首页 > 文献资料
-
SARIMA模型在济南市手足口病预警预测中的应用
目的 探讨季节性自回归移动平均(SARIMA)模型在手足口病月发病率预测中的应用,并利用该模型预测手足口病月发病趋势,为防控策略调整提供依据.方法 应用济南市2009-2016年手足口病月发病率资料建立SARIMA季节乘积模型,预测2017年1-7月发病率.结果 构建SARIMA(0,1,2)(0,l,1) 12模型可以用于济南市手足口病月发病率的拟合和预测,模型决定系数R2为0.830,均方根误差为6.355,标准化的BIC值为3.965.结论 建立的SARIMA模型能较好地拟合和预测手足口病的月发病数,为手足口病的防治提供参考依据.
-
SARIMA模型在北京市手足口病发病预测中的应用
目的 探讨应用时间序列SARIMA模型预测北京市手足口病发病情况.方法 利用中国疾病预防控制信息系统中北京市2010年至2017年手足口病报告发病率资料,使用SPSS 19.0统计软件建立SARIMA模型,对2018年的发病率进行外推预测.结果 北京市手足口病每年4月至8月为发病高峰,9月至10月为次高峰,2010年至2017年的年均报告发病率为166.83/10万.SARIMA(1,0,1)(0,1,1)12模型能较好地拟合既往时间段手足口病发病率,平稳R2为0.705,MAPE为33.217,BIC为2.862,Ljung-Box检验显示残差为白噪声.应用此模型预计2018年手足口病总发病率为120.19/10万,高于2017年,尤其是4月至8月的发病高峰,较2017年同期有明显升高.结论 SARIMA模型能较好地拟合北京市手足口病发病率数据,可为提前制定防控策略提供科学依据.
-
2004-2013年杭州市萧山区梅毒疫情流行病学特征分析
目的:了解杭州市萧山区梅毒流行病学特征和发病趋势,为制定防制策略提供依据.方法:采用描述流行病学方法对萧山区2004-2013年梅毒发病资料进行三间分布分析;应用回顾性时空重排扫描统计量探测高发聚集区;构建SARIMA模型进行趋势预测.结果:萧山区梅毒发病率从2004年的18.52/10万上升至2013年的58.85/10万,呈明显上升趋势.男女发病比为0.72∶1,主要集中在20～39岁年龄段,职业以农民居多.回顾性时空聚集分析确定了5个可能的梅毒发病聚集区域.模型为SARIMA(0,1,1)(0,1,1)12.结论:萧山区(特别是中部地区)梅毒的流行情况较为严重,应采取综合性防制措施,有效控制梅毒流行.
-
应用SARIMA模型预测医院出院人次
目的：对医院出院人次进行预测分析，旨在为医院科学管理提供参考依据。方法对某院2006年1月-2014年12月的出院人数进行SARIMA模型的建模拟合，利用2015年1月-12月的出院人数对模型进行检验，然后利用所建立的模型预测2016年的出院人数。结果 SARIMA（2,1,1）（0,1,1）12（不含常数项）是该院出院人数的优拟合预测模型，模型的R2=0.956，贝叶斯信息准则（BIC）为9.05；模型的平均相对误差绝对值为3.60%；2016年的出院人数预测值为22111。结论出院人数具有季节变动及长期增长趋势，SARIMA模型对于短期的医院出院人数预测具有较强的实用价值，可以为科学管理提供参考依据。
-
用两种时间序列分析方法预测门诊量及效果评价
目的：对两种常见预测医院门诊量的方法进行探讨，找出适合某院的方法，为医院管理提供科学依据。方法分别用时间序列建立季节性指数平滑法模型和SARIMA模型，2015年数据用于验证所建立的模型，使用统计软件SPSS20.0完成。结果季节性指数平滑法模型预测总体相对误差为1.72%，各月预测数据相对误差均在10%以内；SARIMA模型预测总体相对误差为7.27%，有3个月的预测相对误差超过10%；季节性指数平滑法模型预测效果优于 SARIMA 模型。结论应选择预测误差较小的模型，现阶段该院宜选择季节性指数平滑法模型对门诊量进行预测，合理安排工作，提高医院管理水平。
-
山西省痢疾发病趋势的时间序列分析
目的 探讨季节性自回归移动平均混合(SARIMA)模型分析预测山西省痢疾发病率的可行性和适用性,为痢疾的预防与控制提供决策依据.方法 利用R 3.3.1对山西省2004年1月—2013年12月痢疾月发病率资料进行建模,并以2014年痢疾月发病率资料验证模型的预测效果.结果 模型较好地拟合了山西省痢疾月发病率,模型残差为白噪声序列,预测值与实际值的相对误差范围为0.909%~35.575%,平均相对误差为13.399%.结论 SARIMA模型可较好地反映山西省痢疾的发病趋势并进行短期预测.
