ARIMA模型在细菌性痢疾预测中的应用

目的构建北京市昌平区细菌性痢疾月发病的ARIMA模型,为防控工作提供依据。方法应用SPSS 18.0软件分析2004-2010年北京市昌平区细菌性痢疾月发病数资料,构建ARIMA乘积模型,并预测2011年细菌性痢疾月发病数。结果最优乘积模型为ARIMA(1,0,0)(1,1,1)12,模型具有较高的预测精度,预测值与实际值基本吻合,且实际值均在预测值可信区间范围内。结论 ARIMA模型能够应用于北京市昌平区细菌性痢疾流行趋势的预测及疫情的预警、预报,为实施干预提供依据。     

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.     

ARIMA模型在东莞市细菌性痢疾预测中的应用

目的探讨ARIMA模型在东莞市细菌性痢疾发病预测的可行性和适用性,为东莞市细菌性痢疾的防控提供参考依据。方法使用SPSS 17.0对2004年1月至2012年4月东莞市细菌性痢疾发病率资料拟合ARIMA模型,利用所得到的模型对东莞市2012年5～7月细菌性痢疾发病率进行预测评价。结果 ARIMA(0,0,1)(0,1,1)12模型具有较高的预测精度,预测值与实际值基本吻合,且实际值都在95%可信区间内。结论 ARIMA(0,0,1)(0,1,1)12模型较好地反映了东莞市细菌性痢疾发病趋势,可作为东莞市细菌性痢疾发病水平短期预测模型。     

自回归移动平均模型在细菌性痢疾流行趋势预测中的应用

目的探讨时间序列分析中自回归移动平均模型在六安市细菌性痢疾发病预测的可行性和适用性,为早期做好防控工作提供科学依据。方法使用SPSS 17.0软件对六安市2003年1月～2012年12月的细菌性痢疾月发病率建立ARIMA模型,以2013年的1～7月实际发病率作为预测模型的考核样本,验证模型的预测效果。结果六安市细菌性痢疾月发病率模型为ARIMA（0,0,1）×（0,1,1）12,模型移动平均参数MA1=-0.473（t=-5.153,P〈0.05）,季节移动平均参数SMA1=0.937（t=2.494,P=0.014）;残差分析Ljung-BoxQ统计量经检验,差异无统计学意义（Ljung-BoxQ=10.208,P=0.856）,提示残差为白噪声。模型预测的平均相对误差为27.82%,但预测的动态趋势与实际值基本吻合,且实际值均在预测值的95%可信区间内。结论 ARIMA（0,0,1）×（0,1,1）12模型可为六安市细菌性痢疾的防控提供参考。     

安徽省滁州市细菌性痢疾发病率ARIMA模型建立与分析

目的构建安徽省滁州市细菌性痢疾发病率的ARIMA模型,预测细菌性痢疾发病趋势。方法收集1987~2013年安徽省滁州市细菌性痢疾年发病率资料,通过SPSS软件拟合ARIMA模型,采用最大似然法估计模型参数,依据赤池信息准则与贝叶斯信息准则确定模型的阶数,用Q统计量对模型适应性进行检验,建立ARIMA预测模型。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(1,1,1)。AIC=5.573,BIC=8.165,统计量Q=8.857χ20.05,26。模型预测值与实际值的平均误差率MER=0.338。结论ARIMA模型能够应用于安徽省滁州市细菌性痢疾流行趋势的预测及预警,为实施干预提供依据。     

ARIMA乘积季节模型在细菌性痢疾月发病率预测中的应用

目的 探讨ARIMA乘积季节性模型在细菌性痢疾月发病率研究中的应用,并预测细菌性痢疾的月发病趋势.方法 对某区2004～ 2008年细菌性痢疾月发病率资料建立ARIMA乘积季节性模型,利用2009年细菌性痢疾月发病率资料对模型参数进行修正,并预测2010年细菌性痢疾月发病率.结果 构建ARIMA(1,0,0)×(1,1,0)12模型,模型决定系数(R2)为0.96.结论 ARIMA(1,0,0)×(1,1,0)12模型可以用于某区细菌性痢疾月发病率的拟合与预测.     

