自回归移动平均模型在深圳市宝安区结核病疫情预测中的应用

目的 建立自回归移动平均(ARIMA)模型,预测深圳市宝安区结核病月发病情况,为肺结核防控措施的制定提供科学参考。方法 通过中国疾病预防控制系统结核病信息管理系统导出2006-2020年深圳市宝安区月报告患者例数。采用IBM SPSS 20.0统计学软件,以2006年1月至2019年12月的月报告患者例数为基础建立时间序列,构建ARIMA模型,通过对模型的识别、定阶、诊断,筛查出最优模型,利用该模型预测2020年1-12月结核病的月发病情况,通过比较预测值与实际值来评价拟合模型的预测效果。结果 ARIMA(1,0,0)(0,1,1)12模型,其参数均通过统计学检验(P<0.05),残差序列为白噪声序列(P>0.05),R²=0.561,RMSE=22.632,NBIC=6.336,拟合优度相对较好。2020年1-12月的预测值与实际值基本吻合,实际值均落在95%CI内,预测效果较好。结论 ARIMA(1,0,0)(0,1,1)12模型可用于短期预测深圳市宝安区结核病疫情,预测效果较好。     

2004-2018年我国狂犬病疫情时间序列分析

目的 分析2004-2018年我国狂犬病疫情的时间序列特征,建立自回归移动平均模型(Autoregressive Integrated Moving Average Model, ARIMA),利用该模型对我国狂犬病疫情进行短期预测,为狂犬病的防控提供参考。方法 建立2004-2017年我国狂犬病月发病数时间序列,利用SPSS 19.0建立ARIMA季节模型,并将该模型预测的2018年狂犬病发病数据与实际数据比较,对模型进行优化评估;最后利用优化模型对2019年狂犬病发病情况进行短期预测。结果 根据建立的时间序列分析得到最优模型为ARIMA(0,1,1)×(0,1,1)12,模型的拟合结果与真实值变化趋势一致,具有良好的拟合效果;模型预测2018年发病总数为363,相对误差为0.82%。结论 截至目前,我国仍是狂犬病高发国家,狂犬病疫情呈现季节性变化特征,ARIMA乘积季节模型对我国狂犬病发病趋势具有较高的拟合度,可用于我国狂犬病疫情的短期预测,可为我国狂犬病的防控提供参考依据。     

全国人间狂犬病疫情的时间序列分析

目的 分析全国狂犬病疫情的时间分布特征,探讨用自回归移动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)预测疫情发展趋势的可行性。方法 建立2004―2015年全国狂犬病月度发病率时间序列,用R3.3.2软件建立最优ARIMA模型,对2016年1~11月发病率进行预测,并评价预测效果。结果 2007年以来我国狂犬病年发病率呈下降趋势,8~10月为高峰季节;建立的最优模型为ARIMA(2,1,1)(2,0,0)₁₂,其平均绝对标准化误差(The mean absolute error, MASE) 为0.755;2016年1~11月发病率预测结果显示,平均相对误差为15.61%。结论 我国狂犬病疫情存在季节性发病高峰,ARIMA模型能用于我国狂犬病疫情的短期预测。     

ARIMA模型在疟疾发病预测中的应用

目的探讨ARIMA时间序列模型在疟疾发病预测中的应用,建立疟疾发病率的预测模型。方法基于1996～2005年安徽省怀远县的疟疾月发病资料,采用最大似然法估计模型参数,按照残差不相关原则、简洁原则确定模型结构,依据AIC与SBC准则确定模型的阶数,建立ARIMA疟疾预测模型。并用所得模型对2006年该县疟疾发病率进行预测。结果ARIMA(0,1,1)×(0,1,1)12模型能较好地拟合既往时间段上的发病率时间序列,其方差估计值为0.60,AIC=187.00,SBC=193.58,数学函数式为(1-B)(1-B12)Zt=(1-0.591B)(1-0.281B12)at。该模型对2006年月发病率的平均预测误差仅为0.03。结论ARIMA模型可较好地拟合疟疾发病在时间序列上的变化趋势,是一种精度较高的短期预测模型。     

