我国恶性肿瘤发病现状及趋势

恶性肿瘤作为全球较大的公共卫生问题之一,极大地危害人类的健康,并将成为新世纪人类的第一杀手.从世界范围来看,发展中国家面临着更大的疾病负担,我国作为一个发展中大国,恶性肿瘤面临的形势也愈发严峻.全文对我国恶性肿瘤流行现状及趋势作一概述.     

谱分析及其在门诊量统计分析中的应用

以门诊量资料为例，计算功率谱密度函数，研究时间序列信号的频率域特征。方法：计算Ａ．Ｓｃｈｕｓｔｅｒ倡导的周期图，确定各周期成分的功率值，绘制功率谱密度函数图。结果不同料别门诊时序对应的频率特征得以直观表达，特征峰位置各有特点。经检验，时序为白噪声的零假设被拒绝。结论在频率域中对时间序进行谱分析，是对时间序列数据进行统计特征描述与推断的重要工具。     

多因素方差分析出现F《1时对误差均方的调整

多因素方差分析出现某个处理因素对应的F＜1时,一般的分析者并未意识到此时通过误差均方的调整,可以更充分利用原始资料蕴涵的信息,提高假设检验的效率.本文通过随机区组设计和正交设计的两个实例,阐明此情形下误差均方调整的原理和步骤.具体做法是将该因素的离均差平方和及自由度与原先误差变异的相应部分合并,求出调整后的误差变异估计.其余未参与误差调整的诸因素所对应的F值增大而P值减小,提示检验效率得以改善.     

基于预报效果的ARIMA模型筛选

目的通过分析不同提前期的预报结果与提前量之间的关系,筛选出与预报目的相适应的ARIMA模型,从而使筛选得到的模型有可靠的预报效果.方法按照时间顺序逐段选择观察长度为50的序列片段并拟合ARIMA模型,初步筛选出6个在某些时段具有良好拟合效果的模型,借助这些模型进行提前期分别为1、2、5、10的预报,用对应分析方法考察预报效果与提前期间的关系.结果选用不同的模型,在不同提前期预报的精密度和精确度会有所不同.结论在以预报为目的的时间序列分析应用中,为了求得最终的良好预报效果,可以仿照本文提供的方法考核若干初选模型的预报特性,进而确定模型,而不是拘泥于拟合效果.这对ARIMA模型之外的其他形式预测模型的应用也有普遍指导意义.     

ARMA模型用于预测病毒性甲型肝炎发病趋势

目的探讨应用时间序列ARMA模型对甲肝发病趋势进行预测的可行性,为预防和控制甲肝提供依据。方法采用SPSS 13.0对中山市2004-2009年的甲肝月发病人数资料建立ARMA模型,并对2010年上半年数据进行2步递推预测,通过对拟合残差的白噪声检验评价模型的拟合效果,采用绝对误差百分比、均方根误差评价预测效果。结果 AR（1）是拟合中山市2004-2009年甲肝逐月发病数较为合适的模型,模型为yt=5.137＋0.435yt-1＋at,其AR1系数为0.435（t=4.026,P〈0.001）;模型拟合残差的自相关系数和偏相关系数在不同时刻均无统计学意义,Ljung-Box Q统计量差异无统计学意义（Q=6.609,P=0.636）,残差检验符合白噪声,模型拟合效果良好;绝对误差百分比和均方根误差分别为0.029和0.856,预测效果良好。结论 AR（1）模型能较好的模拟中山市甲肝发病情况,且能较好地预测未来短期内的发病趋势。     

数值变量正态性检验常用方法的对比

正态分布是一种重要的连续型概率分布。统计分析中,研究者们时常跳过了对所研究变量的正态性检验,直接认为资料满足正态假定。如果恰逢涉及的数值变量并非来自正态总体,就会得到错误的分析结果。常用的正态性检验方法主要有两大类：一是主观判断的图示方法,二是客观量化的统计指标计算辅以检验。本文介绍常见的几种正态性检验方法,为数值变量统计学分析方法的正确运用提供参考。     

肿瘤登记报告卡的质量控制

恶性肿瘤已成为我国城乡居民的主要死因之一,肿瘤登记是肿瘤防治的基础工作内容之一,可为肿瘤的病因研究和防治提供科学依据。而肿瘤登记报告卡的质量直接影响肿瘤发病、死亡等基线信息及进一步的分析。目前我国肿瘤登记工作虽然积累了一定的经验,但肿瘤登记过程中存在的一些影响肿瘤登记报告卡质量的问题必须引起重视,文章简要介绍了国内外肿瘤登记的现状以及我国目前肿瘤登记所存在的问题,讨论了肿瘤登记报告卡各环节的质量控制措施,尤其是在登记过程中应用计算机信息网络技术的一些先进经验。     

时间序列分析中的移动假日效应

移动假日效应是指假日在各年间出现的公历日期不同,表现为以下两个特征[1]:①假日前后序列测量的活动规律有上升或下降趋势;②假日对某相邻两个月(公历)的影响程度依赖于每年出现的不同日期.移动假日效应的出现是因为以当地日历时间(如春节是中国的农历1月1日)为依据划分的节假日与时间序列资料汇总时的公历时间划分不一致引起的,所以各年间出现公历日期相同的假日(如圣诞节),不被视作移动假日.     

时间序列的异常点诊断方法

时间序列是指按照时间先后顺序排列的各个观测记录的有序集合,广泛存在于商业、经济、工程、社会科学和医学等领域.随着时间的推移,时间序列通常包含大量的信息,是建模和预测的主要依据.对时间序列进行分析,可以揭示事物运动、变化和发展的内在规律,对于人们正确认识事物并据此做出科学决策具有重要的现实意义.但在分析时间序列时,经常会发现一些特殊的数据或者数据段,它们的波动与数据集中其他数据的波动有着显著的不同,这种极少出现的数据点或者数据段就称为异常点.Box等(1994)[1]指出异常点对时间序列的模型识别、参数估计、诊断检验乃至预测都有重要的影响.自1972年A.J-Fox在时间序列中首次定义异常点以来,国内外已有大量相关的研究文献[2-7].若序列中含有异常点,就会使传统的建模、估计及检验方法陷入困境,从而给不出准确的预测和控制.因此,近年来关于时间序列中的异常点诊断问题受到统计学界的重视.     

代谢综合征三种工作定义在广州地区人群中的应用比较

目的比较国际糖尿病联盟（IDF2005）、美国国家胆固醇教育计划成人治疗组第三次指南（ATPⅢ2001）及中华糖尿病学会（CDS2004）提出的代谢综合征（MS）工作定义在广州地区人群中的应用。方法采用广州地区居民糖尿病流行现况及其防治模式探讨的调查资料，对具有MS组分测量值的社区人群（6709人），分别采用IDF（2005）、ATPⅢ（2001）和CDS（2004）定义诊断MS，并比较MS的患病率及诊断的一致性。结果应用IDF（2005）、ATPⅢ（2001）和CDS（2004）定义，诊断出的MS患病率分别为18．6％、17．2％和10．2％。ATPⅢ（2001）与CDS（2004）、IDF（2005）与CDS（2004）和IDF（2005）与ATPⅢ（2001）诊断一致率分别为89．9％、86．4％和86．9％，Kappa值分别为0．58、0．46、0．55。结论ATPⅢ（2001）与CDS（2004）定义、IDF（2005）／CDS（2004）及IDF（2005）／ATPⅢ（2001）代谢综合征诊断一致率基本相同，均为中度联系。