首页 > 文献资料
-
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SPSS15.0统计软件包,拟合构建佳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.
-
ARIMA模型在麻疹预警中的应用
目的 探讨时间序列ARIMA模型在麻疹预警应用中的可行性.方法 利用SAS 9.0统计软件对<国家疾病报告管理信息系统>报告的杭州市麻疹按周发病数建立ARIMA模型.结果 对麻疹发病数序列建立季节模型ARMA(1,53),并与2005年麻疹发病数进行比较,能够及时、准确预警.结论 ARIMA模型能够较好应用于麻疹预警,为疫情防控提供科学依据.
-
自回归综合移动平均模型对天津市甲型肝炎发病预测
目的 用自回归综合移动平均模型(ARIMA)季节乘积模型(p,d,q)(P,D,Q)s对天津市甲型肝炎(甲肝)发病资料建模并预测,评价模型的预测效果.方法 通过对差分方法使原始序列平稳,依据AIC和SBC准则确定模型阶数,采用条件小二乘方法估计模型参数,终建立起ARIMA预测模型.结果 对甲肝数据建立了乘积ARIMA(2,1,1)(0,1,1)12模型,预测误差为3.72%.结论 ARIMA是一种短期预测精度较高的预测模型.
-
山西省布鲁氏菌病时间序列自回归移动平均模型分析
目的 了解山西省2006-2010年布鲁氏菌病(布病)疫情状况,建立布病分析模型,为布病预测与防治提供决策依据.方法 根据山西省2006-2010年布病监测资料,构建时间序列自回归移动平均(ARIMA)模型,并进行了短期预测预报.结果 所建山西省布病ARIMA模型拟合效果较好,中期布病发病数预测与实际趋势基本一致,结果解释符合专业实际.结论 ARIMA模型预测山西省布病发病状况可行,结果可信.
-
应用ARIMA模型预测嘉峪关市痢疾发病率的可行性
目的 探讨应用ARIMA模型进行痢疾发病率预测的可行性,为甘肃省嘉峪关市痢疾防治提供参考依据.方法 应用Eviews 5.0软件对2000-2008年嘉峪关市痢疾发病率进行模型拟合,所得到的模型对2009年1-6月痢疾发病率进行预测,并与实际值进行比较.结果 ARIMA(2,1,3)×(1,1,1)(12)模型拟合效果总体较好,其对2009年1-6月痢疾发病率预测值符合实际值的变化趋势.结论 ARIMA模型可以模拟嘉峪关市痢疾的发病率,并能够预测痢疾的变动趋势,为该市痢疾防治提供一定帮助.
-
应用求和自回归移动平均模型预测福建省甲型病毒性肝炎疫情
目的 建立福建省甲型病毒性肝炎(甲肝)分月发病数预测预警的求和自回归移动平均(ARIMA)时间序列模型.方法 利用SAS 9.0软件的PROC ARIMA综合软件包对<疾病监测信息报告管理系统>收集的福建省2004-2010年甲肝分月发病数序列进行ARIMA模型的建模与分析.结果 福建省2004-2010年甲肝分月发病数序列既含有长期的递减趋势又含有以年为周期的季节效应,经1阶12步差分后为平稳非白噪声序列,拟合的相对优模型为ARIMA[(12),(1,12),1].结论 拟合甲肝的相对优ABIMA模型,具有预测和预警的实际应用价值.
-
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.
-
自回归滑动平均混合模型在辽宁省人间布鲁氏菌病发病预测中的应用
目的 了解辽宁省2006-2015年人间和家畜布鲁氏菌病(布病)疫情情况,建立时间序列模型,探索畜牧业因素对人间疫情影响,为布病预测防控提供依据.方法 收集辽宁省2006-2016年布病月发病数,以发病数建立时间序列构建自回归滑动平均混合(ARIMA)模型,对2016年1-6月进行短期预测,结合实际观测值评价预测效果;收集辽宁省同期羊存栏量和疫情,分析与人间发病存在的关联.结果 构建模型ARIMA(1,1,1)(1,l,1)12,月发病数拟合值与实际观测值时间序列基本一致,预测效果良好,但精确度较低.羊年存栏量与人间布病发病数存在正关联性.结论 ARIMA模型预测辽宁省布病发病情况基本可行,加强人畜布病的监测工作,以揭示人与家畜流行病学关系.
