时间序列分析在其它感染性腹泻预测预警中的应用

目的:应用时间序列分解法分析其它感染性腹泻的季节性和应用ARIMA模型进行预测预警,为德清县其它感染性腹泻防治提供参考依据。方法:应用Excel2010软件计算2004年-2011年德清其它感染性腹泻季节性因素Si;用SPSS19.0软件对2004年-2010年德清县其它感染性腹泻拟合构建最佳ARIMA模型,并计算95%和90%预测值可信区间,所得到的模型对2011年发病数进行预测预警,并与实际值进行比较。结果:其它感染性腹泻存在明显的季节性,发病高峰为11月,次高为7月;ARIMA(1,0,0)(0,1,1)12模型拟合效果总体较好,实际值基本在预测值的95%可信区间范围内,但有3个月实际发病数超过预测值90%可信区间上限。结论:时间序列分解法可以分析其它感染性腹泻发病季节性;ARIMA模型能够运用于其它感染性腹泻发病趋势的预测预警,预测值90%可信区间上限可以作为预警限值。     

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预测模型在甘肃省其他感染性腹泻发病预测中的应用

目的 建立并评价甘肃省其他感染性腹泻发病的ARIMA预测模型。 方法 利用2010—2018年甘肃省其他感染性腹泻的发病数据建立ARIMA预测模型,同时利用2019年发病数据评价模型并对2020年甘肃省其他感染性腹泻发病进行预测。 结果 根据模型拟合效果,模型ARIMA(0,1,1)(1,1,0)₁₂为最优模型。R²=0.741,Ljung-Box检验值为25.944,BIC值为11.060。模型拟合甘肃省其他感染性腹泻的发病趋势与实际发病趋势一致,MAPE=17.297%,预测结果显示2020年甘肃省其他感染性腹泻发病时间分布与往年趋于一致。 结论 ARIMA(0,1,1)(1,1,0)₁₂模型能较好地拟合甘肃省其他感染性腹泻的发病趋势,对该病的预防控制、风险评估等具有一定的公共卫生意义。     

江西省2017-2022年其他感染性腹泻流行趋势和预测分析

目的 分析江西省2017-2022年其他感染性腹泻流行趋势，探讨自回归移动平均（ARIMA）模型在江西省其他感染性腹泻发病预测中的应用，为开展其他感染性腹泻预测和防控工作提供参考。方法 对江西省2017-2022年其他感染性腹泻病例进行描述性流行病学分析，建立ARIMA模型对2023年其他感染性腹泻发病数进行预测。结果 2017-2022年江西省累计报告其他感染性腹泻为204 842例，年均报告发病率为74.32/10万。全年龄段均有病例报告，发病呈明显的季节性特征，存在冬春季（1-3月）和夏秋季（7-9月）两个发病高峰，且冬春季峰值较高。ARIMA（0，1，2）（2，1，0）₁₂和ARIMA（1，0，0）（2，1，0）₁₂模型的各项参数均有统计学意义（P<0.05），且贝叶斯信息准则值最小分别为13.83和9.12，残差系列均为白噪声（P>0.05）；模型预测值与实际值较为吻合，预测趋势与实际趋势一致，模型预测效果较好。结论 2017-2022年其他感染性腹泻发病仍居江西省法定传染病发病前列，防控形势不可忽视，应在流行季加强对防控重点人群≤3岁儿童和散居儿童家庭的疾病监测和健康宣教工作。ARIMA模型可用于江西省其他感染性腹泻发病的短期预测和趋势分析。     

南昌市其他感染性腹泻ARIMA模型的建立及应用

目的 建立南昌市其他感染性腹泻的ARIMA模型,探讨ARIMA模型对南昌市其他感染性腹泻发病数预测的可行性.方法 利用Eviews软件对南昌市2007年1月～2011年6月其他感染性腹泻的发病数资料建立ARIMA模型,并对预测结果进行评价.结果 建立ARIMA(4,2,2)×(0,1,1)12模型,预测结果MAPE为15.56.结论 建立的ARIMA模型较好的反应了其他感染性腹泻的流行趋势,对其他感染性腹泻的防制有一定的借鉴意义.     

