灰色GM(1,1)预测模型在疾病预测中的应用

目的 预测糖尿病死亡率的变化趋势。方法 利用灰色系统GM(1，1)预测模型Y(t)=[x(1)-u／α]e^a(t-1) u/α分别预测1999—2004年糖尿病的死亡率趋势。结果 依据某市1991—1998年糖尿病死亡率资料。所建立的灰色预测模型为Y(t)=492．36e^0.0328(t-1)-477．03，拟合结果显示。模型的平均误差率为1．8％，精度为优(C=0．29，P=1)。结论 预测结果表明：近10年来糖尿病的死亡率呈持续上升趋势，建议有关部门加强糖尿病的防治工作。     

时间序列预测模型的贝叶斯统计分析

贝叶斯(Bayes)统计预测方法是一种以动态模型为研究对象的时间序列预测方法,其基本思想是将人们的经验信息作为已知条件结合到实际模型中,即利用模型信息、数据信息及先验信息(有关总体分布的未知参数的信息)来进行预测。由于结合了分析人员的主观经验及判断,因此可以利用模型监控和干预的方法,合理、科学地处理突发事件等异常情况,和传统的预测方法相比,克服了传统的静态模型难以处理突发事件的缺陷,具有灵活、易于适应外部变化的特点。本文以英国1969～1984年因车祸伤亡人数为资料,探讨贝叶斯统计预测方法在医学领域中的应用。     

医院季节性时间序列资料的周期自回归模型及其应用

本文利用周期相关序列和自回归模型等概念，对医院的季节性时间序列资料建立了周期自回归预测模型，其分析结果较为满意。     

尿道下裂与环境污染的关系-Poisson回归模型与GM(1,N)模型结合分析

目的：分析我国尿道下裂与环境污染的关系。方法：利用已收集的全国31个省市1988～1992年和1996～2000年的男性尿道下裂监测资料以及1987～1992年和1995～2000年的环境因素监测资料，同时采用收集的各省地理面积资料，建立多元Poisson回归模型和GM(1，N)模型，对1988～2000年尿道下裂的发生与1987～2000年环境监测数据的相关性进行分析。结果：与尿道下裂相关的主要环境污染因素为单位面积废水排放量x1(OR=1．352，P=0．006)和单位面积农药使用量x2(OR=1．378，P=0．001)；对尿道下裂发生率建立的GM(1，N)模型为m(t 1)=(5．8215—0．00068X1-0．1226x2)e^-1.4602t 0．00068x1 0．1226x2。结论：废水排放和农药使用是我国尿道下裂发生的环境危险因素。     

简易季节时间序列资料分析方法

简易季节时间序列资料分析方法第三军医大学卫生统计学教研室许汝福，王文昌，尹全焕，张蔚关于季节时间序列资料的分析通常采用经典时间序列分析技术，对其长期趋势、季节变动、周期变动及不规则变动等方面进行分析［１］如季节自回归模型［２］，季节变动分析法［３］等...     

时间序列资料灰色模型综合预测方法及其应用

医院时间序列资料的预测多用GM(1,1)模型,但对许多指标而言,易受政策性因素的影响,GM(1,1)模型预测效果有时极不理想。本文介绍一种时间序列资料综合预测方法,选择与预测指标相关且具有相对稳定性的因素,应用灰色GM(1,N)模型和GM(1,1)模型进行综合预测,效果较为满意。     

简易季节时间序列资料分析方法在疾病预测中的应用

本文用许汝福等[1]导出的季节时间序列资料分析方法──简易时间序列季节周期回归模型,对我市1991～1994年的乙型肝炎疫情报告资料进行分析,现将结果报告如下。方法一、季节周期回归模型设季节时间序列资料为Yij,i＝1,2,…,n为年度,j=1,2,3,4为季度,则式中b1i反映趋势变动,b2j反映季节变动,b3sin（）＋b4cos（）反映季节周期变动。二、季节资料的简易计算公式计算过程一、建立数学模型表1为肥城市1991～1994年各季度乙型肝炎的发病率（1／10万）。表11991～1994年各季度乙型肝炎发病率（1／10万）于是,回归方程为：二、预测…     