ARIMA模型的建立及对中国肺结核月报告例数的预测效果研究

目的 建立自回归移动平均(autoregressive integrated moving average,ARIMA)模型,并对全国(不包括我国港澳台地区,下同)肺结核月报告患者例数进行预测效果研究,为肺结核防控措施的制定提供科学参考。方法 通过中国疾病预防控制中心主办的《疾病监测》杂志公布的我国每月甲、乙、丙类传染病疫情动态简介,搜集2006年1月至2019年8月全国肺结核月报告患者例数。采用SPSS 26.0统计学软件,以2006年1月至2018年12月的全国肺结核月报告患者例数为基础建立时间序列,初步识别和定阶ARIMA模型类型;再以满足模型简洁、ARIMA模型各参数[包括自回归法(AR),平均移动法(MA),季节自回归法(SAR),季节移动平均法(SMA)]均有统计学意义(P值均<0.05),以及P>0.05的模型总体检验指标(Ljung-Box Q值)、最大平稳决定系数(R ²)、最小整体模型的标准化贝叶斯信息准则值(NBIC)、最小均方根误差(RMSE)为标准筛选几种ARIMA模型;继而以2019年1—8月报告患者例数作为验证数据,参照预测值相对误差越小模型越优的原则筛选出最小相对误差的模型为最优模型;最后再以该模型预测我国2019年9月至2020年12月肺结核月报告患者例数。结果 根据2006—2018年每年的全国肺结核月报告患者例数为基础建立时间序列,确定需拟合ARIMA(p,d,q)或ARIMA(p,d,q)×(P,D,Q)模型。以Ljung-Box Q值所对应的P值均>0.05、模型简洁、模型各参数均有统计学意义(P值均<0.05)筛选出12个基本模型,然后再以R ²最大的模型[ARIMA(1,0,1)(0,1,1)₁₂,R ²=0.707]、RMSE最小的模型[ARIMA(0,1,2)(0,1,1)₁₂,RMSE=9147.85]、NBIC最小的模型[ARIMA(0,1,1)(0,1,1)₁₂,NBIC=18.355]、Ljung-Box Q值最小的模型[ARIMA(1,1,1)(0,1,1)₁₂,Ljung-Box Q=8.797]作为备用模型,预测2019年1—8月中国肺结核月报告患者例数,并与实际的月报告患者例数进行比较,确定预测平均相对误差最小(0.55%)、MA(1)=0.875(t=19.243,P<0.001)、SMA(1)=0.876(t=7.596,P<0.001)、Ljung-Box Q=9.876(df=16,P=0.873)的ARIMA(0,1,1)(0,1,1)₁₂模型为最优模型。再以该模型预测我国2019年9月至2020年12月肺结核月报告患者例数,其中2020年1—12月患者总计1025863例,平均每月85489例。结论 ARIMA(0,1,1)(0,1,1)₁₂模型对预测中国肺结核月报告患者例数方面效果较好,但应注意模型的建立和预测是个动态变化过程,需不断根据积累的数据进行调整,从而提高预测精度。     

非稳定性疟区用时间序列模型预测疟疾发病率的可行性研究

目的 探讨应用季节性时间序列ARIMA模型预测非稳定性疟区疟疾发病率的可行性。 方法 应用SPSS13.0软件对淮河流域河南省桐柏县及安徽省怀远县1998-2005年逐月发病率进行ARIMA建模拟合；按照残差不相关和简洁的原则确定模型结构，依据赤池信息准则（AIC）与贝叶斯信息准则（BIC）确定模型的优度。用所得模型预测2006年两县的月发病率，比较预测值与实际值，检验预测效果；再以1998-2006年的发病率数据构建ARIMA模型，预测2007年疟疾发病率。 结果　 模型ARIMA（1，0，0）（0，1，1）12的自回归参数（AR1=0.512）与季节平均移动参数（SMA1=0.609）均通过了统计学检验（P<0.01），AIC=67.01，BIC=71.87，模型残差为白噪声（P>0.05）；该模型很好地拟合了既往时段上的发病率序列，2006年各月疟疾发病率预测值符合实际发病率的变动趋势。预测2007年的疟疾发病率为106.50/10万，发病高峰在7～10月份（占总发病的74.81%）。 结论 ARIMA模型可以很好地模拟疟疾发病率在时间序列上的变动趋势，可用于预测未来的疟疾发病率进行，是一种短期预测精度较高的预测模型。     

