预测模型在门诊量分析与预测中的应用

目的分析门诊人次数据,探讨SPSS12.0软件中时间序列模型在门诊量数据分析中的应用方法。方法根据某医院1998—2005年门诊人次历史资料,研究数据的季节性特征,指数平滑模型、自回归模型以及ARIMA模型的应用情况,并对三模型进行比较。结果ARIMA模型的平均预测相对误差较小,预测效果最好。结论预测方法有很多种,并没有一种方法适用于各种情况,因此针对不同的情况选择合适的预测方法非常重要,ARIMA模型适用于医院门诊人次数据预测。     

SPSS在医院统计预测中的应用

目的　探讨SPSS 8.0统计软件包中回归、指数平滑及ARIMA等时间序列分析模块的建模及诊断方法。方法　根据某医院 1995年 1月— 2 0 0 1年 11月的门诊人次历史资料 ,建立对数模型、指数平滑模型和ARIMA乘积模型 ,并对三者的预测结果进行比较分析。结果　对数模型、指数平滑模型和ARIMA乘积模型的预测平均相对误差分别为 14 .34% ,8.14 %和 4 .89%。结论　ARIMA乘积模型适于对有趋势性和周期性的门诊量数据进行预测。SPSS 8.0统计软件包时间序列分析模块操作方便 ,在医院统计预测中有广阔的应用前景     

基于ARIMA - SVM组合模型的道路交通伤害死亡率预测

目的 探讨ARIMA - SVM组合模型在道路交通伤害死亡率预测中的应用，并与单纯ARIMA模型的预测效果比较。方法 利用2014年1月－2018年6月河北省道路交通伤害死亡率数据拟合建立ARIMA模型和ARIMA - SVM组合模型，对2018年7－12月死亡率进行预测，并与实际死亡率进行验证比较，评价模型的预测效果。结果 ARIMA模型预测值与实际值的相对误差在0.00%～13.38%之间，ARIMA - SVM组合模型预测值与实际值的相对误差在0.00%～3.75%之间；且两者预测效果评价指标RMSE、MAE和MAPE分别为0.102、0.042，0.079、0.036，5.264%、2.469%。结论 ARIMA - SVM组合模型的预测效果优于单纯ARIMA模型，预测精度更高，可用于道路交通伤害死亡率的预测。     

探讨ARIMA模型在细菌性痢疾发病预测中的应用

目的 探讨时间序列分析方法中ARIMA模型在细菌性痢疾发病预测方面的应用,验证分析模型的可行性与适用性.方法 利用海南省2000年1月～2009年12月细菌性痢疾发病资料,拟合ARIMA模型,对海南省细菌性痢疾2010年1～9月各月发病率进行预测评价.结果 建立ARIMA(1,0,0)模型,预测结果基本符合实际发病率变动趋势,验证了该模型的可用性.结论ARIMA模型可用于模拟细菌性痢疾发病在时间序列上的变化趋势,进行短期预测.     

使用Eviews软件对精神卫生门诊人次进行ARIMA模型预测

目的 分析医院门诊量的变化趋势,建立适用的预测模型,为医院的管理决策提供依据.方法 数据源于2000年至2009年月门诊人次报表数据,使用Eviews6.0进行模型拟合并对2010年前三季度数据进行预测.结果 门诊量数据具有长期的增长趋势并受到季节性影响,最终选择ARIMA(0,1,2)(0,1,1)12进行拟合预测获得了较好的效果.结论     

某脑科医院近20年神经精神疾病门诊量动态分析

目的探讨某脑科医院神经精神疾病门诊量的动态变化规律,为疾病的预防和控制提供科学依据.方法选择某脑科医院1985年1月-2004年12月的门诊人次为历史资料,应用Excel 2000和SAS 6.12统计分析软件进行动态分析,选用ARIMA（1,0,1）（0,1,1）12模型做趋势预测.结果1985-2004年间的门诊人次呈上升趋势,年平均增长率为3.06%且有明显的季节变动,年内明显呈现低谷和峰谷现象.同时预测2005年各月的门诊人次.结论神经精神等慢性病正成为严重影响我国居民健康的重大的公共卫生问题,是疾病防治的重点.     