GM(1,1)灰色预测模型和ARIMA模型在拟合山东省心脑血管疾病死亡率中的应用

目的 运用GM(1,1)灰色模型和ARIMA模型对山东省心脑血管疾病死亡率进行拟合,对拟合结果行进比较。为心脑血管疾病预防提供科学依据。 方法 利用山东省全人群监测点2002-2014年心脑血管疾病死亡率数据分别建立GM(1,1)灰色模型和ARIMA模型,对建立的模型进行拟合,同时运用该模型对2015-2017年心脑血管疾病死亡率进行预测。两种模型拟合评价指标为误差平方和（SSE）、平均绝对百分误差(MAPE)两个指标。 结果 心脑血管疾病死亡率GM(1,1)灰色模型和ARIMA模型SSE和MAPE分别为1236、1189和2.75%、2.73%。2015-2017年心脑血管疾病预测死亡率（1/10万）分别为340.56、349.80、359.03。 结论 心脑血管疾病死亡率呈波动性上升趋势。ARIMA模型拟合效果优于GM(1,1),模型拟合要充分考虑数据特征。     

GM(1,1)模型在洞庭湖区血吸虫病发病预测中应用

目的对洞庭湖区退田还湖地区中山试点血吸虫病发病进行预测。并为国家卫生机构合理分配卫生资源提供决策依据。方法应用GM(1，1)模型对中山试点血吸虫病患病率建模并进行残差修正，进行3年预测。结果中山试点GM(1，1)模型平均相对误差为13．61％，模型精度为差；残差GM(1，1)模型平均相对误差为4．85％，模型精度为优。残差修正预测模型为-↑X^(1)(k 1)=-19．373641e^-0.081742k 20．677187。连续3年预测值分别为15．71％，16．54％和17．53％。结论中山试点残差GM(1，1)模型预测效果好；血吸虫病发病在未来3年内有缓慢上升的趋势；要加强血防工作。     

两种季节时间序列资料预测法的应用比较

本文根据我院 1995～ 1999年门诊工作量季统计资料 ,试用趋势季节模型和季节周期回归模型预测 2 0 0 0年 1～ 4季度门诊工作量 ,并对两种方法加以比较。资料与方法资料来自我院统计室 1995～ 1999年医院工作季报表。经审核后在微机上自编程序应用趋势季节模型和季节周期回归模型进行统计汇总和比较分析。计算步骤与结果一、季节周期回归模型1 设季节时间序列资料为 ^Ｙｉｊ,ｉ =1,2 ,… ,ｎ为年度 ,ｊ =1,2 ,3 ,4为季度 ,则季节周期回归模型为 :^Ｙｉｊ=ａ0 ｂ1ｉ ｂ2 ｊ ｂ3 ｓｉｎ(ｊπ/2 ) ｂ4 ｃｏｓ(ｊπ/2 ) (1)式中ｂ1ｉ反映趋势…     

灰色系统GM(1,1)模型在我国梅毒发病预测研究中的应用

目的探讨我国1996-2009年梅毒的发病趋势,并进行短期预测,为科学制定梅毒防控措施,合理配置防控资源提供参考。方法根据全国1996-2009年梅毒报告发病率数据,拟合灰色系统GM(1,1)预测模型,进行回代预测、拟合精度评价和外推预测。结果建立的预测模型为:x(1)(t+1)=7.5437e0.206t-6.5437,模型的回代拟合精度指标后验差比值C为0.1929,小误差概率P为100%,拟合精度等级达最好级别。利用建立的模型预测2010-2012年全国梅毒的报告发病率分别达25.12/10万、30.86/10万、37.92/10万。结论 GM(1,1)模型拟合全国梅毒的发病率数据结果理想,可用于梅毒发病率的短期预测。     

灰色GM（1,1）模型在门急诊、出院人次预测中的应用

目的 探讨灰色预测方法在医院管理中的应用,对医院门急诊量、出院人次进行预测,有助于管理者掌握医院门急诊量、出院人次的变动趋势及规律,为医院在管理、决策中的合理应用提供量化的理论依据方法 选用某医院2000-2010年门急诊人次、出院人次统计年报数据,基于灰色系统理论的建模方法建立GM（1,1）预测模型,采用Excel表进行计算,预测2011-2013年医院门急诊量、出院人次结果 根据后验差比值C和小误差概率P值的计算及预测精度等级判定,所建预测模型拟合精度高,结果较理想,可用于外推预测.预测评价结果显示：2011-2013年门急诊人次预测值为256 267、27 666、300 852人次,评价等级为合格之上（C=0.33＜0.35,P=1＞0.9）;出院人次预测值为17 739、19 044、20 445人次,评价等级为优秀（C=0.29＜0.35,P=1）.医院门急诊人次、出院人次的年增长率分别为为8.35%、7.36%.通过预测医院门急诊量、出院人次有缓慢上升趋势,且趋于平稳,是一种呈稳步上升发展态势结论 灰色预测有一定优点,不要求统计变量具有正态分布,而是在杂乱无章的、有限的、离散的数据中找出规律,按系统发展趋势预测分析,提高了预测和分析的精确度.通过预测结果相互印证,理论值接近实际值,此方法在医院管理中有实用性.     