我国肺结核月报告死亡病例数的自回归移动平均模型的建立及预测

目的: 分析我国肺结核月报告死亡病例数的变化趋势以建立及确定最佳预测自回归移动平均模型(autoregressive integrated moving average model,ARIMA)。方法: 搜集《疾病监测》杂志发布的2010—2020年全国 (不包括我国港澳台地区,下同)每月报告的肺结核死亡病例数,共计报告21055例。以2010—2018年数据作为建模数据库组成时间序列并拟合ARIMA模型。以2019年和2020年每月报告的实际数据作为验证数据库,对ARIMA模型进行筛选与评价,选择出最佳模型并预测2021年1—12月我国肺结核月报告死亡病例数。 结果: 基于2010—2018年我国肺结核月报告死亡病例数构建模型,经参数评估与整体诊断初步筛选出3个备选模型,即平稳决定系数最大(R²=0.589)的ARIMA(0,1,1)(1,1,0)₁₂模型、均方根误差值最小(RMSE=24.572)的ARIMA(0,1,2)模型和标准化贝叶斯信息准则值最小(NBIC=6.517)的ARIMA(0,1,1)模型。运用备选模型预测2019年和2020年我国肺结核月报告死亡病例数并与实际数据相比较,筛选出最优预测模型为ARIMA(0,1,1),其预测2019年和2020年数据的相对误差分别为6.56%(147/2241)和58.52%(910/1555)。以ARIMA(0,1,1)模型预测2021年1—12月我国肺结核死亡病例数约为2542例,平均月报告死亡病例数为212例。结论: ARIMA模型的短期预测效果较好,可用于预测近期我国肺结核月报告死亡病例数,但在预测远期或受到较大因素影响年份的数据时效果欠佳。     

山西省与全国布鲁杆菌病疫情的对比分析

目的 对比分析近年来山西省与全国布鲁杆菌病(简称布病)疫情流行情况,预测布病疫情发展趋势,为布病疫情监测与防控提供参考.方法 收集山西省2006年1月至2010年12月布病疫情月报告资料和中国疾病预防控制中心2005年1月至2010年12月发布的全国布病疫情报告资料,根据布病的逐年增长量、发展速度、增长速度等指标,比较山西省和全国近年来布病疫情流行现状.利用布病疫情月报告发病人数,拟合时间序列自回归移动平均模型(ARIMA),通过对拟合效果的验证,预测山西省和全国未来2年内的布病发病状况.结果 山西省布病疫情2008年达到高峰,新发病例5397例,较2007年增加了900例,从2008年后发病人数下降,2010年下降了17.67％(906/5128);全国布病发病人数从2006 - 2009年一直呈上升趋势,在2007-2008年迅速增长,增长速度高达39.16％(8442/21 560),虽然2010年布病的发病人数比2009年下降了2041例,但下降速度仅为5.14％(2041/37 734);无论山西省还是全国,5-7月均为布病发病的高峰期.拟合时间序列ARIMA模型,成功地获得了山西省和全国的ARIMA模型[(1,0,1)(1,1,0)12、(1,0,1)(0,1,1)12].验证模型的拟合效果显示,两个ARIMA模型对布病发病人数预测值的动态趋势与实际情况基本一致,全部落到了预测值的95％可信限内,模型拟合效果良好.模型预测结果显示,在未来2年内,山西省布病的发病人数总体趋势基本平稳,没有出现大的变动;全国布病发病人数在2011年和2012年预计出现小幅度的回升,每年的5-7月份是布病发病的高峰期.结论 山西省布病控制措施得力,布病发病人数呈下降趋势;ARIMA模型预测布病疫情效果好,可以为下一步疫情预测与评价提供有价值的参考.     

