ARIMA乘积季节模型在山西省结核病预测中的应用

目的 应用自回归移动平均（ARIMA）乘积季节模型对山西省2022和2023年结核病发病率进行预测,为结核病防控提供参考依据。方法 收集《中国疾病预防控制信息系统-结核病管理信息系统》2010—2021年山西省结核病月发病率数据,进行模型构建和检验。基于2010—2020年结核病月发病率数据使用R 4.1.0软件构建ARIMA乘积季节模型,并用2021年月发病率检验模型,同时预测山西省2022和2023年结核病流行趋势。结果 2010—2021年山西省共报告结核病患者191 517例,发病率由68.29/10万下降到23.74/10万,总体呈下降趋势。每年的1、2、10月发病率较低,3—6月发病率较高,尤其以冬春交替之际发病率最高。根据2010年1月至2020年12月结核病月发病率拟合出ARIMA(0,1,1)(1,1,1)12模型,该模型的赤迟信息量准则、均方根误差、平均绝对百分比误差和平均绝对误差分别为202.07、0.49、9.19、0.33。通过检验发现该模型的平均绝对百分比误差为11.34%,预测2022年山西省结核病发病率在0.51/10万～2.12/10万,2023年在0...     

构建山西省太原市痢疾发病率的ARIMA模型

目的 构建痢疾发病率的ARIMA模型,预测太原市痢疾的发病趋势.方法 引用1994-2003年月发病率拟合模型,利用2004-2006年的痢疾发病率对模型参数进行修正,建立预测方程,预测2007-2008年太原市痢疾发病率.结果 构建ARIMA(1,0,0)(0,1,1)12模型,预测方程为(1-0.63692827B)(1-B12)yt=(1-0.69684797B12)et.预测太原市2007-2008年的痢疾发病水平呈平稳下降趋势.结论 ARIMA(1,0,0)(0,1,1)12模型町作为太原市痢疾发病水平短期预测预报模型.     

ARIMA季节乘积模型预测济南市猩红热发病趋势

目的 探讨ARIMA季节乘积模型在济南市猩红热月发病率预测中的应用,并预测猩红热月发病趋势,为制订防控策略提供依据。方法 对济南市2006-2014年猩红热月发病率资料建立ARIMA季节乘积模型,利用2015年1-6月发病资料检验模型的精度,并预测2015年各月发病率。结果 构建ARIMA(1,0,0)(0,1,1)12模型可以用于济南市猩红热月发病率的拟合和预测,模型决定系数R2=0.64。结论 2015年济南市猩红热处于高流行期,应警惕出现流行和暴发的可能,在高发时间、高发地点做好猩红热的监测和应对工作,防止暴发流行。     

基于自回归移动平均模型各亚型流行性感冒流行特征与趋势预测

目的 分析我国2010—2019年流行性感冒的流行特征和分布规律,预测各亚型流感发病趋势。方法 采用ARIMA乘积季节模型,对流感数据进行原始序列预处理、模型识别、参数估计和统计建模,预测流感发病趋势。结果 构建流感自回归移动平均模型(ARIMA)乘积季节模型,预测模型为ARIMA(1,2,1)(0,1,1)₁₂,数据信息提取充分(Q=14.257,P>0.05),相对误差约10%;甲型流感预测模型为ARIMA(2,1,1)(0,2,2)₁₂,数据信息提取充分(Q=13.236,P>0.05),预测2018年12月至2019年3月的甲型流感发病率较高,4月开始,发病率迅速下降,与实际情况相似,相对误差控制在10%以内;乙型流感预测模型为ARIMA(1,2,1)(1,0,1)₁₂,数据信息提取充分(Q=9.841,P>0.05),但模型预测2019年乙型流感发病率较低,相对误差较高。结论 流感、甲型流感ARIMA乘积季节模型预测效果较好;乙型流感预测模型数据信息提取充分,但相对误差较高,可能与乙型流感发病...     

