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。     

差分自回归移动平均模型与Elman神经网络及其组合模型对北京市肺结核发病预测效果的比较

目的 比较差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型、Elman神经网络及其组合(ARIMA-Elman)模型对北京市肺结核发病趋势的预测效果,探讨最佳预测模型。方法 以2010—2017年北京市肺结核月报告发病例数为数据基础,分别采用ARIMA模型、Elman神经网络及ARIMA-Elman组合模型,预测2018年12个月肺结核报告发病例数,以2018年的实际月报告发病例数验证3种模型的预测效果,评价指标使用平均绝对误差和平均绝对百分误差。结果 ARIMA模型、Elman神经网络和ARIMA-Elman组合模型对北京市肺结核月发病例数的预测相对误差多在±10%以内,分别为8个、8个和9个;此外,ARIMA模型预测结果相对误差在±10%~±20%的有3个,超过±20%的有1个;Elman神经网络预测结果相对误差在±10%~±20%的有2个,超过±20%的有2个;ARIMA-Elman组合模型预测结果相对误差在±10%~±20%的有3个。ARIMA模型、Elman神经网络及ARIMA-Elman组合模型的平均绝对误差分别为44.7(536/12)、47.8(574/12)和43.8(526/12),3种模型的平均绝对百分误差分别为8.7%(1.039/12×100%)、8.2%(0.99/12×100%)和7.9%(0.953/12×100%),ARIMA-Elman组合模型的2个预测评价指标均小于单一ARIMA模型和Elman神经网络。结论 ARIMA-Elman组合模型预测精度更高,对北京地区肺结核发病情况有更加理想的预测效果。     

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。     

新疆喀什地区2005-2016年布鲁氏菌病流行病学特征分析

目的 了解2005-2016年新疆自治区喀什地区布鲁氏菌病发病变化趋势,为进一步做好喀什地区布病防控提供流行病学依据。方法 采用描述流行病学方法对2005-2016年喀什地区报告的布病进行流行特征分析。结果 共报告布病767例,年均发病率为1.68/10万,年报告发病率呈逐年升高趋势(Z=29.49,P<0.001)。报告病例数最多的月份主要集中在5-8月份;男性发病高于女性,男女发病率之比为1.81:1,各年龄均有发病,最小发病年龄5月龄,最大发病年龄85岁,中位数为39岁,职业分布以农牧民所占比例最高;2005-2016年报告年平均发病率前五位的县(市)为麦盖提县、岳普湖县、塔什库尔干塔吉克自治县、巴楚县和喀什市,报告病例数前五位的县(市)依次为麦盖提县、巴楚县、岳普湖县、喀什市和伽师县。结论 喀什地区布病发病率逐年升高,尤其是2012-2016年发病率明显升高,需进一步分析喀什地区布病疫情升高原因,进一步加强喀什地区布病的防控。     

2008-2018年陕西省人间布鲁氏菌病流行特征分析

目的 了解2008-2018年陕西省人间布鲁氏菌病的发病特征及流行态势,为进一步制定布鲁氏菌病防控措施提供科学依据。方法 采用描述性流行病学方法,对 2008-2018 年陕西省布病疫情资料进行统计分析。结果 2008-2018年陕西省共报告布鲁氏菌病病例10 007例,年发病率在 1.55 /10 万 ~ 4.08 /10 万之间,平均发病率为2.41/10万,不同年份发病率差异有统计学意义(P<0.001),无死亡病例;病例主要集中在陕北和关中地区,以榆林市、延安市和渭南市为多发地区,占86.23%,陕南地区病例数较少;全年均有报告,4~7月为发病高峰;发病以40~59岁年龄组为主,占发病总数的50.19%;男性多于女性,男女发病比为3.57∶1;职业分布以农民为主,占 89.44%。血清学平均阳性率为4.21%。布病发病至诊断时间间隔的中位数是22 d。结论 陕西省布鲁氏菌病防控形势依然严峻,流行在未来一段时间呈持续状态,应加强传染源的管理,加大布鲁氏菌病监测力度,做好布鲁氏菌病的防控工作。     

2010-2018年浙江省人感染布鲁氏菌病空间分布特征及影响因素研究

目的 分析浙江省2010—2018年人间布鲁氏菌病空间分布特征及影响因素,为相应防控策略制订提供科学依据。方法 收集浙江省2010—2018年法定传染病报告系统中人间布鲁氏菌病疫情资料,采用全局、局部空间自相关分析方法进行分析;收集浙江省气象、畜牧生产等资料,进行人间布病疫情的空间回归分析。结果 2010—2018年,浙江省共报告布鲁氏菌病823例,年度报告发病数呈波动上升态势;人群特征显示病例以男性、40～60岁、农牧民及畜牧相关职业为主;发病率全局Moran’s I指数为0.12(P＜0.05),总体分布呈现聚集性;局部空间自相关结果显示人间布病高聚集区主要为浙北杭嘉湖、绍兴及浙西的衢州等地区,且近年向浙南的丽水扩散;空间回归分析显示,地区“年内羊出栏量”为人间布病发病的促进因素。结论 人间布病疫情与羊的养殖、交易、加工产业密切相关,浙江省布病疫情的地区分布特征随着各地相关产业的发展也在发生着变化,因此需要在发展相关产业时同步规划落实好布病防控措施。     