2012-2019年上海市宝山区手足口病流行特征分析与预测

目的分析上海市宝山区手足口病流行病学特征,运用自回归移动平均模型(ARIMA)建立手足口发病趋势预测,为宝山区手足口病防控预警提供参考依据。方法采用描述性流行病学方法及ARIMA模型对2012-2019年宝山区手足口疫情报告情况进行分析及外推预测。结果 2012-2019年宝山区手足口病报告发病例数共33 241例,呈隔年暴发,年均发病率为205.73/10万,重症率为0.08%,病死率为3.008/10万,12个街镇中大场镇发病例数最多(21.31%),罗店镇发病例数最少(2.61%),其中男性19 909例,女性13 332例,男女性别比为1.49∶1,男性发病率高于女性(P0.001),发病年龄多集中在1～5岁,多为散居儿童。专家模拟器预测模型确定为ARIMA(1,0,0)(1,1,0)12,预测结果显示2020年宝山区手足口年发病率为177.64/10万。结论宝山区手足口病地区、时间、年龄、性别及人群分布特征明显,低龄、男性、EV 71病毒感染为重症及死亡的危险因素。专家建模器构建乘积季节性模型拟合效果较好,可准确有效地预测宝山区手足口病发病趋势,能够对预警提供积极有效的依据。     

应用ARIMA模型对全国2004-2009年肾综合征出血热疫情分析及预测

目的分析我国2004-2009年肾综合征出血热的疫情特点,探讨时间序列资料乘积季节性模型在肾综合征出血热疫情分析预测中的应用。方法收集全国范围2004-2009年的肾综合征逐月疫情资料,应用时间序列资料乘积季节性模型进行拟合分析。结果我国肾综合征出血热发病近年有所下降,但仍是危害我国人民生命健康的主要传染病,模型预测2010年全年的发病人数达6 025人。结论对于既有季节性、又有周期性的疫情资料,时间序列资料乘积季节性模型具有较好的拟合预测能力。     

我国疟疾报告病例数自回归移动平均模型预测研究

目的采用自回归移动平均(Autoregressive integrated moving average,ARIMA)模型对全国(不含港澳台地区)疟疾月报告病例数进行预测研究,为疟疾的预防控制提供参考依据。方法通过SPSS 24.0软件,建立两个时间序列,分别为2006-2015年和2011-2015年全国疟疾月报告病例数的时间序列,并建立最优ARIMA模型,以2016年1-12月全国疟疾月报告病例数进行验证。结果 2006-2015、2011-2015年两个不同时间序列建立的全国疟疾月报告病例数模型分别为ARIMA(2,1,1)(1,1,0)_(12)和ARIMA(1,0,0)(1,1,0)_(12),分别对2016年1-12月数据进行预测,基于2011-2015年数据建立的ARIMA模型的预测误差更小。结论模型的建立和预测应用是动态过程,需要不断根据积累的数据进行调整,从而提高预测精度,但同时要充分考虑传染病流行特征的重大变化等其他因素。     

ARIMA模型在预测医疗机构收治重症手足口病患者趋势中的应用

【摘要】 目的  应用自回归积分滑动平均模型（ARIMA）分析预测医疗机构收治重症手足口病趋势,为医疗机构合理调配人、财、物力提供依据。 方法  应用SPSS 16.0软件对2010~2013年逐月收治重症手足口病情况进行拟合,用2014年就诊数据验证所得的ARIMA模型,并对2015年就诊趋势进行预测。 结果  通过对参数和模型的拟合优度检验以及残差白噪声序列的检验,最终确定模型为ARIMA(0,1,0)(1,1,0)12,其标准化BIC=6.346、平稳R2=0.708、均方根误差=21.576,LB统计量检验残差序列为白噪声序列。 结论  ARIMA模型可较好预测医院收治的重症手足口病趋势,为医院管理提供依据,模型预测效果的优化有待于原始数据和其他相关数据的持续积累。     

