首页 > 文献资料
-
河北省麻疹疫情时间序列的预测和预警分析
目的 对河北省麻疹疫情进行时间序列分析,评估当前和历史疫情,并对未来疫情进行预测预警,为制定控制麻疹疫情策略与措施提供新的科学依据.方法 利用EViews 8.0对河北省2001年1月-2014年10月麻疹月发病数建立季节自回归滑动平均混合(SARIMA)模型,首先采用取对数、差分等方法对序列进行平稳化,然后进行模型参数的估计、检验,优模型的筛选,后进行预测分析.结果 终通过检验的优模型是SARIMA(0,1,0)(3,1,2) 12,表达式为(1 +0.66B12 +0.18B36)d[ln(mt+1),1,12]=(1+0.87B24)εt;Theil不等式系数=0.13,BP≈0,VP=0.02,CVP=0.98,模型拟合和预测良好.实际值均在预测值的95％可信区间,2014年12月的预测发病数呈下降趋势.结论 SA-RIMA模型适用于河北省麻疹疫情的短期预测分析,可以即时地评价现行控制措施和预警未来疫情.
关键词： 麻疹 时间序列 自回归滑动平均混合模型 预测 -
基于2008至2017年郑州市二七区手足口病监测数据的时间序列建模分析
目的:探讨时间序列模型在预测郑州市二七区手足口病(HFMD)发病方面的应用价值.方法:收集郑州市二七区2008至2017年相应的HFMD监测数据.选用R 3.4.4软件绘制热图,并应用SPSS 23.0建立季节性求和自回归滑动平均(SARIMA)模型,用2017年的手足口病发病例数进行验证.结果:SARIMA(2,2,1)×(2,2,1)12模型拟合较好,R2为0.624,对2017年HFMD的发病预测较为符合.结论:SARIMA模型在预测和评估HFMD流行趋势和发病情况方面表现较佳,可以用来辅助进行相应疫情布控方面的决策.
-
ARIMA模型在湖北省肺结核发病数预测中的应用
目的 将ARIMA模型运用于湖北省的肺结核病发病预测,为湖北省结核病防治与预警系统提供决策依据.方法 运用SPSS 22.0统计软件对湖北省2001年到2016年肺结核的数据进行了基本趋势分析后建起了ARIMA时间序列模型,并对模型进行了检验,预测出了2017、2018年的肺结核发病数.结果 模型ARIMA(1,1,2)(1,1,0)12所有参数均通过统计学检验;Box-Ljung检验统计量Q=20.156,P>0.05,残差序列为白噪声;拟合优度指标平稳R2为0.287,贝叶斯信息准则(BIC)为12.114,模型拟合精度较好.结论 在对湖北省肺结核病发病情况的近期预测中,引入时间序列模型的ARIMA模型分析方法,能够为结核病防制工作提供科学依据.
-
江西省传染病自动预警系统预警参数调整研究
目的 通过对《传染病自动预警信息系统》中江西省常见传染病的时间序列参数进行调整,减少错误预警信息,提高监测效率;同时为以后其他病种的预警参数调整提供科学依据.方法 收集整理2010-2014年江西省传染病自动预警信息以及2015-2016年参数调整后自动预警信息.使用卡方检验、fisher确切概率法等方法,分析参数调整对传染病自动预警信息灵敏度、特异度以及阳性预测值的影响.结果 2015-2016年江西省常见传染病共发出预警信息3 980个,年平均1 990个;预警灵敏度为46.67％、特异度为57.90％、PPV为0.53％.与2010-2014年相比,年平均预警信息数下降72.85％;通过Fisher确切概率法比较预警灵敏度,P=0.43;通过卡方检验比较预警特异度和阳性预测值,P＜0.001.结论 通过调整预警基准值,2015-2016年江西省预警信息数有明显下降,预警特异性以及阳性预测值差异均有统计学意义,有效减少了错误预警信息,提高了监测效率.
-
ARIMA模型在安徽省流行性感冒发病预测中的应用
目的 探讨ARIMA模型在安徽省流感发病预测应用中的可行性并开展预测,为流感的防控提供理论依据.方法 收集安徽省2005-2012年流感发病资料建立数据库,运用SPSS 13.0对逐月发病率进行ARIMA建模与拟合,在数据平稳化、定阶和参数估计后,建立ARIMA数学模型,并利用模型对2013年发病情况开展预测.结果 建立ARIMA(2,2,1)(2,2,0)12模型,预测结果符合实际发病趋势,该模型具有实用性.结论 ARIMA模型可用于流感发病率在短期内变化趋势的拟合与预测.
-
自回归求和移动平均模型在阜阳市手足口病疫情预测预警中的应用
目的 探讨自回归求和移动平均模型(autoregressive integrated moving average,ARIMA)在手足口病疫情预测预警中的应用,验证分析模型的可行性与适用性.方法 利用安徽阜阳市2009-2013年手足口病发病资料,拟合ARIMA模型,对阜阳市2014年1～3月各月发病情况进行预测评价.结果 建立ARIMA(1,2,0)(0,1,0)12模型,预测结果基本符合实际发病变动趋势,验证了该模型的可用性.结论 ARIMA模型可用于模拟手足口病发病在时间序列上的变化趋势,进行短期预测.
