医院年门诊和住院工作量预测方法

医院年门诊和住院工作量预测方法天津医科大学公共卫生学院（３０００７０）唐山工人医院吴淑艳王伟汪培山李冬莉代毅力王淑霞本文利用两组反映医院门诊和住院工作量的指标，根据资料分布特征尝试用ＧＭ（１，１）、三次指数平滑和三次抛物线拟合三种方法进行预测，探讨较...     

ARIMA模型应用于月门诊量预测

目的探讨季节性时间序列ARIMA预测模型在时间序列资料分析中的应用，建立门诊量的预测模型。方法采用最小二乘法估计模型参数，通过对数转换及差分方法使原始序列平稳，按照残差不相关原则、简洁原则确定模型结构．依据AIC和SBC准则确定模型阶数，建立ARIMA预测模型。结果季节自回归参数有统计学意义。方差估计值为0．001956．AIC=-443．26．SBC=-437．51。对模型进行白噪声残差分析，拟合优度统计量表中表明ARIMA的估计具体模型为：（1-B）（1-B^12）Zt=（1—0．24269B）（1—0．30096B^12）a1是适合的。结论用所建立模型对月门诊量进行预测。结果表明ARIMA是一种短期预测精度较高的预测模型。     

基于决策树法和Logistic回归预测神经外科老年住院患者医院感染风险的研究

目的应用决策树卡方自动交互检测(CHAID)算法和二分类Logistic回归分析法分别构建神经外科老年住院患者医院感染风险预测模型,并对模型的预测结果做对比分析。方法回顾性分析2018年1月-2019年6月海南省人民医院神经外科≥60岁老年住院患者,应用CHAID算法和Logistic回归分析法分别建立风险预测模型,通过受试者工作特征曲线(ROC)的曲线下面积(AUC)对两种模型的预测效果进行对比评价。结果共收集患者1 111人,其中医院感染131人,感染发病率11.79%;CHAID法和Logistic回归分析法均显示住院天数≥31 d、使用呼吸机、泌尿道插管是医院感染发生的重要影响因素;决策树模型风险预测的正确率为88.2%,模型拟合效果较好,Logistic回归模型Hosmer-Lemeshow拟合优度检验显示模型拟合较好(χ~2=9.690,P>0.05);决策树模型AUC为0.881(95%CI:0.861～0.899),Logistic回归模型AUC为0.880(95%CI:0.860～0.899),两模型预测价值均为中等,其存在的差异无统计学意义(Z=0.188,P>0.05)。结论将两模型相结合可以从不同层面发现医院感染的影响因素,能更充分地了解各因素间的相互关系。医院感染风险模型的建立可以为加强院感防控措施提供参考依据,更有效地指导医院感染防控工作。     

基于三种统计学方法构建的超重及肥胖人群高血压发病预测模型的分析比较

目的 利用CRT分类树、logistic回归、BP神经网络构建超重及肥胖人群高血压发病预测模型。方法 抽取出3150名超重及肥胖人群（体质指数≥24kg/m²）。分别应用CRT分类树、logistic回归、BP神经网络构建超重及肥胖人群高血压发病预测模型，筛选出高危因素，采用受试者工作特征曲线（ROC）对三种统计学方法构建的预测模型进行特异性、敏感性及准确性评估。结果 三种方法构建的预测模型筛选出的高危因素包括非酒精性脂肪性肝病(NAFLD)、空腹血糖(FPG)、年龄、甘油三酯(TG)、尿酸(UA)、低密度脂蛋白胆固醇(LDL-c)。CRT分类树模型、logistic回归模型、BP神经网络模型ROC曲线下面积(AUC)值分别为0.721、0.734、0.733，敏感性分别为61.63%、76.59%、82.85%，特异性分别为77.58%、60.44%、52.00%，Youden指数分别为39.20%、37.02%、34.85%。结论 本研究筛选的危险因素包括NAFLD、FPG、年龄、TG、UA、LDL-c，基于危险因素应用三种统计学方法构建的预测模型具有中等预测价值，对超重及肥胖人群高血压发病具有较好的预测能力。     