求和自回归移动平均模型在江西省结核病发病预测中的应用

目的 探讨时间序列模型预测传染性疾病发病率的可行性,应用时间序列求和自回归移动平均(ARIMA)模型对江西省结核病发病率进行预测,为制定结核病防治策略提供依据。 方法 利用ARIMA乘积季节模型(p,d,q)(P,D,Q)s对2006-2011年江西省结核病分月发病数据进行ARIMA模型的建立与分析,并对预测效果进行评价。 结果 江西省2006-2011年结核病分月发病数即含有长期递减趋势又含有以年为周期的季节效应,拟合的相对最佳模型为ARIMA(0,1,1)(0,1,1)12。 结论 ARIMA乘积季节模型能有效的预测江西省结核病发病率的短期变化趋势。     

基于自回归求和移动平均模型预测我国手足口病月报告发病数

目的 建立适合预测我国手足口病月报告发病人数的自回归求和移动平均（ARIMA）乘积季节模型,并评价其预测效果。方法 收集2010年3月至2017年7月我国手足口病月发病报告人数资料。通过R软件使用2010年3月至2017年1月的数据建立ARIMA乘积季节模型,并用2017年2-7月手足口病月发病报告人数评估该模型的预测效果,并对2017年8-12月的数据进行预测。结果 我国手足口病月发病报告数呈明显的周期性,且以24个月为一个周期重复,不具有长期趋势;建立了ARIMA（1,0,1）（0,1,1）24模型对我国手足口病月发病报告数进行预测;通过将预测数据与实际数据相比较,该模型预测绝对误差的平均值和相对误差的平均值分别为22 505.47和15.71%。结论 基于本研究的数据,ARIMA（1,0,1）（0,1,1）24模型可以拟合我国手足口病的月报告发病人数,可用于预测;同时也可为我国制定手足口病方面的防控措施以及评价防控效果提供科学的参考依据。     

自回归滑动平均混合模型在辽宁省其他感染性腹泻发病预测中的应用

  目的  通过对2007 — 2017年辽宁省各月其他感染性腹泻发病情况分析,建立自回归滑动平均混合模型（ARIMA）,为辽宁省其他感染性腹泻的预防控制提供参考依据。  方法  收集国家人口与健康科学数据中心公共卫生科学数据中心提供的《辽宁省2007 — 2017年各月其他感染性腹泻数据》中辽宁省2007 — 2016年各月其他感染性腹泻发病率,运用SPSS 25.0软件对数据进行分析,以发病率建立的时间序列构建ARIMA模型,对2017年各月发病率进行预测,根据实际值评价模型预测的准确性。  结果  2007 — 2016年辽宁省其他感染性腹泻发病率时间序列为非平稳性时间序列,由图形观察及多次验证,确定以下4种备选模型:ARIMA （1,1,1）（0,1,0）₁₂,ARIMA （1,1,1） （1,1,0）₁₂,ARIMA （1,1,1） （0,1,1）₁₂,ARIMA （1,1,1） （1,1,1）₁₂,通过Ljung-Box检验和比较贝叶斯信息准则（BIC）值,最终确定ARIMA（1,1,1）（0,1,1）₁₂为最优模型,经2017年各月实际值验证,模型预测准确性较高。  结论  ARIMA（1,1,1）（0,1,1）₁₂乘积季节模型能较好的预测辽宁省其他感染性腹泻月发病率,具有一定的推广及应用价值。     

2010-2018年河南省南阳市手足口病季节性差分自回归滑动平均模型预测

  目的  应用时间序列分析构建河南省南阳市手足口病发病预测模型,为制定防控策略提供科学依据。  方法  收集2010 — 2018年河南省南阳市手足口病月发病数据建立时间序列,应用专家建模器构建季节性差分自回归滑动平均（SARIMA）模型,对2019年发病情况进行预测,并与实际值进行比较。  结果  2010 — 2018年南阳市手足口病月发病率呈明显季节性,专家建模器构建结果显示,ARIMA（2,0,0）（0,1,1）₁₂为最优模型,平稳R2为0.827,RMSE为2.240,MAE为1.207,BIC为1.755。 模型对2019年发病情况预测结果显示,预测值与实测值整体变化趋势一致,相对误差绝对值最小为0.01,最大为?6.14。  结论  SARIMA模型能够较好地拟合南阳市手足口病发病情况,并预测未来发病趋势,为防控工作提供理论依据。     

