南昌市其他感染性腹泻ARIMA模型的建立及应用

目的 建立南昌市其他感染性腹泻的ARIMA模型,探讨ARIMA模型对南昌市其他感染性腹泻发病数预测的可行性.方法 利用Eviews软件对南昌市2007年1月～2011年6月其他感染性腹泻的发病数资料建立ARIMA模型,并对预测结果进行评价.结果 建立ARIMA(4,2,2)×(0,1,1)12模型,预测结果MAPE为15.56.结论 建立的ARIMA模型较好的反应了其他感染性腹泻的流行趋势,对其他感染性腹泻的防制有一定的借鉴意义.     

上城区其他感染性腹泻ARIMA乘积季节模型的建立与预测

目的 建立上城区其他感染性腹泻病求和自回归移动平均(auto-regressive integrated moving average, ARIMA)乘积季节模型，为早期防控提供参考。方法 利用SPSS 25.0软件对上城区2010—2020年其他感染性腹泻病发病数据构建ARIMA乘积季节模型，通过对2021年月发病数进行回代预测评价模型拟合效果，并用构建的模型对2022年月发病数进行预测。结果 上城区2010—2020年共报告其他感染性腹泻病40 534例，年均报告发病数为3 685例，无死亡病例报告。构建的较优模型为ARIMA(2,1,1)(1,1,1)₁₂,平稳R²=0.870,贝叶斯信息准则(Bayesian information criterion, BIC)=9.524,平均绝对百分误差(mean absolute percentage error, MAPE)=27.351,模型Box-Ljung检验差异无统计学意义(Q=10.420,P=0.659)。模型实测发病趋势与预测发病趋势基本一致，预测值和实测值平均相对误差为23....     

动态贝叶斯网络模型在其他感染性腹泻发病预测中的应用

目的 采用其他感染性腹泻月发病数构建动态贝叶斯网络（Dynamic Bayesian Networks, DBN）模型,并与传统预测模型——季节乘积差分自回归移动平均(Seasonal Auto-regressive Integrated Moving Average,SARIMA)模型进行预测表现的比较。 方法 将全国2004年1月至2016年12月其他感染性腹泻月发病数作为训练集并拟合DBN模型与SARIMA模型,采用不同策略,使用两个模型分别预测2017年1月至2017年12月发病数,以MAE、MAPE作为预测表现的衡量指标。 结果 静态预测12期时DBN比SARIMA模型的MAE、MAPE分别下降了12.57%、15.84%;并且在绝大多数情况下,DBN的预测值要更接近实际发病数。动态预测12期显示,DBN比SARIMA模型的MAE、MAPE分别下降6.12%、9.30%。 结论 DBN模型在其他感染性腹泻中的预测表现要优于SARIMA模型,在传染病预测中具有极大的应用潜力。     

应用灰色模型预测其他感染性腹泻和病毒性肝炎的发病趋势

目的探讨预测湖口县法定传染病发病率的数学模型,研究笔者所在县传染病的发病规律和趋势。方法对2004-2010年资料完整的两种传染病建立灰色系统GM（1,1）模型,并进行外推3年预测。结果后验差比值C和小误差概率P综合模型检验,两个模型等级结果为好,适合两病种的预测。结论通过模型进行分析,其他感染性腹泻近期未来发病率将上升外,病毒性肝炎发病率近期未来将下降。     

2009年北京市宣武区痢疾和其他感染性腹泻发病趋势

目的 预测北京市宣武区(现更名为西城(南)区)2009年痢疾和其他感染性腹泻发病趋势.方法 利用<中国疾病预防控制信息系统>的疫情资料,应用SPSS 12.0统计软件,采用曲线拟合的方法进行预测.结果 2003-2008年痢疾发病呈缓慢增长趋势,其他感染性腹泻发病趋势呈平稳下降趋势;求得北京市宣武区其他感染性腹泻的预测模为:Y=1778.35-1206.678x+367.730x2-34.141x3,痢疾单因素曲线拟合方程,P>0.05,故无统计学意义.结论 2009年北京市宣武区痢疾和其他感染性腹泻发病率呈下降趋势.     

