基于Prophet与ARIMA模型的四川省COVID-19累计确诊病例预测研究

目的 探讨Prophet与ARIMA模型2种预测方法在四川省COVID-19累计确诊病例的预测价值。方法 通过四川省卫生健康委员会官网收集2022年1月1日至4月8日四川省COVID-19累计确诊病例，分别采用ARIMA模型与Prophet模型进行建模预测，采用MAE、MAPE、RMSE等3个指标评价预测效果。结果 ARIMA(0,2,1)为最优模型，且模型参数差异有统计学意义（P<0.001），模型的残差为白噪声序列（P=0.095）；建立了包括趋势、节假日、周、日成分的Prophet模型；Prophet模型在训练集和测试集的MAE、MAPE和RMSE值均小于ARIMA(0,2,1)模型。结论 Prophet模型能够较好的预测四川省COVID-19累计确诊病例，在传染病领域具有较好的推广应用价值。     

时间序列模型应用于新型冠状病毒肺炎疫情预测效果比较研究

目的比较常见时间序列模型应用于新型冠状病毒肺炎(COVID-19)疫情预测的效果。方法收集2020年4月1日至9月30日美国、印度和巴西3个国家COVID-19每日确诊病例数,分别建立差分自回归移动平均(ARIMA)模型和循环神经网络(RNN)模型,使用平均绝对百分比误差(MAPE)和均方根误差(RMSE)等指标,比较不同模型预测9月21-30日确诊病例的表现。结果应用ARIMA模型预测美国、印度和巴西疫情的MAPE分别为13.18%、9.18%和17.30%,RMSE分别为6542.32、8069.50和3954.59;应用RNN模型预测美国、印度和巴西疫情的MAPE分别为15.27%、7.23%和26.02%,RMSE分别为6877.71、6457.07和5950.88。结论ARIMA和RNN模型的COVID-19预测效果存在地区差异,ARIMA模型的预测效果在美国和巴西较优,而RNN模型的预测效果在印度较优。     

基于指数平滑模型的湖北省新冠肺炎疫情预测分析

目的分析和预测湖北省新冠肺炎(COVID-19)疫情变化趋势。方法采用平滑指数模型对累计确诊病例数、累计治愈出院病例数、累计死亡病例数、重症病例数及危重症病例数进行拟合和预测。结果湖北省COVID-19疫情逐渐得到缓解,在2月18日进入快速“缓解期”后,3月21日进入慢速“缓解期”。采用指数平滑模型获得的拟合值与实际值的趋势基本吻合,模型拟合较好,预测结果表明在4月2日现存确诊病例数将减少至1000例以内,且主要为重症和危重症病例。结论湖北省COVID-19疫情的防控措施是有效的,指数平滑法拟合效果较好,可用于COVID-19的疫情预测。     

自回归求和滑动平均(ARIMA)模型在全球新型冠状病毒肺炎发病人数预测中的应用

  目的   应用自回归求和滑动平均(autoregressive integrated moving average, ARIMA)模型对全球新型冠状病毒肺炎(coronavirus disease 2019, COVID-19)发病人数进行预测, 为各国提出的防控策略与措施提供参考和评价依据。   方法   收集2020年2月22日-3月19日各国(意大利、西班牙、德国、法国等)COVID-19每日累计确诊人数, 用SPSS 17.0和R 3.6.1软件拟合ARIMA模型, 对5日前数据进行回带评价拟合效果, 同时利用该模型预测各国后10日数据。   结果   ARIMA模型预测值和实际值动态趋势基本一致, 实际值在预测值的95% CI内。   结论   ARIMA模型能够较好的对全球COVID-19发病人数进行预测, 在指导疫情防控方面有实际意义。     

新型冠状病毒肺炎大流行的实验室检测和预防控制资源需求评估

目的:快速评估不同情景下新型冠状病毒肺炎（COVID-19）实验室检测和预防控制（防控）资源需求数,为传染病流行做好产能规划、储备分配和资金筹集方面的准备。方法:基于引入无症状感染者和确诊住院患者的易感者-潜隐者-传染者-移除者传播动力学模型,构建COVID-19不同流行情景并预测住院/隔离人数,结合当前我国防控策略,...     

