差分自回归移动平均模型在伤害预测中的应用

目的探讨差分自回归移动平均（ARIMA）时间序列模型在伤害预测中的应用,建立伤害发生率预测模型。方法利用伤害监测系统,收集城阳区2006~2012年伤害月病例数,建立ARIMA模型。结果ARIMA（1,0,0）（0,1,1）12模型可以较好拟合伤害月发病率时间序列。利用ARIMA模型预测2013年伤害发生率为253．93／万。结果ARIMA模型具有适用性,可以用于伤害短期预测。     

ARIMA模型预测医院感染发病状况研究

目的 探讨ARIMA季节乘积模型在时间序列资料中的应用,建立金坛市中医院医院感染发病率的预测模型. 方法 收集本院2005-2012年住院病人病案资料,应用SFSS18.0软件中的ARIMA模型预测模块对数据进行分析建立ARIMA预测模型,并预测2013年医院感染情况. 结果 ARIMA（1,0,1）（0,1,1）4能够较好的拟合本院医院感染发病率情况,利用此模型预测2013年本院4个季度的医院感染率分别为2.67％、2.03％、2.68％和1.93％. 结论 ARIMA模型能够较好的拟合和预测医院感染的发病情况,可以为医院决策提供科学依据.     

应用ARIMA模型对呼吸系统疾病月住院量及住院费用的预测北大核心CSCD

目的应用自回归移动平均模型(autoregressive integrated moving average model,ARIMA)分析和预测上海市居民呼吸系统疾病月住院量及住院费用情况。方法通过对2005-2011年呼吸系统疾病逐月住院人数与费用数据建立ARIMA模型,利用该模型预测2012年1-12月的呼吸系统疾病住院量与住院费用,用平均预测相对误差作为预测效果的评价指标。结果 ARIMA(0,1,1)(0,1,1)12与ARIMA(0,1,1)模型是上海市居民呼吸系统疾病月住院量及住院费用的最优拟合预测模型,用该模型进行回代预测,预测值与实际值吻合程度较高。结论 ARIMA模型较好地模拟了上海市居民呼吸系统疾病月住院量及住院费用在时间序列上的变化趋势,预测结果可为今后呼吸系统疾病的预防和控制提供理论支持。     

基于ARIMA模型的产房分娩情况预测研究

目的:建立医院分娩情况统计的预测模型,验证模型的可行性,为医院决策提供依据。方法:应用时间序列ARIMA模型对2005~2012年湖南省妇幼保健院分娩情况进行预测评价。建立ARIMA(1,1,1)(0,1,1)预测模型,预测湖南省妇幼保健院2013~2014年的分娩情况。结果:ARIMA(1,1,1)(0,1,1)模型具有很强的趋势性、周期性、季节性和规律性,下半年的分娩数明显高于上半年,每年的分娩数峰值一般出现在8月和9月,第1、2季度向上的趋势性较弱,第3、4季度向上的趋势性较强。结论:ARIMA(1,1,1)(0,1,1)模型为医院决策者对产房分娩量及工作情况进行合理安排提供了科学依据。     

ARIMA模型在医院出院患者预测中的应用

目的：分析医院出院患者变化规律,预测其变化趋势。方法：应用SPSS 13．0软件对1999-2007年逐月出院患者进行ARIMA模型建模拟合,用所得到的模型预测2008年出院患者数据。结果：ARIMA（0,1,1）×（1,1,0）12模型很好的拟合了既往出院患者序列,参数有统计学意义。结论：ARIMA模型能很好的拟合出院患者的变动趋势,为医院管理提供决策依据。     

自回归求和移动平均季节乘积模型在结核病发病率预测中的应用

目的探讨自回归求和移动平均（autoregressive integrated moving average,ARIMA）季节乘积模型在季节性时间序列资料分析中的应用,建立结核病发病率的预测模型。方法利用重庆市结核病防治所登记的某区1993至2004年结核病新发病例数及该区各年的平均人口数,采用条件最小二乘法估计模型参数,按照残差不相关原则、简洁原则确定模型的结构,依据Akaike信息准则（Akaike’s information criterion,AIC）与Schwartz的贝叶斯信息准则（Bayesian information criterion,BIC）确定模型的阶数,建立结核病发病率ARIMA季节乘积预测模型。结果非季节和季节移动平均参数分别为0．84076和0．46602,t检验的P值均小于0．05,有统计学意义,方差估计值为0．088589,AIC=19．75979,SBC=23．28219,显示模型提取序列中几乎所有的样本相关信息。对模型进行残差白噪声分析,X^2检验统计量的P值均大于0．05,表明ARIMA（0,1,1）（0,1,1）。NOINT模型是有效的。结论ARIMA（0,1,1）（0,1,1）。NOINT模型是一种短期内预测精度较高的结核病发病率预测模型。     