-
江苏省昆山市人口统计学指标变化趋势及预测分析
目的 分析江苏省昆山市1981-2014年户籍人口变动情况以及时间序列特点.方法 历年年均人口数、出生率、死亡率、人口自然增长率及机械增长率资料来源于1981-2014年昆山市统计年鉴.使用统计描述、时间趋势与自回归模型结合的方法对出生率、死亡率进行时间序列建模,其模型的识别、估计以及预测用SAS软件实现.结果 江苏省昆山市1981-2014年男女合计平均观察人年数由1981年的527337人增加到2014年的761336人,上升趋势差异有统计学意义(APC=1.1%,95%CI:1.0%~1.2%).2000年以后粗出生率明显上升,粗死亡率在1981-2014年期间明显下降(APC=-0.3%,95%CI:-0.5%~-0.1%).时间趋势与自回归模型对出生率和死亡率进行预测,结果显示,未来年份人口出生率急剧上升,而死亡率则缓慢下降.结论 江苏省昆山市年均人口数在人口自然增长和机械增长双重作用下逐年上升,同时也呈现出粗死亡率下降和老龄化进程加速的趋势.
-
时间序列分析在我国公共卫生领域的应用
时间序列分析是一种有效的统计分析手段,尤其是在分析和预测变量或事物的变化趋势方面,在公共卫生领域已有广泛的应用.对时间序列分析方法在我国公共卫生领域中的应用现状和前景进行综述.
-
新生儿听力筛查初筛时间探讨
目的 比较新生儿听力普遍筛查方案中两个不同的初筛时间的通过率和转诊率,探讨首次听力筛查时间与筛查效率的关系,为制定筛查方案提供参考.方法 3653例在深圳妇幼保健院出生的新生儿分为两组:出生3日筛查组(A组,2 305例)和30天筛查组(B组,1348例).分别于出生后3天和30天体检时进行畸变产物耳声发射(DP0AE)听力筛查.未通过(refer)者,1个月后进行复筛.复筛阳性者转诊至听力评估中心进行听力学诊断.结果 A组初筛通过率为81.9%(1 888/2 305),复筛通过率为85.2%(219/257);B组初筛通过率为93.9%(1 266/1 348),复筛通过率为62.7%(42/67).两组初筛通过率、复筛通过率及总通过率比较差异有显著统计学意义(P<0.001).两组的转诊率分别为1.65%和1.85%,差异无统计学意义(P>0.05).6例(1.6‰)后确诊为听力损失.结论 出生后30天时进行听力筛查可提高初筛通过率,减少复筛人数,节约筛查成本.
-
方差分析滤波法在时间序列预测分析中的应用
对方差分析滤波法预测时间序列模型进行了介绍，并运用该方法预测了季度儿门诊人次。与趋势移动平均比率预测法相比，预测精度提高了15%。
-
中医医院门诊工作量的季节性分析及预测研究
门诊量的准确预测可以更好的为门诊医疗资源的有效配置提供决策支持，合理安排门诊资源可大为降低病患的就诊难度，增加病患的就诊意愿，同时也可在一定程度上提高医院的效益。提出一种混合人工智能模型对我院门诊量进行预测研究，将遗传算法与时间序列方法相结合，克服以往单一预测方法所具有的局限性，提高预测精度。后，通过一个实例对所提方法进行验证，结果表明，本文所给模型具有较高的预测精度。
-
空气污染与健康关系的时间序列研究中序列分解方法比较
目的：比较不同的时间序列分解方法在空气污染与健康关系研究中序列分解的效果，为利用时间序列方法研究研究空气污染与健康关系提供参考。方法：收集广州市1995～1999年市区大5间大型综合性医院每日总呼吸系统疾病入院总数，利用广义线性函数、状态空间、Bayes方法、小波、小波包等5种方法进行序列分解，采用调整序列图、残差谱密度图及残差均方对5种方法的结果进行评价，比较各方法的适用性。结果：5种方法调整后序列谱密度图表明各残差都没有明显的长期趋势和长周期，状态空间方法与小波方法调整彻底。广义线性函数与小波包方法调整后序列仍有120天左右的周期。各方法都能消除7天的周期，但Bayes方法内可能仍留有7天周期，不过不太明确。结论：结合对长期趋势、长周期与短周期的调整结果，状态空间方法与小波方法较优，除Bayes方法需进一步调整外，其他方法都可以接受。
-
生长发育监测指标缺失数据插补方法比较
目的：比较不同相关系数下，不同插补方法对儿童青少年体格测量指标缺失数据的插补效果，为生长监测数据缺失数据的处理提供方法学依据。方法：以全国适龄青年体质调研数据为基本数据，各指标随机产生50个缺失值，采用均值、一元线性回归、多元线性回归对缺失数据进行插补，比较不同相关系数下3种方法的插补效果。结果：当数据集中缺失数据指标与某一指标相关系数在0．8以上时，一元回归插补和多元回归插补结果相当；当相关系数小于0．6～0．8时，多元回归插补明显优于一元回归插补和均值插补；当相关系数小于0．6时，3种方法插补效果均不理想。结论：在生长监测数据缺失数据插补中，应根据缺失数据指标与其他指标的相关系数，选择不同插补方法进行插补。
-
卫生综合评价中时序资料的分析
目的:针对时序资料特点,选择合理的统计方法进行卫生综合评价,为卫生管理决策工作提供科学依据.方法:采用有时序多指标决策的灰色关联分析法,对妇幼卫生保健项目实施效果进行卫生综合评价.结果:有时序多指标决策综合评价结果显示,多层次关联度值B市高(0.700),C省位居第二,A省低.结论:有时序多指标决策的灰色关联分析法能够充分利用时序资料的特点,使评价更具科学性和合理性.