时间序列分析在阜阳市细菌性痢疾发病预测中的应用

目的探讨时间序列分析在细菌性痢疾发病预测中的应用,验证分析模型的可行性与适用性。方法利用阜阳市2009年1月～2013年6月细菌性痢疾发病资料,拟合自回归移动平均（ARIMA）模型,对阜阳市2013年7～11月各月发病情况进行预测评价。结果建立ARIMA（1,2,0）（0,1,0）12模型,预测结果基本符合实际发病变动趋势,验证了该模型的可行性。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分析,并进行短期预测。     

ARIMA模型预测南宁市细菌性痢疾的发病趋势

目的 运用自回归移动平均(ARIMA)模型对南宁市2011 -2013年的细菌性痢疾发病趋势进行预测,探索细菌性痢疾的流行规律.方法 以南宁市2004-2010年的细菌性痢疾月发病率数据为基础,用SPSS13.0建立ARIMA预测模型,以2004-2010年的数据验证模型的预测精度.结果 ARIMA(1,0,1)(0,0,0)12模型可以用于拟合南宁市细菌性痢疾的发病情况.南宁市2011 -2013年细菌性痢疾的发病与2010年相比,没有明显的变化,发病呈平稳流行的趋势.结论 ARIMA模型可用于细菌性痢疾发病趋势的短期预测.     

浙江省细菌性痢疾月发病率ARIMA模型建立及预测分析

目的构建ARIMA模型预测浙江省细菌性痢疾的月发病率。方法利用SAS 9.0统计软件对浙江省2001—2011年2月的细菌性痢疾发病率数据建立ARIMA模型,并进行预测分析。结果拟合ARIMA(1,0,0)12模型的AIC为227.23,为细菌性痢疾的月发病率最佳模型,该模型预测值与实际值的平均相对误差为15.9%,实际值都在95%的可信限之内,预测值与实际值较为接近。结论 ARIMA模型可以较好的预测细菌性痢疾发病率的变化趋势,能够运用于细菌性痢疾发病趋势的预测及预警,为防控措施的制定提供参考。     

ARIMA模型在手足口病预测预警中的应用

目的研究时间序列分析在手足口病预测预警中的应用,并探讨提高模型预测准确性和实用性的思路。方法应用SPSS 18.0软件对深圳市盐田区2008年1月—2014年4月手足口病发病率进行ARIMA模型拟合,预测2014年5月-12月手足口病发病率。结果模型ARIMA（0,1,0）（0,1,1）12的参数估计值为0.761,t=2.552,P=0.013,经检验参数有统计学意义。且BIC=6.066,在拟合比较的模型中最小,故选定为最佳拟合模型。利用2013年10月—2014年4月实际发病数与预测发病数进行比较,实际值与预测值相对误差的中位数为71%。结论用时间序列分析对手足口病发病情况的拟合结果满意,预测和预警效果良好。     

通州市病毒性肝炎、细菌性痢疾、伤寒流行趋势预测

目的:为探究通州市病毒性肝炎、细菌性痢疾、伤寒的流行趋势。方法:根据通州市1997~2003年3种病的发病情况,利用6种时间序列模型进行预测。结果:通州市3种病年发病率均有下降趋势,趋势性χ2检验有非常显著意义。病毒性肝炎、细菌性痢疾、伤寒的预测方程分别为:lny^=1n 40+0.5978×0.8221χ、ln^y=1n 8+1.5289×0.6716χ、lny^=1n 1+2.6068×0.8211χ,2004年预测发病率分别为:45.31/10万(35.58/10万~57.71/10万)、8.52/10万(5.36/10万~13.56/10万)、1.71/10万(1.20/10万~2.44/10万)。结论:通州市各项传染病防治措施是有效的,若无特殊原因,2004年通州市病毒性肝炎、细菌性痢疾、伤寒发病率将继续下降。     

应用BP神经网络模型预测福州市山区细菌性痢疾流行

[目的]探索BP神经网络在细菌性痢疾预测模型的应用,为细菌性痢疾的预防控制措施提供科学依据。[方法]用Matlab7.2软件包中的神经网络工具箱,以1988～2007年的资料建立福州市山区菌痢流行的BP神经网络模型,并以2008年的资料验证其预测成功率。[结果]神经网络经学习和训练,训练误差下降并趋于稳定,回代相关系数为0.815,模型的预测成功率为10/12。[结论]BP神经网络在气象要素与菌痢发病之间建模是可行的,可以作为预测菌痢流行的一种新方法。     

