门诊病人预测与分析

目的通过我院2002年1月至2005年6月每季度的实际门诊量变化趋势,预测2005年三、四季度和2006年全年各季度的门诊量。方法用趋势季节模型建立预测方程。结果趋势预测方程:y^t=9768.7+129.3t,预测值=季节变化指数×y^t。结论医院门诊量呈缓慢上升趋势,且趋于平稳,各季度变化有明显季节规律。通过预测模型预测门诊量,为制订门诊工作计划和提高管理水平提供了科学依据。     

趋势季节模型在预测悬浮红细胞临床用量中的应用

目的 预测悬浮红细胞临床用量.方法 利用时间序列的趋势季节模型对2005-2008年的数据建模,预测2008年和2009年各季节悬浮红细胞临床用量,并将2008年预测值与实际值比较,检验模型的预测能力.结果 对所分析的季节性时间序列建立了Y=T·S·C模型,平均预测相对误差为1.0%.结论 时间序列的趋势季节模型能较好的分析临床血液需求量同季节的关系,并有较强的预测能力,从而为血液中心的库存量预测提供了有效的工具.     

自回归移动平均乘积季节模型在耐碳青霉烯类肠杆菌目细菌流行趋势预测中的应用

目的 探讨自回归移动平均(ARIMA)乘积季节模型在耐碳青霉烯类肠杆菌目细菌(CRE)流行趋势预测中的应用，为医院CRE感染的早期预警和防控提供理论依据。方法 应用SPSS 26.0软件对2016年—2020年嘉兴市某三级甲等综合性医院CRE月检出株数构建ARIMA乘积季节模型，选取2021年实际检出的CRE株数作为验证数据集与预测值进行比较，从而评价该模型的预测效能。结果 2016年—2020年该院CRE检出总数呈逐年下降趋势，发病集中在每年7月—10月，9月为发病高峰，具有季节性和周期性。ARIMA(0,1,2)(0,1,0)₁₂为最优模型，贝叶斯信息准则(BIC)为2.10,平均绝对百分误差(MAPE)为10.11,模型残差序列的Ljung-Box检验差异无统计学意义(Q=10.65,P>0.05),残差序列为白噪声，模型拟合良好。模型建立后，对2021年1月—12月的CRE检出株数进行ARIMA预测分析。结果显示实际发病趋势与预测曲线较为吻合，预测误差为0.00%～22.22%,平均相对误差为10.81%,提示模型有良好的预测效果。结论 ARIMA乘...     

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....     

基于ARIMA乘积季节模型预测产超广谱β-内酰胺酶大肠埃希菌流行趋势研究

目的利用产超广谱β-内酰胺酶(ESBLs)大肠埃希菌监测数据建立求和自回归移动平均(ARIMA)乘积季节模型,分析并预测ESBLs大肠埃希菌流行趋势。方法使用2010—2016年浙江医院产ESBLs大肠埃希菌感染的逐月检出例数拟合ARIMA乘积季节模型,以平均绝对百分误差(MAPE)及贝叶斯信息准则(BIC)评价模型的可行性。以2017—2018年2月产ESBLs大肠埃希菌感染的逐月检出例数作为评估模型的样本,验证模型的预测效果。结果筛选出的最优模型为ARIMA(0,1,1)(0,1,1)12,MAPE为14.76,BIC为2.01,模型残差序列的Ljung-Box统计量Q=16.79(P=0.40),模型拟合良好。所选模型预测的2017—2018年2月产ESBLs大肠埃希菌感染检出例数与实际值的平均相对误差为14.08%,实际值均在预测值95%CI内。结论 ARIMA乘积季节模型对产ESBLs大肠埃希菌感染检出例数的拟合情况较好,可用于产ESBLs大肠埃希菌感染的短期预测和动态分析。     