1984-2016年石家庄市肾综合征出血热发病水平变迁及其趋势预测

目的 分析1984-2016年石家庄市肾综合征出血热(HFRS)发病水平变迁,探讨时间序列求和自回归移动平均模型(autoregressive integrated moving average,ARIMA)在肾综合征出血热疫情分析预测中的应用。方法 收集1984-2016年石家庄市HFRS发病 率资料, 用Excel 2003软件建立数据库, 并进行描述性分析;采用SPSS16.0统计分析软件实现模型建立, 经过模型识别、参数估计、诊断检验后, 利用建立好的模型对2016-2020年石家庄市HFRS发病率进行预测。结果 石家庄市肾综合征出血热发病水平总体呈下降趋势;报告发病数位居前5位的高发地区由1984-1994年的新乐、辛集、藁城、深泽、赵县变迁为2006-2016年的行唐、深泽、平山、元氏及藁城县。2017-2020年石家庄市HFRS年发病率预测值分别为0.44/100 000 (95%CI:0.00~7.39/100 000)、0.54/100 000 (95%CI:0.00~8.83/100 000)、0.54/100 000 (95%CI:0.00~9.33/100 000)、0.47/100 000 (95%CI:0.00~9.46/100 000)。结论 石家庄市HFRS发病水平发生了变迁,总体呈下降趋势,高发地区由既往的东部地区向西北部地区扩散。2016 -2020年石家庄市HFRS发病略有上升趋势, 故需继续加强石家庄市HFRS疫情的防控。     

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.     

2009-2015年沈阳地区布鲁氏菌病疫情的时空特征分析

目的 分析2009-2015年沈阳地区布鲁氏菌病(以下简称布病)的时空分布变化特征,为制定本地区布病防控策略提供循证依据。方法 布病监测方法按《全国人间布病监测方案》和《沈阳市人间布病监测方案》进行。2009-2015年人间布病疫情资料来自于沈阳市疾病预防控制中心传染病监测数据库。应用描述性流行病学方法分析布病疫情特征,进一步结合ArcMAP软件分析布病疫情的时空转换特征,绘制沈阳地区布病的时空分布图。结果 7年间沈阳地区共报告布病患者1 356例,其中2014年沈阳市区出现1例死亡病例;布病年均发病率的波动区间为(0.46~4.59)/10万,趋势性检验χ²=541.44,P<0.001,呈逐年递增趋势,而发病率增幅呈逐年递减趋势;春夏季为发病高峰期;病例以30~59岁男性农民居多。从时空分布图上看,2009年布病发病数和发病率最高的都是新民市,而到2015年发病数最高的是沈阳市区;发病率最高的是紧邻市区的法库县;从地理信息上来看,病例高发区由西部的新民市向东部的沈阳市和法库县推移,疫区范围也由2009年的7个地区,扩大为2015年的13个地区。结论 2009-2015年间沈阳地区布病疫情的时空变化特征为:随着时间的推移,疫区由局部地区扩展为整个地区, 病例高发区由西部的新民市向东部的沈阳市和法库县推移。     

吉林省人间布氏菌病动态模型

目的 研究吉林省1950－2000年人间布氏菌病动态规律。方法 分别建立人口布氏菌病新发病例和发病率的自回归模型。结果 得到了吉林省人口的差分一阶自回归模型ARIMA（2，1，0），新发病例和发病率动态的3阶自回归模型AR（3）。结论 该省布氏菌病动态的总趋势是相对稳定的。     

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。     

ARIMA模型在疟疾发病率预测中的应用

目的 目的 应用自回归求和移动平均模型 （Autoregressive Integrated Moving Average Model, ARIMA） 进行湖北省本地 疟疾发病率预测。 方法 方法 应用SPSS 13.0软件对2004-2009年湖北省本地疟疾发病率构建ARIMA模型, 并以2010年发 病率数据检验模型, 评价模型拟合及预测效果。 结果 结果 经检验确认ARIMA （1,1,1） （1,1,0） 12模型拟合效果相对最 优, AIC=76.085, SBC=84.395, 发病率实际值均在预测值的95%可信区间内, 表明模型预测效果较好。 结论 结论 ARIMA模 型可对湖北省本地疟疾发病率进行较好的拟合和预测。     

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。     

指数平滑模型与ARIMA模型在湖南省血吸虫病流行趋势预测中的应用

目的　应用指数平滑模型与ARIMA模型预测湖南省人畜血吸虫感染率变化趋势。方法　根据1957–2015年湖南省血吸虫病防治工作统计资料中的人畜感染率数据,建立指数平滑模型及ARIMA模型,并对2016–2018年湖南省人畜血吸虫感染率进行预测与效果评价。结果　1957–2015年湖南省人畜血吸虫感染率指数平滑模型与ARIMA模型均具有较好拟合效果。1957–2015年湖南省人畜血吸虫感染率具有线性趋势,2016–2018年人群感染率Brown’s线性趋势指数平滑模型与家畜感染率Holt’s线性趋势指数平滑模型预测值较2016–2018年人畜感染率ARIMA模型预测值更匹配于实际数据,但ARIMA模型提示湖南省血吸虫病可能仍处于低流行状态。结论　在血吸虫病低流行情况下,湖南省亟须研发高敏感度疾病监测技术,以匹配当前流行态势,并强化防控措施以巩固取得的防控成果。