基于ARIMA模型的上海市其他感染性腹泻发病率预测

目的根据上海市2011年3月-2017年12月的"其他感染性腹泻"发病率数据,并在识别、建立时间序列模型基础上进行发病率预测,为上海市其他感染性腹泻疾病的防治提供科学依据。方法利用SPSS 22.0统计软件进行数据预处理,建立ARIMA预测模型,分析变化趋势。结果拟合最佳模型为ARIMA(1,0,0)(0,1,1)_(12),BIC=-2.025,R~2=0.956,模型拟合及预测效果总体较好。结论利用ARIMA模型进行上海市其他感染性腹泻发病率预测,结果符合当前的发病规律,能够对疾病的早期预防提供借鉴。     

ARIMA乘积季节模型预测永嘉县其他感染性腹泻的流行

目的评估求和自回归移动平均(ARIMA)乘积季节模型预测其他感染性腹泻流行的可行性。方法利用2005—2014年永嘉县其他感染性腹泻的发病率数据,采用ARIMA模型结合随机季节模型的方法,建立预测其他感染性腹泻流行的ARIMA乘积季节模型,同时用2015年的数据做模型预测效果验证。结果根据模型拟合效果,模型ARIMA(1,1,1)(0,1,1)12的拟合效果为最优,其Ljung-Box检验值为7.796,BIC值为3.602,MAPE值为36.166%,表明模型拟合程度较好;该模型外推验证2015年发病率的预测效果较好,2015年各月发病率的实际值均落在该模型预测值95%可信区间内,且预测值与实际值间依时间变化的趋势也基本一致。结论ARIMA(1,1,1)(0,1,1)12模型能较好地预测永嘉县其他感染性腹泻的流行趋势,对该病的预警具有一定的价值。     

单一ARIMA模型和联合模型比较预测辽宁省感染性腹泻疫情

目的联合运用乘积季节自回归积分滑动平均模型(autoregressive integrated moving average model,ARIMA)联合季节变动模型和单一ARIMA模型对感染性腹泻发病数据建模,预测辽宁省2014年1—6月感染性腹泻疫情,为预防控制工作提供依据。方法对辽宁省2009—2013年感染性腹泻月发病数通过SPSS软件进行建模,比较联合模型和单一模型的预测效果。结果对感染性腹泻的季节性时间序列建立ARIMA(0,1,1)(1,1,0)12模型,与季节变动的测定进行联合,联合模型相对误差率为6.05%,单一ARIMA模型相对误差率为17.89%,联合应用上述模型的预测效果优于单一模型。应用联合模型对2014年1—6月感染性腹泻发病数进行短期预测,预测相对误差率分别为-2.15%、0.21%、-7.06%、-4.91%、12.79%和9.14%。结论联合模型效果优于单一ARIMA乘积季节模型,可用于感染性腹泻的短期预测,且效果较好。     

ARIMA乘积季节模型在苏州市其他感染性腹泻发病预测中的应用

目的探讨自回归求和移动平均(autoregressive integrated moving average,ARIMA)乘积季节模型在苏州市其他感染性腹泻发病预测方面的应用。方法利用R软件对苏州市2004年1月—2015年12月的其他感染性腹泻发病率数据构建ARIMA乘积季节模型,预测苏州市2016年1—12月其他感染性腹泻发病率。结果建立了ARIMA(1,1,1)×(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=5.305,P=0.947),模型短期预测效果较好,2016年1—6月苏州市其他感染性腹泻发病率预测值与实际发病率进行比较,相对误差的平均值为0.041,实际发病率均在预测结果 95%可信区间内。结论 ARIMA(1,1,1)×(0,1,1)12季节乘积模型可用于苏州市其他感染性腹泻发病的短期预测。     

余姚市2010—2017年其他感染性腹泻流行特征分析及疫情预测

目的分析2010—2017年浙江省余姚市其他感染性腹泻疫情流行特征,为提出防控措施提供科学依据。方法采用描述性流行病学方法,收集国家传染病报告信息管理系统2010年1月1日—2017年12月31日余姚市各级医疗机构报告的其他感染性腹泻患者的相关信息,人口学资料来自余姚市公安局,运用SPSS19.0软件建立自回归移动平均模型(ARIMA)预测2018年余姚市其他感染性腹泻发病趋势。结果 2010—2017年余姚市共报告其他感染性腹泻病例28 729例,无死亡病例,年均发病率为354.13/10万,发病呈现逐年上升趋势(χ■=3 117.664,P<0.01)。街道发病率(572.61/10万)高于乡镇(171.59/10万),差异有统计学意义(χ~2=9 168.853,P<0.01);病例主要集中于<5岁儿童,占总病例数的69.95%;男性年均发病率(404.88/10万)高于女性(301.89/10万),差异有统计学意义(χ~2=609.522,P<0.01);职业分布以散居儿童为主,占总病例数的68.85%。利用ARIMA(2,0,0)×(1,0,0)_(12)模型预测2018年余姚市其他感染性腹泻发病趋势,1—2月为一个发病高峰。结论余姚市其他感染性腹泻防控形势依然严峻,发病以5岁以下散居儿童为主,应采取有效防控措施来降低发病率。     

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....     