绍兴市气温对其他感染性腹泻发病影响及归因风险评估

目的 了解浙江省绍兴市气温对其他感染性腹泻发病的影响及其归因风险,为其他感染性腹泻的预防控制提供参考依据.方法 收集绍兴市2014年1月1日-2016年12月31日其他感染性腹泻日发病数据和同期气象资料,采用分布滞后非线性模型(DLNM)分析气温对其他感染性腹泻发病的影响,并基于DLNM的归因风险评估方法 分析气温暴露...     

宝鸡市2004-2016年其他感染性腹泻流行病学特征及预测分析

目的 对2004-2016年宝鸡市其他染性腹泻疫情资料进行分析,了解其流行病学特征和变化趋势,为制定相应预防和控制策略提供科学依据。方法 收集整理“疾病监测信息报告管理系统”中2004-2016年宝鸡市报告的其他感染性腹泻病例资料并进行描述性分析。结果 2004-2016年宝鸡市共报告其他感染性腹泻40 675例,年平均发病率约为84.09/10万。发病呈波浪式上升态势,每4～5年有一个流行高峰。在报告的病例中,3岁以下儿童占报告总病例数的62.47%,患者人群以散居儿童为主（63.01%）。调查发现,主要的致病病原体为轮状病毒。结论 宝鸡市其他感染性腹泻报告的发病率较高,但实验室病原体检测率低,防控重点为散居儿童。     

2005～2012年高县其他感染性腹泻的流行特征分析

目的分析高县其他感染性腹泻的流行特征,为有效控制其他感染性腹泻提供流行病学依据。方法对2005～2012年高县其他感染性腹泻疫情数据进行统计分析。结果2005～2012年高县共报告其他感染性腹泻842例,无死亡病例,年均发病率为23．02／10万（842／3656981）,2005年发病率最高,为31．25／10万（171／471669）,2011年发病率最低,为6．57／10万（27／411119）（PdO．01）。全年均有病例报告,全年发病呈1高1低2个峰值,高发季节为秋冬季,占总发病数的61．88％,男女病例性别比1．83：1,以男性患儿居多。病例主要集中在3岁以下散居儿童,占病例总数的76．96％,发病率最高年龄组为O～岁组,年均发病率为1302．36／10万,其次为1～岁组,年均发病率为205．73／10万。结论高县其他感染性腹泻病例主要集中在3岁以下散居儿童,秋冬季好发,2005～2012年发病率呈逐年下降趋势,但2012年略有回升,存在流行的隐患。     

2013-2017年襄阳市其他感染性腹泻流行特征分析

目的 分析2013—2017年襄阳市其他感染性腹泻的流行特征,为制定防控措施提供科学依据。方法 通过中国疾病预防控制信息系统收集2013—2017年襄阳市其他感染性腹泻病例资料,采用描述流行病学方法对疫情资料进行回顾性分析。结果 2013—2017年襄阳市共报告其他感染性腹泻13 554例,年均发病率为48.69/10万。全年各月均有病例报告,发病高峰为10—12月,共报告6 535例,占发病总数的48.2%。全市9个县（市、区）均有病例报告,报告发病率居前3位的分别为谷城县105.66/10万、樊城区92.03/10万、襄州区52.80/10万,不同地区发病率差异有统计学意义（P<0.01）。男性8 023例,女性5 531例,男女性别比为1.45∶1;病例年龄以0岁组最多,共报告5 488例,占发病总数的40.5%,其次为1~4岁组4 710例,占发病总数的34.7%;职业分布以散居儿童居多,共报告11 060例,占发病总数的81.6%。共检测病例样本685份,检出阳性279份,阳性率为40.73%,其中病毒阳性260份,占93.2%,细菌阳性19份,占6.8%。结论 2013—2017年襄阳市其他感染性腹泻发病具有明显的时间、地区、性别和年龄分布特征,应针对流行特征制定有效的防控措施降低其发病率。     

基于ARIMA模型的2020年衡阳市肺结核发病趋势预测

目的 用差分整合移动平均自回归(autoregressive integrated moving average,ARIMA)模型对肺结核发病率进行预测,为人群肺结核的防治以及制定干预措施提供参考依据.方法 收集衡阳市2010年1月—2019年12月肺结核月发病数据,运用SPSS 22.0软件进行数据分析,构建ARIM...     