江西省乙型肝炎发病趋势的时间序列和预测模型分析

目的利用乘积季节模型预测江西省乙型肝炎(乙肝)的发病趋势,为江西省乙肝预警预测奠定基础,同时为制定防控措施提供科学依据。方法利用最小二乘原理,应用自回归求和移动平均模型与随机季节模型相结合的乘积季节模型,对江西省1990-2009年乙肝月发病数进行时间序列分析并建立预测模型,用2010年相应数据验证预测效果,并对2010年以后江西乙肝发病趋势进行预测。结果利用1990-2009年资料构建ARIMA(1,1,1)(0,1,1)12模型,所建立的预测效果良好,实际值均在预测值95%可信区间内,预测2011-2014年江西省乙肝发病人数呈上升趋势。结论采用ARIMA乘积季节模型预测江西省乙肝发病情况,拟合及近期预测效果均较好。预测效果符合江西省乙肝发病现状及目前采取的乙肝防治措施。     

乘法季节回归求和移动平均模型在安徽省手足口病预测中的应用研究

目的探讨乘法季节回归求和移动平均模型(ARIMA)在安徽省手足口病发病预测中应用,为手足口病预防控制提供参考。方法根据2009-2014年安徽省手足口病的周发病数据,运用R 3.0.2软件拟合乘法季节性ARIMA模型,并对2015年1~52周发病数进行预测。结果安徽省手足口病预测中最优模型为ARIMA(1,1,1)(0,1,1)52模型,残差统计量检验差异无统计学意义(Box-Ljung=0.004,P=0.950),提示残差为白噪声,模型拟合值和实际值平均绝对误差率为11.32%,2015年1~52周预测值和实际值平均绝对误差率为25.10%。结论建立的乘法季节性ARIMA模型能较好地拟合安徽省手足口病变动趋势,模型预测效果较好,可用于安徽省手足口病短期预测。     

乙型肝炎发病趋势的时间序列分析和预测模型研究

[目的]利用乘积季节模型预测无锡市乙型肝炎(乙肝)的发病趋势,为制订相应的防治措施提供科学依据.[方法]利用最小二乘原理,应用自回归求和移动平均模型与随机季节模型相结合的乘积季节模型,对无锡市1998～2006年乙肝月发病数进行时间序列分析并建立预测模型,用2007年相应数据验证预测效果,并对2008年以后无锡乙肝发病趋势进行预测. [结果]利用1998～2006年资料构建ARIMA(1,1,1)(1,1,1)12模型,所建立模型的预测效果良好,实际值均在预测值的95%可信区间内,预测2008～2012年无锡乙肝发病人数呈下降趋势. [结论]采用ARIMA乘积季节模型预测无锡市乙肝发病情况,拟合及近期预测效果均较好.预测结果符合我市乙肝发病现状及目前采取的乙肝防治措施.     

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。     

上海市痢疾发病率预测自回归求和移动平均模型的构建与应用

目的 探讨构建并应用自回归求和移动平均(autoregressive integrated moving average,ARIMA)模型预测上海市痢疾发病率的可行性.方法 基于1990-2007年上海的逐月痢疾发病率,采用非条件最小二乘法估计模型参数,按照残差不相关原则与简洁原则确定模型结构,依据赤池信息准则(Akaike information criterion,AIC)及许瓦兹贝叶斯准则(Schwarz Bayesian criterion,SBC)确定模型的拟合优度,建立预测上海痢疾发病率的最优ARIMA模型.用所得模型预测上海2008年的痢疾发病率,比较预测值与实际值的差异;再以1990年1月至2009年6月的数据构建模型预测上海2010年的痢疾发病率.结果 模型ARIMA(1,1,1)(0,1,2)_(12)较好拟合了既往时间段痢疾发病率的时间序列,模型自回归参数(AR1=0.443)、移动平均参数(MA1=0.806)与季节移动平均参数(SMA1=0.543、SMA2=0.321)均有统计学意义(P<0.01),AIC值=2.878,SBC值=16.131,模型残差为白噪声,模型数学函数式为(1-0.443B)(1-B)(1-B~(12))Z_t=(1-0.806B)(1-0.543B~(12))(1-0.321B~(2×12)μ_t.2008年逐月痢疾发病率的预测值符合实际值的变动趋势,全年发病率预测值与实际值的相对误差率为6.78%.预测2010年上海市痢疾发病率为9.390/10万.结论 ARIMA模型可以较好地拟合上海市痢疾发病率的时间变化趋势,并可用于预测未来的痢疾发病率,是一种短期预测精度较高的预测模型.