应用GM（1，1）模型预测辽阳市梅毒的流行趋势

目的探讨灰色预测模型GM（1,1）在时间序列资料中的应用,建立梅毒发病率的预测模型。方法利用2001年至2008年辽阳市梅毒发病率数据,确定GM（1,1）模型,并对今后2年辽阳市梅毒发病率进行预测。结果辽阳市梅毒发病率预测模型为x^^（1）（k＋1）=44．75e^0.158k-38．42,预测值分别为．2009年为23．14／10万,2010年为27．12／10万。结论预测结果表明辽阳市梅毒发病呈上升趋势,应大力加强健康教育,治疗管理等综合防治措施控制梅毒的发病。     

SARIMA模型在医院门诊量预测中的应用

目的了解医院2000年一2011年门诊量的趋势,建立预测月门诊量的时间序列模型,为优化医疗资源配置提供科学的统计学依据。方法根据医院2002年1月至2012年12月年门诊量数据,应用SPSSl8．0软件建立季节自回归滑动平均模型（Seasonal Auto Regressive Integrated Moving Average model,SARIMA模型）,并验证2012年7至12月份的门诊量。结果预测值与实际值的上升下降趋势基本吻合,SARIMA（O,1,1）（0,1,1）12模型为最优模型,标准化贝叶斯信息标准（Normalized Bayesian Information Criteria,BIC）值与平均绝对误差百分比（Mean absolute percentage error,MPE）值最小,BIC值为13．82,MPE为7．70,Box-Ljung检验无统计学意义（Q18=17．93,P=0．3281〉0．05）。结论SARIMA模型能很好的拟合门诊量的变动趋势,在无外界因素影响的情况下,医院门诊量将会继续上涨。     

应用GM（1，1，sinω）模型预测肾综合征出血热发病率研究

目的探讨GM（1．1,sinω）模型在肾综合征出血热（HFRS）发病率预测的应用。方法利用1984～2004年沈阳市HFRS发病率资料建立GM（1,1）预测模型和GM（1,1,sinω）预测模型,对样本进行拟合和预测并对两者的拟舍和预测效果进行比较。结果GM（1,1）预测模型为X^（1）（k＋1）=-541．5277e^-0.0092k＋551．4778;GM（1,1,sinω）模型为Xω^（1）（k＋1）=-158．4104e^-0.0444k＋162．6622＋11．7276sin2kπ／21＋5．6982cos2kπ／21,GM（1,1,sinω）模型拟合精度较好（C=0．3912,P=0．9048）。GM（1,1）和GM（1,1,sinω）预测模型拟合的平均误差率（MER）分别为50．22％、20．34％;两者的预测MER分别为25．64％、13．10％,无论从拟合效果还是从预测效果来看GM（1,1,sinω）模型xing1,sinω）forecast的MER均低于GM（1,1）模型。结论GM（1,1,sinω）模型克服了传统灰色模型GM（1,1）的局限性,对于波动性较大且具有周期性的资料具有很好的实用价值。     

灰色系统理论GM（1,1）模型预测百色市疟疾发病趋势

目的建立疟疾疫情预测模型GM（1,1）,应用于百色疟疾发病率的预测。方法根据2000～2010年百色疟疾发病率数据,建立疟疾发病率预测灰色模型GM（1,1）,并作拟合效果检验;外推预测2011～2013年百色区疟疾发病率。结果疟疾发病率预测数学模型为X（t）=3.71056128e-0.329307（t-1）（t=2,3,……,n）,经拟合检验,模型拟合精度合格（C=0.4069,P=0.9000）。外推2011～2013年百色疟疾发病率,分别为0.0991/10万、0.0713/10万和0.0513/10万。结论GM（1,1）模型较好地拟合了百色疟疾发病的趋势,预测结果具有参考价值。     

