首页 > 文献资料
-
2004-2013年陕西省宝鸡市流行性乙型脑炎流行特征分析
目的 通过分析陕西省宝鸡市流行性乙型脑炎(乙脑)流行特征,为乙脑预防控制提供科学依据.方法 使用1995-2013年的年发病率以自回归移动平均模型进行趋势分析,对2004-2013年宝鸡市乙脑疫情资料用描述性流行病学方法及圆形分布进行分析.结果 2004-2013年宝鸡市共报告乙脑177例,死亡5例,年平均发病率为0.53/10万,病死率为2.82％,凤翔县、岐山县及陈仓区报告发病数较多,发病季节性特点明显,病例主要集中在7-9月,占乙脑发病总数的97.18％.男女性发病之比为0.86∶1,患者职业以农民为主,占总数的66.67％.2011-2013年15岁以下年龄组无病例报告,50岁以上年龄组占发病总数的90.63％.结论 宝鸡市近年乙脑发病出现小幅上升趋势,2014-2015年发病将有所下降,但是流行特征有所改变,发病以50岁以上年龄组为主,防控策略需要调整,应及时对重点人群开展乙脑疫苗接种等防控工作.
-
求和自回归移动平均模型在陕西省细菌性痢疾发病预测中的应用
目的 探讨时间序列模型预测传染性疾病发病率的可行性,应用自回归移动平均(autoregressive integratedmoving average,ARIMA)模型对陕西省细菌性痢疾进行预测,为制定细菌性痢疾防治策略提供依据.方法 根据2004-2012年陕西省细菌性痢疾月报告发病率的时间序列,以2013年1-12月的月发病率作为验证数据,建立ARIMA模型,并对预测效果进行评价.结果 陕西省2004-2012年细菌性痢疾月发病率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)×(1,1,0)12.残差分析统计量经检验差异无统计学意义(Ljung-Box Q =21.994,P=0.143),提示残差为白噪声.2013年1-12月实际值与预测值的相对误差平均值为20.75％,大40.37％,小4.94％.结论 ARIMA模型可以较好地预测陕西省细菌性痢疾的发病趋势,模型预测效果的优化有待原始数据的进一步积累.
-
自回归移动平均模型在全国手足口病疫情预测中的应用
目的 探讨应用时间序列基于季节性差分的自回归移动平均模型(autoregressive integrated moving average,ARIMA)预测全国手足口病的发病情况.方法 利用“中国疾病预防控制信息系统”中的“疾病监测信息报告管理系统”(又称“传染病疫情信息网络直报系统”)的资料,应用SPSS 19.0统计软件、采用ARIMA,对全国2009年1月至2012年12月手足口病逐月发病情况进行建模和拟合,利用所得到的模型对2013年1-6月的发病情况进行预测,并评价其预测效果.结果 分析结果显示,手足口病发病以年为周期,1年中5-6月为高发月.非季节移动平均参数滞后两次后为0.532,t检验的P值为0.003,差异有统计学意义.BIC=21.955,Ljung-Box统计量检验残差序列为白噪声序列.佳ARIMA(0,1,2),(0,1,0)12预测的平均相对误差为0.52,预测效果一般.按照不同发病模式分为两层后分别建立ARIMA,平均相对误差为0.12,预测效果好.结论 对监测数据进行时间序列分析是用于传染病预测的一个重要的工具.分析发现中国不能用一个ARIMA拟合手足口病资料,因地区间发病的变异和模式不同;按手足口病的发病模式将各省分为单峰和双峰两层,分别拟合ARIMA,模型拟合效果更好.
-
采用自回归移动平均模型预测中国手足口病月发病率
目的 采用自回归移动平均(autoregressive integrated moving average,ARIMA)模型对中国(未含香港、澳门和台湾地区)的手足口病月发病率进行预测,为手足口病预防控制提供参考依据,为ARIMA在传染病预防控制中的运用提供新的领域.方法 根据2008-2011年全国手足口病月报告发病率时间序列,以2012年1-7月的月发病率作为验证数据,建立中国手足口病月发病率的ARIMA模型.结果 我国手足口病月发病率模型为ARIMA(1,0,0)(0,1,0)12,模型自回归参数AR1=0.779(t=7.315,P＜0.001),残差分析统计量经检验差异无统计学意义(Ljung-Box Q=10.328,P=0.889),提示残差为白噪声.2012年1-7月实际值与预测值的相对误差平均值为28.62％,大44.57％,小4.92％.结论 ARIMA可用于我国手足口病月发病率的预测,模型预测效果的优化有待原始数据进一步积累.
