首页 > 文献资料
-
马尔可夫链计算方法在流行性出血热疫情预测预报中的应用
按时间顺序排列的随机变量的一组实测值称为时间序列.对时间序列的深入研究属于概率论的重要分支--随机过程的范畴[1].而当参数集合为非负整数集时,随机过程又称随机序列.马尔可夫(Markov)链就是一类特殊的随机序列[2].笔者应用马尔可夫链的计算方法,对周宁县1973~2002年流行性出血热(EHF)流行水平进行分析,并预测预报未来5年的发病趋势和发病率,为控制EHF流行提供科学依据.
-
基于贝叶斯方法的年龄-时期-队列预测模型的介绍
年龄-时期-队列模型(age-period-cohort model,以下简称APC模型)广泛应用于对慢性病发病率和死亡率变化趋势的分析[1-2]及预测未来疾病负担变化[3-4],并在传染性疾病的分析中也有应用[3-5].该模型考虑的因素包括年龄、时期、队列3个因素,由于3个因素之间存在线性关系而导致参数估计比较困难,若无一定的条件限制,同样的数据用APC模型估计的变化趋势甚至可能出现相反的情况[6].关于APC模型参数估计的方法较多,包括非线性模型法、惩罚函数法、估计函数法、自回归模型等[1],但各种方法均存在不足,且传统的参数估计方法一般只利用样本信息.贝叶斯方法在参数估计时不仅能利用样本信息,还能利用样本外已知的其他信息,即先验信息.笔者将结合肿瘤登记数据的情况,介绍APC模型在预测中的应用及基于贝叶斯马尔可夫链蒙特卡罗算法(MCMC)估计参数.
-
基于联系数理论和马尔可夫链的应急医学救援培训效果评估研究
针对当前应急医学救援队伍培训效果评估中所存在的问题和不足,本文综合运用联系数理论和马尔可夫链模型提出一种新的评估方法.该方法能有效排除参训人员原有知识、技能水平等基础性差异对评估结果的影响,还能够预测各参训单位预期培训效果的发展趋势.通过算例分析可知,该方法具有一定的科学性、有效性和实用性.
-
机动医疗分队灾害救援分类工作随机Petri网建模与分析
目的 分析机动医疗分队灾害救援中分类工作流程,指导救援流程的改进、提高救援效率,为救援行动的卫勤决策提供支持. 方法 基于随机Petri网对医疗分队参加灾害救援分类工作实施流程进行建模,对模型性能进行定量分析. 结果与结论 通过对模型性能的分析可以得到影响分类工作实施效率的关键环节.
-
马尔可夫链在海军疟疾疫情预测中的应用
目的:为了进一步完善和加强海军传染病疫情预测、预报工作,检验马尔可夫链模型在海军疟疾疫情预测中应用的可行性,并预测1999年至2003年海军疟疾疫情趋势.方法:通过应用设定参数的马尔可夫链模型,逐年分析既往疫情资料做出预测,并与实际发病率结果比较,检验其合理性和适用性以及预测正确率,并用此模型预测今后五年内的疫情.结果:马尔可夫链模型用于海军疟疾疫情预测的正确率在60%~100%之间;预测1999年至2003年海军疟疾发病率均小于0.5%.结论:马尔可夫链模型适用于海军疟疾疫情的预测,1999年至2003年海军疟疾疫情趋势将处于低水平.
-
WinBUGS软件应用
WinBUGS(Bayesian Inference Using Gibbs Sampl ing)是英国剑桥公共卫生研究所的MRC Biostatistics Unit推出的用马尔可夫链一蒙特卡罗(Markov chain Monte Carlo,MCMC)方法进行贝叶斯推断的专用软件包.它可方便地对许多常用或复杂模型(如分层模型,交叉设计模型、空间和时间作为随机效应的一般线性混合模型,潜变量模型,脆弱模型,应变量的测量误差,协变量,截尾数据,限制性估计,缺失值问题)和分布进行Gibbs抽样,还可用简单的有向图模型(directed graphical model)进行直观的描述,并给出参数的Gibbs抽样动态图,用Smoothing方法得到后验分布的核密度估计图、抽样值的自相关图及均数和置信区间的变化图等,使抽样结果更直观、可靠.Gibbs抽样收敛后,可很方便地得到参数后验分布的均数、标准差、95%置信区间和中位数等信息.