陕西省新型冠状病毒肺炎疫情的早期传播动力学研究

目的探讨陕西省新型冠状病毒肺炎(COVID-19)疫情早期的演变规律,为优化疫情防控策略、评估干预措施效果提供科学依据。方法收集陕西省2019年12月31日-2020年2月13日官方网络报道的疫情数据和中国疾病预防控制信息系统中的个案数据,同期人口数据来源于陕西省统计年鉴,采用Excel、ArcGIS软件开展COVID-19的描述性流行病学分析,采用Berkeley Madonna软件实验平台构建COVID-19疫情的传播动力学模型,分析疾病发生发展规律。结果陕西省截止2020年2月13日累计报告COVID-19确诊病例230例,罹患率约为0.59/100 000;男性发病数多于女性,40～50岁病例数最多;高发病地区主要分布在西安市、安康市、汉中市。SEIAR模型分析显示,陕西省疫情的基本再生指数R0约为2.95,模型结果2020年2月初是陕西省COVID-19发病的高峰期。结论陕西省COVID-19疫情呈快速扩散趋势,SEIAR模型预测的理论发病数可以为COVID-19疫情防控提供依据,遏制疫情蔓延。     

传染病预测和决策系统研究

通过对急性传染病的暴发和传播的流行病学特征,用传染病传播模型进一步探讨传染病的传播速度和趋势,并对各种传染病的传播预测模型进行对比和分析.探讨各种传染病预测模型的适用情况和使用条件,从而使传染病的预测模型较好地进行疫情传播的预测,对传染病防治的决策提供科学依据.     

反馈神经网络模型在传染病预测中的应用进展

传染病预测是卫生工作中的一项重要工作,神经网络作为一种相对成熟的机器学习方法,能否较好地应用于传染病预测模型的构建中,值得进一步探讨。本文介绍了反馈神经网络的基本原理和模型设计,并通过既往研究实例说明了神经网络模型在传染病预测中的应用。神经网络具有信息存储方式独特、容错性良好以及自适应能力强大等优点,可以识别变量间复杂的非线性关系,探讨其在传染病预测中的应用途径和方法具有重要意义和广阔前景。     

基于干预分析模型的COVID-19疫情对手足口病的影响

目的 利用苏州市某区近年来儿童手足口病(hand, foot and mouth disease, HFMD)发病数据建立预测模型,判断HFMD发病变化趋势,以及推测COVID-19疫情防控对HFMD的影响。方法 根据2009年1月―2019年12月的儿童HFMD监测数据库,利用季节性自回归移动平均(seasonal autoregressive integrated moving average, SARIMA)模型建立HFMD数据预测模型,预测2020年1―10月的发病数,将实际值与预测值进行比较,确定HFMD发病的变化。在最佳SARIMA模型中加入干预变量,确定COVID-19疫情对儿童HFMD发病的影响。结果 与2019年同期儿童HFMD发病情况相比,2020年1―10月发病数均有下降。2020年1―10月儿童HFMD的发病实际趋势与预测趋势差别较大,发病实际值均低于预测值,2020年2―9月的偏离度均超过100%。在SARIMA模型中加入干预变量后分析显示,干预变量的系数为-135.4(P=0.010),说明儿童HFMD的发病例数平均每月减少135例。结论 苏州市某区在202...     

人工智能技术在新型冠状病毒肺炎诊疗过程中的应用

目的 分析人工智能(AI)技术在新型冠状病毒(COVID-19)疫情诊疗过程中发挥的作用.方法 研究AI技术在COVID-19的CT图像诊断、常规门诊数据诊断以及并发症预测中的应用进展和特点,分析算法的性能和诊疗过程中获得的临床效益.结果 AI技术在COVID-19辅助诊断和并发症预测方面的性能较为理想.结论 AI技术...     