-
自回归移动平均模型在药品不良反应监测预警中的应用
目的 运用自回归移动平均模型(ARIMA)建立药品不良反应(ADR)预测模型,探讨ADR发生趋势.方法 根据我院急诊科2000—2014年清热类中药注射剂ADR数据,应用SPSS13.0统计软件拟合ADR人数ARIMA预测模型;利用2015—2017年ADR真实数据评估其预测效果.结果 ADR模型为ARIMA(2,0,1),其中AR=1.30(t=3.72,P<0.05);AIC=8.77,BIC=1.51,其模型的残差为白噪声(Ljung-Box Q=7.51,P=0.83).2015—2017年ADR实际发生人数与ARIMA模型的预测值相差较小,模型预测效果良好.结论 ARIMA模型能够较准确地预测ADR发生趋势,可用该模型为医院科学管理ADR提供决策支持.
-
乘积季节ARIMA模型的建立及其在河南省甲型病毒性肝炎发病数预测中的应用
目的 建立乘积季节自回归移动平均(ARIMA)模型,观察其对河南省甲型病毒性肝炎(甲肝)疫情预测的可行性. 方法 利用河南省2008—2013年分月的甲肝疫情监测资料建立乘积季节ARIMA模型,利用2014年1—12月的甲肝疫情资料评价该模型的预测效能. 结果 河南省2008—2013年甲肝发病呈现明显的季节效应,且发病数呈现逐年减少的趋势;乘积季节ARIMA(1,1,0)(2,1,2)模型能较好地拟合既往的甲肝报告病例数,且对2014年1—12月份按月报告的甲肝病例数的预测值与实际值基本吻合. 结论 乘积季节ARIMA模型能较好模拟、预测河南省甲肝的发病情况.
-
ARIMA模型在全国丙型肝炎疫情预测中的应用
目的 探讨应用时间序列基于季节性差分的自回归移动平均模型(autoregressive integrated movingaverage,ARIMA)预测全国丙型肝炎的发病情况.方法 利用“中国疾病预防控制信息系统”中的“疾病监测信息报告管理系统”(又称“传染病疫情信息网络直报系统”)的资料,应用SPSS 19.0统计软件、采用ARIMA模型,对全国2005年1月～2012年12月丙型肝炎逐月发病数进行建模和拟合,利用所得到的模型对2013年1～6月的发病情况进行预测,并按照预测值与实际观察值之间的差异评价其预测效果.结果 分析结果显示,丙型肝炎发病以年为周期,一年中3～5月为高发月.非季节自回归参数为5.84,t=-2.567,P=0.012.非季节移动平均参数为0.481,t=3.392,P=0.001,季节移动平均参数为0.625,t=3.547,P=0.001,差异有统计学意义.BIC=14.162,Ljung-Box统计量检验残差序列为白噪声序列,预测的平均相对误差为3.4％,丙型肝炎拟合的佳模型为ARIMA(1,1,1),(0,1,1)12.结论 ARIMA对全国丙型肝炎拟合的预测效果较为满意,预测结果将为今后丙型肝炎等多种传染病的预防和控制提供理论支持.
-
基于运气学说的流感样病例预测
目的 尝试将运气学说应用于流感疾病的预测预报,建立流感预警模型.方法 以天津市2005 - 2009年的流感样病例数据为研究对象,通过分析气象因素(高温度、平均温度、平均湿度等)以及推算运气学说中的客主加临情况,探索流感和气象因素及运气因子之间的关系.结果 流感的流行与高温度、大海平面压力、运气因子有一定的关联关系.结论 构建了一个基于运气学说的流感预警自回归移动平均模型,并且具有较好的流感样病例预测能力.