ARIMA模型预测甲肝发病

目的探讨ARIMA模型在甲肝预测方面的应用,建立甲肝发病预测模型,并证明模型的适用性。方法利用甘肃省1990-01/2007-12甲肝发病数资料,通过SPSS Expert Modeler拟合ARIMA模型,用Q统计量法对模型适应性进行检验。结果建立ARIMA（0,1,1）（0,1,1）模型,模型统计量Q=20.637,P〉0.05,证实了该模型的适用性。结论ARIMA模型可用于甲肝发病的动态分析和短期预测。     

ARIMA乘积季节模型在流行性腮腺炎发病率预测中的应用

目的构建时间序列分析ARIMA乘积季节性模型,预测武汉市2013年流行性腮腺炎发病趋势,探讨该模型在流行性腮腺炎发病率预测中的应用。方法利用中国疾病监测信息报告系统2005年1月至2012年12月武汉市流行性腮腺炎月发病资料,运用PASWStatistics18．0专家建模器,考虑季节性因素建立ARIMA预测模型,并将所建模型对2013年流行性腮腺炎月发病率进行预测。结果模型残差序列为白噪声,ARIMA（0,1,0）（0,1,1）。：模型构建理想,能较好地拟合时间序列,2013年流行性腮腺炎月发病高峰在5～7月,至11、12月出现次要高峰。结论专家建模器构建乘积季节性模型拟合效果较好,但在实际工作中要充分考虑流行性腮腺炎各项防控措施推行等影响因素,综合分析,为防控工作提出理论与实证建议。     

收容量季节指数在医院管理中的应用

目的监测综合性医院收容量的动态规律,预测变化趋势,为医院管理者提供运营决策依据。方法运用移动平均趋势剔除法建立模型,监测分析某院2006—2009年月收容量数据,并对未来数据预测。结果医院收容在季度上有内在的规律性。结论移动平均趋势剔除法揭示医院收容量的季节性效应和增长趋势,对医院经营决策和评价提供参考。     

应用ARIMA模型对呼吸系统疾病月住院量及住院费用的预测

目的应用自回归移动平均模型(autoregressive integrated moving average model,ARIMA)分析和预测上海市居民呼吸系统疾病月住院量及住院费用情况。方法通过对2005-2011年呼吸系统疾病逐月住院人数与费用数据建立ARIMA模型,利用该模型预测2012年1-12月的呼吸系统疾病住院量与住院费用,用平均预测相对误差作为预测效果的评价指标。结果 ARIMA(0,1,1)(0,1,1)12与ARIMA(0,1,1)模型是上海市居民呼吸系统疾病月住院量及住院费用的最优拟合预测模型,用该模型进行回代预测,预测值与实际值吻合程度较高。结论 ARIMA模型较好地模拟了上海市居民呼吸系统疾病月住院量及住院费用在时间序列上的变化趋势,预测结果可为今后呼吸系统疾病的预防和控制提供理论支持。     

江苏省乙型肝炎流行趋势的时间序列分析及预测

目的：利用拟合ARIMA模型对江苏省乙肝发病趋势进行时间序列分析和预测,为制定乙肝防治策略提供科学依据。方法：收集江苏省2000年～2009年乙肝月发病率资料,通过SPSS13.0软件拟合ARIMA模型。结果：最终拟合为ARIMA（0,1,2）（0,1,1）12模型,残差为白噪声序列,预测值与实际值的平均相对误差为8.26%。结论：江苏省乙肝发病具有逐渐下降的长期趋势,说明乙肝防治卓有成效。2000年以来乙肝月发病率时间序列还有明显的周期性波动特征,其原因有待于进一步研究。2010年预测结果提示需调整本省乙肝防治策略。     

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。     

应用ARIMA模型预测厦门市2017年乙肝月发病率

目的 分析厦门市乙型肝炎发病的流行病学特征,建立ARIMA模型并预测2017年厦门市乙肝月发病率,为厦门市乙肝防治提供理论依据。方法 对2005 - 2016年厦门市乙肝报告发病数据进行统计描述,通过ARIMA模型预测2017年的乙肝月发病情况。结果 厦门市2005 - 2016年乙肝报告年均发病率为45.70/10万,乙肝年发病率呈逐渐下降趋势;男性乙肝发病高于女性;各年龄组乙肝发病水平存在差异;15岁以下儿童乙肝发病率显著低于其他高年龄组的发病水平。建立模型ARIMA（1,1,1）×（0,1,0）12 ,模型的拟合效果较好,2017年厦门市乙肝月发病率预测值区间为[0.92/10万,4.76/10万]。结论 厦门市2005 - 2016年乙肝发病总体呈现下降趋势,经预测2017年厦门市乙肝发病率与前几年相比波动不大,有轻微下降趋势,可用ARIMA模型对乙肝的短期发病情况进行预测。     