应用GM（1,1）模型预测河南省细菌性痢疾发病趋势

目的描述分析河南省近十七年细菌性痢疾的发病率变化趋势,探讨OM（1,1）模型在细菌性痢疾分析中的作用,为卫生部门制定相应的防治策略提供理论依据。方法根据河南省1996—2012年细菌性痢疾的报告发病率数据,应用GM（1,1）灰色预测模型进行模型拟合和趋势预测,外推预测2013年、2014年和2015年的发病率。结果1996-2012年河南省菌痢报告发病率总体呈下降趋势,由58．68／10万降至19．56／10万。求得预测模型为：Y（t＋1）=-750.89e^-0．0717t＋809.51,模型拟合精度合格,外推2013～2015年菌痢发病率分别为1649／10万,15．36／10万,1429／10万。结论QM（1,1）模型较好的拟合了河南省细菌性痢疾的发病趋势,预测河南省菌痢发病率将继续呈下降趋势。     

灰色系统GM(1,1)模型在常州市乙型肝炎发病趋势预测中的应用

目的:建立乙型肝炎(乙肝)灰色预测模型GM(1,1),应用于常州市乙肝发病趋势的预测。方法:根据中国疾病预防控制信息系统中2004～2011年常州市乙肝发病率报告资料,建立乙肝发病率灰色预测模型GM(1,1),并对2012～2014年常州市乙肝发病率进行预测。结果:建立的预测模型x∧(1)(k+1)=-228.213 9 e-0.237 73k+304.554 0,经拟合检验,后验差比值C为0.069,小概率误差P为1,拟合精度为优秀。利用建立的模型预测常州市2012～2014年乙肝发病率分别为9.143 5/10万、7.208 9/10万和5.683 6/10万。结论:GM(1,1)模型较好地拟合了常州市乙肝发病的趋势,预测结果具有参考价值。     

GM（1，1）模型在预测医院人均门诊费用中的应用

目的：分析医院人均门诊费用规律,预测2014年医院人均门诊费用。方法运用Excel 2010软件,基于GM（1,1）模型对2006—2013年医院人均门诊费用建模,使用得到的模型预测2014年人均门诊费用。结果计算出模型为Y（ t）=581．3e－0．1614t －502．78,后验差比值C=0．3693,小误差概率P=1,模型精度为二级（良好）,表明该模型可用于人均门诊费用的预测。结论建立GM（1,1）模型预测医院人均门诊费用具有软件门槛低,样本要求低,操作难度小等优点,是一种较精确的短期预测模型,但使用时还需考虑其局限性。     

几种预测模型对中国梅毒发病率预测效果的比较

目的:比较3种预测模型在中国梅毒疫情预测中的效果,筛选最优预测模型。方法:收集2004年至2012年中国梅毒发病率数据,构建灰色模型[GM(1,1)]、趋势外推模型和求和自回归滑动平均(ARIMA)模型,比较预测值和实际值的吻合程度;用2013年发病率数据回代验证,选择相对误差最小的模型预测2014年至2016年的梅毒发病率。结果:中国梅毒发病率呈整体上升趋势,年平均发展速度为1.173,但环比增长速度逐年降低。趋势外推模型中Cubic函数的拟合效果优于GM(1,1),二者对历史数据拟合的平均相对误差分别为1.431%和7.560%。梅毒年发病率序列为白噪声序列(χ2=7.990,P=0.239),不适合用ARIMA模型来预测。采用Cubic函数预测2014年至2016年中国梅毒的发病率,分别为29.553/10万、26.293/10万和20.831/10万。结论:Cubic函数对中国梅毒发病率的预测效果最好。     

应用GM(1,1)灰色模型预测甘井子区恶性肿瘤患者的死亡率

目的:探讨GM(1,1)灰色模型在恶性肿瘤患者死亡率预测中的应用。方法:对甘井子区2002-2013年恶性肿瘤死亡资料进行流行病学描述,用x2检验进行率的比较;并建立恶性肿瘤GM(1,1)灰色预测模型,评价模型预测效能,预测本区2014-2018年恶性肿瘤患者的死亡率。结果:甘井子区2002-2013年恶性肿瘤患者的死亡率呈现逐年上升趋势;恶性肿瘤患者的死亡率建立GM(1,1)灰色预测模型的验差比值和小误差概率分别为0.3447、1,模型判为优秀,可以用于外推预测。2014-2015年恶性肿瘤患者的死亡率预测值分别为230.14/10万、237.13/10万、244.33/10万、251.74/10万、259.38/10万。结论:GM(1,1)灰色模型可用于恶性肿瘤患者死亡率的预测。     