-
河北省麻疹周报告疫情SARIMA模型预警分析
目的 对河北省麻疹周报告疫情进行季节自回归滑动平均混合(SARIMA)模型分析,将应急预警时限提前,为更迅速地处置疫情提供依据.方法 利用Eviews 8.0对河北省2004年第1周～2015年第24周麻疹报告发病数建立SARIMA模型,使用所建模型对历史疫情进行评估,对未来疫情进行预测预警.结果 终通过检验的优模型是SARIMA(1,1,0)(2,1,2)52,表达式为(1+0.46B)(1+0.82B52 +0.16B104)d[ln (wt+1),1,52]=(1+0.87B104)εt;Theil不等式系数=0.09,BP≈0,VP=0.01,CVP=0.99,模型拟合和预测良好.实际值均落在了预测值的95％可信范围内,对未来的预测与往年同期发病趋势一致.结论 SARIMA模型适用于河北省麻疹疫情的周报告疫情预警分析,能够捕捉到更为细微的疫情变化,预警结果更加精细.
-
三种模型对广东省伤寒副伤寒逐月发病数预测的比较
目的 应用三种统计模型预测伤寒副伤寒的发病趋势,比较其预测效果,为伤寒副伤寒的预测和防控提供科学依据.方法 利用广东省2008年5月至2012年4月四年的伤寒副伤寒逐月发病资料,分别拟合季节性综合自回归滑动平均(SARIMA)模型、经傅里叶季节性调整的综合自回归滑动平均(FARIMA)模型和动态谐波回归(DHR)模型,并用前面建立的三种模型预测后续半年(2012年5月-2012年10月)的逐月发病数.结果 伤寒副伤寒的发病有明显的周期性和季节特征,周期为1年,7-8月份为发病高峰期.流行强度和流行高峰出现的月份均存在一定的年度差异.三种模型拟合四年的伤寒副伤寒发病情况,其平均绝对百分比误差(MAPE)依次为:DHR模型(7.8％)＜FARIMA模型(12.9％)＜SARIMA模型(13.4％);三种模型预测后续半年的发病情况,其MAPE依次为:DHR模型(3.5％)＜FARI-MA模型(5.6％)＜SARIMA模型(6.8％),其他模型评价指标结果也类似.结论 三种方法均有较佳的预测效果.相对而言,DHR的预测精度更高.本研究可为常见传染病的预测提供一定的方法学参考.
-
SARIMA模型预测山东省手足口病发病趋势
目的 建立山东省手足口病发病的SARIMA模型并进行预测.方法 应用SPSS17.0软件对山东省2005年1月至2011年12月手足口病月发病率进行SARIMA模型建模拟合.结果 SARIMA(1,0,1)(0,1,0)12能较好地拟合既往时间段的发病率,对2011年各月的预测值符合山东省手足口病实际发病率变动趋势,对2012年手足口病发病率进行了预测.结论 SARIMA模型能较好地模拟手足口病发病率在时间序列上的变动趋势,用其对未来的发病率进行预测,可为手足口病防治工作提供参考.
-
宁波市手足口病发病情况SARIMA模型预测
目的 利用SARIMA模型对宁波市手足口病发病情况进行预测,为手足口病防控工作提供依据.方法 利用R3.3.2软件对宁波市2012-2015年手足口病的发病数据建立SARIMA模型,利用auto.arima()代码结合模型参数估计和残差诊断选择优模型,并利用构建的模型对宁波市2016年手足口病发病情况进行预测分析.结果 优模型为SARIMA(1,0,0,)(1,1,0)12,模型的参数ar1和sar1经检验均有统计学意义(P＜0.05),残差诊断图显示模型残差为白噪声序列.2016年每月实际发病数均在预测值的95％可信区间内,预测值的变化趋势与实际值的变化趋势基本一致.实际值与预测值误差率波动范围为4.33％～160.36％,其中有4个月份误差率大于100％,5个月份误差率小于20％.结论 SARIMA(1,0,0,)(1,1,0)12模型预测手足口病发病情况有一定的准确性,但需要继续更新相关监测数据并重新构建模型来进一步提高模型预测的准确性.
-
SARIMA模型在猩红热疫情趋势预测中的应用
目的 探讨SARIMA模型在猩红热疫情趋势预测中的应用,为江苏省猩红热疫情的及时防控提供科学依据.方法 以2005-2015年江苏省猩红热月发病数为基础,建立SARIMA模型,对江苏省2016-2018年猩红热疫情趋势进行预测.结果 终建立SARIMA(1,1,0)(0,1,1)12,回代误差为15.47％,前瞻性预测误差为12.98％,预测结果表明,江苏省2016-2018年猩红热疫情依然呈现上升趋势.结论 SARIMA(1,1,1)(0,1,1)12模型具有较好的拟合优度和前瞻性预测精度,可用于猩红热疫情趋势的研究;江苏省猩红热疫情依然严峻,各地应加强疫情防控工作.