-
基于马尔可夫链的数字化放射设备运行状况预测
数字化放射设备种类多,使用率高,操作人员轮转频繁,其运行状况是一个动态时变系统,存在大量的不确定性和随机性.如何及时准确的预测数字化放射设备的运行状况,合理安排预防性维修工作,是设备管理部门面临的严峻课题.
-
马尔可夫链模型在医学高等教育教学质量评价中的应用研究
文章首先介绍了医学高等教育教学质量评价中的马尔可夫链模型基本原理,基于医学高等教育的教学过程带有诸多随机因素的特点,运用马尔可夫链建立相应的动态的随机过程模型进行分析和质量评价.通过流行病与卫生统计学学科的教学质量评价的实例检验,证明了将马尔可夫链模型应用到医学高等教育的教学质量评价中的科学性和可行性.后总结了该方法的优缺点并提出了对其进行改进的思路.
-
应用马尔可夫链进行流行性出血热疫情预测
[目的]为控制流行性出血热的流行提供科学依据。[方法]采用马尔可夫链的计算方法,求出各阶转移概率矩阵中的大转移概率,对周宁县未来5年流行性出血热的发病趋势和发病率作预报。[结果]在转移概率矩阵P(1-5)中,状态1(表示低度流行水平)对应的概率值,都是P11 [表示由状态1转向状态1(即保持原低度流行水平不变)的概率]大。[结论]周宁县未来5年(即2000-2004年)流行性出血热可呈低发趋势,发病率的估计区间为0.01~9.37/10万。但是,未来第5年流行出血热也有转呈中发或高发的可能,应严加防患,防患于未然。
-
马尔可夫链在南方某部队肺结核发病趋势预测分析中的应用
目的 研究马尔可夫链在肺结核发病情况预测中的应用.方法 用1992-01/2012-12月南方某部队肺结核发病资料建立模型,通过Markov模型预测其2013、2014和2015年的发病率状态.首先建立发病率的分级标准;然后用马尔可夫链模型来预测和分析发病率的变化状况,使预测结论的长期效果趋于优;后分析和评价预测结果.结果 南方某部队肺结核的发病趋势将在以后一段时间内呈波动下降趋势.检验结果表明模型是合适的.结论 用马尔可夫链对南方部队肺结核年发病情况的拟合结果满意,预测效果良好.
-
磺脲类药物继发失效的马尔可夫过程
采用马尔可夫链模型反映和预测了磺脲类药物继发失效的演变趋势以及病情轻重和换用药物对这一过程的影响,对124例Ⅱ型糖尿病的分组资料进行了回顾性或随访调查分析.结果显示,磺脲类继发失效与病情轻重有关.
-
流行性脑脊髓膜炎病死率的马尔科夫预测模型
对大庆市1980~1999年流行性脑脊髓膜炎病死率数据,利用马尔可夫链来预测估计未来年份的病死率的状态,为卫生防疫提供科学的依据.
-
基于马尔可夫链和隐马尔可夫模型的庆阳市乙型肝炎发病趋势预测
目的 为准确地预测乙型肝炎发病趋势,根据乙型肝炎发病的变化特点,提出基于马尔可夫链(Markov chain, MC)和隐马尔科夫模型(hidden Markov model,HMM)的传染病预测模型以预测乙型肝炎的发病趋势.方法 对2015年1月-2016年10月甘肃省庆阳市分月乙型肝炎发病数分组后,通过交叉验证MC将其划分为5个状态,利用时间与状态的转移概率矩阵进行MC预测;对2015年1月-2016年10月庆阳市分月乙型肝炎发病数差分,假定HMM的隐状态为3后,通过状态转移概率和发射概率矩阵进行HMM预测;选择2016年11月和12月乙型肝炎发病数作为验证集,分别对MC和HMM的预测效果进行验证.结果 MC预测2016年11月和12月发病数分别为91和94,平均绝对误差(mean absolute error,MAE)为17,均方误差(mean squared error,MSE)为298;HMM预测发病数2016年11月和12月分别为77和69,MAE为8.5,MSE为78.5.结论 建立的MC和HMM能够捕捉乙型肝炎发病变化规律,无需了解影响被预测变量的相关因素,即可进行预测;HMM和MC相比,HMM有较好的预测精度.