-
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.
-
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,l,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.
-
ARIMA模型在宝鸡市手足口病预警预测中的应用
目的 利用时间序列分析方法动态研究手足口病发病趋势,探讨合理的预测模型,为宝鸡市制定手足口病的预防控制措施提供决策依据.方法 应用时间序列分析方法对宝鸡市2008-2014年手足口病月发病数据进行分析并建立预测模型,对建立的预测模型进行参数估计、模型诊断、模型评价,选择优预测模型,利用所得到的模型对2015年1-6月的发病情况进行预测,并评价其预测效果.结果 通过参数和模型拟合优度检验以及残差白噪声序列检验,得到模型ARIMA(1,1,1)(0,1,1)12,R2=0.820,标准化的BIC=10.507,Ljung-Box=4.631(P=0.995),2015年1-6月手足口病月发病数预测值和实际值的平均相对误差仅为2.34％,实际值都在95％可信区间内,建立的ARIMA模型的拟合精度和预测效果较为理想.结论 ARIMA模型能较好的模拟宝鸡市手是口病的发病趋势,预测效果可信.
-
2009年后我国北方地区流感样病例的动态预警分析
目的 探索2009年流感大流行后我国北方地区流感样病例(influenza like illness,ILI)预测预警模式,并评价预测预警效果.方法 根据2010-2014年我国北方地区ILI哨点监测数据,利用Eviews 6.0软件建立乘积季节ARIMA模型,选择适宜的时间间隔对2015年1-32周ILI占门急诊病例百分比(ILI％)进行预测.采用流行控制图法探索北方地区ILI预警模型,通过比较灵敏度、特异度和绘制ROC曲线,选择合适的预警界值,结合乘积季节ARIMA模型的预测值,进行预警并评价预警效果.结果 建立了乘积季节ARIMA模型(1,0,0)×(1,1,0)52,模型拟合度R2 =0.65,不同时间间隔预测结果中,2周时间间隔预测效果较好,且能兼顾预测时效性,模型均方根误差为0.37,平均绝对误差为0.24,平均相对误差百分比为8.26％.ILI％预警界值选用P95预警功效较好,灵敏度为100％,特异度为96％.结合ARIMA模型2周时间间隔预测结果对2015年1-32周北方地区ILI进行预测预警,结果与实报预警一致率为100％.结论 利用ARIMA模型和流行控制图结合构建的动态预警模型,能够较好反映我国北方地区ILI流行趋势,为早期发现和控制流感暴发和流行提供依据.
-
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X2α(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.
-
ARIMA模型预测北京市密云区手足口病发病趋势
目的 采用自回归移动平均(Autoregressive integrated moving average,ARIMA)模型对北京市密云区手足口病月发病率进行预测,为调整防控策略提供依据.方法 应用ARIMA模型对北京市密云区2008年1月-2014年6月手足口病每月报告发病率进行拟合,以2014年7-12月的月发病率作为验证数据,用于评价该模型的预测效果.结果 密云区手足口病月发病率的ARIMA模型为ARIMA(0,1,0)(0,1,1)12,模型的参数估计值为0.609,t =4.116,P=0.000,经检验参数有统计学意义.残差分析统计量经检验差异无统计学意义(Ljung-BoxQ=16.690,P=0.476).模型很好的拟合了既往时间段上的发病率序列,对2014年7-12月手足口病发病率的预测值符合实际发病率变动趋势.结论 ARIMA可用于手足口病月发病率的预测,预测和预警效果良好.
