门诊病人预测与分析

目的通过我院2002年1月至2005年6月每季度的实际门诊量变化趋势,预测2005年三、四季度和2006年全年各季度的门诊量。方法用趋势季节模型建立预测方程。结果趋势预测方程:y^t=9768.7+129.3t,预测值=季节变化指数×y^t。结论医院门诊量呈缓慢上升趋势,且趋于平稳,各季度变化有明显季节规律。通过预测模型预测门诊量,为制订门诊工作计划和提高管理水平提供了科学依据。     

基于时间序列分析法的医院月门诊量预测模型

目的 分析影响医院月门诊量的主要因素,提高医院月门诊量预测工作准确性,提高科学预见性. 方法 采用X-11季节调整方法、引入虚拟变量拟合趋势直线方程,剔除趋势后建立ARIMA模型,预测医院的各月门诊量,并与月门诊量时间序列直接建立的ARIMA模型进行比较. 结果 趋势模型3个参数的拟合系数均很显著,以残差序列所建立的ARIMA模型的参数也均是显著的. 结论 剔除季节因素和趋势因素建立的ARIMA模型,对时间序列进行拟合的结果远远优于直接对月门诊量建立的ARIMA模型的拟合结果.ARIMA模型更适合于做短期预测,对剔除季节因素和趋势因素的平稳时间序列以ARMA模型拟合后,再合成季节因素和趋势因素的模型所做的中长期预测精度高.     

ARIMA模型在门诊季节性时序预测中的应用

目的探讨某院5年门诊量的季节变动趋势。方法通过分析医院时间序列资料的变动规律,使用ARIMA（p,d,g）模型分析门诊量的动态变化。结果医院5年门诊量呈上升趋势及具有明显周期变化,预测值和实际值拟合程度高,相对误差在5．5％～6％之间。结论时间序列模型对于门诊人次发展变化规律的分析有较好的适应性和实用性。表明运用科学的方法,可以有效提高门诊管理水平。     

医院门诊量的长期趋势及季节变动分析

目的 了解医院2003-2009年门诊量趋势走向,用趋势季节模型预测医院门诊人次并进行季节分析,为医院在门诊的人力、物力等资源配置上提供科学依据方法 根据医院2003-2009年的门诊量求得直线回归方程的趋势值,再计算各季度的季节指数拟合直线趋势方程,以95%的置信度进行检验得到最后预测值.用季节比率来反映各主要科室门诊量在不同季节的变化规律结果预测模型为：Y=7 239.6t＋172 459,（r=0.967,F=373.824,P〈0.05）.各主要科室门诊量在不同的季节均有变动结论 门诊量变动呈上升趋势,各主要科室的门诊量变动有一定的季节规律,医院应根据季节的不同合理的安排各门诊科室的人力和物力.     

某社区卫生服务站门诊量动态分析

目的分析某社区卫生服务站2003～2012年门诊量的动态发展趋势,预测2013年门诊量。方法用最小二乘法拟合趋势直线方程预测年门诊量,利用变动系数预测月门诊量,并估计95％可信区间。结果2003～2012年门诊量近似直线增长。2013年预测门诊量为76061人次,1～9月实际值与预测值误差2．5％。结论应用最小二乘法对门诊量进行预测,效果满意,可为医院科学管理提供数据依据。     

基于季节趋势模型对宜昌市手足口病的预测研究

目的探讨移动平均法的季节趋势模型在手足口病预测的应用。方法基于宜昌市2010-2014年逐月手足口病发病率建立移动平均法的季节趋势模型,并将拟合值与实际值进行拟合评价。结果 2010-2014年手足口病的实际值与拟合值相对误差为5.310%,模型拟合较好。应用季节趋势模型可对2015年手足口病的发病率进行预测。结论基于移动平均法的季节趋势模型,能较好的模拟手足口病发病在时间序列的变化趋势,但因其计算简单,仅适用短期预测。     

