趋势高度吻合。结论本研究建立的ARIMA(2,0,0)(0,1,1)_(12)可用于郑州市肺结核月发病的早期预测。     

ARIMA模型在武汉市结核病疫情预测中的应用

目的探讨应用自回归移动平均模型(ARIMA)预测武汉市结核病发病情况。方法收集中国结核病信息管理系统中2011—2015年武汉市结核病月报告发病数数据,利用SPSS 18.0统计软件通过建模和拟合,对2016年肺结核发病数进行预测,比较预测值与实际报告数之间差异评价其预测效果。结果武汉市肺结核发病以年为周期,每年4~6月和9~10月为高发期;ARIMA(0,1,1)×(0,1,1)12能很好的拟合武汉市结核病发病情况,其标准化BCI=0.732,Ljung-Box统计量为25.659,P=0.059,预测平均相对误差率为3.31%,预测结果基本符合2016年实际发病变动趋势。结论 ARIMA模型能较好地模拟和预测结核病发病在时间序列上的变化趋势,可为今后合理配置防控资源提供参考依据。     

应用自回归移动平均模型乘积季节模型预测兰州市水相关疾病发病情况

目的探讨自回归移动平均模型(autoregressive integrated moving average model,ARIMA)乘积季节模型在水相关疾病发病率发病趋势预测中的应用,对兰州市水相关疾病发病情况进行预测。方法收集2006年1月—2014年12月水相关疾病发病率数据,利用R软件构建ARIMA乘积季节模型,利用2015—2017年实际发病率与模型拟合数据比较,评价模型的预测性能,并预测2015—2017年水相关疾病的发病率。结果在水相关疾病预测中建立ARIMA(2,0,1)×(2,0,0)_(12)乘积季节模型,Ljung-Box检验差异无统计学意义(Q=18.64,P=0.824),2015年—2017年兰州市常见水相关疾病实际发病率均在预测结果95%可信区间内,平均预测相对误差为5%。结论 ARIMA乘积季节模型可以较好的预测兰州市水相关疾病发病率的变化趋势,能够运用于水相关疾病发病趋势的预测及预警,为防控措施的制定提供参考。     

ARIMA乘积季节模型在江西省手足口病发病预测中的应用

目的 建立江西省手足口病发病的ARIMA乘积季节模型并进行预测,探讨该模型在江西省手足口病早期预测预警中的可行性。方法 以江西省2008-2015年手足口病逐月发病数为基础,建立ARIMA乘积季节模型,利用2016年各月发病数对模型进行验证,得到最优模型后对2017年手足口病发病数进行预测。结果 本研究构建的江西省手足口病发病预测模型为ARIMA(2,1,1)(0,1,1)12,各项参数都有统计学意义(P<0.05),模型拟合优度检验获得BIC值最小为14.738,残序列为白噪声(Ljung-Box Q=14.738,P=0.362),实际值与拟合值的动态趋势基本吻合;2016年1-8月预测值与实际值相差较小,吻合度高;2017年手足口发病数预测值为49 353。结论 ARIMA(2,1,1)(0,1,1)12较好地模拟了江西省手足口病发病趋势,可用于江西省手足口病发病的短期预测。     

ARIMA模型在北京市西城区细菌性痢疾发病预测中的应用

目的尝试构建适用于北京市西城区细菌性痢疾发病特点的统计预测模型,为该区传染病定量预测的实施做出探索。方法应用SPSS 13.0统计软件对北京市西城区2004年1月-2013年12月细菌性痢疾逐月发病情况进行求和自回归滑动平均模型(ARIMA)建模和拟合,利用筛选出的最优模型对2014年1-12月的发病情况进行预测,并评价模型的预测效果。结果筛选的最优乘积模型为ARIMA(1,0,0)(0,1,1)_(12),BIC=27.426,模型拟合效果的度量Box-Ljung Q差异无统计学意义(Q=10.949,P=0.813),模型残差序列为白噪声。模型预测值与实际值拟合较好,实际值均在预测值95%可信区间范围内。结论 ARIMA模型能够应用于北京市西城区细菌性痢疾流行趋势的预测,为实施干预措施提供科学依据。