自回归求和移动平均模型季节乘积模型在青岛市肾综合征出血热发病预测中的应用

目的探索ARIMA季节乘积模型在青岛市肾综合征出血热(HFRS)发病预测中的应用,为HFRS防治提供科学依据。方法利用1977~2015年青岛市HFRS月发病率,建立ARIMA季节乘积模型,以2016年月发病率评估预测效果,并预测2017年月发病率。结果青岛市HFRS发病具有明显的季节性,发病高峰为每年的10~12月。模型季节自回归参数为-0.45,BIC=3.58,平稳R2=0.98,残差序列检验为白噪声序列(q=13.56,P0.05),建立ARIMA乘积季节模型ARIMA(0,3,2)(1,3,2)12,2016年实际值与拟合值绝对误差为0.01~0.28,且均在95%置信区间中,2017年月发病率0.15/10万~1.06/10万。结论 ARIMA乘积季节模型能够较好地模拟青岛市HFRS发病趋势,可用于短期预测该市HFRS发病情况。     

ARIMA乘积季节模型在如东县戊型肝炎发病预测中的应用

目的通过分析如东县2005-2013年如东县戊型肝炎(戊肝)月发病数据,了解戊肝的发病趋势和季节性特征。探讨ARIMA模型在戊肝发病预测方面的应用,为戊肝的早期预警提供决策依据。方法应用SPSS 20.0软件对2005-2013年如东县戊肝月发病数据进行模型拟合,建立ARIMA模型,用模型对2014年戊肝逐月发病数进行预测分析,并评估模型预测效果。结果 ARIMA乘积季节模型较好地拟合了既往戊肝的实际发病序列,构建ARIMA(1,0,0)×(1,1,0)12模型,残差序列通过了白噪声检验(P0.05),模型决定系数(R2)为0.92。对2014年各月发病数获得了较好的预测效果。结论 ARIMA模型能较好地模拟如东县戊型肝炎的发病趋势,构建的ARIMA(1,0,0)×(1,1,0)12模型对戊肝发病情况的拟合结果满意,预测效果良好,可用于戊型肝炎疫情的短期预测和动态分析。     

应用ARIMA模型预测厦门市2017年乙肝月发病率

目的 分析厦门市乙型肝炎发病的流行病学特征,建立ARIMA模型并预测2017年厦门市乙肝月发病率,为厦门市乙肝防治提供理论依据。方法 对2005 - 2016年厦门市乙肝报告发病数据进行统计描述,通过ARIMA模型预测2017年的乙肝月发病情况。结果 厦门市2005 - 2016年乙肝报告年均发病率为45.70/10万,乙肝年发病率呈逐渐下降趋势;男性乙肝发病高于女性;各年龄组乙肝发病水平存在差异;15岁以下儿童乙肝发病率显著低于其他高年龄组的发病水平。建立模型ARIMA（1,1,1）×（0,1,0）12 ,模型的拟合效果较好,2017年厦门市乙肝月发病率预测值区间为[0.92/10万,4.76/10万]。结论 厦门市2005 - 2016年乙肝发病总体呈现下降趋势,经预测2017年厦门市乙肝发病率与前几年相比波动不大,有轻微下降趋势,可用ARIMA模型对乙肝的短期发病情况进行预测。     

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。     

时间序列分析法在贵州省乙型病毒性肝炎流行趋势预测中的应用

目的建立贵州省乙型病毒性肝炎(乙肝)发病的预测模型,预测2017—2019年乙肝发病趋势。方法对2004—2016年贵州省的乙肝月报告发病率建立自回归移动平均(ARIMA)预测模型,对贵州省2017—2019年乙肝发病趋势进行预测。结果 2004—2016年贵州省乙肝发病呈周期性波动,并具有长期趋势,拟合得到ARIMA(0,1,1)(0,1,1)12模型,用模型拟合2004—2016年乙肝月报告发病率,预测值和实际值平均相对误差为7.46%,预测2017—2019年贵州省乙肝月报告发病率在3.27/10万~4.38/10万的范围内波动。结论 ARIMA模型可较好的拟合贵州省乙肝发病在时间序列上的变化趋势,该模型可用于贵州省乙肝发病的短期趋势预测。     