昆山开发区儿保门诊量变动趋势分析及模型预测

目的建立儿保门诊量的预测方法和模型。方法采用SPSS 18.0软件,对辖区内所有社区卫生服务中心2010—2014年的门诊量进行ARIMA模型的建模拟合,对2015年1—7月门诊量进行预测,并与实际值进行比较验证。结果昆山经济技术开发区门诊量序列图示2010—2014年门诊量随着时间推移,呈现波动上升的趋势;近两年季节分布的规律相似,均以3、4季度门诊量较高。选择ARIMA(1,0,0)模型得到固定R~2为0.916,平均绝对误差百分比(MAPE)为16.199,BIC为11.820,残差自相关统计量(Ljung-Box Q)为8.12(df=17,P=0.964),且模型参数具有统计学意义,模型拟合优良。结论该地儿童保健门诊量变动有一定规律,ARIMA(1,0,0)模型能较好地拟合以往的门诊量序列,可应用此模型进行预测。     

ARIMA乘积季节模型预测永嘉县其他感染性腹泻的流行

目的评估求和自回归移动平均(ARIMA)乘积季节模型预测其他感染性腹泻流行的可行性。方法利用2005—2014年永嘉县其他感染性腹泻的发病率数据,采用ARIMA模型结合随机季节模型的方法,建立预测其他感染性腹泻流行的ARIMA乘积季节模型,同时用2015年的数据做模型预测效果验证。结果根据模型拟合效果,模型ARIMA(1,1,1)(0,1,1)12的拟合效果为最优,其Ljung-Box检验值为7.796,BIC值为3.602,MAPE值为36.166%,表明模型拟合程度较好;该模型外推验证2015年发病率的预测效果较好,2015年各月发病率的实际值均落在该模型预测值95%可信区间内,且预测值与实际值间依时间变化的趋势也基本一致。结论ARIMA(1,1,1)(0,1,1)12模型能较好地预测永嘉县其他感染性腹泻的流行趋势,对该病的预警具有一定的价值。     

西京医院门诊量预测的趋势季节模型

目的描述西京医院1990年至1999年的实际门诊量变化趋势，预测2000年和2001年门诊量。方法根据1990年至1999年的实际门诊量，用趋势季节模型建立预测方程。结果趋势预测方程Y     

应用ARIMA乘积季节模型分析我国布鲁菌病时间分布特征及趋势预测

目的探讨ARIMA乘积季节模型在分析我国布鲁菌病(布病)月发病率时间分布特征中的应用,预测其发病趋势。方法通过国家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,收集并计算布病月发病率数据。分析布病时间分布特征,对2004年1月—2016年12月发病率数据建立ARIMA乘积季节模型,用2016年1—12月发病率数据拟合模型,选出最优模型,并预测2017年月发病率数据。结果我国布病月发病率数据整体处于上升趋势且具有明显的季节特征,每年5、6月属于高发病期,10月至次年2月发病率较低。拟合ARIMA(2,1,1)(1,1,1)12模型为预测我国布病的最佳模型,拟合值与实际值进行比较,2016年12个月的平均相对误差为8.79%,按全年发病率计算,相对误差为4.05%,显示模型的预测精度较高,并预测2017年1—12月发病率。结论 ARIMA乘积季节模型能很好地拟合布病的长期趋势和季节趋势,回代拟合和短期预测效果较理想。     

X-12-SARIMA在甘肃省猩红热疫情分析及短期预测中的应用

目的 探讨X-12和季节性差分自回归滑动平均模型(seasonal autoregressive integrated moving average, SARIMA)在甘肃省猩红热疫情分析及短期预测中的应用。方法 利用2010—2017年甘肃省猩红热月发病率数据建立SARIMA模型并进行短期预测,运用X-12季节调整法分析疾病流行的季节波动等特征。结果 建立的SARIMA(3,1,1)(1,1,1)₁₂模型参数估计值均有统计学意义,残差为白噪声序列,预测值的精度评价指标和误差衡量指标均符合标准。2010—2018年甘肃省猩红热月发病率存在明显季节波动,季节因子影响6月最大且呈缓慢下降趋势,循环-趋势成分影响呈缓慢上升趋势,不规则因子影响规律平稳。结论 X-12季节调整方法能较好地分析具有一定季节波动和长期趋势传染病的时间变化规律,SARIMA模型对于甘肃省猩红热的短期预测效果较好。     