-
奉化区缺血性脑卒中发病季节的SARIMA模型预测
目的 利用季节性自回归滑动平均模型法(SARIMA)对奉化区缺血性脑卒中发病情况进行预测,为做好脑卒中防控工作提供依据.方法 采用R 3.3.2软件对奉化区2009—2014年缺血性脑卒中的发病数据建立SARIMA模型,对原始序列做一阶差分与一阶季节差分的预处理,预处理后的序列进行KPSS平稳性检验.利用auto.arima()函数结合模型参数估计来选择优模型,再利用sarima()函数进行参数估计与残差诊断,后应用建立的模型对2015年奉化区缺血性脑卒中发病进行预测验证.结果 优模型为SARIMA(0,1,1)(0,1,1)12,模型的参数估计值ma1=-0.824,sma1=-0.999,2个参数经检验差异均有统计学意义(P<0.05).sarima()函数自带的残差诊断图显示模型残差为白噪声序列.2015年各月预测结果误差率高为-25.00％,低为0.00％,平均误差率为10.75％,2015年每月实际发病数均在预测值的95％可信区间内.结论 SARIMA(0,1,1)(0,1,1)12模型拟合效果较好,可用于奉化区缺血性脑卒中发病情况的短期预测.
-
宁化县2010-2015年手足口病时空分布与预测
目的 分析福建省宁化县手足口病(HFMD)的时空分布特征,定量预测其发病数.方法 收集国家疾控信息系统传染病报告信息中宁化县2010-2015年HFMD个案,用ArcGIS 10.2软件绘制空间地图、SaTScan 9.4.3软件时空扫描,并用R 3.3.1软件预测发病数.结果 宁化县2010-2015年共报告HFMD 2 350例,死亡1例,平均发病率107.98/10万;2014年发病率高(240.16/10万).时空扫描显示,大可能聚集区覆盖3个乡镇(翠江、城郊和城南),聚集日期为3月下旬;佳预测模型为SARIMA(4,1,1)(0,1,1)12.回顾性预测显示,均方根误差(RMSE)、平均绝对误差(MAE)和平均绝对百分百误差(MAPE)分别为32.2％、15.5％和49.6％;预测2016年1～12月HFMD病例数的RMSE为65.1％,有两个高峰.结论 宁化县翠江、城郊和城南等地2010-2015年HFMD发病呈现聚集分布,泉上、湖村、翠江等地为高发区.应重视并结合定量预测预警,及时采取针对性防控措施,以降低HFMD暴发风险.
-
SARIMA模型在晋江市手足口病发病趋势预测的应用
目的 拟合晋江市手足口病发病趋势的SARIMA模型,为防控提供参考.方法 用Eviews 5.0软件对疾病监测信息报告管理系统中晋江市2009-2016年手足口病的月发病资料进行分析、建模,预测2017年晋江市手足口病的发病情况,并与实际值比较.结果 晋江市2009-2016年手足口病季节性明显,通过拟合模型参数检验、白噪声检验确定SARIMA(4,1,3)(1,1,1)12模型较优,调整的R2为0.620,AIC值为0.735,SC值为1.064.2017年预测值除2月和7月外,其余月份预测发病均高于实际发病,1～7月预测值与实际值平均绝对误差106.6％,平均相对误差93.0％,大误差204.5％(5月),小误差0.0％(2月).结论 建立的SARIMA模型能较好地预测晋江市手足口病的变动趋势,为防控工作提供参考.
-
ARIMA与SARIMA模型在医院门诊人次与出院人次预测中的应用
目的 应用ARIMA与SARIMA模型对某院门诊人次与出院人次进行分析和预测.方法 收集某医院2011年1月至2016年6月各月份的门诊人次和出院人次数据,运用ARIMA与SARIMA模型对数据进行分析,并验证2016年7 ～10月数据;预测2016年11月至2017年6月的门诊人次和出院人次.使用统计软件SPSS17.0进行模型拟合与预测.结果 ARIMA(6,1,0)是该院门诊人次的优拟合预测模型,SARIMA(0,1,1)(0,1,0)12(不含常数项)是该院出院人次的优拟合预测模型,两模型均能较好地拟合2016年7月至10月的门诊人次与出院人次,用该模型预测2016年11月至2017年6月的数据,符合门诊人次与出院人次的变动趋势,实际值都在预测的95％上下限范围之内.结论 ARIMA与SARIMA模型对短期门诊人次与出院人次预测具有较强的实用价值,可以为医院的卫生资源配置和科学管理提供参考依据.