武威市手足口病流行病学特征分析及ARIMA预测

目的 探讨2011—2021年甘肃省武威市手足口病（hand foot and mouth disease,HFMD）的发病规律，建立季节性自回归移动平均模型（autoregressive integrated moving average model,ARIMA），并预测武威市HFMD发病率，对当地的防控措施进行效果评估，为制定预防和控制策略提供参考依据。方法 利用EXCEL 2019整理原始数据，计算月发病率，以描述流行病学方法分析流行病学特征；使用R 4.1.0软件建立HFMD月发病率的ARIMA模型，利用ARIMA模型进行模型拟合及预测分析。结果 2011—2021年武威市累计报告HFMD病例8 469例、年均报告发病率43.87/10万，其中男性5 205例、占61.50%，女性3 264例、占38.50%；以5岁以下组（占90.01%）和散居儿童（占63.10%）发病为主；2011—2021年武威市HFMD发病呈明显的季节性。模型构建结果显示，ARIMA(0,0,1)(2,1,1)12为最优模型，其参数平均绝对比例误差（MASE）为0.892，均方根误差（RMSE）为5.0...     

急性胰腺炎严重程度预测模型的建立与验证

目的建立预测急性胰腺炎(AP)严重程度的可视化模型并进行内部验证。方法纳入昆明医科大学第一附属医院2017年9月1日至2020年8月31日确诊的600例AP患者,根据2012年亚特兰大分类标准将600例患者分为重症急性胰腺炎(SAP)组(128例)和非重症急性胰腺炎(NSAP)组(472例),比较两组患者的一般临床资料(年龄、性别、体重指数等)、实验室检查指标(空腹血糖、尿素氮、血肌酐等),合并腹水或胸腔积液情况,以及急性生理学和慢性健康状况评价Ⅱ(APACHEⅡ)和急性胰腺炎严重程度床旁指数(BISAP)评分。采用最小绝对收缩与选择算子(LASSO)回归模型对SAP潜在的预测因子进行筛选,将筛选后的预测因子纳入多因素logistic回归分析并建立logistic回归模型。绘制该模型与APACHE Ⅱ评分和BISAP评分的受试者操作特征曲线,通过比较曲线下面积(AUC)值评估其鉴别能力;运用校准图和Hosmer-Lemesshow检验,以及决策曲线分析(DCA)分别评估模型的准确性和临床实用性。应用Bootstrap方法对模型进行内部验证。统计学方法采用独立样本t检验、Wilcoxon...     

肾综合征出血热并发急性胰腺炎的临床特征分析

目的探讨肾综合征出血热(HFRS)并发急性胰腺炎(AP)患者的临床特征, 建立预测HFRS患者并发AP风险的列线图模型。方法收集2017年1月至2021年9月南京医科大学第一附属医院收治的109例确诊HFRS患者的临床资料, 根据是否并发AP分成AP组(20例)和非AP组(89例)。将两组有统计学差异的指标纳入多因素logistic回归分析, 依据发现的危险因素建立列线图模型, 并评估其预测效能。结果 AP组的腹痛发生率为75.0%(15/20), 高于非AP组的18.0%(16/89), 差异有统计学意义(χ2=26.09, P<0.001)。AP组肾脏替代治疗的占比为60.0%(12/20), 高于非AP组的33.7%(30/89), 差异有统计学意义(χ2=4.77, P=0.029)。AP组活化部分凝血活酶时间(APTT)为51.75(38.65, 74.03) s, 长于非AP组的43.10(33.05, 55.80) s, 血小板计数、纤维蛋白原和白蛋白分别为21.50(14.75, 60.00)×109/L、1.95(1.51, 2.39) g/L和27.25(25...     