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。     

汕头市某三甲医院2002-2012年交通伤害病例的时间序列分析

目的建立汕头市某三甲医院道路交通伤害（road traffic injury,RTI）病例的预测模型,并对该医院接收RTI病例数的变化趋势进行预测分析,为RTI的预防和控制提供参考依据。方法收集汕头市某三甲医院2002年10月～2012年5月RTI病例,以每月发生例数进行整理,采用统计软件SPSS19.0和Stata12.1进行时间序列分析,建立自回归综合移动平均模型（autoregressive integrated moving average,ARIMA）,并进行预测分析。结果通过建模流程最终拟合的模型为ARIMA（1,2,2）,经Box-Ljung检验所有Q统计量均无统计学意义（均有P〉0.05）,残差序列的白噪声检验结果亦显示模型残差序列为白噪声序列,且观察值均在拟合值的可信区间内,说明所建模型拟合度较好,预测分析结果显示该医院接收RTI病例数在未来两年有增加的趋势。结论 ARIMA模型能较好地预测RTI的发生和变化趋势,具有较高的应用价值,可为预防和控制RTI提供信息支持。     

中国内地法定报告传染病预测和监测的ARIMA模型

目的通过对1995年1月～2004年4月中国大陆法定报告传染病逐月发病率数据的分析,研究其变化规律,建立预测与监测的ARIMA时间序列模型。方法利用时间序列模型中的自回归滑动平均混合模型ARIMA,考虑非季节效应和季节效应,分析中国法定报告传染病发病率的变化趋势和周期性,模型参数估计采用非线性最小二乘法,应用残差和赤池信息量准则（AIC）评价模型的优劣。1995～2004年我国内地法定报告传染病逐月发病率的数据用于建立模型,2005年1月～2006年4相应数据用于模型检验。结果分析结果显示,法定报告传染病发病以年为周期,一年中6～9月为高发月,尤其是8月和7月最为严重。ARIMA（0,1,0）（0,1,0）12模型是法定报告传染病拟合的最佳模型,其拟合残差的方差为2.28,外推预测的平均绝对误差为0.34。利用预测值的95%置信区间建立了我国内地法定报告传染病发病率变化的监测控制线,用于其发病情况的预测与预报。结论对传染病发病率历史数据进行时间序列分析是用于传染病监测的一个重要的工具。所建立的ARIMA模型适用于对中国大陆法定报告传染病发病率预测与监测。该模型具有一定的实用价值,并可以应用于其他传染病的监测和异常变化的检测。     

应用ARIMA模型和圆分布分析病毒性脑炎病例数动态规律

目的探讨构建并应用自回归求和移动平均模型结合圆分布法分析病毒性脑炎病例数动态规律的时间序列模型方法。方法建立2001年1月至2011年12月病毒性脑炎逐月病例数的数据库。应用圆分布法分析发病高峰。建立2001年1月至2010年12月自回归求和移动平均模型的季节乘积模型ARIMA（声,d,q）×（P,D,Q）s,并利用模型预测2011年各月的病毒性脑炎病例数。结果圆分布法分析显示各年度病毒性脑炎病例数多发生于7月份,病例数高峰在7月28Et,具有明显的集中趋势（P〈0．001）;建立ARIMA（1,1,1）×（0,1,1）。。为最优模型,该模型Ljung—BoxQstatistic值为16．628,P值为0．342,NormalizedBIC为6．590。结论ARIMA乘积模型结合圆分布法是病毒性脑炎进行时间序列分析的重要方法;应用该方法对病毒性脑炎流行趋势及病例数进行预测,为卫生资源合理分配,采取开展健康教育和干预措施提供科学依据。     

深圳市医疗费用预测分析及医疗保险基金管理对策研究

目的以深圳市医疗费用预测模型为例,为控制医疗费用过度增长,促进医疗保险基金稳定运行提供依据。方法利用SPSS18．0和Excel2003软件建立ARIMA模型和线性回归模型,分析深圳市2011年7月～2013年6月各项医疗费用的变化趋势。结果至2012年10月,深圳市总医疗费用将超过缴费金额,医疗保险基金将面临风险,其中门诊基金、门诊药费和门诊诊疗费的月均增长率分别为1．94％、2．34％和2．27％,门诊费用尤其是门诊药费的快速增k,可能是导致医疗保险基金失衡的最主要原因;住院基金、住院药费和住院诊疗费的月均增长率分州为1．62％、1.25%和1．55％,尚不存在医疗保险基金风险。结论ARIMA模型对于医疗费用的动态分析及预测不大为一种适用方法;针对门诊费用快速增长引起的医疗保险基金失衡问题,建议相关部门加强医疗保险基金峨管力发,建立基金预警平台系统,保证基金安全健康运行。     

ARIMA模型在流感样病例预测预警中的应用

目的探讨ARIMA模型在流感样病例预测预警方面的应用,建立流感样病例发病预测模型,并证明模型的适用性。方法对北京市顺义区医院、顺义区妇幼老年保健院2家省级流感样病例监测哨点医院报告的2005年9月～2009年3月流感样病例月报告数资料建立ARIMA模型,2009年4～5月数据验证模型,用Q统计量法对模型适应性进行检验。结果对流感样病例月报告数建立季节模型ARIMA(1,0,0)x(0,1,0)12,统计量Q大于Χ2α(m)证实了该模型的适用性。结论ARIMA模型能够较好应用于流感样病例预测预警,为疫情防控提供科学依据。