-
利用ARIMA模型预测北京市顺义区手足口病发病趋势
目的 探讨利用ARIMA模型预测手足口病发病趋势的可行性和意义,为预警手足口病防控提供依据.方法 应用SPSS 19.0对2008-2013年手足口病逐月发病率建立ARIMA模型,并对2013年手足口病各月发病率进行拟合.结果 ARIMA(1,0,0)(1,1,0)12能够较好拟合既往时间段手足口的发病率,2013年各月的预测值符合手足口病实际发病率变动趋势.结论 模型能够有效地预测手足口病发病趋势,对预警、预测产生积极指导作用.
-
求和自回归移动平均模型在越秀区手足口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)模型对越秀区手足口病发病率进行预测,为制定手足口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2008～2012年越秀区手足口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]越秀区2008～2012年手足口病分月发病数含有长期递增趋势又含有以年为周期的季节效应,拟合的相对佳模型为ARIMA(1,1,1,0,1,1) [结论]ARIMA乘积季节模型能有效的预测越秀区手足口病发病率的短期变化趋势.
-
基于自回归积分滑动平均模型的医用低值耗材需求量预测研究
目的 探讨时间序列分析方法 在医院医用低值耗材管理中的应用,分析和预测未来一段时间内医用低值耗材的使用需求.方法采用自回归积分滑动平均模型(Autoregressive Integrated Moving Average,ARIMA)对上海某三甲医院医用低值耗材2008年1月~2016年7月的逐月使用量进行数据挖掘及预测.结果 ARIMA(6,1,3)(1,1,1)模型的绝对误差为8.58%,在实际业务可接受范围之内,因此模型拟合效果较好,预测结果接近实际产生值.结论 ARIMA(6,1,3)(1,1,1)模型能够准确的进行医用低值耗材的短期预测,并将其应用于医院物资管理信息系统中,系统根据预测值,合理生成申领、采购计划,实现对医院耗材的合理管控,并为科室医用耗材的资金预算申请提供可靠依据.
-
基于自回归移动平均模型的医疗设备效益预测
目的 利用自回归移动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)对选取的5个科室的设备效益进行预测,尝试将设备效益分析事后算账转向事前评估、事后分析.方法 收集医疗设备效益数据,进行整理汇总,利用ARIMA进行预测,在其达到优模型的时候观察预测值与实际值的拟合度.结果 选择了5个代表性的科室,分别得到了各个科室的优的ARIMA模型.对心血管内科、泌尿外科、超声影像科的预测值与实测值的趋势是非常吻合的,而消化内科和眼科出现了预测不平稳的现象.结论 利用ARIMA模型对医疗设备效益进行预测是一个探索性的、具有创新性的方法,具有一定的参考价值.
-
基于ARIMA模型的呼吸系统疾病门诊量分析
目的 构建呼吸系统疾病门诊量的自回归移动平均求和(Autoregressive Integrated Moving Average,ARIMA)模型并预测门诊量.方法 根据2005年1月至2016年1 2月医院门诊呼吸系统疾病人次数据,采用R软件建立ARIMA模型.通过自相关函数和偏自相关函数初步识别模型,极大似然法拟合模型,残差图、残差自相关函数图、Ljung-Box检验诊断模型,样本内比较和样本外比较选择优ARIMA模型.并以此模型评价模型预测能力及对201 7年门诊呼吸系统患病人次进行预测.结果 建立了ARIMA(2,1,3)(1,1,1)12乘积季节模型,门诊人次预测值与实际观察值相近,且真实值都位于预测区间内,绝对误差和相对误差的范围分别为1.67 ～ 12.78和1.9％ ～ 19.98％,平均为8.47和11.65％,预测2 017年各月平均日门诊人次在82.20 ～ 101.25之间波动.结论 ARIMA模型可以较好地拟合呼吸系统疾病门诊人次并用于预测.