-
采用自回归移动平均模型预测中国流感病例数
采用自回归移动平均模型(ARIMA)对中国(不含中国港澳台地区)流感月报告病例数进行预测研究,为中国流行性感冒(流感)的预防控制提供参考依据.使用SPSS 24.0软件,以2006年1月至2016年12月中国流感月报告病例数建立时间序列模型,并以2017年1～5月的月报告病例数作为验证数据,评估和筛选优模型.以2006年1月至2016年12月中国流感月报告病例数为基础数据,建立的优模型为ARIMA(4,0,4),其平稳R2=0.672,标化BIC=18.032,Ljung Box Q=16.381,P=0.089.对2017年1～5月的数据进行预测,预测相对误差的平均值仅为3.25％.ARIMA模型在预测中国流感月报告病例数方面效果较好,但模型的建立和预测应用是个动态过程,需不断根据积累的数据进行调整,从而提高预测精度.
-
自回归移动平均乘积季节模型在流行性脑脊髓膜炎发病预测中的应用
目的 应用自回归移动平均(Autoregressive Integrated Moving Average,ARIMA)乘积季节模型(p,d,q)(P,D,Q)s,对流行性脑脊髓膜炎(流脑)发病数据的时间序列资料建模,并预测2010年流脑发病趋势,考察ARIMA乘积季节模型应用于流脑发病的预测效果.方法 利用法定传染病报告系统的数据资料,采用Box-Jenkins 方法建模,依据赤池信息量准则(Akaike's Information Criterion)和施瓦茨信息量准则(Schwarz's Information Criterion)结果确定模型阶数,用Box-Ljung统计量评价ARIMA模型的拟合效果,用所得模型对2010年流脑发病数进行预测.使用社会科学统计软件包时间序列分析模块对资料进行分析.结果 对流脑的季节性时间序列建立了ARIMA(1,1,1)(0,1,1)(12)乘积模型,平均预测相对误差为3.09%,较好地拟合了流脑的发病趋势,并预测2010年全国流脑病例数为419例,在244～719例的可信范围内变动,发病高峰季节在3月份.结论 ARIMA乘积季节模型可较好地拟合流脑发病在时间序列上的变化趋势,是预测精度较高、效果较好的短期预测模型.
-
2007-2015年齐齐哈尔市恶性肿瘤死亡趋势分析及预测
目的 了解2007-2015年齐齐哈尔市恶性肿瘤的死亡率变化趋势,对齐齐哈尔市2016-2018年的恶性肿瘤死亡情况进行预测,为齐齐哈尔市恶性肿瘤防治提供参考依据.方法 从中国疾病预防控制信息系统的人口死亡登记管理系统及基本信息系统数据库中,抽取齐齐哈尔市2007-2015年恶性肿瘤的全部数据,采用SPSS 17.0进行数据分析,用Joinpoint模型对常规监测死亡数据进行趋势分析;利用自回归移动平均(ARIMA)模型,对齐齐哈尔市2016-2018年的恶性肿瘤死亡情况进行预测.结果 2007-2015年齐齐哈尔市恶性肿瘤粗死亡率及标化死亡率总体均呈先上升后下降的趋势,以2011年为转折点.肺癌、肝癌和胃癌的死亡处于恶性肿瘤死因顺位前3位.Joinpoint模型整体趋势分析结果显示,2007-2015年齐齐哈尔市恶性肿瘤AAPC为10.40％;2007-2011年呈现上升趋势,APC=22.61％,2012-2015年有缓慢下降的趋势,APC=-0.66％,在2011年有一个Joinpoint转折点,有统计学意义(P＜0.05).建立ARIMA死亡率预测模型,预测2016-2018年恶性肿瘤死亡率分别为170.27/10万、159.65/10万和140.08/10万.结论 齐齐哈尔市恶性肿瘤死亡率在2007-2015年呈现先上升后下降的趋势,通过ARIMA模型预测,齐齐哈尔市恶性肿瘤死亡率2016-2018年呈现下降趋势.
