首页 > 文献资料
-
SARIMA模型在医院住院人次预测中的应用
住院量是评价一个医院医疗工作的重要指标,直接或间接地反映出一个医院的规模、医疗质量及医疗水平[1].因此,了解住院量的变化情况,对于合理安排资源,提高医疗工作效率意义重大.要了解住院量的情况,就要对其进行预测.目前预测的模型及方法主要有线性回归模型、神经网络模型、灰色预测模型、马尔科夫链模型以及时间序列模型等[2].针对住院量数据的特殊性,本文选用季节自回归滑动平均模型(seasonal auto regressive integrated moving average model,SARIMA模型),分析2000-2011年住院量的历史数据,探讨其发生发展的规律并预测未来半年医院住院量的情况,为医院规划自身发展提供科学的依据.
-
对某院儿童医院出院人次的预测分析
本文根据对2003-2007年某院儿童医院每月出院人次资料的整理,利用趋势预测分析和自回归预测分析两种方法,预测了2008年的出院人次,并对两种预测进行比较分析.
-
自回归模型和线性回归模型在门诊人次预测中的应用
随着社会主义市场经济的确立和发展,医疗市场竞争日趋激烈.医院要求生存、谋发展,不仅需要准确地把握现在,而且更重要的是准确地把握未来,因此统计预测在医院管理中越来越显得重要.本文试应用自回归模型和线性回归模型对门诊人次进行了点预测和区间预测,以为医院管理者和决策者提供科学、可靠的信息.
-
自回归模型在医院年门诊量预测中的应用
目的：预测某院未来门诊量，为医院管理和决策提供科学依据。方法通过某院1993-2012年的年报表，应用 Parais-Winsten 法，运用 SPSS13.0统计软件，对某院2013年的年门诊量进行预测。结果建立自回归模型，预测出某院2013年门诊量的点预测值和区间预测值。结论该模型拟合程度较好，其预测值可以为该院门诊管理提供依据，以提高门诊服务质量。
-
基于自回归模型的超声生物测量分辨力增强方法
超声生物测量通常采用包络检测确定渡越时间的方法来测量眼球结构各部分长度,但常规包络法的分辨力受超声频率和仪器的限制.为突破这些限制,达到超声分辨力增强的目的,将一种基于自回归模型的超分辨力算法应用于A型超声.算法利用域变换的思想,将用奇异值分解求得的模型阶数应用于自回归模型,并将其与功率谱估计相结合对超声信号进行处理,终得到分辨力增强的超声信号.为验证其方法可行性,分别在25、5 dB模拟回波和30 dB层靶回波的情况下进行实验,比较包络法和此算法的分辨力.结果显示,在3种不同情况下,包络法的分辨力分别为0.120、0.135和0.135 mm,而基于自回归模型的超分辨力算法分辨力分别为0.060、0.090和0.075 mm,其较包络法分辨力分别提高1.0、0.5和0.8倍.再将其应用于眼球真实回波,比较可得此算法比包络法的分辨能力强,细节测量更精准,算法真实有效,因此具有A模式生物测量的应用潜力.
-
应用3种回归模型预测手足口病周发病数
目的 探索分析手足口病周数据的统计学方法,提升手足口病预测能力.方法 中国疾病预防控制信息系统导出2008年第1周至2014年第14周北京市通州区手足口病周发病数.采用SPSS17.0软件进行自回归、季节性自回归与混合Serfling回归模型拟合.结果 自回归、季节性自回归、混合Serfling回归3种模型对2008年第1周至2014年第14周实际发病数进行拟合,回归方程R2分别是0.907、0.917、0.919,所得残差经Ljung-Box检验均是白噪声;以所得回归方程对2014年第15周至第38周实际发病数进行预测,3种模型的平均绝对百分比误差(MAPE)分别为:18.67％、18.43％、17.12％.结论 混合Serfling回归模型预测效果优.
关键词： 自回归 季节性 Serfling回归 手足口病 周发病数 -
单个医疗机构医疗废物产量短期预测探讨
医疗废物是一类危害极大的特殊废物,引起了世界各国的广泛重视.为便于对医疗废物进行管理,需要对其产量进行预测、研究.本文选择四川省川东北地区的某家三级甲等医院作为研究对象,采用灰色系统模型和具有时变特征的自回归模型分别对其分别进行预测,比较二者的模拟精度,得出后者更具有实践指导意义.
-
自回归预测模型在医院门诊管理中的应用
目的预测该院未来门诊量，为医院管理和决策提供科学依据。方法通过该院1993~2012年的年报表，应用Parais-Winsten法，通过运用SPSS13.0统计软件，对该院2013年的年门诊量进行预测。结果建立自回归模型，对该院的年门诊量进行短期预测和长期预测。结论该模型拟合程度较好，其预测值可以为该院门诊管理提供依据，以提高门诊服务管理效能。
-
周期信号的频率检测方法研究
在信号处理中,实际问题中的很多数据表现出明显的周期特点,且实际测量到的信号通常会受到历史记录的影响,对于这种类型的信号,文章提出将回归模型和隐周期模型结合起来检测信号中的隐频率的方法:自回归隐周期模型.文章对自回归隐周期模型中的参数进行了估计,并通过一个模拟的例子验证了该方法的有效性.由于在随机干扰背景下能否成功地检测出各信号的角频率成分是一个有实际意义的问题,文章提出的方法在气象、天文、机械振动、共振研究和调和信号处理方面有广泛的应用.