乙类传染病的ARIMA、灰色模型及组合预测模型比较

目的构建义乌市乙类传染病流行趋势最优预测模型。方法通过对义乌市2010-2012年乙类传染病按月发病率的日平均进行ARIMA时间序列、GM(1,1)灰色模型以及两者的组合模型进行建模,并预测2013年1-4月发病率与实际比较。结果 ARIMA(1,1,1)模型的r(曲)为82.49%,GM(1,1)灰色模型的r(曲)为59.07%,组合预测模型的r(曲)为70.89%;ARIMA(1,1,1)预测的MAPE为118.77%、MSPE为67.07%,GM(1,1)预测的MAPE为15.50%、MSPE为9.33%,组合预测模型预测的MAPE为107.24%、MSPE为60.06%。结论在进行义乌市乙类传染病发病流行趋势建模中,ARIMA是一个较好的方法,但是进行预测不如GM(1,1)。     

灰色模型在预测天津市肠道传染病发病趋势中的应用

目的探讨预测天津市肠道传染病发病率的灰色模型,为天津市肠道传染病防制工作提供科学的参考依据。方法利用2004--2009年天津市肠道传染病疫情资料建立GM（1,1）预测模型,进行模型评价,并对未来几年进行趋势预测。结果天津市肠道传染病发病率GM（1,1）模型为：Yr＋1=-1532．39e^-0.1125t＋1681．68,拟合精度合格。结论模型能够用于预测天津市肠道传染病发病率的短期趋势,未来3年天津市肠道传染病将呈缓慢下降趋势。     

新型冠状病毒肺炎(COVID-19)传染病预测模型分析

目的分析使用数学模型等方法预测新型冠状病毒肺炎(COVID-19)流行趋势的相关研究,为预测COVID-19流行趋势提供证据和经验,降低COVID-19疫情的危害。方法检索PubMed,中国知网,万方数据库新型冠状病毒肺炎专题等数据库,结合国家卫生健康委员会官方数据对比研究结果。结果检索后共发现21篇相关研究,分别使用SIR模型,SEIR模型等方法预测COVID-19流行趋势、评价干预手段。SEIR~(+CAQ)模型预测的累计确诊人数峰值和峰值出现时间与实际情况最为接近。数据显示我国采取的防控措施有效抑制了疫情的扩散。结论采用数学模型和其他方法预测COVID-19流行趋势时,应注意结合疾病自身特点和所研究地区的防控措施。     

指数曲线拟合模型预测口岸出入境人员传染病态势的探讨

目的 探讨口岸出入境人员传染病随时间变化规律,为制订传染病防控规划提供科学依据.方法 收集2000～2006年全国口岸出入境人员体检资料,采用指数曲线拟合,建立预测模型.结果 建立的指数曲线预测模型lg(Y)＝0.90756+0.11469x,经方差分析,F＝148.62126,P＜0.01,回归系数有非常显著性意义,模型成立,显著有效.经相关指数分析,R2＝0.97379,曲线拟合度甚佳.各年度口岸出入境人员体检检出的传染病实际值与预测值基本吻合,相对误差平均值仅0.0194,显示模型预测效果良好,预测值可信.结论 建立的指数曲线拟合预测模型,不仅可作口岸出入境人员传染病近期预测,还可以进行远期预测,并有助于开发新的工作领域.     

ARIMA与SVM组合模型在新型冠状病毒肺炎预测中的应用

目的 基于差分自回归移动平均模型(ARIMA)通过引入支持向量机(SVM)方法,构建一个组合模型对新型冠状病毒肺炎(COVID-19)的发病趋势进行预测。方法 应用ARIMA模型对江苏省2020年1月22日-2月18日每日新增确诊病例数据中线性部分进行预测,捕捉时间序列数据的线性变化趋势,采用SVM对数据的非线性变化趋势进行预测,通过平均绝对误差(MAE)、均方误差(MSE)和平均绝对百分比误差(MAPE)评估两种组合模型的预测结果,比较模型的优劣。结果 在模型的拟合阶段,与单一ARIMA模型和SVM模型相比,ARIMA-SVM组合模型对COVID-19发病预测的MSE、MAE和MAPE均最小,分别为0.004、0.055和0.004;在模型的预测阶段,MSE、MAE和MAPE分别为7.811、2.730和0.764,在3个模型中也均是最小的。结论 与单ARIMA或SVM相比,ARIMA-SVM组合模型对COVID-19发病趋势具有更高预测精度。     