基于自回归移动平均模型的浙江省肺结核发病趋势预测

  目的   应用自回归移动平均（ARIMA）模型对浙江省肺结核疫情预测分析,为浙江省肺结核精准化防控工作提供科学依据。   方法   收集2011年1月至2021年8月的浙江省肺结核发病率数据, 基于R软件（4.0.3）利用2011 — 2020年肺结核发病率数据建立ARIMA模型,比较2021年1—8月预测数据和实际数据并选择最优模型。   结果   2011年1月至2020年12月浙江省报告新发肺结核患者总计374 718例,呈逐年下降趋势,每年12月至次年2月发病率较低,3 — 5月相对较高。 确定最优模型为ARIMA（2,1,0）（1,1,2）₁₂,该模型拟合的2021年1 — 8月浙江省肺结核发病率预测值与真实值的平均相对误差为8.87%,赤池信息准则值、贝叶斯信息准则值、均方根误差值和平均绝对百分比误差值分别为95.02、111.05、0.30和4.39。  结论   ARIMA（2,1,0）（1,1,2）₁₂模型能较好地拟合预测浙江省肺结核发病率在时间序列上的变动趋势,但需根据实际情况动态调整,提高预测精度。     

基于ARIMA模型对海南某医院的医院感染发病率的预测研究

摘要 目的 探索ARIMA模型在预测医院感染发病率趋势中的应用价值,为进一步防控工作提供指导。方法 回顾性采集海南某医院2009-2018年住院患者的医院感染发病率数据,构建ARIMA模型并评价模型精度,预测2019年7月至2020年6月的医院感染月发病率。结果 本次研究最终确定ARIMA(0,1,1)模型为最优模型(BIC=-2.068,MAPE=10.574),残差序列Ljung-Box检验为白噪声(Q=9.864,P=0.909),模型拟合精度良好,预测2019年7月-2020年6月的月平均发病率为2.79%。结论 ARIMA(0,1,1)模型拟合该院医院感染发病率效果较好,可用于短期预测发病趋势和早期预警,有助于指导医院感染宏观防控决策的制定。     

采用自回归移动平均模型预测我国狂犬病病例的研究

目的采用自回归移动平均模型（ARIMA）对我国大陆地区狂犬病月发病数进行预测,为我国狂犬病的防治工作提供参考依据。方法使用SPSS 19.0软件,利用2007年1月至2016年12月我国狂犬病的月发病数建立时间序列模型,并以2017年的月发病数为验证数据,评估和筛选最优模型,使用最优模型对2018年狂犬病流行趋势及发病数进行预测。结果最优模型为ARIMA（0,1,1）（2,1,0）₁₂,其平稳R2＝0.539,均方根误差＝17.653,Ljung-Box Q＝8.932,P＝0.881。 对2017年1—12月的数据进行预测,相对误差为1.55%,2017年我国狂犬病实际发病数为516例,预计2018年发病数将继续下降至398例。结论ARIMA（0,1,1）（2,1,0）₁₂模型能很好地拟合狂犬病发病的长期趋势和季节趋势,回代拟合和短期预测效果较理想。     

时间序列分析在北京市东城区艾滋病病毒感染者和艾滋病患者发病率预测中的应用

目的 探讨应用时间序列差分自回归移动平均模型（ARIMA）预测北京市东城区艾滋病病毒感染者/艾滋病患者（HIV/AIDS）发病率的可行性。方法 应用SAS 9.3软件对北京市东城区2005-2014年HIV/AIDS月发病率构建ARIMA模型,用得到的模型对2015年HIV/AIDS月发病率进行预测,评价模型的拟合和预测效果。结果 ARIMA（0,1,1）（0,1,1）12模型拟合效果较好,但仍有优化的空间,月发病率的实际值均在预测值的95%可信区间内,预测值与实际值拟合趋势一致。结论 ARIMA模型可以对北京市东城区HIV/AIDS月发病率进行预测,为艾滋病疫情预测提供依据。     