Estimating trends and seasonality in coronary heart disease

We present two methods of estimating the trend, seasonality and noise in time series of coronary heart disease events. In contrast to previous work we use a non-linear trend, allow multiple seasonal components, and carefully examine the residuals from the fitted model. We show the importance of estimating these three aspects of the observed data to aid insight of the underlying process, although our major focus is on the seasonal components. For one method we allow the seasonal effects to vary over time and show how this helps the understanding of the association between coronary heart disease and varying temperature patterns.     

ARIMA模型应用于月门诊量预测

目的探讨季节性时间序列ARIMA预测模型在时间序列资料分析中的应用，建立门诊量的预测模型。方法采用最小二乘法估计模型参数，通过对数转换及差分方法使原始序列平稳，按照残差不相关原则、简洁原则确定模型结构．依据AIC和SBC准则确定模型阶数，建立ARIMA预测模型。结果季节自回归参数有统计学意义。方差估计值为0．001956．AIC=-443．26．SBC=-437．51。对模型进行白噪声残差分析，拟合优度统计量表中表明ARIMA的估计具体模型为：（1-B）（1-B^12）Zt=（1—0．24269B）（1—0．30096B^12）a1是适合的。结论用所建立模型对月门诊量进行预测。结果表明ARIMA是一种短期预测精度较高的预测模型。     

5种系统疾病住院医疗费用的时间序列分析与预测

以其三级甲等医院１９９３年第１季度￣１９９９年第３季住院前１０位系统疾病中相重叠的５种系统疾病的出院病例为样本,采用时间序列分析方法,对系统疾病平均住院医疗费用进行分析与预测。结果表明,５种系统疾病平均住院医疗费用从１９９３年第１季度到１９９９５年第３季度到１９９５年第４季度沿着较快速上升的趋势波动,接着便衰减并逐渐下降或呈现季节性变化。预测显示１９９９年第３季度到２０００年第４季度病种平均住院医     

应用灰色关联法分析某院临床科室发展趋势

目的 了解某院各临床科室的发展趋势,探讨应用灰色关联法对临床科室的综合评价.方法 应用灰色关联分析法对某院临床科室2013-2015年的门急诊人次、出院人数、平均住院日、床位周转次数和床位使用率、治愈好转率、入出院诊断符合率、住院均次费用进行分析.结果 从2013-2015年的发展趋势看,妇产科、儿科、肛肠科等保持前列,部分科室处于落后.结论 结合实际情况对各科室制定相应的发展策略,发展优势科室,扶持弱势科室,促进医院平稳发展.     

基于集中度和圆形分布法分析甘肃省人间布氏菌病季节性特征

目的 分析甘肃省人间布氏菌病的季节性特征,为布氏菌病防控提供参考依据.方法 收集整理2011-2019年甘肃省人间布氏菌病的逐月发病数据,运用集中度和圆形分布法分析甘肃省人间布氏菌病的季节性特征.结果 2011-2019年甘肃省累计报告人间布氏菌病11207例,无死亡病例,发病率从0.196/10万(2011年)增长到...     