灰色模型在肺癌死亡率预测中的应用

目的：运用灰色模型（Ｇrey model,GM）预测自贡市肺癌死亡率,探索数据波动较大的情况下,适用的GM预测方法。方法：根据自贡市1985-2009年肺结核发病率数据分别建立常规GM[Conventional GM（1,1）],动态GM[Dynamic GM（1,1）]和新陈代谢GM[Metabolizing GM（1,1）],选择合适肺癌死亡率的预测模型并进行外推预测。结果：检验性预测中,常规GM（1,1）预测精度为2级,动态 GM（1,1）和新陈代谢 GM（1,1）预测精度为1级,预测值相对误差依次为 26.00%、5.07%和 4.06%。采用新陈代谢 GM（1,1）对自贡市肺癌死亡率进行外推预测,2011-2014 年自贡市肺癌死亡率分别为 81.31/10 万、95.88/10 万、113.06/10 万、133.32/10 万。结论：针对自贡市肺癌死亡率数据波动的情况,采用新陈代谢 GM（1,1）进行预测是比较适用的方法。     

基于无偏灰色马尔科夫模型的传染病发病率预测

目的建立无偏灰色马尔科夫预测模型,对传染病发病率时间序列进行预测。方法利用2003～2009中国肺结核发病率数据建立无偏灰色预测模型,马尔科夫模型修正预测结果,用2010年数据来检验模型,再利用模型对2011年中国肺结核发病率进行预测。结果中国肺结核发病率的无偏灰色模型为x^(0)(1)=74.64,x^(0)(k)=96.2323e1n 0.9685(k-1)(k=2,3,…,n),运用马尔科夫模型修正后,预测模型相对误差为3.188%。2011年肺核病发病率预测值为77.877/10万。结论无偏灰色马尔科夫模型预测精度高于传统灰色预测模型和单一的无偏灰色模型,是一种传染病发病率短期预测精度较高的预测模型。     

灰色模型预测全国慢性宫颈炎流行趋势

目的应用灰色模型GM（1,1）对全国慢性宫颈炎在妇科疾病中的年发病率进行预测。方法采用1999年至2009年慢性宫颈炎发病率数据建立GM（1,1）模型,并用平均相对误差、后验差比值（c值）和小误差概率（P值）来检验灰色数列模型的可靠性,预测2010年至2013年的发病率。结果通过以上数据得出GM（1,1）模型：Y（t）=903．56。0.0122（t-1）-893．22。经拟合检验,模型拟合精度好（C=0．41,P=0．90）。利用本模型对2010年至2013年全国慢性宫颈炎的发病率进行外推,估计2010年至2013年全国慢性宫颈炎的发病率分别为12．53％、12．68％、12．84％、13．00％。结论通过灰色模型预测慢性宫颈炎的发病率有缓慢增高的趋势,提示卫生管理部门应加强慢性宫颈炎的防治工作。     

某三甲综合医院门诊量ARIMA预测分析

目的 探讨ARIMA模型预测医院门诊量效果,短期预测某院门诊量,为医院门诊管理决策提供依据.方法 在医院信息系统中,提取某三甲综合医院2010年1月至2014年3月门诊患者数据,采用PASW软件时间序列预测模块,拟合门诊量ARIMA模型,评价模型效果,预测未来2年门诊量.结果 2010至2013年累计接诊门诊患者303.6万人次,年平均增长率为24.07％.男女性别比0.81∶1,平均年龄40.36±19.32岁,内外科比为1.35∶1.基于2010年-2013年门诊量数据,采用ARIMA模型预测2014年1季度门诊量相对误差为4.11％,模型预测效果较好.基于2010年1月-2014年3月门诊量数据,预测2014年门诊量为113.2万人次,2015年门诊量为129.5万人次.结论 借助PASW软件,采用ARIMA模型预测大型综合医院门诊量操作简单,模型拟合和预测效果较好,结果易于解释,是一种值得推广的医院季节性波动数量指标（门诊量、收容量、手术量等）短期预测工具.     