2010-2017年湖北省肾综合征出血热流行特征及时空分布与发病趋势预测

目的 对2010 — 2017年湖北省肾综合征出血热（HFRS）人间疫情监测资料进行总结分析,描述其人间、时间及空间流行病学特征,并对2018年HFRS的发病情况进行预测。 方法 应用描述性流行病学、空间流行病学和时间序列分析等方法,结合SaTScan和ArcGIS、SPSS等软件,探讨2010 — 2017年湖北省HFRS人间疫情发病时空分布规律,预测发病趋势。 结果 2010 — 2017年湖北省HFRS疫情总体呈高度散发态势,2017年总体发病水平高于以往年份,发病高峰存在明显的季节性,全省每年各月均有发病,5和12月有两个发病高峰,报告病例数变化趋势与鼠密度消长规律基本一致。 2010 — 2015年,平均鼠密度总体呈上升趋势,2011年最低,之后逐年上升,2015年升至5.31%。 聚集性区域探测显示HFRS发病存在一定时空聚集性,2017年聚集区域最明显,集中在湖北省中部地区;ARIMA（1,0,0）（0,1,1）模型拟合效果最好,残差通过白噪声检验,预测2018年1 — 6月湖北省HFRS发病数约为192例,为高发年份。 结论 近年湖北省HFRS发病呈升高趋势,且发病与鼠密度呈正相关,湖北省中部地区要结合ARIMA（1,0,0）（0,1,1）模型做好疫情趋势预测,并根据鼠密度和带病毒率监测结果,继续在热点地区开展以防治HFRS为主题的“监测、健教、灭鼠、免疫并重”的综合性防控策略。      

2007-2021年山东省烟台市戊型肝炎发病特征及预测分析

目的 分析山东省烟台市戊型肝炎（戊肝）的发病特征，探讨用乘积季节模型预测戊肝的发病率的效果。方法 利用SAS 9.2软件对烟台市2007—2021年戊肝发病率进行时间序列分析，构建季节性自回归移动平均（SARIMA）模型，筛选出最优模型预测2022—2023年戊肝发病率。结果 烟台市戊肝发病率整体呈明显震荡下降趋势，有明显季节性波动，发病高峰在2—3月，低峰在9—10月。经过数据平稳化处理、参数估计和模型检验后，建立了发病预测最优模型SARIMA(1,0,1)(0,1,1)12。对数据进行24期预测显示，平均绝对百分误差（MAPE）值为10.034%，拟合效果良好；全市戊肝月发病率未来2年仍呈震荡下降趋势，至2023年底，月发病率约为0.206/10万。芝罘、福山、莱山和蓬莱沿海城区戊肝发病率将明显高于其他区域。结论 SARIMA模型对戊肝发病率具有较好的短期预测能力，可根据预测结果重点关注烟台市北部和东部沿海地区。     

2010－2019年贵阳市肺结核患者流行病学特征分析及趋势预测

  目的   分析贵州省贵阳市2010—2019年登记的肺结核患者流行病学特征并预测流行趋势,为制定肺结核防控措施提供参考依据。  方法   运用描述性流行病学方法分析2010—2019年贵阳市肺结核疫情数据,肺结核患者空间核密度图使用ArcMap 10.2软件绘制,通过MATLAB建立GM（1,1）模型预测2021—2022年肺结核流行趋势。  结果   2010—2019年贵阳市肺结核登记率整体呈下降趋势（趋势χ2=698.560,P＜0.001）;男女性肺结核登记比为1.72∶1;年龄主要集中在20～64岁;50～、65～、80～岁年龄组肺结核登记人数构成比呈上升趋势;病原学阳性率在2019年超过50%;职业以农民为主,占60.84%;3—7月是高发期,从2013年开始第二个“小高峰”从11月前移至9月;地区分布不均衡,观山湖区、开阳县、南明区肺结核登记数构成比呈现上升趋势;应用GM（1, 1）模型预测2021—2022年贵阳市肺结核登记数分别为2 881.946例、2 788.933例。  结论   应加强贵阳市重点人群、重点地区的防控和主动筛查,加大肺结核的发现力度;GM（1, 1）模型的预测效果较好,适用于贵阳市肺结核流行趋势的预测。     

北京市昌平区肺结核发病数ARIMA模型预测

目的 探讨自回归滑动平均混合模型(autoregressive integrated moving average model, ARIMA)模型在北京市昌平区肺结核发病数预测中的应用,阐述建模过程并预测2015年昌平区肺结核发病数,为制定防治策略合理配置资源等提供参考。方法 采用全国结核病网络专报系统中2009-2014年现住址为北京市昌平区的肺结核报告发病数数据,通过模型识别、参数估计、检验诊断及模型评价,建立昌平区结核病发病数的ARIMA模型,并预测其2015年肺结核发病数。结果 现住址为昌平区的肺结核发病数预测模型为ARIMA(0,1,1)(0,1,1)12,预测2015年的新发报告肺结核患者总数为851例,模型2015年第一、二季度(1-6月)预测误差率为1.65%,不到10%,模型预测精度较好。结论 ARIMA模型适用于昌平区肺结核发病数的早期预测。     