应用ARIMA模型预测福建省戊型肝炎疫情

目的建立福建省戊型肝炎（戊肝）分月发病数预测预警的ARIMA时间序列模型。方法利用SAS 9.0软件的PROC ARIMA综合软件包对《疾病监测信息报告管理系统》收集的福建省2004-2010年戊肝分月发病数序列进行ARI-MA模型的建模与分析。结果福建省2004-2010年戊肝分月发病数序列含有以年为周期的季节效应,经12步差分后为平稳非白噪声序列,拟合的相对最优模型为ARIMA（0,0,0）×（0,1,1）12。结论拟合戊肝的相对最优ARIMA模型进行预测和预警,具有实际应用价值。     

应用时间序列模型预测江苏省钩虫感染率

目的 探讨应用时间序列ARIMA模型预测江苏省钩虫感染率的可行性。方法 以1990-2006年江苏省钩虫感染率数据做为训练数据集, 应用SAS 9.0 软件对训练数据集进行差分平稳化处理后, 采用最小信息准则筛选参数, 构建全省钩虫病自回归滑动平均模型 （ARIMA）, 预测全省钩虫感染率。结果 初步确定全省钩虫感染率时间序列模型ARIMA （1, 2, 0）, 应用该模型预测的全省钩虫病流行趋势与实际感染情况相一致, 实际感染率均落在预测值95%可信区间内; 模型预测的2007-2011年全省钩虫感染率与实际感染率基本相符, 最小预测误差仅为9.23%。 结论 构建的时间序列模型具有良好的预测效果和一定的防治应用价值。     

ARIMA模型在江西省布鲁氏菌病发病数预测中的应用

目的 构建江西省布病流行趋势预测模型,为布病防控提供科学依据。方法 利用2014-2017年江西省人间布病月发病数建立不同差分次数下的最优模型,同时,对2018年1月的布病发病数进行预测,比较模型的拟合、预测效果。结果 不同差分条件的最优模型分别为AR(1)、ARIMA(1,1,3)、ARIMA(3,2,0)、ARIMA(3,3,0)。其中,模型AR(1)对2018年1月的发病数的预测误差最小。结论 ARIMA模型用于江西省布病发病数的短期预测基本可行。     

GM(1,1) 数学模型在疟疾疫情预测中的应用

目的探讨灰色模型在间日疟流行趋势预测中的应用价值.方法建立GM(1,1)模型.依据2000～2004年江苏省本地人口和外地流动人口间日疟发病人数建立疟疾病例预测模型,并对2005年江苏省疟疾发病情况进行预测.结果江苏省本地人口和外地流动人口间日疟病例预测数学模型分别为 (t)=-3559.29e-0.3541(t-1)+4460.289和(t)=-333.48e0.2277(t-1)-257.483.经拟合检验,模型拟合度好(C本地=0.270,P>0.95;C外地=0.155,P>0.95).利用本模型对2005年江苏省间日疟发病人数进行外推,估计发病人数本地人口为215例,流动人口为210例.结论建立的疟疾病例预测数学模型拟合度好,用该模型预测2005年江苏省本地间日疟病例数总体呈下降趋势,而流动人口间日疟发病人数呈上升态势.     

探讨ARIMA模型在红细胞用量预测中的应用

目的:分析宜昌地区ABO血型系统各血型红细胞用量的分布规律,依据时间序列分析方法建立自回归积分滑动平均模型(ARIMA)进行预测,指导采供血机构相关业务工作。方法:在SPSS18.0中利用时间序列模型中专家建模器,对宜昌市2008-01-2015-12红细胞总的用量及各血型分别用量建立数学模型,并预测2016年1至6月用量,与实际用量对比,验证模型误差。结果:专家建模器对红细胞总量、A型及O型红细胞用量给出的模型是ARIMA(0,1,1)(0,1,1),B型和AB型红细胞用量给出的模型分别是ARIMA(1,1,1)(1,1,1)和ARIMA(2,1,1)(1,1,1)。对5个模型残差的白噪声检验结果均显示P0.05,说明残差均为白噪声序列,模型提取了原序列中所有数据信息,模型诊断得以通过。将预测值与实际值进行比较,实际值均落入预测值95%的可信区间内,且平均误差相对较小,模型预测效果良好。结论:ARIMA模型能够科学、有效地反映时间序列的变化规律,可以有效预测短期红细胞用量,有针对性地指导血站的采供血业务工作。