前瞻性时空扫描统计量在传染病预警中的基线选择研究

目的探索将前瞻性时空扫描统计量运用于传染病预警中适宜基线的选择方法。方法根据当年流行情况选择发病高峰时段结合固定长度基线以及可变长度基线运用前瞻性时空扫描统计量进行模拟实时预警分析,通过不同长度基线的结果比较,探索不同基线在不同流行状况的适用差异并寻找选择适当基线的方法。结果固定长度基线产生了18个信号,而采用可变长度基线只纳入高峰期数据的预警则产生了28个信号,且这28个信号中完全包括了固定长度基线产生的18个信号。其中2009年4月17日及18日固定长度基线的1号信号均被以可变长度基线的时空扫描统计量分为3个较小但发病率更高的信号。结论在发病高峰期选择可变长度基线能够更加精确地区分聚集性区域,并且在经过排除重叠信号后,可以得到更高的探测效能。     

基于ARIMA模型的Kalman滤波算法在淋病发病率预测的应用初探

目的 探讨基于ARIMA模型的Kalman滤波算法在传染病发病率预测的应用价值.方法 分别采用ARIMA模型和基于ARIMA模型的Kalman滤波算法对我国淋病发病率月报数据进行建模和预测.结果 与ARIMA模型相比,基于ARIMA模型的Kalman滤波算法得到的预测绝对误差AE的极差、平均绝对误差MAE和平均绝对百分比误差MAPE分别下降了27.20％、11.97％和14.61％,说明基于ARIMA模型的Kalman滤波算法能提高预测的精确度和准确度.结论 基于ARIMA的Kalman滤波算法对于淋病等传染病发病率的预测具有较好的应用价值.     

小波神经网络在肾综合症出血热发病率预测中的应用

目的探索小波神经网络在传染病预测中的应用。方法构造小波神经网络对2004年1月至2010年1月我国内地法定报告的肾综合症出血热发病率数据进行训练,对2010年2月至2010年10月相应数据进行预测,并将预测结果与传统的BP神经网络及SARIMA时间序列模型进行比较。结果小波神经网络拟合结果及预测结果的MAPE、MAE及RMSE均小于BP神经网络、SARIMA模型。结论小波神经网络预测效果最优,对于肾综合症出血热等传染病发病率预测具有较好的应用价值。     

SARIMA模型与残差自回归模型在甲肝发病率预测中的应用及比较

目的比较季节性求和自回归移动平均(SARIMA)模型及残差自回归模型在甲肝发病率预测中的应用效果。方法根据四川省2004年1月~2009年6月的甲肝月发病率资料,分别拟合SARIMA模型和残差自回归模型,比较两种模型的拟合及预测效果。结果 SARIMA模型的AIC值和BIC值分别为64.98和59.07,残差自回归模型的AIC值和BIC值分别为110.01和103.44;SARIMA模型的拟合值与实际值的MAPE、MAE及MSE分别为0.0349、0.0835及0.0016,残差自回归模型的SARIMA的拟合值与实际值的MAPE、MAE及MSE分别为0.0557、0.1392及0.0050。结论 SARIMA模型的拟合与预测效果优于残差自回归模型。     

前瞻性时空扫描统计量与时空重排扫描统计量在传染病聚集性探测中的适用性探讨

目的探讨前瞻性时空扫描统计量与时空重排扫描统计量在传染病聚集性探测中的适用性。方法以成都市2009年5、6月细菌性痢疾病例数据为例,分别采用前瞻性时空扫描统计量与时空重排扫描统计量,运用SaTScan9.0软件进行聚集性探测,并对结果进行比较分析。结果前瞻性时空扫描统计量扫描结果与成都各区县实际发病轨迹较接近,前瞻性时空重排扫描统计量在发病率较低的区域扫描结果有相对较多的误报。结论由于前瞻性时空扫描统计量考虑了人口数据信息,在低发病区域,实际应用中应尽量采用时空扫描统计量进行聚集性探测。     

Elman神经网络在手足口病发病率预测中的应用初探

目的探索Elman神经网络在传染病预测中的应用价值。方法利用2005年1月～2010年6月我国内地法定报告的手足口病月发病率资料分别构建Elman神经网络、BP神经网络以及季节性自回归移动平均模型(SARIMA),并对3种模型进行预测效果评价。结果 Elman神经网络的预测结果的平均绝对误差(MAE)及均方误差平方根(RMSE)均小于BP神经网络、SARIMA模型。结论 Elman神经网络的预测效果较好,对于手足口病发病率预测具有较好的应用价值。