ARIMA模型预测南宁市猩红热发病趋势

目的运用自回归移动平均(ARIMA)模型对南宁市2011年的猩红热发病趋势进行预测,探索猩红热的流行规律。方法以南宁市2004-2010年的猩红热月发病率数据为基础,用SPSS13.0建立ARIMA预测模型,以2005-2010年的数据验证模型的预测精度。结果 ARIMA(1,0,0)(1,1,1)12模型可以用于拟合南宁市猩红热的发病情况。南宁市2011年猩红热的发病仍然维持在低位,且发病趋势平稳。结论 ARIMA模型可用于猩红热发病趋势的短期预测。     

基于季节性ARIMA模型的新疆肺结核发病预测分析

目的 探讨季节性时间序列模型(autoregressive integrated moving average,ARIMA)在新疆肺结核发病预测中的应用,并验证模型的可行性和适用性。 方法 采用季节性ARIMA(p, d, q )(P, D, Q)_s拟合2005年1月—2019年8月新疆地区肺结核月发病人数,建立多个季节时间序列模型并进行比较,选出最优模型对2019年9—12月肺结核发病人数进行预测。 结果 2005年1月—2019年8月新疆地区肺结核累积发病人数为627 869例,年平均发病人数为3 567例。 新疆地区肺结核月发病数具有季节性,1—5月平均发病数高于平均水平,6—12月平均发病数低于平均水平,发病高峰为1月和3月,发病低谷为9月。通过赤池信息量(Akaike Information Criterion,AIC)和贝叶斯信息量(Bayesian Information Criterion,BIC)最小原则得出,ARIMA(1, 1, 1 )(0, 1, 2)₁₂是最优模型,其残差序列为白噪声,参数的回归系数均具有统计学意义,拟合的平均绝对百分比误差MAPE为8.723%。预测的MAPE为18.674%,真实值均处于预测值的95%置信区间内。 结论 ARIMA(1, 1, 1 )(0, 1, 2)₁₂模型能够较好地拟合新疆肺结核发病数据,并进行短期预测,对新疆卫生防控措施的制定具有一定指导意义。     

ARIMA模型和BP神经网络模型在甘肃省结核病发病率预测中的应用

目的  探讨自回归滑动平均混合模型（autoregressive integrated moving average,ARIMA）与误差逆传播（（back propagation,BP）神经网络模型在甘肃省结核病发病率预测中的预测效果,选取合适的模型预测发病趋势。 方法  以甘肃省1997-2017年结核病数据为基础,建立ARIMA时间序列模型和BP神经网络模型分别预测2018-2019年的发病率,并比较两种模型的预测精度和建模效果。 结果  对于甘肃省2018年和2019年结核病发病率,ARIMA时间序列模型预测结果为55.1075,54.5373,MSE=92.24,MAE=7.5313,MAPE=9.26%;BP神经网络模型预测结果为62.0132,73.4460,MSE=9.6575,MAE=1.1449,MAPE=1.68%。 结论  BP神经网络模型对甘肃省结核病发病率的预测效果更佳,预测得2018-2019年甘肃省结核病发病率将呈小幅上升趋势。     

