SARIMA-GRNN组合模型和SARIMA模型在流行性腮腺炎发病率预测中的应用

目的 探讨SARIMA-GRNN组合模型和SARIMA模型在流行性腮腺炎发病率预测中的应用,并对他们的预测效果进行比较.方法 选取2004-2016年上海市流行性腮腺炎逐月发病率资料,基于2004年1月-2016年6月的数据建立SARIMA模型.利用2004-2015年流行性腮腺炎的SARIMA模型拟合值与实际值、时间...     

ARIMA模型在流行性腮腺炎发病率预测中的应用

目的探讨求和自回归移动平均(ARIMA)模型在流行性腮腺炎发病预测中的应用,验证分析模型的可行性与适用性。方法对南京市2004年1月至2012年12月流行性腮腺炎发病率资料进行ARIMA模型拟合,用建立的模型对2013年1—12月发病率进行拟合检测,之后对2014年各月发病率进行预测评价。结果 2004—2013年流行性腮腺炎累计报告病例14 871例,年均发病率为21.78/10万,每年各月流行性腮腺炎发病率始终围绕在1.85/10万附近波动。建立ARIMA(1,0,0)(2,1,0)12模型为最优模型。模型残差序列为白噪声。除常数项外,模型各参数均有统计学意义。模型的平均绝对百分误差为29.63%,R2为0.76。用建立的模型拟合2013年1—12月发病率,均在95%可信区域内,符合实际发病率变动趋势,验证了该模型的可行性。用该模型对2014年流行性腮腺炎进行预测,年发病率为1.48/10万,发病高峰期在4、5、6月,月发病率分别为2.33/10万、2.72/10万、2.52/10万。结论 ARIMA模型可用于拟合流行性腮腺炎发病率在时间序列上的变化趋势,可进行动态分析和短期预测。     

简单催化模型在流行性腮腺炎抗体检测分析中应用初探

流行性腮腺炎是一种发病率高、并发症多的儿童传染病。为探讨本病在人群中流行趋势和规律 ,笔者在对全县进行流行性腮腺炎抗体抽样调查的基础上 ,应用简单催化模型对检测资料进行分析 ,建立了人群年龄别抗体阴性率数学模型和婴儿月龄别抗体阳性率预测数学模型 ,并获得了一组重要的流行参数。现将资料来源 ,分析方法 ,结果和几点初浅体会报告如下。资料来源　本文资料来源于 1996年至 1997年期间对绍兴县人群进行的流行性腮腺炎抗体抽样调查。该次调查共计采集了 1736名 2 0周岁以下各年龄组人群随机血清样本 ,用血凝抑制试验 (ＨＩ)法进行流…     

巢湖市流行性腮腺炎空间聚集性分析

目的利用地理信息系统(GIS)分析巢湖市流行性腮腺炎空间分布规律。方法收集巢湖市2010~2014年流腮流行病学监测资料,建立GIS数据库。应用空间统计分析软件Geo Da对建立的GIS数据库进行空间自相关分析。结果全局自相关分析提示,巢湖市2010~2014年流腮发病呈现空间聚集模式;2010~2014年流腮局部自相关分析共探测出10个高高聚集区,以市区街道为最多。结论巢湖市流腮分布呈现空间聚集性。     

应用余弦模型分析流行性腮腺炎发病季节性

本文试用余弦模型分析法对哈尔滨铁路局１９９２～１９９６年度流行性腮腺炎发病季节特征进行分析。资料与方法将哈尔滨铁路局５年流行性腮腺炎发病资料按月合并，求出月平均发病率，并取其对数，每年按３６０°，每月各记为３０°，并取每月１５日为时点，用拟合余弦曲线...     

ARIMA乘积季节模型在流行性腮腺炎发病率预测中的应用

目的构建时间序列分析ARIMA乘积季节性模型,预测武汉市2013年流行性腮腺炎发病趋势,探讨该模型在流行性腮腺炎发病率预测中的应用。方法利用中国疾病监测信息报告系统2005年1月至2012年12月武汉市流行性腮腺炎月发病资料,运用PASWStatistics18．0专家建模器,考虑季节性因素建立ARIMA预测模型,并将所建模型对2013年流行性腮腺炎月发病率进行预测。结果模型残差序列为白噪声,ARIMA（0,1,0）（0,1,1）。：模型构建理想,能较好地拟合时间序列,2013年流行性腮腺炎月发病高峰在5～7月,至11、12月出现次要高峰。结论专家建模器构建乘积季节性模型拟合效果较好,但在实际工作中要充分考虑流行性腮腺炎各项防控措施推行等影响因素,综合分析,为防控工作提出理论与实证建议。     

TBATS模型在流行性腮腺炎发病率预测中的应用

目的 探讨TBATS模型在流行性腮腺炎发病率预测中的可行性.方法 以2004—2017年江西省流腮数据作为演示数据.2004年1月至2017年6月数据作为训练集,2017年7～12月数据作为测试集.训练集分别训练TBATS模型、SARIMA模型,并预测2017年7～12月发病率并与测试集比较,采用MAPE,RMSE,M...     