重症监护病区医院感染风险预测模型构建

目的应用分类树(CHAID)算法和Logistic回归分析构建重症监护病区医院感染风险预测模型,并比较二者预测结果的优劣。方法回顾分析2016年1月-2017年6月入住重症监护病区(包括ICU、RICU、CCU/CNICU)超过48h及转出重症监护病区48h内的住院患者,应用CHAID算法和Logistic回归分别建立医院感染的风险预测模型,并对模型进行拟合优度检验评价模型,使用受试者工作特征曲线(ROC)曲线下面积(AUC)比较两种预测模型的优劣。结果共收集患者1 232例,其中院内感染182例,感染发病率14.8%;分类树模型和Logistic回归均显示住院天数≥10天、APACHEⅡ评分≥20、中心静脉插管日数≥7天是院内感染发生最重要的影响因素;分类树Risk统计量为0.286,模型拟合效果较好;分类树模型的灵敏度为83.5%,特异度59.3%,ROC AUC为0.788(95%CI 0.742～0.835);Logistic回归模型的灵敏度为80.2%,特异度81.3%,AUC为0.869(95%CI0.832～0.906);通过比较,分类树模型和Logistic回归模型两者结果差异有统计学意义(Z=4.656,P0.001)。结论 Logistic回归模型的预测效果优于分类树模型,两个模型的分析结果相结合可以从不同层面发现医院感染的风险因素,为进一步预防与控制医院感染的发生提供参考依据。     

某院门诊病人的预测与分析

目的预测医院门诊病人工作量，为制定医院工作计划提供科学的决策依据。方法选用某院2001—2010年门诊人次，用最小二乘法建立线性模型，对模型进行回归分析。结果回归模型为y=32．6＋4．0t（万人）。t检验、显示该方程有统计学意义。结论预测门诊人次，有利于合理安排就诊流程，为广大群众提供高质量的门诊服务。     

灰色模型在预测肺结核发病率中的应用

目的：应用灰色模型预测克拉玛依市肺结核发病率，为合理调配结核病防治的卫生资源提供科学依据。方法：建立灰色预测模型。并与线性回归模型。指数模型。多项式模型拟合效果进行比较。结果：建立的灰色预测模型α为-0.078,为47.899，其预测模型精度指标后验差比值C为0.390。小误差频率P为1.00，属于“合格”一级，预测2000年克拉玛依市肺结核发病率为72.41/10万，相对误差为-8.61%，较其余三种模型预测精度高。结论：GM（1，1）模型可以对该地区肺结核发病率做较好的短期预测。     

霍特双参数指数平滑预测模型在医院管理中应用的探讨

目的探讨霍特双参数指数平滑预测模型在医院管理中的应用价值。方法建立霍特双参数指数平滑预测模型对成都市2006年住院人数进行定量预测，并对预测模型的预测精度进行评价。结果霍特双参数指数平滑预测模型预测住院人数的结果满意。通过计算机反复试算，可获得最佳的一组平滑常数（α,γ），使预测模型的预测误差最小。本例预测平均绝对百分误差（MAPE）3．4438％〈10％，预测精度较高。结论霍特双参数指数平滑预测模型预测精度较高，计算简便且具有递推性质，在医院管理中有应用价值。     

霍特双参数指数平滑预测模型在医院管理中应用的探讨

目的探讨霍特双参数指数平滑预测模型在医院管理中的应用价值。方法建立霍特双参数指数平滑预测模型对成都市2006年住院人数进行定量预测，并对预测模型的预测精度进行评价。结果霍特双参数指数平滑预测模型预测住院人数的结果满意。通过计算机反复试算，可获得最佳的一组平滑常数（α，γ），使预测模型的预测误差最小。本例预测平均绝对百分误差（MAPE）3．4438％〈10％，预测精度较高。结论霍特双参数指数平滑预测模型预测精度较高。计算简便且具有递推性质。在医院管理中有应用价值。     

遗传优化的广义回归神经网络在肺结核发病预测中的应用

目的 利用西安市2008年1月至2019年10月结核病月发病率数据分别建立广义回归神经网络和BP神经网络预测模型，提出利用遗传算法的全局搜索能力优化广义回归神经的光滑因子。 方法 以2008年1月至2018年12月发病率作为训练样本，以2019年1月至10月发病率作为测试样本，对两种模型的仿真预测结果进行对比分析。 结果 遗传优化的广义回归神经网络其预测的平均绝对误差（MAE），均方根误差（RMSE），平均相对误差（MAPE）均小于BP神经网络，预测效果更优。 结论 遗传优化的广义回归神经网络较BP神经网络在肺结核发病率预测中有更好的拟合效果和预测精度，其预测效果更理想。其具有良好的实用价值，为肺结核发病率的预测提供了一种有效的方法。     

