首页 > 文献资料
-
利用ARIMA模型预测超声科工作量变化的应用研究
目的 分析某县市级医院超声科工作量变化规律,为制定科学策略,优化资源配置提供依据.方法 统计该院超声科近5年工作量,导入SPSS24.0软件进行时间序列建模研究分析.结果 超声科工作量呈逐年上升趋势,月工作量存在规律性波动,单日工作量周一至周日呈逐日递减趋势,且变化存在季节波动性.以ARIMA(1,1,0)(0,1,0)12模型预测数据和月工作量实际数据非常吻合,平均绝对误差百分比2.94％,大绝对误差10.92％.ARIMA(1,0,0)(0,1,1)7模型预测数据与日工作量实际数据平均绝对误差百分比5.87％,大绝对误差27.85％.结论 采用ARIMA模型预测医院超声科工作量操作简单,模型拟合和预测效果理想,可以很好地预测超声科工作量的变化,为医疗服务资源的提前合理安排提供依据.
-
ARIMA模型在医院非医用低值耗材预算管理中的应用研究
目的 探讨时间序列分析方法在医院非医用低值耗材管理中的应用,分析和预测未来一段时间内非医用低值耗材的使用需求.方法 采用自回归积分滑动平均模型(Autoregressive Integrated Moving Average,ARIMA)对北京某三甲医院某科室非医用低值耗材2015年1月至2017年7月的逐月领用金额进行数据汇总及预测.结果 ARIMA(1,1,7)模型的绝对误差为8.49％,与实际符合较好,预测值接近实际值.结论 ARIMA(1,1,7)模型能够准确地进行非医用低值耗材的短期预测,为科室乃至全院非医用低值耗材的资金预算申请提供可靠依据.
-
海宁市2008-2010年2287例手足口病疫情研究
目的:探讨海宁市手足口病流行规律,为制定科学的防控措施提供依据.方法:运用描述性流行病学方法,对海宁市2008-2010年手足口病病例资料进行统计分析,应用SPSS17.0软件构建ARIMA复合季节模型进行疫情预测.结果:海宁市2008- 2010年累计报告手足口病2 287例,年均报告发病率为81.23/10万.发病高峰为5-10月份,夏秋季高发;发病主要集中于0～5岁儿童,占报告总数的91.47％.发病男性多于女性,以散居儿童及幼托儿童为主.全市各乡镇(街道)均有病例报告,3年间不同地区病例分布差异有统计学意义(x2= 107.82,P＜0.01),无聚集性疫情发生.2011年预测发病数为1 277例.结论:手足口病的发生存在明显的时间、性别、年龄差异,且海宁市疫情处于上升态势,2011年疫情趋势预测与2008-2010年发病模式类似.
-
应用ARIMA模型预测衢州市手足口病发病趋势
目的:探讨应用ARIMA模型预测手足口病发病趋势的可行性,为衢州市预防控制手足口病流行提供依据.方法:应用SPSS 19.0对2008-2014年衢州市手足口病逐月发病率建立ARIMA模型,并对2015年手足口病发病率进行预测分析.结果:ARIMA(1,0,1)(0,1,1)12能较好拟合既往手足口病的发病率,2014年手足口病月发病率预测值和实际值的平均相对误差为7.40％,实际值均在预测95％可信区间内.结论:模型ARIMA(1,0,1)(0,1,1)12能有效地预测手足口病发病趋势,为制定防控措施和策略提供科学的依据.
-
时间序列模型在麻疹发病例数预测中的应用
目的:探讨时间序列分解法结合ARIMA模型相较于单纯使用ARIMA模型的优越性.方法:利用宁波市9年麻疹数据,运用两种方法对2013年宁波市麻疹发病例数进行预测并进行结果比较.结果:时间序列分解法结合ARIMA模型,建立ARIMA模型为(2,0,0)(0,0,0)4,所有参数都通过统计学检验,对模型进行残差白噪声检验(延迟13阶,P=0.634),说明模型拟合合理.AIC、BIC、残差平方和均小于单纯使用ARIMA构建的模型.结论:时间序列分解法和ARIMA模型的联合使用,预测效果优于单纯使用ARIMA模型.