ARIMA模型与GM(1,1)模型在痢疾发病数预测中的比较研究

目的 分别应用求和自回归滑动平均模型(autoregressive integrated moving average model, ARIMA)和灰色模型(gray forecast model)GM(1,1)对湖北省痢疾发病数进行预测,比较两种方法的预测效果,为选择更适宜的方法提供依据。方法 分别应用2001－2015年月发病数及年发病数建立ARIMA模型和GM(1,1)模型,用平均误差率(mean error rate,MER)和决定系数(coefficient of determination,R²)评价拟合效果,并采用2016年实际发病数验证预测效果,选择准确性更高的模型对2017－2018年发病数进行预测。结果 建立的ARIMA模型为SARIMA(1,0,0)(0,1,1)₁₂,GM(1,1)模型为(t+1)=-274 126.038e^{-0.067 467t}+293 275.08,两模型的平均误差率(mean error rate,MER)分别为3.55%和14.78%;决定系数(R²)分别为0.993和0.960,2016年实际发病数与两模型预测发病数的残差分别为635和3 240;相对误差分别为16.54%和84.38%,综合考虑各项评价指标采用ARIMA模型对2017－2018年发病数进行预测分别为4 286和4 011。结论 通过拟合及预测评价指标的比较ARIMA模型均优于GM(1,1)模型,可得ARIMA模型对湖北省痢疾发病数的预测比GM(1,1)模型有较明显的优势,能更准确的处理时间序列类型的资料,此预测结果准确具有实用价值,可为卫生防治工作提供依据。     

随机时间序列分析法在传染病预测中的应用

目的阐述ARIMA模型拟合时间序列的方法和步骤,并将其应用于乙型肝炎的预测,为传染病预警系统提供决策依据。方法利用SPSS统计软件求解适宜的ARIMA模型,据所得误差评价预测效果。结果通过对乙型肝炎发病率的预测,相对误差在15%左右,预测效果较为可靠。结论在乙型肝炎的近期预测中引入时间序列的ARIMA模型分析方法,能够对传染病的预测产生积极的指导意义。     

ARIMA模型和指数平滑法在我国北方流感样病例预测中的应用和比较

目的 比较ARIMA模型和指数平滑法对我国北方流感样病例的预测效果,为流感防控提供科学依据。方法 利用我国北方2012年第1周—2018年第17周的每周流感样病例比例数据拟合建立ARIMA模型和指数平滑模型,预测 2018年第18周—2019年第17周的流感样病例比例,对预测值与实际值进行比较。结果 ARIMA最优模型为ARIMA(0,1,1)(2,1,0)₅₂,预测的均方根误差(root mean square error,RMSE)、平均绝对百分比误差(mean absolute percentage error,MAPE)和平均绝对误差(mean absolute error,MAE)分别为0.57%、8.98%、0.34%;指数平滑法的最优模型为简单季节性模型,预测的均方根误差(RMSE)、平均绝对百分比误差(MAPE)和平均绝对误差(MAE)分别为0.83%、15.24%、0.55%。结论 ARIMA(0,1,1)(2,1,0)₅₂模型预测精度更高,可用于我国北方流感样病例的短期预测。     

基于ARIMA模型的流感样病例预警预测分析

目的探索建立适合于流感样病例预测的自回归求和移动平均模型（ARIMA模型）。方法采集深圳市南山区2006--2011年流感样病例监测数据,绘制序列图,差分使序列平稳化,通过自相关分析和偏相关分析进行模型识别,根据AIC（赤池信息准则）和BIC（贝叶斯信息准则）确定模型参数,建立ARIMA预测模型,用Q统计量法对模型适用性进行检验,用2012年全年实际监测数据与模型预测值进行比较,评价模型预测效果。结果2006--2011年流感样病例累计报告199360例,月发病最大值9765例,月发病最小值594例,平均月发病2769例。通过对2006--2011年各月的监测数据进行分析发现,各年度流感样病例发病呈现明显的高峰和低谷,高峰在每年5—8月份,低谷在当年的11月份至次年2月份,不同年度略有波动。对序列进行一阶差分后可得到较为平稳的序列,适合进行模型拟合,经过模型拟合诊断发现ARIMA（0,1,1）×（0,0,1）12模型为最优模型,AIC值和BIC值最小,分别为1239．19和1245．98,Box-Ljung检验结果Q值为19．07,P〉0．05,通过2012年拟合值与实际值比较,结果差异无统计学意义（P〉0．05）。结论ARIMA模型可以较好地对流感样病例进行拟合分析预测。