关键词： 恶性肿瘤 死亡趋势 Joinpoint趋势分析 自回归移动平均模型 -
ARIMA模型在北京市丰台区流行性感冒预测中的应用
目的 探讨ARIMA模型在北京市丰台区流行性感冒预警预测中的应用,建立流感样病例(ILI)发病预测模型.方法 利用《北京市医院传染病监测预警信息系统》资料,采用SPSS 22.0软件,对丰台区2007年9月-2016年8月ILI监测数据建立ARIMA模型,并对2016年9月-2017年4月ILI％进行预测,评价模型的预测效果.结果 2007年9月-2016年8月丰台区ILI％呈季节性周期变化,病例以＜25岁儿童及青少年为主,主要就诊科室为儿科门、急诊和发热门诊.2007年9月-2016年8月ILI％数据拟合模型ARIMA(1,0,0,)(1,1,0)12,预测2016年9月-2017年4月ILI％与监测值差异无统计学意义(t=1.674,P＞0.05).结论 ARIMA模型可用于丰台区流行性感冒发病情况预测,可为流行性感冒防控提供科学依据.
-
宝鸡市肾综合征出血热流行特征及预测分析
目的 了解2005-2013年宝鸡市肾综合征出血热(简称出血热)流行特征,并建立出血热发病预测模式.方法 对宝鸡市2005-2013年的出血热疫情资料用描述流行病学方法进行统计分析,利用历史数据建立预测模型.结果 2005-2013年共报告出血热2 233例,年平均发病率为6.67/10万,病死率为0.54％,发病季节性特点明显.发病职业以农民为主(1 799例),占发病总数的88.54％,发病年龄以40～59岁年龄段高(1 128例),占发病总数的50.52％,男女性别比为3∶1,自回归移动平均模型预测提示近年出血热发病可能仍处于高发水平.结论 宝鸡市出血热发病进入一个发病周期,近年发病可能仍处于高发水平,应对重点地区、重点人群及时采取防控措施,自回归移动平均模型对预测宝鸡市出血热有一定的实用意义.
-
自回归移动平均模型在恙虫病预测中的应用研究
目的 探索基于季节性差分的自回归移动平均模型(ARIMA模型)在恙虫病预测应用的可行性.方法 搜集中国疾病预防控制信息系统中的恙虫病发病资料,应用SPSS 17.0软件中的ARIMA模型,对北京市平谷区2010-2015年的恙虫病病例发病时间建立模型并拟合,根据模型对2016年的发病数做出预测.结果 北京市平谷区恙虫病发病呈现逐年上升趋势,具有明显的季节性和周期性,每年的10月为发病高峰,经选取优模型为ARIMA(1,2,2)(2,1,0)12,其平稳的R2=0.889,BIC=5.460,Ljung-Box Q检验,P=0.428,残差序列为白噪声序列.结论 利用监测数据建立时间序列是预测传染病发展趋势的一个重要手段,此次建立的ARIMA模型对北京市平谷区恙虫病发病值及预测值拟合较好,可以作为恙虫病短期发病预测手段.
-
基于经验模态分解的我国布鲁菌病月发病率预测研究
目的 根据我国布鲁菌病(简称布病)月发病率的波动特征,采用经验模态分解(EMD)和时间序列分析,构建布病月发病率预测模型,并预测2017年我国布病月发病率.方法 从公共卫生科学数据中心和国家卫生计生委疾病预防控制局网站,收集并计算2004年1月—2016年12月我国布病月发病率.选取2004年1月—2015年12月的数据作为训练集建模,2016年1—12月的数据作为测试集验证模型.通过EMD算法将发病率序列分解为本征模态函数(IMF)1~IMF4和趋势项,对IMF1~IMF4建立支持向量机(SVM)模型,对趋势项建立自回归移动平均模型(ARIMA)疏系数模型,后将5个模型的输出值进行线性加权求和,得出布病月发病率预测值.结果 SVM模型的惩罚参数c的取值范围是0.0884~100.0000,核函数参数g的取值范围是0.0100~128.0000;ARIMA((1,12,24),1,0)模型中,常数项及滞后1、12、24阶的自回归系数分别为0.002003、1.087788、-0.145494、0.028783.本文方法预测2016年1—11月布病发病率的均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)分别为0.0201、0.0169、0.0665,序列未分解单一SVM模型预测2016年1—11月布病发病率的RMSE、MAE、MAPE分别为0.0722、0.0560、0.1975,序列未分解单一ARIMA模型预测2016年1—11月布病发病率的RMSE、MAE、MAPE分别为0.1650、0.1562、0.6100.根据本文方法计算得出2017年1—12月布病发病率预测值为0.2870/10万人~0.3726/10万人.结论 本研究根据相关发病率数据构建了基+于EMD和时间序列分析的我国布病月发病率预测模型,其预测误差较小,预测准确度较高;2017年我国布病月发病率预测值约为0.35/10万人.