应用ARIMA模型对季度入院人次的预测

[目的]用ARIMA季节乘积模(p,d,q) (P,D,Q)s对季节性时间序列资料建模并预测.[方法]用Box-Ljung统计量评价ARIMA模型的拟和度,用平均预测相对误差作为预测效果的评价指标.[结果]对所分析的季节性时间序列建立了乘积ARIMA(0,1,1) (0,1,2)S模型,平均预测相对误差为6.50%.[结论]用所建立模型对入院人次进行预测,结果表明ARIMA是一种预测精度较高的预测模型.     

基于时间序列模型的南京市建邺区手足口病发病趋势预测分析

目的采用时间序列分析方法中求和自回归移动平均(autoregressive integrated moving average model,ARIMA)模型对南京市建邺区手足口病月发病数进行预测,为制定手足口病预防控制策略提供参考依据。方法根据2009-2013年全区手足口病月报告发病数时间序列,以2014年1-8月的月发病数作为验证数据,建立辖区手足口病月发病数的ARIMA模型。结果建邺区手足口病月发病率模型为ARIMA(1,0,0)×(0,1,1)12,模型自回归参数AR1=0.569(t=5.030,P0.001),残差分析统计量经检验差异无统计学意义(Ljung-Box Q=13.296,P=0.651)。2014年1-8月实际值与预测值的最大相对误差36.78%,最小相对误差3.57%,平均相对误差16.32%。结论 ARIMA模型可以用于辖区中短期手足口病月发病数的预测,模型预测精度的提高有待数据的不断积累。     

基于ARIMA乘积季节模型的流行性感冒预测分析

目的通过对2005-2015年全国各月流行性感冒发病率的分析,为流感的预防和控制提供参考依据。方法以国家人口与健康科学数据共享服务平台公共卫生科学数据中心提供的《2005-2015年全国各月流行性感冒数据》中2005-2014年全国各月流行性感冒发病率为研究对象,采用SPSS 20.0软件对数据进行分析,采用时间序列分析的ARIMA乘积季节模型构建模型,进行预测,并用2015-01/12全国流感数据验证模型精确性。结果经反复多次分析比较,最终确立ARIMA(0,1,1)(0,1,1)_(12)为最优模型,经2015年各月数据验证,模型预测精确度较高。结论 ARIMA(0,1,1)(0,1,1)_(12)乘积季节模型能较好的预测全国流感月发病率的变化趋势,具有一定的推广及应用价值。     

ARIMA季节乘积模型在儿童肺炎门急诊人次预测中的应用

目的 探索自回归差分移动平均(autoregressive integrated moving average,ARIMA)季节乘积模型在预测儿童肺炎门急诊人次的应用,为合理利用医疗资源提供科学依据。 方法 收集乌鲁木齐市两家三级甲等医院2011－2016年儿童肺炎逐月门急诊人次数据,使用R 3.4.1软件进行模型的识别、参数估计与检验,建立ARIMA季节乘积模型对2011年1月－2016年6月儿童肺炎逐月门急诊人次进行拟合,并利用2016年7－12月数据计算预测值与实际值的平均预测相对误差来评价预测效果。 结果 ARIMA(0,1,2)(1,1,0)₁₂模型是拟合儿童肺炎门急诊人次的最佳预测模型,平均相对误差为9.82%。 结论 ARIMA 季节乘积模型有较好的拟合和短期预测效果,能为医院合理利用医疗资源提供参考依据。     

综合性医院收容量预测的ARIMA模型构建研究

目的：研究综合性医院月收容量变化规律,监测医院收容量的异常变化,预测其变化趋势,为医院运营策略制定和资源调配提供依据。方法：通过对某医院1995--2005年月收容量数据分析,建立其监测和预测模型。结果：1995--2005年该医院住院病人月均收容2336±676．93人次,3、4、6、7、9、11和12月收容量超过10年月均水平,其余各月均低于月均水平。医院收容量的预测模型为ARIMA（0,1,1）（0,1,1）12,拟合残差平方和为2．810。以2005年月平均收容量预测值（2970±417,17）为目标值,2005年实际值超过目标值的26．12％。结论：该医院收容量存在季节效应和增长趋势,ARIMA模型不但可用于医院病人收容量的动态预测,还可用于医院病人收容量异常变化的监测和医院经营策略的评价,具有一定的实用价值。     

ARIMA与LSTM模型在医院出院人次预测中的比较研究

目的 通过ARIMA乘积季节模型和LSTM神经网络模型拟合某三甲专科医院的月出院人次并进行预测,比较两种模型的预测效果.方法 运用某三甲专科医院2013—2018年度的月出院人次,分别构建ARIMA乘积季节模型和LSTM神经网络模型,然后利用所得的模型对2019年度的月出院人次进行预测并与实际数据进行比较.采用平均绝对...     