突发公共卫生应急响应对其他感染性腹泻的预防保护作用

目的了解突发公共卫生应急响应对其他感染性腹泻发病的预防保护作用。方法选取《中国疾病预防控制信息系统》中杭州市上城区2010—2021年其他感染性腹泻报告数据, 使用圆形分布法对上城区2010—2019年5岁以下和5岁及以上群体其他感染性腹泻发病时间聚集性进行分析。运用描述性流行病学法分析2020—2021年突发公共卫生应急响应状态下上城区5岁以下和5岁及以上群体其他感染性腹泻发病高峰变化。根据2010—2019年发病数据构建最优求和自回归移动平均(ARIMA)乘积季节模型对上城区2020年非应急响应状态下其他感染性腹泻发病情况进行预测, 将预测结果与2020年同期真实发病数据进行比较。结果 2010—2019年, 上城区5岁以下和5岁及以上群体其他感染性腹泻发病均为单峰分布, 高峰日期分别为12月17日和7月28日。2020—2021年COVID-19疫情突发公共卫生应急响应后, 5岁及以上群体发病无明显高峰, 5岁以下儿童发病高峰较往年明显推迟。最优ARIMA模型分析显示, 2020年5岁以下和5岁及以上群体其他感染性腹泻实际发病率较预测发病率分别下降63.76%和41.74%。结论...     

2005-2014年宁波市鄞州区感染性腹泻病发病时间聚集性分析

目的 分析宁波市鄞州区感染性腹泻病发病时间聚集性特征,为感染性腹泻病的防控工作提供科学依据。方法 运用聚类分析和圆形分布分析方法对2005-2014年宁波市鄞州区感染性腹泻病发病时间聚集性特征进行分析。结果 聚类分析得出细菌性痢疾、伤寒副伤寒和其他感染性腹泻发病均具有时间聚集性,发病高峰期依次为7~8月、1~2月、7~8月;圆形分布法得出细菌性痢疾、伤寒副伤寒和其他感染性腹泻发病均具有时间聚集性（P<0.01）,发病聚集倾向时间依次为8月23日、2月11日、8月8日,流行高峰期依次为6月5日~11月3日、上年11月6日~5月20日、4月9日~9月28日。结论 细菌性痢疾、伤寒副伤寒和其他感染性腹泻发病具有一定的时间聚集性;伤寒副伤寒的流行高峰期早于国内有关研究报道;应根据感染性腹泻病的发病时间聚集性特征,在疾病发病高峰期之前采取针对性的综合防控措施。     

应用ARIMA乘积季节模型分析我国布鲁菌病时间分布特征及趋势预测

目的探讨ARIMA乘积季节模型在分析我国布鲁菌病(布病)月发病率时间分布特征中的应用,预测其发病趋势。方法通过国家公共卫生科学数据中心和国家卫生计生委疾病预防控制局网站,收集并计算布病月发病率数据。分析布病时间分布特征,对2004年1月—2016年12月发病率数据建立ARIMA乘积季节模型,用2016年1—12月发病率数据拟合模型,选出最优模型,并预测2017年月发病率数据。结果我国布病月发病率数据整体处于上升趋势且具有明显的季节特征,每年5、6月属于高发病期,10月至次年2月发病率较低。拟合ARIMA(2,1,1)(1,1,1)12模型为预测我国布病的最佳模型,拟合值与实际值进行比较,2016年12个月的平均相对误差为8.79%,按全年发病率计算,相对误差为4.05%,显示模型的预测精度较高,并预测2017年1—12月发病率。结论 ARIMA乘积季节模型能很好地拟合布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。     

2009-2013年焦作市流行性腮腺炎流行特征分析及ARIMA预测

目的了解焦作市流行性腮腺炎的流行特征,探讨求和自回归移动平均模型(ARIMA)在流行性腮腺炎发病预测方面的应用,为流行性腮腺炎预测预警系统提供建议和资料。方法导出中国疾病预防控制信息系统中2009-2013年焦作市流行性腮腺炎报告病例,应用Excel2003软件对数据进行描述性统计分析,SPSS17.0对月发病率进行ARIMA模型拟合,构建ARIMA模型。结果焦作市流行性腮腺炎年平均发病率为18.80/10万;全年都有发病,以春末夏初(4-6月)为主;发病以15岁以下儿童为主,占93.0%;男女性别比为1.88∶1;学生及托幼儿童是高发人群;ARIMA(0,1,0)(1,0,0)模型是最佳流行性腮腺炎预测模型。结论中小学生和托幼儿童仍是流行性腮腺炎预防控制的主要人群,ARIMA模型对流行性腮腺炎疾病预测效果良好。