-
基于SARIMA模型东莞市某区手足口病发病趋势研究
目的 探讨应用SARIMA模型预测东莞市某区手足口病发病的可行性,旨在为该区手足口病预防和控制提供依据.方法 对2010年1月至2014年6月手足口病月发病数进行SARIMA模型建模拟合,用2014年7～12月发病数验证模型的预测效果.结果 东莞市某区手足口病疫情高峰为每年的二季度,一季度是发病低谷.SARIMA(0,1,1)(0,1,0)12较好地拟合既往时间段的发病数的时间序列,对2014年7 ～12月各月的预测与实际发病趋势相符,预测的平均绝对误差为13.09,平均相对误差为9.79％.结论 SARIMA模型可以较好的拟合东莞市某区手足口病的时间变化趋势,可用其对未来的发病数进行预测.
-
厦门市菌痢流行特征分析及发病趋势预测方法研究
目的：研究厦门市细菌性痢疾的流行特征并探讨 SARIMA 模型拟合厦门市菌痢发病趋势预测的可行性。方法利用 SPSS 对厦门市菌痢的发病情况进行流行病学分析,通过取自然对数、差分等方法对菌痢月发病数序列进行平稳化,然后进行模型参数的估计、检验,优模型的筛选,后进行预测分析。结果2004-2012年,厦门市菌痢的年平均发病率为15.94/10万,年平均发病率较高的为集美区和思明区,分别为23.69/10万和22.53/10万,其次为海沧区和湖里区,年平均发病率分别为14.19/10万和12.29/10万,而同安区和翔安区的年平均发病率相对较低,分别为7.63/10万和6.81/10万,每年的8-9月为发病高峰,具有明显的周期性,病例主要分布于3岁以下及15~40岁之间,发病数居于前四位的人群包括散居儿童、工人、学生和幼托儿童,占所有病例数的61.12%,SARIMA(0,1,1)(1,1,1)12较好地拟合了厦门市菌痢的月发病数据,预测效果良好。结论厦门市菌痢的发病率较高,可以用 SARIMA 模型进行短期预测,进而指导各项防控措施。
-
2007—2016年苏州市水痘病例发病时间序列分析
目的 分析2007—2016年苏州市水痘病例发病时间规律,预测2017年苏州市水痘的发病趋势.方法 应用季节自回归移动平均模型(SARIMA),对苏州市2007—2016年由中国疾病预防控制信息系统上报的水痘病例监测资料进行时间序列分析,使用前108个月数据资料(2007—2015年)建立模型,后12个月数据资料(2016年)进行模型预测效果评估,随后预测2017年发病人数.结果 水痘病例监测资料构建模型的形式为SARIMA(0,1,1)(0,1,1)12,非季节性和季节性自回归系数差异有统计学意义(P=0.000).白噪声残差分析显示序列自相关函数的Ljung-Box Q统计量为21.866(P=0.148),表明残差为随机性误差.根据前108个数据资料所建立的模型,使用2016年数据验证预测效果良好,实际值均在预测值的95％可信区间内,符合率100％.结论 研究为首次拟合的SARIMA模型描述苏州市水痘病例的发病时间规律效果良好,对苏州市水痘疫情防控工作有积极指导意义.
-
SARIMA模型在手足口病发病率监测中的应用
目的 通过建立SARIMA模型,探讨该模型在手足口病发病率预测中的应用,为疾病预防控制部门制定防控策略提供理论依据.方法 应用SPSS 20.0软件包对乌鲁木齐市2009年1月1日至2014年12月31日手足口病月发病率进行初步平稳化处理并建立季节性ARIMA模型.结果 通过对参数和模型的拟合优度检验及残差白噪声序列检验,终确定模型为SARIMA(1,0,0)(1,1,0)12,该模型能较好的对以往发病率进行拟合,真实值均在预测值的95％置信区间内.结论 SARIMA(1,0,0)(1,1,0)12模型能够较准确地预测手足口病发病趋势,但若要获得更为准确的预测信息,则需要使用多模型联合的方法来预测.
-
SARIMA模型在广东省痢疾发病预测中的应用
目的：探讨SARIMA模型分析预测广东省痢疾发病数的可行性和适用性,为监控及早期防控提供依据。方法：对2009年1月~2014年6月广东省痢疾月发病例数数据资料建立SARIMA模型,并以2014年7月~2014年12月发病例数验证模型。结果：通过对参数估计和模型的拟合优度检验以及白噪声检验,建立模型 SARIMA(1,1,0)(0,1,1)12,其预测值与实际值变动趋势相同,平均相对误差为6.78%。结论：SARIMA(1,1,0)(0,1,1)12模型可用于模拟广东省痢疾发病的变化趋势并进行短期预测。