ARIMA模型预测2018－2019年我国肺结核发病趋势的应用

目的 应用自回归移动平均（autoregressive integrated moving average,ARIMA）模型对我国2018－2019年肺结核发病情况进行预测,为肺结核防控工作提供参考依据。方法 收集2005年1月至2017年12月中国肺结核月发病数据,使用R 3.4.4软件基于2005年1月至2017年6月肺结核月发病数据建立ARIMA模型,比较2017年7－12月预测数据和实际数据以进行模型预测性能的检验,并预测2018－2019年肺结核发病数情况。结果 2005－2017年共报告肺结核患者13 022 675例,发病数呈逐年下降趋势,2017年肺结核患者数较2005年下降了33.68%,且季节性明显,每年冬春交界之时发病数较高。根据2005年1月至2017年6月肺结核月发病数据拟合出了ARIMA（0,1,2）（0,1,0）₁₂模型,该模型拟合的2017年7－12月的预测值与实际值的相对误差范围是1.67%～6.80%,预测2018年和2019年发病数分别为789 509例和760 165例。结论 ARIMA（0,1,2）（0,1,0）₁₂模型对我国肺结核发病数的拟合效果较好,可用于我国肺结核的短期预测和动态分析,具有较好的应用价值。     

ARIMA乘积季节模型和LSTM深度神经网络对石家庄市手足口病疫情预测效果的比较

  目的   运用自回归移动平均(autoregressive integrated moving average model, ARIMA)乘积季节模型和长期短期记忆网络(long short term memory, LSTM)对石家庄市手足口病(hand, foot and mouth disease, HFMD)的发病趋势进行预测, 为疫情防控工作提供理论依据。   方法   利用Eviews 8.0和python 3.7.1软件对2013年1月-2018年5月石家庄市HFMD逐月发病数据分别建立ARIMA乘积季节模型和LSTM神经网络, 以2018年6月-2019年5月的发病资料检验模型预测精度, 最后应用模型预测2019年6月-2019年8月的月发病数。   结果   最优模型ARIMA(1, 0, 0)×(1, 1, 2)₁₂和LSTM神经网络外推预测2018年6月-12月的MAPE分别为22.14和10.03, 而外推预测2018年6月至2019年5月的MAPE分别为43.84和25.26, 提示LSTM神经网络的拟合效果和预测精度优于ARIMA模型, 预测结果与实际情况基本一致。   结论   LSTM神经网络对石家庄市HFMD发病趋势的拟合度和预测效果较好, 能够为手足口病疫情的预测预警工作提供指导。     

ARIMA模型在耐碳青霉烯类肺炎克雷伯菌医院感染预测中的应用

 目的 探讨ARIMA时间序列模型在耐碳青霉烯类肺炎克雷伯菌（CRKP）医院感染预测中的应用。方法 选取2018年1月-2022年6月某院住院患者每月CRKP医院感染发病率,应用SPSS 19.0建立ARIMA时间序列模型,分析模型的拟合,利用该模型对2021年7月-2022年6月CRKP医院感染数据进行验证,评价预测价值。结果 采用2018年1月-2022年6月住院患者每月CRKP医院感染发病率建模、拟合,建立最优模型ARIMA （0,1,9）,模型拟合值与实际值较吻合,此模型对CRKP医院感染发病率实际值与预测值吻合程度较高,平均相对误差值为7.76%。结论 采用ARIMA模型可有效拟合、预测CRKP医院感染发病率,为CRKP医院感染预防与控制提供科学指导。     

ARIMA模型在流感样病例发病预测中的应用

目的 建立北京市密云区流感样病例ARIMA预测模型并对所建模型预测效果进行验证和评价.方法 对密云区2010-2016年流感监测哨点医院每日报告的流感样病例监测资料建立ARIMA预测模型,并预测2017年流感样病例就诊比例,与实际值比较评估模型预测效果.结果 2010-2016年密云区流感样病例监测哨点医院门急诊患者累...     