应用灰色模型预测深圳市肺结核发病率

目的 预测深圳市肺结核的发病率,掌握疫情动态变化,为相关卫生行政部门对肺结核的防治提供科学依据.方法 收集深圳市2006-2011年肺结核发病率,建立灰色模型,预测未来2年的肺结核发病率.结果 将6年数据建立灰色预测模型,通过SPSS计算结果D=51 020.77,a=-0.055 63,u=24.88,模型合计误差=-0.024 54,预测深圳市2012年肺结核发病率为36.19/10万,2013年肺结核发病率为40.45/10万.动态修正灰色预测模型,计算结果D=6 403.98,a=-0.001 82,u=32.17,预测模型(x)(o)(t+1)=32.23e-000182+17 675(后验差比值C为0.42,小误差概率P为0.89,模型合计误差=-0.00051),预测深圳市2012年肺结核发病率为32.44/10万,2013年肺结核发病率为32.56/10万.结论 动态修正灰色预测模型结果与实际值比较接近,模型拟合误差较小,可以用于短期预测.     

最小二乘法预测门诊人数

目的建立趋势线性模型,预测2011-2012年门诊就诊人数。方法采用最小二乘法对模型进行回归分析。结果 2011和2012年的预测门诊人数分别为162.25万、170.68万人次,2011年门诊人数实际值为165.77万人次,误差仅为2.17%。结论应用最小二乘法对门诊人数预测,效果较理想,可为医院工作计划和决策提供了理论依据。     

门诊预约挂号效果分析

目的 探讨预约挂号在门诊应用的效果.方法 选择2011年1月-2011年12月1500例门诊患者作为对照组（门诊预约挂号实施前）,选择2012年1月-12月1500例门诊患者作为观察组（门诊预约挂号实施后）,比较两组医生问诊顺利性、候诊时间,并每组随机抽取200例患者行问卷调查,比较两组患者的门诊服务满意度.结果 观察组医生问诊顺利性为94.73％,明显高于对照组的89.40％（x2=29.21,P＜0.01）,观察组候诊时间为（11.35±2.72）min,明显低于对照组的（13.08±3.17）min（t=2.674,P＜0.01）.观察组患者的门诊服务满意度为98.00％,明显高于对照组的91.50％（x2=8.49,P＜0.05）.结论 预约挂号可提高门诊诊疗效率和服务满意度.     

GARCH模型在门诊量预测中的应用

应用GARCH模型理论分析某医院2003年至2012年月门诊量变化趋势,并建立AR（1）-IGARCH（2,1）模型,比较2003年至2012年月门诊实测值和模型预测值,其平均相对误差为0.057%,然后应用AR（1）-IGARCH（2,1）模型预测了2013年和2014年该院的月门诊量,比较2013年1月至6月月门诊量实测值和模型预测值,其平均相对误差为0.67%.分析结果表明GARCH模型能很好地追踪门诊量变化趋势.     

ARMA模型在非意外死亡率动态预测中的应用

目的：探讨ARMA模型在某县区死亡率动态分析中的应用,分析和预测其非意外死亡率的动态发展趋势。方法：对该地2008年1月-2012年9月的逐月死亡率进行ARMA模型拟合,采用2012年10-12月的实际月死亡率验证模型的预测效果。结果：MA（1）模型较好地拟合了该地区既往时间段上的死亡率序列,模型残差为白噪声（P〉0．05）,模型参数MAl,1—0．470,有统计学意义（t=-4．010,P=O．000）,AIC=431．719,SBC=435．907,模型数学函数式为：X1=35．07217＋（1＋0．4757B）εt预测得到的2012年10—12月死亡率为32．65／10万、35．07／10万、35．07／lO万,2013年1月死亡率为35．07／10万,预测误差为12．25％。结论：ARMA模型可以较好地拟合死亡率的时间变化趋势,并用于预测未来的死亡率,是一种短期预测精度较高的预测模型。