ARIMA-MLP与ARIMA-RBF模型在流行性腮腺炎发病预测中的应用

目的 探索流行性腮腺炎月发病数的最佳预测模型,为流腮发病的预测和预警提供理论依据.方法 使用SPSS18.0软件,分别采用单纯自回归移动平均模型(ARIMA模型)、自回归移动平均-多层感知器神经网络模型(ARIMA-MLP组合模型)及自回归移动平均-径向基函数神经网络模型(ARIMA-RBF组合模型)对陕西省2009-2014年流腮月发病数进行拟合,找出最佳预测模型.结果 单纯ARIMA模型拟合优度R2值为0.831,平均绝对误差(MAE)值为267.49;ARIMA-MLP组合模型的R2值为0.881,MAE值为208.01;ARIMA-RBF组合模型的R2值为0.898,MAE值为205.82.结论 ARIMA-RBF组合模型对陕西省流腮月发病数预测效果最佳,可以为流腮发病的预测、预警提供理论依据.     

标准化和基于移动平均法的趋势季节模型在流行性腮腺炎预测中的应用

目的运用标准化和基于移动平均法的趋势季节模型对流行性腮腺炎疫情进行预测,并进行评价。方法利用襄阳市2005-2010年流行性腮腺炎监测资料,将粗发病率按2011年当地人口的年龄等因素进行标准化,建立基于移动平均法的趋势季节模型,预测2011年发病情况并与实际数据进行对比评价。结果采用标准化法和基于移动平均法的趋势季节模型,对2011年流行性腮腺炎突发事件和聚集性病例报告均进行了提示,灵敏度100%,特异度84.62%。结论基于移动平均法的趋势季节模型用于流行性腮腺炎疫情预测实际可行,对预防控制有实用意义;在预测分析时,既往资料按预测时间的人口学特征进行标准化是必要的。     

应急接种等措施在一起流行性腮腺炎暴发疫情防控中的效果评价

目的 评价应急接种等措施在一起流行性腮腺炎暴发疫情防控中的效果。方法 根据病例定义收集该起暴发疫情中的所有病例发病、隔离日期,疫情中采取的应急接种、病例隔离、停课、洗手宣传教育等防控措施信息,计算应急接种的疫苗保护效率(vaccine efficiency,VE),采用离散时间模型对拟合实际暴发疫情数据计算传播能力,计算应急接种、病例隔离、停课和洗手的效果指数。结果 该起暴发疫情共调查共1 471人,发生4代病例,三代间距均为15 d;暴发期间共339人接种了麻腮风疫苗,应急接种率为73.38%,发病3人,罹患率0.88%。未应急接种的人数为123人,发病25人,罹患率20.33%。应急接种的疫苗保护效率为95.6%。隔离在第二至第四代的效果系数分别为0.43、0.46和0.47;停课和洗手联合措施在第二、三代病例发生时产生了作用,效果系数分别为0.279和0.078。模型模拟结果显示,接种率达到90%~100%,罹患率、疫情持续时间、疫情高峰出现周才能产生明显防控效果。结论 在流腮暴发疫情中,应急接种率达到90%~100%才能起到好的防控效果;停课和洗手等健康教育能起到一定作用,但主要防控措施应为高接种率和及时病例隔离。     