运用ARIMA模型对我国人均卫生费用的预测

[目的]通过拟合ARIMA模型对我国人均卫生费用进行预测,为卫生部门决策提供依据。[方法]采用SAS分析系统的时间序列模块,找出合适的ARIMA模型进行预测评价。[结果]通过对1978～2006年的人均卫生费用的数据拟合发现此费用处于增长趋势。[结论]人均卫生费用随着时间而增长,卫生部门需合理控制人均卫生费用。     

小儿细菌性痢疾福氏志贺氏菌感染66例药敏分析

[目的]探讨小儿细菌性痢疾福氏志贺氏菌感染对抗生素敏感性.[方法]对本院2005.2～2006.8收治的细菌性痢疾大便培养显示福氏志贺氏菌感染患儿66例,采用KB纸片法,对福氏志贺氏菌属进行常用抗生素的敏感性检测.[结果]福氏志贺氏菌对氨苄西林普遍耐药,头孢呋辛钠耐药率达82%.福氏志贺氏菌的多重耐药率:以对氨苄西林、头孢呋辛、头孢噻肟钠最常见占26%,对氨苄西林、头孢呋辛、头孢哌酮钠占15%,对氨苄西林、头孢呋辛、头孢三嗪占7%,多重耐药率达48%.[结论]小儿细菌性痢疾福氏志贺氏菌感染对头孢类抗生素耐药率呈明显上升趋势.定期监测本地区病原菌药敏情况,为临床科学选用抗生素及提高治疗效果提供依据.     

季节时间序列模型在菌痢发病预测中的应用

目的研究SARIMA模型拟合季节时间序列的方法,并将其应用于菌痢发病的预测,探讨该模型进行传染病预警的可行性。方法利用Eviews软件对江苏省菌痢的月发病数据进行建模,首先采用取对数、差分等方法对序列进行平稳化,然后进行模型参数的估计、检验,最优模型的筛选,最后进行预测分析。结果 SARIMA(1,1,2)(1,1,1)12较好地拟合了江苏省菌痢的月发病数据,预测效果良好。结论 SARIMA模型可用于具有季节性、周期性波动的传染病发病的动态分析和短期预测。     

应用时间序列方法分析菌痢季节性分布特性

目的:分析菌痢是否存在季节性周期分布特征,为研究致病因素、考核防治措施提供科学依据。方法:对构成双向有序列联表时间序列数据的深圳市龙岗区1993~2004年菌痢逐月发病资料,利用游程检验和有序对数比检验两种不同统计方法进行季节性分布分析。结果:游程检验示P<0.05,有序对数比检验示P>0.05。结论:两种方法所得结果具有一致性,菌痢发病具有季节性升高的特征。     

关联规则及其在细菌性痢疾风险预测中的应用

[目的]进行细菌性痢疾疫情风险数据挖掘并形成关联规则。[方法]传染病疫情资料来源于辽宁省朝阳市疾。病预防控制中心，收集1981-1994年的伤寒副伤寒、斑疹伤寒、甲型肝炎、乙型肝炎、细菌性痢疾、流行性脑脊髓膜炎、百日咳、猩红热和流行性乙型脑炎等法定传染病发病率数据。气象资料由该市气象站提供，内容包括各年相应的13项月气象指标。首先将：气象指标和传染病数据离散化为计数资料，分为高、中、低3个水平，由此将源数据库映射为挖掘数据库；设置最小支持度为0．15，最小置信度为0．9，利用Apriofi算法进行关联规则挖掘。[结果]共形成70个强关联规则，这些强关联规则中蕴含着细菌性痢疾与季节、气温、气压、降水量、蒸发量等影响因素之间的关联关系。[结论]本方法有利于将抽象的数理统计理论转变为实用的关联规则来指导疾病预防控制实践。     

两种季节性时间序列模型在细菌性痢疾发病率预测中的应用研究

目的评价两种季节时间序列模型对武汉市江汉区细菌性痢疾月发病率的预测效果,为选择适宜的预测方法提供科学参考依据。方法收集2005年1月至2013年12月武汉市江汉区菌痢月发病资料,分别运用季节指数趋势预测模型和SARIMA模型进行建模,选择较优模型对2014年1~6月菌痢月发病率资料进行预测和效果评价。结果两种模型预测值与实际值拟合趋势基本一致,但季节指数趋势模型拟合效果较好,预测2014年上半年疫情发展特点为1~3月呈缓慢上升趋势,4~6月呈快速上升趋势。结论季节指数趋势模型对江汉区菌痢月发病水平进行短期预测具有较高的预测精度。