关键词： 有时序多指标决策的灰色关联分析 时间序列 综合评价 -
指数平滑法在霜霉病发病趋势预测中的应用
目的:探索指数平滑法对霜霉病发病趋势的预测效果.方法:分别用简单指数平滑法、单参数双重指数平滑法、Holt-Winters两参数双重指数平滑法对黄瓜霜霉病时间序列进行预测,比较预测效果.结果:对使用过农药的黄瓜霜霉病时间序列,三种指数平滑法预测效果均较好,以Holt-Winters两参数双重指数平滑法的平均预测误差平方和略小一些.结论:可以利用指数平滑法对霜霉病一维时间序列进行预测.
-
临夏州胃溃疡月发病人数时间序列拟合
目前国家有关胃溃疡发病情况的时间序列分析研究较少,通过建立数学模型,研究胃溃疡发病的相关情况,可以做到及时预防.通过SPSS软件对甘肃张家川地区胃溃疡发病例监测登记资料进行统计分析,同时进行时间序列模型拟合,观察疾病发展趋势,建立时间序列模型,并进行预测值比较.在此得到优时间序列模型,并给出数学表达式.至此应该充分考虑人在各时间段的发病特征,更有重点的进行健康防治工作,有效地降低胃溃疡对人类的危害,从而保障了人类的生活品质.
-
广义相加模型在环境因素健康效应分析中的应用
介绍了广义相加模型(generalized additive models,GAM)在时间序列资料分析中的应用,并以此模型为基础分析大气污染物和居民死亡的关系.
关键词： 广义相加模型(GAM) 大气污染 时间序列 -
空气污染与健康时间序列资料的传递函数模型的识别和建立鼢
介绍了带有输入序列的时间序列建模方法,并应用于估计空气污染物浓度对医院就诊人数的影响.
-
季节时间序列分析在新疆地区涂阳结核疫情预测预警中的应用
目的 探讨季节时间序列模型(seasonal autoregressive integrated moving average,SARIMA)在新疆涂阳肺结核疫情预测预警中的应用. 方法 收集新疆2005年1月-2015年6月涂阳肺结核月发病数建立时间序列分析模型,对2015年7-12月的月发病数进行预测并与实际发病数进行比较评价. 结果 新疆涂阳肺结核月发病数具有明显季节性,在3月和11月存在发病高峰,SARIMA(0,1,1)(0,1,1)12模型参数的回归系数假设检验结果P＜0.001,与实际月发病数拟合效果良好,平均绝对百分比误差MAPE=7.985％. 结论 SARIMA模型能较好的拟合新疆涂阳肺结核疫情在时间上的变异趋势,用其进行预测效果良好,能够为肺结核疫情的预警防治提供参考.
-
长沙市流感样病例发病趋势的时间序列分析和预测模型研究
目的 利用自回归滑动平均混合(ARIMA)模型预测长沙市流感样病例(ILI)的发病趋势. 方法 收集长沙市2006年第1周-2013年第10周由流感监测哨点医院每日报告的流感样病例监测资料,进行时间序列分析并建立预测模型,使用前364周资料建立模型,后10周资料评估模型预测效果. 结果 流感样病例监测资料构建ARIMA(1,0,0)模型,回归系数差异有统计学意义(P＜0.05).白噪声残差分析显示序列自相关函数的Box-Ljung统计量小值为20.155(P＞0.05),残差为随机性误差.1-364周资料所建立模型ARIMA(1,0,0)预测效果良好,实际值均在预测值的95％可信区间(95％ CI)内,符合率达100％.2013第11-16周长沙市ILI％预测值分别为2.28％(95％CI:0.00％～6.21％)、2.31％(95％ CI:0.00％ ～6.26％)、2.33％ (95％CI:0.00％ ～6.30％)、2.35％ (95％ CI:0.00％ ～6.33％)、2.36％ (95％ CI:0.00％ ～6.35％)、2.38％ (95％CI:0.00％～6.37％). 结论 ARIMA模型能较好模拟长沙市流感样病例的发病趋势.