-
组合模型在职业病预测中的应用
目的 探讨应用多个模型线性组合进行职业病发病趋势预测的可行性.方法 收集1984-2011年武汉市职业病诊断资料,分别利用Excel和SPSS软件对年发病数进行灰色模型和自回归移动求和平均模型建模拟合,将两模型得到的预测值加权组合形成终预测值.结果 组合模型较好地拟合了既往时间段的发病序列；2012年武汉市职业病发病数预测数为15.结论 组合模型较单一预测模型的精度要高,能够较好地预测职业病的发病趋势.
-
重庆市主城区人口死亡率的时间序列分析
目的分析和预测重庆市主城区人口死亡率的动态发展趋势,为科学的制定卫生政策、干预措施提供依据,并探索时序模型在医学领域中的运用.方法采用整群抽样的方法抽取重庆市主城区中3个社区1994～2000年人口及其死亡情况的资料.应用确定型的时间序列分解法乘法模型与随机型的ARMA模型相结合,建立重庆市主城区人口死亡率的时间序列模型.结果模型的决定系数R2＝0.7435,平均绝对百分误差MAPE=10.59%.1995～1998年重庆市主城区人口死亡率继1994年下降以后有上升趋势,1998年后逐渐下降,预测2001年将继续呈现下降趋势.结论时间序列模型能较客观的反映死亡率的发展变化规律,所运用的时序分析和预测模型拟合效果较好,可推广应用于疾病发病或死亡动态变化规律的分析和其未来发展趋势的预测、预报.结果表明,重庆市主城区近年来的健康保健、卫生医疗政策措施收效较好.
-
流动人口聚集地区重点性传播疾病发病预测与防控策略
以深圳市流动人口聚集密度较大的某区为例,调查了解当地三种重点性传播疾病流行情况,并预测了其未来发病趋势.调查显示,2005年～2015年艾滋病感染、梅毒与淋病是对当地影响较大的性传播疾病,运用时间序列中的自回归滑动平均模型预测三种疾病未来发病呈现上升趋势.建议政府统筹实施针对三种疾病的综合防控策略,通过制定专项防控规划、推动部门协同、全民参与、创新健康教育行为干预、完善综合支持体系等具体措施,为相应防控策略的制定提供依据.
-
基于ARIMA模型的国内药品价格管制政策评估
政府出台了多项管制政策以控制过快上涨的药品价格,国内学者们对其效果尚无定论.利用2004年4月至2011年4月间与药品相关的价格指数时间序列数据建立求和自回归移动平均(ARIMA)模型,进而对此期间颁布的药品价格管制政策的效果进行评价.评价结果发现,这些政策对药品相关的价格指数的作用均不明显,从实证角度证实了近年来政府实施的各项价格管制政策未能达到很好地控制药品价格上涨、减轻群众用药负担的目的.建议政府一方面切实调查了解药品生产、流通成本,另一方面加快改革医疗卫生体制.
-
农村和城镇精神分裂症患者住院费用的时间序列分析
目的：分析农村和城镇精神分裂症患者的住院费用及其趋势，为进一步完善农村和城镇患者的补偿政策、减轻患者的经济压力提供参考依据。方法：收集某省精神专科医院2006-2012年住院精神分裂症患者的资料，对住院情况进行统计描述，并采用时间序列自回归移动平均模型（ARIMA）模型对农村和城镇患者的人均住院费用进行短期预测。结果：7年来农村精神分裂症住院人数增长了75.10%，城镇为93.27%；城镇患者的人均住院天数明显高于农村患者的人均住院天数；农村精神分裂症患者的人均住院费用增长了194.76%，城镇增长了248.72%。农村患者住院费用的预测模型为ARIMA (1,2,1)，城镇为ARIMA (1,1,0)；2013年农村和城镇患者人均住院费用基本保持先前的上升趋势。结论：农村和城镇住院精神分裂症患者不断增加，住院费用不断上升，农村患者的经济压力比较大，增加对患者的经济补偿成为必然。