2016－2020年重庆市乙型肝炎时空流行特征分析

  目的  分析2016 — 2020年重庆市乙型肝炎（乙肝）流行特征,探讨乙肝发病的时空分布特点,为采取有针对性的防控措施提供参考依据。  方法  通过传染病报告管理系统获取重庆市2016年1月1日至2020年12月31日乙肝发病数据,采用描述流行病学的方法分析乙肝流行病学特征,利用GeoDa 1.14、SatScan 9.6空间统计分析软件,进行乙肝发病的热（冷）点地区探测及时空聚集性分析。  结果  2016 — 2020年重庆市共报告乙肝73 847例,年平均报告发病率为48.26/10万,发病率从2016年67.54/10万逐年下降至2020年27.56/10万。 男女比例为1.96∶1,年龄41～60岁组的病例占44.53%,职业为农民的比例占51.07%。 乙肝发病分布存在明显的空间聚集性,探测到热点区域主要集中在渝东南和渝东北地区。 通过时空扫描确定3个乙肝聚集区,其中最大可能聚集区集中在渝东南地区,覆盖8个区（县）,聚集时间为2016—2017年。  结论  2016 — 2020年重庆市乙肝发病高风险人群是农村地区41～60岁男性人群。 乙肝发病存在时空聚集性,防控的重点是渝东南和渝东北地区。 建议在今后防控工作中应加强该地区高风险人群的乙肝疫苗接种、宣传教育等防控措施。     

ARIMA模型在梅毒预测中的应用

目的 构建天津市梅毒月发病率预测的ARIMA模型,为梅毒防控工作提供参考依据。 方法 利用天津市1996 - 2008年梅毒月发病率资料,应用SPSS 15.0统计软件包,拟合构建最佳ARIMA模型。利用2009年梅毒月发病率资料对模型的预测效果进行评价,并对天津市2010年月梅毒发病率进行预测,构建梅毒月发病率预测最佳模型,为今后梅毒预防控制工作提供参考依据。 结果 拟合ARIMA(2,1,0),(0,1,1)模型为天津市梅毒月发病率预测的最佳模型,该模型具有较高的预测精度,预测值与实际值较为接近,且实际值均在预测值的95%可信区间范围内。 结论 ARIMA模型能较好的预测梅毒发病率的变化趋势,为梅毒预防控制措施的制定提供重要依据。     

自回归移动平均模型乘积季节模型在南昌市手足口病疫情预测中的应用

目的探讨自回归移动平均模型(ARIMA)乘积季节模型在手足口病预测中的应用,对手足口病的月发病数进行趋势预测。方法收集南昌市2009年1月至2012年12月手足口病的月发病数资料建立ARIMA乘积季节模型,并对预测结果进行评价。结果在手足口病预测中建立ARIMA乘积季节模型的最优模型为ARIMA(0,1,1)×(1,1,0)12模型,正态化的BIC为(贝叶斯信息准测)12.31。结论建立的ARIMA模型能较好地拟合和预测南昌市手足口病的月发病数,为手足口病的防治提供参考依据。     

ARIMA乘积季节模型在盐城市手足口病疫情预测中的应用

目的 探讨自回归移动平均（autoregressive integrated moving average model,ARIMA）乘积季节模型在盐城市手足口病发病趋势预测的可行性。方法 利用盐城市2009年1月至2015年12月的手足口病月发病率建立ARIMA乘积季节模型,并对2016年手足口病发病趋势进行预测。结果 盐城市手足口病预测模型为ARIMA（1,0,1）（1,1,0）12,该模型的参数估计具有统计学意义,拟合优度检验统计量最小Normalized BIC=2.997,残差序列检验统计量Ljung-Box=20.692（P0.05）,残差为白噪声,模型能够拟合出手足口病的发病趋势,且实际值都在95%可信区间内,但模型拟合的平均误差率为41.296%,检验模型预测效果的平均误差率为23.998%,模型预测精度高于拟合精度。结论 运用ARIMA乘积季节模型能够对盐城市手足口病发病趋势进行预测和动态分析,对手足口病预防控制产生积极的指导作用。