灰色GM(1,1)预测模型在门诊量预测中的应用

目的预测门诊量的变化趋势。方法利用灰色系统GM（1，1）预测模型Y（t）=[x（1）-μ/α]e-α（1-1）＋μ/α，分别预测2006—2009年门诊量的变化趋势。结果依据某医院2000-2005年门诊量的资料，所建立的灰色预测模型为：Y（t）=307．8518e^0.2175（1-1）-265．9218，拟合结果显示，模型的平均误差率为0．47％，精度为优（C=0．159，P=1）。结论预测结果表明：近几年的门诊量持续上升，为医院管理工作提供了科学依据。     

运用灰色数列模型对某院门诊量进行分析预测

目的 预测某院门诊量的变化趋势,为医院领导制定管理措施提供科学依据. 方法 利用GM（1,1）灰色模型对某院近10年门诊人次数进行拟合,并预测近3年的门诊量. 结果 根据某院1999-2008年的门诊人次数建立的灰色预测模型为：（t）=2 787.08e^0.023 28（t-1）-2 727.67 .模型的平均误差率为1.49%,该模型精度为优（C=0.206, P=1.000）,预测效果好. 结论 GM（1,1）灰色模型为拟合和预测医院门诊量的理想模型,预测出该院门诊量呈上升趋势.     

NICU新生儿医院感染临床特点及危险因素

目的 探讨新生儿重症监护病房(NICU)新生儿医院感染临床特点和危险因素。方法 选取2019年6月-2020年6月医院新生儿病房收治的1 200例新生儿,其中发生医院感染70例为感染组,1 130例未发生医院感染为非感染组,多因素Logistic回归分析新生儿医院感染的危险因素,并建立风险预测模型,Hosmer-Lemeshow检验评估模型拟合度,受试者工作特征曲线(ROC)分析该模型的预测效能。结果 70例医院感染新生儿感染部位以肺部感染为主,占67.14%,其次为血液感染,占12.86%;共分离出85株病原菌,其中革兰阳性菌31株占36.47%,革兰阴性菌51株占60.00%,真菌3株占3.53%;多因素Logistic回归分析显示,基础疾病数量≥3种、有羊水污染和侵入性操作均为NICU新生儿医院感染的独立危险因素;建立的Logistic回归风险预测模型预测感染的曲线下面积(AUC)为0.754。结论 NICU新生儿医院感染病原菌以革兰阴性菌较为常见,Logistic回归风险预测模型可以较好地预测NICU新生儿医院感染的发生,临床需重点关注基础疾病数量≥3种、有羊水污染和侵入性操作...     

基于Joinpoint回归模型的住院量实证分析

目的对医院住院量进行Joinpoint回归分析的实证研究。方法应用SAS 9.3软件确定数据分析方法,应用Joinpoint回归分析软件建立Joinpoint回归预测模型。结果该院住院患者人次数据为非正态分布W=0.69,P0.01,呈现指数趋势,应用非线性回归模型;Joinpoint回归分段点为1989年、1995年、2001年、2007年和2013年,5个分段点的假设检验(P0.05)具有统计学意义;根据Joinpoint回归方程预测2016-2020年住院量为189119,201119,213881,227452,241885。结论 Joinpoint回归分析可用于医院管理数据的分析与预测,且拟合效果较好;医院需进一步优化服务流程,应对住院患者人数的变化。     

石油工人代谢综合征的三种风险预测模型比较

目的 运用logistic回归、卷积神经网络和QUEST决策树建立石油工人代谢综合征发生风险预测模型,并比较三种模型的预测性能。方法 以2017年4月—2018年10月参加职业健康体检的1 468名石油工人作为研究对象。由培训后的调查人员对其进行调查,根据石油工人代谢综合征影响因素的分析结果和相关文献综述确定模型的输入变量,构建logistic回归、卷积神经网络和QUEST决策树模型。结果 训练集显示logistic回归、卷积神经网络和QUEST决策树模型的准确率分别为83.45%、86.34%、79.75%;F1分数分别为0.79、0.83、0.74;ROC曲线下面积（AUC）分别为0.894、0.935、0.844。卷积神经网络明显优于其他两种模型,模型各评价指标间差异均具有统计学意义（P＜0.05）。测试集显示以上三种模型的准确率分别为76.72%、78.69%、74.75%;F1分数分别为0.70、0.71、0.65;ROC曲线下面积分别为0.797、0.855、0.826。卷积神经网络模型与其他两种模型相比差异具有统计学意义（P＜0.05）。结论 卷积神经网络模型的预测效果较logistic回归和QUEST决策树模型更优。     