谱分析方法在医院时间序列资料分析中的应用

目的介绍谱分析方法的原理，探索应用谱分析方法对医院患者住院时间规律进行分析．方法介绍谱分析方法的原理和计算步骤，并以伤害住院儿童为例，应用谱分析方法对医院信息系统中的患者住院时间字列资料进行分析。结果医院住院患者时间序列在频域范围内进行分析，儿童伤害住院人次数的时间规律呈现以6个月为周期的波动。结论利用谱分析能准确地提取周期信息，这对于时间序列数据的进一步处理有着重要的意义．     

应用EXCEL实现GM(1,1)模型对公路交通安全水平的预测

灰色数列对样本含量和概率分布没有严格的要求,且本身已考虑到其他多种因素的影响,不少专家认为数学模型法是最有前途的预测方法之一.GM(1,1)是其中方法之一[1],用EXCEL编制的GM(1,1)模型电子表格是一张动态的表格[2].为探讨包头市交通事故对人群健康的危险程度的流行规律,为交通管理决策和交通管理工作的评价提供科学依据,采用EXCEI实现灰色数列预测系统的基本模型GM(1,1)对包头市1991年～2001年有关交通事故的交通安全水平进行建模拟合,并作推测.     

灰色GM(1,1)预测模型在门诊量预测中的应用

目的预测门诊量的变化趋势。方法利用灰色系统GM（1，1）预测模型Y（t）=[x（1）-μ/α]e-α（1-1）＋μ/α，分别预测2006—2009年门诊量的变化趋势。结果依据某医院2000-2005年门诊量的资料，所建立的灰色预测模型为：Y（t）=307．8518e^0.2175（1-1）-265．9218，拟合结果显示，模型的平均误差率为0．47％，精度为优（C=0．159，P=1）。结论预测结果表明：近几年的门诊量持续上升，为医院管理工作提供了科学依据。     

三种时间序列模型探讨1989～2012广西肺结核发病趋势

目的 探讨不同时间序列预测模型分析肺结核发病趋势的可行性,评价模型的拟合度,为制定肺结核预防控制策略提供科学依据.方法 收集广西壮族自治区1989 ～ 2009年肺结核疫情报告数据,分别采用曲线回归法、指数平滑法和ARIMA模型模拟肺结核疫情的动态轨迹,比较三种方法的拟合精度,评价拟合及外推效果.结果 1989～ 2007年广西肺结核发病率逐年增高,2007年后逐渐降低.其变动轨迹,以ARIMA模型拟合效果较好(拟合度R2=0.84),三种模型均具有一定的外展预测能力.结论 ARIMA模型适用于拟合类似肺结核发病率的动态趋势,在传染病疫情预测领域具有重要的现实意义.     

应用直线回归和时间序列建立诊疗人次预测模型

目的:运用统计学方法对医院诊疗人次进行预测,为医院的现代化管理提供依据.方法:应用直线回归和时间序列建立预测模型.结果:通过时间序列算出各季度的季节比率,剔除季节比率,通过对相关系数r的检验,证明线性关系显著,建立预测模型YC=143929.8+5515.05t,在此基础上预测2017年和2018年诊疗人次的点估计值以及95%置信区间下的区间估计值.结论:该预测方法比较合理,接近实际,为医院领导各项计划的制定,各项政策的正确实施,正确的决策提供可靠的数据保证和理论支持.     

博山城镇肺癌死亡率时间序列分析及预测

本文对博山城镇１９７７～１９８８年肺癌死亡率进行时间序列分析表明，自１９７７年以来其肺癌死亡率呈明显上升趋势。并应用灰色预测模型对肺癌死亡率进行了预测。为政府制订卫生发展战略，有计划地开展肺癌防治及其效果观察，提供了科学依据。     

改进的GM(1,1)模型在肺结核发病率预测中的应用

目的利用改进的GM(1,1)模型,对我国肺结核发病率进行预测。方法选取我国2007—2017年肺结核发病率资料,建立改进的GM(1,1)模型,对其发病率进行拟合和预测。结果对GM(1,1)模型、改进的GM(1,1)模型所得结果相对误差平均值和预测相对误差进行比较,认为改进的GM(1,1)模型拟合和预测精度较高。结论改进的GM(1,1)模型可用于肺结核发病率的预测,精度较高。