-
ARIMA模型在手足口病预测预警中的应用
目的：研究时间序列分析在手足口病预测预警中的应用,并探讨提高模型预测准确性和实用性的思路。方法应用SPSS 18.0软件对深圳市盐田区2008年1月-2014年4月手足口病发病率进行ARIMA模型拟合，预测2014年5月~12月手足口病发病率。结果模型ARIMA(0，1，0)（0,1,1）12的参数估计值为0.761，t=2.552，P=0.013，经检验参数有统计学意义。且BIC=6.066，在拟合比较的模型中小，故选定为佳拟合模型。利用2013年10月-2014年4月实际发病数与预测发病数进行比较，实际值与预测值相对误差的中位数为71%。结论用时间序列分析对手足口病发病情况的拟合结果满意,预测和预警效果良好。
-
珠江主航道广州段溺亡浮尸ARIMA模型初探
目的 根据2003-2012年10年间珠江主航道广州段各季度法医收集的溺亡浮尸数量生成时间序列,建立ARIMA模型,为水上法医统计工作提供参考.方法 利用Excel统计各年份每一季度浮尸数量,建立统计表,利用SAS软件建立时间序列ARIMA模型并检验.结果 通过重新选择拟合模型,模型拟合定阶为疏数模型ARIMA(2)0(2)结论 成功建立ARIMA((2)0(2))疏数模型,利用第2013年前两季度浮尸数量检验,发现获得较好的实用效果.
-
湖北省卫生总费用的比较分析及ARIMA模型研究
目的 为湖北省卫生部门制定相应的卫生政策提供基础数据依据,扩大湖北省医疗保障的覆盖面,促进社会卫生服务利用的公平性.方法 采用筹资来源法对卫生总费用进行了核算;建立自回归移动平均混合模型(ARIMA模型)并对未来三年的湖北省卫生总费用进行了预测.结果 湖北省的卫生总费用、人均TEH、及占GDP的比重从1999年的130.47亿元、219.60元、3.40%分别上升到2009年的609.38亿元、1065.34元和4.70%.建立的ARIMA模型为Yt=0.040+0.539Yt-1+0.461Yt-2+at.2010～2012年本省卫生总费用预测值分别为840.16亿元、1158.33亿元、1597.00亿元.结论 湖北省应加大对卫生事业的投入;加强基层卫生机构的能力建设;完善卫生总费用筹资体制;促进卫生服务利用的公平性.
-
ARIMA模型、BP神经网络及其组合模型在卫生政策评估中的实证比较:以公立医院价格改革为例
目的:探索不同反向事实构建方法对医院财务数据预测的效率,以期对政策进行更有效的评估.方法:借助R软件,用南京市公立医院A在2011—2016年的药品收入、医疗服务收入建立测试数据集,分别用ARIMA模型、BP神经网络、ARIMA+BP组合模型进行预测并与实际拟合,并比较改革前后补偿率.结果:三个模型对药品收入的均方根误差分别为692.82、501.44、380.80,医疗服务收入的均方根误差分别为184.04、215.63、168.65,组合模型预测效率更高.用组合模型计算改革后A医院药品收入净损失为12044.03万元,医疗服务收入净增长为18532.60万元,为药品收入损失的153.87%.结论:医院财务数据因其线性与非线性的组合特征,使用组合预测模型的预测效果佳.但在实际应用中,ARIMA模型操作简单,与组合模型预测趋势也较为一致,在实际卫生政策评估中也推荐使用.
-
卫生筹资中社会卫生支出的预测与分析
目的:本文利用时间序列数据,在ARIMA-FDLMR两阶段分析框架下研究了社会、政府及个人与卫生筹资格局的关系.方法:首先,基于自回归积分滑动平均模型(ARIMA),借助2017年《中国统计年鉴》的数据,预测分析社会、政府、个人的实际卫生支出及其各自占GDP的比重;其次,通过2005-2015年社会卫生支出相关数据,建立时间序列有限分布滞后多元回归模型(FDLMR),分析了医疗卫生体制改革对社会卫生支出产生的影响.结果:ARI-MA模型结果显示,社会卫生支出增长速度快,所占GDP比重大;政府持续加大医疗投入,但个人卫生支出在短时间内难以降低.FDLMR模型结果显示,社会保险基金支出、非公立医院数量以及社会捐赠对社会卫生支出具有显著影响.结论:鼓励社会资本参与医疗卫生改革是弥补卫生支出不足的有效途径,社会卫生支出将在卫生筹资发展与改革中起到重要补充作用,并且在未来非公立医疗机构将进一步凸显其价值.