ARIMA乘积季节模型在青州市布鲁氏菌病发病预测中的应用

目的应用自回归求和移动平均(ARIMA)乘积季节模型预测青州市布鲁氏菌病月发病数,构建青州市布鲁氏菌病月发病数的预测模型,为青州市布鲁氏菌病防控措施提供科学依据。方法收集青州市2011—2017年布鲁氏菌病监测数据,采用SPSS 25.0统计软件建立ARIMA时间序列模型,并对模型进行检验,预测出2018年的布鲁氏菌病月发病数,用2018年布鲁氏菌病实际月发病数评价模型的预测效果。结果模型ARIMA(0,1,1)(1,1,0)12标准化的BIC值最小,Box-Ljung检验统计量Q=23.746,P>0.05,残差序列为白噪声,确定为最优模型。结论ARIMA乘积季节模型短期预测青州市布鲁氏菌病月发病数效果较好。     

ARIMA乘积季节模型与LSTM神经网络模型对我国麻疹发病数预测效果的比较

目的 探讨长短期记忆神经网络(long short term memory, LSTM)模型和差分整合移动平均自回归(autoregressive integrated moving average model, ARIMA)乘积季节模型在全国麻疹发病趋势预测中的应用,为麻疹的早期防控提供科学依据。方法 选取2005年1月至2016年2月全国麻疹月发病数分别构建LSTM模型和ARIMA乘积季节模型,同时运用得到的模型对2016年3月至2018年12月发病数进行预测,运用两种评价指标平均绝对百分比误差(mean absolute percentage error, MAPE)和均方根误差(root mean square error, RMSE)检验模型的外推预测精度。最后应用模型预测2019年1月至2019年5月的全国麻疹月发病数。结果 LSTM模型和最优模型ARIMA(0,1,1)(0,1,1)₁₂外推预测的均方根误差(RMSE)分别为0.25和1.54,平均绝对百分比误差(MAPE)分别为3.6%和18.7%,提示LSTM神经网络的外推预测精度优于ARIMA模...     

基于SARIMA - SVR模型的喀什地区流行性腮腺炎的流行趋势预测

目的 利用季节性自回归滑动平均模型（seasonal autoregressive integrated moving average，SARIMA）、支持向量回归模型（support vector regression， SVR）对喀什地区流行性腮腺炎( mumps)的月发病数进行预测，在上述两模型的基础上建立SARIMA - SVR组合模型，提高预测的精准度，为控制新疆喀什地区2021年流腮传播趋势提供科学预测。方法 以喀什地区2005年1月—2017年12月的流腮月发病数据为训练集，进行数据的拟合以及预测模型的训练，分别建立SARIMA、SVR、SARIMA - SVR组合模型。对2018年1月—2020年12月的流腮月发病数进行预测，并与实际值相比较，采用均方根误差(root mean square error，RMSE)衡量模型预测性能。结果 ARIMA(2，1，1)(0，0，1)12为最优的SARIMA模型，建立的SARIMA、SVR、SARIMA - SVR组合模型预测2018年1月—2020年12月的喀什地区流腮月发病数的RMSE分别为:9.611、9.545、3.427。结论 SARIMA - SVR组合模型对喀什地区流腮的预测精度高于单一预测模型，故选取该模型建立方式，利用2005年1月—2020年12月的喀什地区流腮月发病数据预测该地区2021年的月发病数。     

基于季节性ARIMA模型的新疆肺结核发病预测分析

目的 探讨季节性时间序列模型(autoregressive integrated moving average,ARIMA)在新疆肺结核发病预测中的应用,并验证模型的可行性和适用性。 方法 采用季节性ARIMA(p, d, q )(P, D, Q)_s拟合2005年1月—2019年8月新疆地区肺结核月发病人数,建立多个季节时间序列模型并进行比较,选出最优模型对2019年9—12月肺结核发病人数进行预测。 结果 2005年1月—2019年8月新疆地区肺结核累积发病人数为627 869例,年平均发病人数为3 567例。 新疆地区肺结核月发病数具有季节性,1—5月平均发病数高于平均水平,6—12月平均发病数低于平均水平,发病高峰为1月和3月,发病低谷为9月。通过赤池信息量(Akaike Information Criterion,AIC)和贝叶斯信息量(Bayesian Information Criterion,BIC)最小原则得出,ARIMA(1, 1, 1 )(0, 1, 2)₁₂是最优模型,其残差序列为白噪声,参数的回归系数均具有统计学意义,拟合的平均绝对百分比误差MAPE为8.723%。预测的MAPE为18.674%,真实值均处于预测值的95%置信区间内。 结论 ARIMA(1, 1, 1 )(0, 1, 2)₁₂模型能够较好地拟合新疆肺结核发病数据,并进行短期预测,对新疆卫生防控措施的制定具有一定指导意义。