ARIMA乘积季节模型在江西省手足口病发病预测中的应用

目的 建立江西省手足口病发病的ARIMA乘积季节模型并进行预测,探讨该模型在江西省手足口病早期预测预警中的可行性。方法 以江西省2008-2015年手足口病逐月发病数为基础,建立ARIMA乘积季节模型,利用2016年各月发病数对模型进行验证,得到最优模型后对2017年手足口病发病数进行预测。结果 本研究构建的江西省手足口病发病预测模型为ARIMA(2,1,1)(0,1,1)12,各项参数都有统计学意义(P<0.05),模型拟合优度检验获得BIC值最小为14.738,残序列为白噪声(Ljung-Box Q=14.738,P=0.362),实际值与拟合值的动态趋势基本吻合;2016年1-8月预测值与实际值相差较小,吻合度高;2017年手足口发病数预测值为49 353。结论 ARIMA(2,1,1)(0,1,1)12较好地模拟了江西省手足口病发病趋势,可用于江西省手足口病发病的短期预测。     

中国肺结核病的季节性特征、循环周期及长短期预测

目的 分析中国肺结核病的季节性特征和循环周期并进行长短期预测,为防控措施的制定提供依据。方法 采用CensusX-13季节调整法剖析中国肺结核发病的季节特征,采用Hodrick-Prescott(HP)滤波法分析发病的循环周期,基于分解后的长期趋势采用线性回归模型进行长期预测,采用Holt-Winter季节指数平滑模型进行短期预测。结果 2010—2021年中国肺结核发病具有明显季节性特征,肺结核报告发病数集中在第二季度,每年3—7月是报告发病高峰期。循环周期大致有6个,周期平均长度为21个月,整体呈现下降的长期趋势,长短期预测效果较好。结论 应针对肺结核病的季节性特征和循环周期,结合其病理特点,在发病高峰前采取有效的预防控制措施。     

Examining secular trends and seasonality in count data using dynamic generalized linear modelling: a new methodological approach illustrated with hospital discharge data on myocardial infarction

Time series of incidence counts often show secular trends and seasonal patterns. We present a model for incidence counts capable of handling a possible gradual change in growth rates and seasonal patterns, serial correlation, and overdispersion. The model resembles an ordinary time series regression model for Poisson counts. It differs in allowing the regression coefficients to vary gradually over time in a random fashion. During the 1983–1999 period, 17,989 incidents of acute myocardial infarction were recorded in the Hospital Discharge Registry for the county of North Jutland, Denmark. Records were updated daily. A dynamic model with a seasonal pattern and an approximately linear trend was fitted to the data, and diagnostic plots indicated a good model fit. The analysis conducted with the dynamic model revealed peaks coinciding with above-average influenza A activity. On average the dynamic model estimated a higher peak-to-trough ratio than traditional models, and showed gradual changes in seasonal patterns. Analyses conducted with this model provide insights not available from more traditional approaches.     

2006—2015年内蒙古自治区农药中毒病例流行病学分析

目的了解内蒙古自治区农药中毒现状,为预防和控制农药中毒的发生提供科学依据。方法通过中国疾病预防控制信息系统报告平台,对内蒙古自治区2006—2015年农药中毒报告病例进行统计分析。结果内蒙古自治区2006—2015年各年度报告农药中毒总体呈现上升趋势,共报告农药中毒1 201例,死亡91例,病死率为7.91%。非生产性农药中毒(1 088例,占90.59%)为主要的农药中毒类型。113例生产性中毒病例死亡4例,1 088例生产性中毒病例死亡91例。生产性中毒病例中男性多于女性(男性:女性=1.17:1),非生产性中毒病例中女性多于男性(男性:女性=0.92:1)。中毒的平均年龄为42.65岁,25~54岁年龄段中毒最多(784例,占65.35%)。农药中毒具有明显的季节性,在第二、三季度发生率较高(774例,占64.45%);生产性农药中毒具有明显的季节集中性,有59.29%集中于第三季度;非生产性农药中毒以第二、三季度最多,占61.76%。杀虫剂(956例,占79.60%)为引起农药中毒的主要毒物,其中又以有机磷农药中毒(87.87%)为主。结论内蒙古自治区农药中毒主要以非生产性中毒为主,引起中毒的农药种类以杀虫剂为主。相关部门应加强农药监督管理工作,并制定有效的控制对策。