-
住院新生儿医院感染发生季节ARIMA模型预测
目的 研究医院住院新生儿医院感染发生情况,为有效防控医院感染提前预警.方法 通过回顾性调查方法,收集某大型教学医院住院新生儿医院感染数据,利用乘积季节ARIMA模型进行预测.结果 ARIMA(1,0,0)(0,1,1)12为优模型,R2为0.659,BIC小为-2.115.数据统计显示,该医院新生儿科2016-2017年住院患儿医院感染发生率在1.9％～3.3％范围.根据ARIMA模型预测,2018年新生儿住院患儿医院感染发生率范围在1.7％～2.4％,2019年新生儿住院患儿医院感染发生率范围在1.5％～2.2％.结论 ARIMA能够较好地预测新生儿住院患儿医院感染发生情况,能为医院感染监测和制定防控措施提供参考.
-
ARIMA乘积季节模型在手足口病发病预测中的应用研究
目的 构建时间序列ARIMA乘积季节性模型,预测武汉市2015年l～12月手足口病发病趋势和流行强度,探讨该模型在手足口病发病率预测中的应用.方法 应用中国疾病监测信息报告系统2008年1月至2014年12月武汉市手足口病月发病资料,使用PASW Statistics 18.0专家建模器,考虑季节性因素建立ARIMA乘积季节性模型,并将所建模型对2015年手足口病月发病率进行外推预测.结果 模型残差序列为白噪声,ARIMA(1,0,1)(0,1,1)12模型为佳模型,预测结果显示:2015年手足口病年发病率预测值为197.52/10万,流行强度较2014年报告发病率168.07/10万上升17.52％;2015年手足口病月发病高峰将出现在4、5、6三个月(5月达到高峰值43.83/10万,95％CI:2.96/10万～208.28/10万),至11、12月出现次要高峰.结论 专家建模器构建乘积季节性模型拟合效果较好,在实际工作中要充分考虑社会、自然等影响因素,综合分析,针对性地开展病例的发现、诊治,做好传染源管理和聚集性疫情的疫点消毒卫生处理,为防控工作提出理论与实证依据.
-
ARIMA模型在婴儿死亡率预测中的应用
目的 探讨应用自回归滑动平均混合模型(autoregressive integrated moving average,ARIMA)预测婴儿死亡率的可行性.方法 运用SPSS 16.0对1991-2012年山西省妇幼卫生年报婴儿死亡率建立ARIMA模型,用所建模型比较预测值与实际值差异,并预测2013-2015年山西省婴儿死亡率.结果 模型ARIMA(1,2,0)较好地拟合了既往时间段的婴儿死亡率的时间序列,模型自回归参数AR1=-0.754,P＜0.01,有统计学意义,赤池信息准则(AIC) =68.213,许瓦兹贝叶斯准则(SBC)=70.204,模型残差为白噪声(P＞0.05),模型数学函数式为Yt=0.067+1.246Yt1+0.508Yt-2-0.754Yt3,利用模型预测2013-2015年婴儿死亡率分别为4.77‰、4.32‰、3.96‰.结论 ARIMA模型能够较好地拟合婴儿死亡率的时间变化趋势,并用于短期预测未来婴儿死亡率.
-
ARIMA模型在传染病预测中的应用
目的 分析传染病发病情况,提高传染病监测预警能力,合理利用卫生资源.方法 收集2011年1月至2014年5月国家法定传染病月度发病数数据,利用SAS 8.1软件对其做12步差分提取周期趋势,对差分后时间序列进行ARIMA模型构建,估算参数并预测未来趋势.结果 我国传染病的发病呈现以年为单位的周期趋势,年平均发病总数基本保持在60万人不变.构建的优模型为ARIMA(1,0,0)12,回归系数有统计学意义(φ1=0.654 23,t=4.02,P＜0.05),且该ARIMA模型预测显示未来几个月内传染病发病较以前出现下降趋势.结论 传染病的发病复杂多变,受多种因素的影响,ARIMA模型对历史数据进行统计分析,其短期预测精度高,对传染病的监测有重要意义,实际应用过程中仍需及时补充即时数据来对模型修正.
-
ARIMA模型在细菌性痢疾预测中的应用
目的 构建北京市昌平区细菌性痢疾月发病的ARIMA模型,为防控工作提供依据.方法 应用SPSS 18.0软件分析2004-2010年北京市昌平区细菌性痢疾月发病数资料,构建ARIMA乘积模型,并预测2011年细菌性痢疾月发病数.结果 优乘积模型为ARIMA(1,0,0)(1,1,1)12,模型具有较高的预测精度,预测值与实际值基本吻合,且实际值均在预测值可信区间范围内.结论 ARIMA模型能够应用于北京市昌平区细菌性痢疾流行趋势的预测及疫情的预警、预报,为实施干预提供依据.