时间序列分析——广义回归神经网络组合模型在痢疾发病率预测中的应用探讨

目的 探讨组合模型在痢疾流行预测及防治效果评价中的应用价值.方法 根据2001-2006年宜昌市痢疾月发病率建立痢疾发病率组合预测模型.并对2007年痢疾月发病情况进行预测.结果 宜昌市痢疾发病率组合预测模型平均相对误差为0.078.较单一时间序列分析模型降低了74.34％;对2007年痢疾月发病率进行外推预测显示,5～10月份发病率较高.结论 组合模型拟合效果较为理想.是一种短期内预测精度较高的预测模型,在疾病预防控制领域中具有重要的应用价值.     

传染病预测模型的应用及研究进展

近年来新发突发传染病疫情不断出现，严重急性呼吸综合征、高致病性禽流感(Influenza in birds)、甲型H1N1流感(Influenza A)、埃博拉疫情(Ebola virus)、中东呼吸综合征、新型冠状病毒感染(COVID-19)等公共卫生事件的不断发生对人类健康和社会、经济的发展造成了严重的危害，对公共卫生领域造成了严重威胁，传染病预测模型在疫情防控中发挥着重要作用，主要应用于疫情发展传播趋势的预测、不同防控措施效果的评价、疫情风险预警以及疾病的日常监测等方面，对疫情精准防控、快速遏制起到重要作用。但目前预测模型在疫情数据的处理、场景的适用性、以及模型的准确性等方面还存在一些局限性，应增加与其他科目的交叉为流行病学发展提供新的思路。     

传染病动力学模型的理论基础及在疫情防控中的应用价值

新型冠状病毒肺炎疫情发生后,不少学者采用传染病动力学模型进行疫情的趋势分析和发病数的拟合及预测,但由于传染病综合防控中的一些不确定因素,导致很多模型预测不准。本文论述了传染病动力学模型的理论假设、局限性,以及在疫情预警、防控决策以及防控措施效果评价中的应用价值。     

ARIMA模型与灰色预测模型GM(1,1)在HIV感染人数预测中的应用

目的比较ARIMA模型（autoregressive integrated moving average model,ARIMA）与灰色预测模型[gray forecast model,GM（1,1）]在艾滋病感染人数预测上的有效性。方法以安徽省芜湖市2005-2011年疫情资料为基础,分别使用月发病人数及年度发病人数建立ARIMA模型及GM（1,1）模型,通过预测结果与实际值的对比来比较两模型的应用效果。结果 ARIMA模型及GM（1,1）模型的拟合结果均与芜湖市艾滋病发病趋势相一致,ARIMA模型的平均误差率稍高于GM（1,1）模型。结论在对无周期性的艾滋病疫情数据进行预测时,ARIMA模型的预测优势不能得到充分体现,从而使ARIMA模型的平均误差率稍高于GM（1,1）模型,因此在进行传染病及疾病预测时,应综合考虑和比较多种模型的预测效果,选择适合本地区的预测模型进行预测,且应不断补充新的数据对模型进行修正或重新拟合,才能达到有效预测的目的。     

做好学校肺结核防控 提升COVID-19疫情防控效果

如今新型冠状病毒肺炎（COVID-19）疫情仍在全球扩散蔓延,我国COVID-19疫情防控已经进入常态下精准防控阶段。肺结核是经呼吸道传播的慢性传染病,目前仍是严重危害人民健康的重大传染病。学校是人员相对密集且接触频繁的场所,出现COVID-19或肺结核病例后极易发生聚集性疫情。肺结核和COVID-19在呼吸道临床表现方面具有许多相似之处,因此学校出现肺结核病例会增加COVID-19疫情防控的复杂性。此外,做好学校结核病防控,有助于提高呼吸道传染病防控意识。及时处理从健康监测中发现的可疑肺结核症状者,既有助于精准防控肺结核疫情,又能提升COVID-19疫情防控效果。