基于传染病动力学模型的宁波市新型冠状病毒肺炎防控措施效果评估

目的 基于传染病动力学模型评估宁波市新型冠状病毒肺炎（COVID-19）防控措施的效果。方法 收集截至2020年3月9日宁波市COVID-19疫情个案数据、疾病进程等信息。根据防控策略落实情况,建立SEIR传染病动力学模型,计算基本再生数（R₀）和实时再生数（R_t）,评估防控效果。结果 宁波市累计确诊COVID-19病例157例,无死亡病例,重症病例比例为12.1%。从暴露到发病（潜伏期）平均（5.7±2.9）d,发病到确诊平均（5.4±3.7）d,从确诊到出院平均（16.6±6.5）d。累计医学观察105 339人,其中居家医学观察者COVID-19感染率为0.1%,集中医学观察者感染率为0.3%,确诊病例在就诊前处于医学观察期者占63.1%。估算R₀为4.8。随着防控措施的加强,R_t呈逐渐下降趋势,到2月4日下降至1.0以下,之后持续下降到2月中旬的0.2。结论 通过建立传染病动力学模型,能够有效评估宁波市COVID-19防控措施的效果,为防控策略的制定提供科学依据。     

基于SEIR模型的流行性腮腺炎暴发疫情控制效果评价

目的定量评价学校流行性腮腺炎暴发疫情控制措施效果,为制定流行性腮腺炎暴发疫情防控措施提供参考。方法拟合SEIR模型,计算理论发病数,对控制效果进行评价;并加入应急接种措施,评价不同条件下应急接种控制效果。结果不采取控制措施时,将发生694例感染者,为实际发病人数的9.77倍,流行时间将达到120d,远超过实际流行的77d;假定条件下,在首发病例出现当日和出现7日后接种,发病人数分别为37人和127人;当疫苗保护率为85%和95%时,发病人数分别为112人和53人;当接种率为80%和90%时,发病人数分别为150人和78人。结论学校防控措施效果明显;越早实施应急接种和保持高的接种率能达到更好的控制效果。     

基于季节性动力学模型预测与控制新疆布鲁氏菌病的流行

目的构建季节性动力学模型,拟合并预测新疆新发的急性人间布鲁氏菌病的流行趋势,提出有效控制布鲁氏菌病的决策依据。方法针对布鲁氏菌病的传播机理分析建立具有周期性传播率的动力学模型,拟合2010—2014年新疆新发的急性人间布鲁氏菌病数量并长期预测波动规律。改变模型参数对基本再生数R0的影响,可确定消除布鲁氏菌病的措施。结果SEIV模型较好的拟合新疆新发的急性人间布鲁氏菌病季节性波动规律,平均绝对百分比误差MAPE=20.379 4%,拟合累积新发病数量时MAPE=6.371 5%。模型预测2015—2019年疫病数量呈周期性上升,同时估计基本再生数R0=1.902 8,说明布鲁氏菌病尚不能被消除。参数敏感性分析确定有效策略为:减少羊/牛新出生数量;增大已感染布病羊/牛屠杀率;加强易感羊/牛疫苗接种率;降低疫苗丢失率。结论季节性动力学模型适用于拟合及预测新疆新发的急性人间布鲁氏菌病,具有较高可行性,同时为相关部门提供控制布鲁氏菌病的参考措施。     

应用自回归移动平均模型预测分析江西省流行性腮腺炎的发病趋势

目的 应用自回归移动平均模型（ARIMA）预测分析江西省流行性腮腺炎的发病趋势。方法 利用ARIMA对江西省2015-2019年每月流行性腮腺炎报告发病数进行建模,预测12个月的发病数,并与2020、2021、2022年报告发病数进行比较分析。结果 最优模型为ARIMA（0,2,1）（1,2,0）₁₂。预测发病数显著高于2020、2021、2022年报告发病数。2020、2021、2022年流行性腮腺炎报告发病数较预测发病数分别减少54.02%、63.40%、66.09%。结论 2020-2022年江西省流行性腮腺炎报告发病数明显低于预测发病数,考虑与非药物干预措施、免疫策略的改变等有关,建议进一步加强流行性腮腺炎监测,以更好应对流行性腮腺炎疫情。     

我国流行性腮腺炎流行病学特征及其防控策略分析

摘要:目的　分析我国流行性腮腺炎的流行病学特征、发生和流行的主要影响因素,总结防控工作经验,为制定全国统一的流行性腮腺炎预防控制策略提供参考。方法　通过文献复习并结合工作实践,进行综述。结果　我国流行性腮腺炎疫情总体呈现高度散发和局部暴发并存状态;发病以＜15岁的学生、幼托儿童和散居儿童为主;学校是流行性腮腺炎暴发的主要场所;含腮腺炎成分疫苗接种率低,且接种1剂次疫苗的保护效果不稳定,可能是造成流行性腮腺炎发生流行的主要因素。结论　制定全国统一的流行性腮腺炎防控策略,提高相关疫苗的接种率和接种剂次,加强学校疫情监测控制,采取综合防控措施是最终消除流行性腮腺炎的关键。     