-
甲型H1N1流感发病短期预测分析
为有效应对甲型H1N1流感大流行,本研究对杭州市2009年的甲型H1N1流感发病水平进行了周预测,以期为防控决策提供科学依据.
-
ARIMA模型在我国食物中毒事件预测中的应用
利用我国食物中毒报告信息,对食源性疾病中食物中毒事件报告与发生变化趋势进行预测预警,为保障食品安全,预防中毒事件发生提供依据.通过对2008-2011年全国食物中毒报告资料的动态分析,构建时间序列ARIMA模型,并对2012年6月到2013年食物中毒发生情况进行预测.拟合我国食物中毒事件报告起数ARIMA(1,1,0)(1,1,0)12模型,预测近半年内食物中毒报告起数,与实际情况趋势一致,实际发生与预测结果基本相同,全部预测值均在95％预测区间内.由预测结果可见,今年我国食物中毒报告仍将以第三季度内发生起数居高,略高于2011年；2013年食物中毒事件发生情况高峰稍高于今年,但不会出现大幅度的改变,季节周期与前几年的基本相近.我国食物中毒事件趋势预测以ARIMA模型预测效果好,符合我国食物中毒事件发生及变化规律,预测结果可为我国食品安全预测预警提供依据.
-
ARIMA模型与Holt-Winters模型在乳腺外科出院人数预测中的应用
目的 对某院2011年1月-2016年5月乳腺外科出院人数进行时间序列预测分析,旨在为医院信息化、科学化管理提供参考依据,同时对ARIMA模型和Holt-Winters模型进行分析比较.方法 通过ARIMA模型和Holt-Winters模型对乳腺外科出院人数进行模型训练,然后利用2016年6月、7月出院人数进行验证,并利用所建立的模型对2016年8月-12月出院人数进行预测.通过ARIMA模型和Holt-Winters模型对出院人数数据进行拟合,并与2016年6月和7月实际值进行比较.结果 ARIMA(0,1,2)(1,1,0)12模型中非季节性移动平均系数MA1=-0.9549,季节性自回归系数SAR1=-0.3278.Box-Ljung统计量检验均无统计学意义(P=0.148),因此残差序列为白噪声序列.Holt-Winters模型对时间序列数据进行对数变换修正后的α,β,γ的估计值分别为0.19,0.31,0.76.Box-Ljung检验统计量无统计学意义(P=0.88),意味着延迟1~20阶为非零自相关,并且预测误差在整个时间段呈现出服从零均值,方差不变的正态分布.结论 乳腺外科出院人数存在逐年上升的趋势,并且具有很明显的季节性趋势,Holt-Winters模型相比ARMIA模型对于短期的出院人数预测具有更强的实用价值,可作为科学管理提供参考依据.
关键词： 时间序列研究 ARIMA模型 Holt-Winters模型 乳腺外科 出院人数 -
某三甲医院急性心肌梗死住院患者时间序列分析
目的运用ARIMA模型,对因急性心肌梗死住院的患者人数进行短期预测,期望为相关科室的管理决策提供依据.方法利用2011年1月1日-2017年12月31日沈阳市某三甲医院心内科因急性心肌梗死住院的患者人数的时间序列构建ARIMA模型,并对2018年1月1日-2018年3月31日的数据进行验证,评估模型的效果.后,通过建立的模型预测2018年该医院因急性心肌梗死住院的患者人数.结果2011年至2017年心内科累计收治8838名急性心肌梗死患者.采用ARIMA模型预测2018年1季度心肌梗死患者住院数量,平均相对误差3.35％,模型预测效果较好.预计2018年心内科急性心肌梗死住院患者数量将达到150人/月.结论ARIMA模型能有效模拟预测急性心肌梗死住院患者人数,对心内科的科学管理和资源配置具有重要的应用价值.
-
采用自回归滑动平均模型预测2011年门诊量
目的 拟合适合门诊量时间序列资料的预测模型,预测我院2011年门诊量.方法 采用ARIMA模型对门诊量进行模型拟合.结果 拟合模型参数具有统计学意义,方差估计值为8.97,AIC=1366.888,SBC=1373.676.对模型进行白噪声残差分析,拟合优度统计量表表明终拟合的ARIMA模型为:(1-B)(1-B12)Yt=-11.7601+(1-0.8527B)(1-0.3947B12)et.结论 ARIMA模型适用于门诊量的时间序列模型拟合,结果显示模型预测值与实际值相符合,在没有外来干预因素影响的情况下,门诊量将会继续上涨.