ARIMA模型在发病率预测中的应用

目的：探讨季节性时间序列ARIMA预测模型在时间序列资料分析中的应用，建立HFRS发病率的预测模型。方法：采用最大似然法估计模型参数，按照残差不相关原则、简洁原则确定模型的结构，依据AIC与BIC准则确定模型的阶数，建立ARIMA预测模型。结果：季节自回归参数有统计学意义，方差估计值为4.230，AIC=309.523，BIC=311.78。对模型进行白噪声残差分析，X^2检验表明ARIMA（0，1，0）（1，0，0）12模型是适合的。结论：用所建模型对HFRS各月发病率进行了预测，结果表明ARIMA是一种短期内预测精度较高的预测模型。     

探讨新陈代谢GM（1,1）和线性回归耦合模型在卫生人力资源预测中的应用：以护理人员相对数预测为例

目的 以护理人员相对数预测为例,探讨新陈代谢GM（1,1）和线性回归耦合模型的在卫生人力资源预测中的应用,提供卫生人力预测方法学参考.方法 采用新陈代谢GM（1,1）和线性回归耦合模型进行预测拟合分析.结果 新陈代谢GM（1,1）模型预测值与实际值拟合误差较小,耦合模型预测精度高.结论 耦合模型弥补了灰色系统模型中不含线性因素的不足,又改善了线性回归预测模型中不能表达指数增长的缺陷,模型构建合理可行.     

基于逐步Logistic回归和神经网络模型的健康素养预测及对比研究

目的应用逐步Logistic回归和神经网络建立健康素养预测模型。方法采用2015年广东省居民健康素养监测项目调查数据,并建立逐步Logistic回归和神经网络模型,根据ROC曲线下面积比较2种模型预测效果。结果逐步Logistic回归模型预测的正确率为90.895%,神经网络模型预测的正确率为90.817%,2种预测模型对健康素养预测效果差异无统计学意义。结论 2种预测模型可对低健康素养人群进行预测。     

三种时间序列模型探讨1989～2012广西肺结核发病趋势

目的 探讨不同时间序列预测模型分析肺结核发病趋势的可行性,评价模型的拟合度,为制定肺结核预防控制策略提供科学依据.方法 收集广西壮族自治区1989 ～ 2009年肺结核疫情报告数据,分别采用曲线回归法、指数平滑法和ARIMA模型模拟肺结核疫情的动态轨迹,比较三种方法的拟合精度,评价拟合及外推效果.结果 1989～ 2007年广西肺结核发病率逐年增高,2007年后逐渐降低.其变动轨迹,以ARIMA模型拟合效果较好(拟合度R2=0.84),三种模型均具有一定的外展预测能力.结论 ARIMA模型适用于拟合类似肺结核发病率的动态趋势,在传染病疫情预测领域具有重要的现实意义.     

残差自回归模型和Holt双参数指数平滑模型在“一带一路”沿线部分国家婴儿死亡率预测中的应用及比较

  目的  探讨残差自回归模型和Holt双参数指数平滑模型在"一带一路"沿线部分国家（中国-中南半岛经济走廊沿线）婴儿死亡率预测中的应用。  方法  利用越南、老挝、柬埔寨、缅甸、泰国、新加坡、马来西亚和中国1978-2013年婴儿死亡率时间序列数据作为训练集建立残差自回归模型、Holt双参数指数模型，以2014-2016年婴儿死亡率作为验证集验证模型，并比较拟合及预测效果。  结果  在各国婴儿死亡率预测模型拟合中，残差自回归模型各赤池信息准则（Akaike information criterion，AIC）评价指标均优于Holt双参数指数模型。预测方面两模型均显示出较高的预测精度，残差自回归预测模型大部分指标（绝对误差和相对误差）小于Holt双参数指数模型。其中老挝、缅甸、柬埔寨三个国家残差自回归模型对不同年份的婴儿死亡率（infant mortality rate，IMR）预测效果均优于Holt双参数指数模型。  结论  残差自回归模型和Holt双参数指数模型在"一带一路"沿线部分国家婴儿死亡率预测中表现均较好。残差自回归模型的拟合效果更优，残差自回归模型对婴儿死亡率的预测效果在大多数国家大多数年份优于Holt双参数指数模型。