流行性腮腺炎流行病学调查分析与控制对策

目的分析新兴县流行性腮腺炎的流行病学特点，以提供防治参考。方法运用描述性流行病学的统计方法对新兴县2008年报告的腮腺炎病例进行分析。结果新兴县2008年1月至12月共报告流行性腮腺炎23例，年报告发病率为4.98／10万，病例主要集中在流动人口较多的新城镇、太平镇等地区，6月为高发月份，占总发病数26.08％，发病人群主要是10-15岁小学生，占60.86％，腮腺炎相关疫苗免疫史空白和免疫史不详占73.73％。结论加强儿童腮腺炎疫苗的接种工作，重点是流动儿童，发生疫情及时采取综合措施，是控制流行性腮腺炎疫情的重要手段。     

基于动态基本再生数的新型冠状病毒肺炎疫情防控现状评估

目的 对全国各省份的新型冠状病毒肺炎(COVID-19)疫情防控现状进行分析,建立预测模型预估现有防控措施预期成效,为决策部门提供科学信息。方法 基于COVID-19疫情网络公开数据,估计全国、各省份以及武汉市不同时间基本再生数(R0)的动态变化R₀(t),以评估在现有防控措施下,COVID-19传染速率随时间变化的趋势,预估现有防控措施的预期成效。结果 从结果稳定性考虑,选择累积确诊病例数>100例的地区进行分析,共24个省份纳入分析。在疫情初期,全国整体R₀(t)不稳定,数值较大,误差也较大。随着防控措施的进一步加强,R₀(t)普遍在1月下旬开始呈现下降趋势,2月始下降趋势稳定。截至数据分析日,纳入分析的24个省份中已有18个省份(75%)R₀(t)降到1以下。这为有条件地开放人员流动提供了信息。结论 动态R₀(t)有助于动态评估COVID-19传染速率变化情况,本次疫情防控措施已初显成效,如能继续保持,全国疫情有望短期内得到全面控制。     

The control of mumps in Israel

Background: Measles–mumps–rubella (MMR) vaccine replaced monovalent measles vaccine in the routine childhood vaccination schedule in Israel in December 1988, primarily to achieve the elimination of the congenital rubella syndrome. In this observational study, we report on changes in reported mumps incidence in Israel from the time of the introduction of MMR vaccine until the end of 1998. Methods: The report is based upon passive national surveillance of mumps incidence, which has been notifiable in Israel since 1977. Results: Reported mumps incidence in Israel is now less than 2% the pre-vaccine incidence. Conclusions: In the decade since the introduction of routine mumps vaccination in 1-year-olds in Israel, mumps control has been achieved. Although small outbreaks occur and may continue to occur in future years, because of undervaccination of children, primary vaccine failure and waning immunity, it can tentatively be said that mumps is no longer a public health problem in Israel.     

SARIMA-RBF组合模型在流行性腮腺炎流行趋势预测中的应用

目的 探讨SARIMA-RBF组合模型拟合及预测我国流行性腮腺炎（流腮）流行趋势的应用。方法 利用全国2004—2015年流腮逐月发病率建立SARIMA模型。将基于SARIMA模型的拟合值作为输入向量,实际值作为输出向量,根据时间因素作为输入向量与否建立2个SARIMA-RBF组合模型（加入时间因素记为组合模型A,不加入时间因素记为组合模型B）。运用SARIMA模型和2个SARIMA-RBF组合模型预测2016年7—12月流腮发病率并与实际值比较,采用平均绝对百分比误差（MAPE）、平均误差率（MER）、均方误差（MSE）和平均绝对误差（MAE）评价模型拟合及预测效果。结果 SARIMA（0,1,1）（0,1,1） ₁₂为最优SARIMA模型。SARIMA模型、组合模型A和组合模型B拟合的MAPE 分别为15.724%、12.217%、13.941%,MER分别为15.168%、10.179%、14.042%,MSE分别为0.336、0.167、0.713,MAE分别为0.296、0.199、0.274。预测的MAPE 分别为12.069%、7.904%、9.598%,MER分别为12.331%、7.872%、10.636%,MSE分别为0.022、0.013、0.025,MAE分别为0.138、0.088、0.119。结论 考虑时间因素的SARIMA-RBF组合模型为最优拟合及预测模型,具有良好推广应用价值。