目的:分析季节性差分自回归移动平均模型（SARIMA）、广义相加模型（GAM）和长短期记忆神经网络模型（LSTM）在肾综合征出血热（HFRS）发病率拟合及预测中的效果，为优化HFRS预测模型提供参考。方法:在公共卫生科学数据中心（https://www.phsciencedata.cn/）收集全国和HFRS发病率居前9位的省份（黑龙江、陕西、吉林、辽宁、山东、河北、江西、浙江和湖南省）2004-2017年HFRS逐月发病率资料，其中，2004-2016年资料作为训练数据，2017年1-12月资料作为测试数据。利用训练数据拟合全国和9个省份HFRS发病率的SARIMA、GAM、LSTM；利用拟合模型预测2017年1-12月HFRS发病率，并与测试数据比较。采用平均绝对百分比误差（ MAPE）评价模型拟合及预测精度， MAPE < 20%时模型拟合或预测效果为好，20%~50%为可接受，> 50%为差。 结果:从总体拟合及预测效果来看，全国和黑龙江、陕西、吉林、辽宁、江西省的最优模型为SARIMA（ MAPE分别为19.68%、20.48%、44.25%、19.59%、23.82%、35.29%），其中，全国和吉林省模型拟合及预测效果为好，其余均为可接受；山东、浙江省的最优模型为GAM（ MAPE分别为18.29%、21.25%），其中，山东省模型拟合及预测效果为好，浙江省为可接受；河北、湖南省的最优模型为LSTM（ MAPE分别为26.52%、22.69%），模型拟合及预测效果均为可接受。从拟合效果来看，GAM在全国数据中拟合精度最高， MAPE =10.44%。从预测效果来看，LSTM在全国数据中预测精度最高， MAPE = 12.23%。 结论:SARIMA、GAM、LSTM均能作为拟合HFRS发病率的最优模型，但不同地区拟合的最优模型表现出较大差异。今后在建立HFRS预测模型时应尽可能多地纳入备选模型进行筛选，以保证较高的拟合及预测精度。

目的:探讨我国5种病毒性肝炎（肝炎）的时间序列特征，并通过有效的模型预测其发病率。方法:按照甲型肝炎、乙型肝炎、丙型肝炎、戊型肝炎和未分型肝炎5种不同类型肝炎分类方式收集2009-2018年的月度发病数据，进行描述性和时间序列研究，采用趋势分解法以季节指数形式表示时间序列中的季节性，以线性回归模型表示其长期趋势，为每种肝炎建立差分自回归移动平均（ARIMA）模型。结果:2009-2018年报告肝炎14 856 990例，5种肝炎季节指数的极差均<1，戊型肝炎的季节性特征较为显著，其发病呈单峰型，其余4种肝炎的季节性特征一般。甲型肝炎、戊型肝炎和未分型肝炎的发病基本趋于平稳，在一个较低的水平上呈缓慢下降趋势，乙型肝炎发病数在5种肝炎中占比最高（79.59%，11 824 262/14 856 990），但其下降趋势也为各型肝炎中最快（-0.01/10万）。丙型肝炎发病呈不断上升的趋势，上升速率一直保持稳定（0.005/10万）。ARIMA模型拟合的2009年1月至2018年12月的预测值与实际值较一致，平均绝对误差百分比范围为3.756 8~8.068 3。结论:对于法定报告传染病监测数据的时间序列分析有助于更好地了解我国肝炎的发病特征，ARIMA模型可用于我国肝炎的短期预测，具有较好的应用价值。

目的:基于时间序列模型预测分析AP住院患者人数，探讨模型预测效能。方法:收集2014年1月至2019年12月西南医科大学附属医院AP住院患者的临床资料，使用R软件采集住院人数的时间序列，分析2014年至2018年AP住院人数趋势性及季节性特征，进一步通过平稳性检验、模型定阶、模型检验步骤建立自回归移动平均(ARIMA)模型，并运用筛选出的最佳模型对2019年每月住院人数进行预测，验证其预测效能。结果:共3 939例AP患者纳入研究。其中AP最常见病因为胆源性(48.2%)，其次为高三酰甘油血症(36.3%)；发病年龄高峰为40~60岁。时间序列分析显示AP住院患者人数呈逐年增长趋势；发病最高峰为每年2~3月，其次为9~11月，存在季节性变化，夏季的发病率相对较低。建立的原始训练集序列未通过平稳性检验( P＝0.061)，故对其进行一阶差分转化为平稳序列后建立ARIMA模型。模型定阶中根据AIC值最小的准则，筛选出ARIMA(2，1，1)(1，1，1) 12作为最佳模型，运用该模型对2019年AP住院人数进行预测，显示其能较好地拟合发病时间趋势，短期预测效果良好，其平均方根误差和绝对误差分别为6.8790和4.7783。 结论:AP患者住院人数呈逐年上升趋势，且存在季节性变化，ARIMA模型对AP住院患者人数预测效果较好，可用于短期预测。

目的:探讨时间序列模型中的自回归求和移动平均(ARIMA)乘积季节模型，预测成都市辐照悬浮红细胞临床供应量的应用。方法:选择2010年1月至2019年12月，成都市血液中心的辐照悬浮红细胞临床月供应量数据( n＝108)为研究对象。其中，2010年1月至2019年6月的辐照悬浮红细胞临床月供应量数据( n＝102)，用于ARIMA模型拟合；2019年7月至12月的临床月供应量数据( n＝6)，用于验证所建立ARIMA模型的预测效果。采用Eviews 9.0统计学分析软件，对ARIMA模型进行拟合、参数估计及诊断。采用ARIMA模型预测2019年7月至12月成都市血液中心辐照悬浮红细胞的临床月供应量，并将预测值与实际值进行比较，从而对模型进行验证。 结果:①根据2010年1月至2019年6月成都市血液中心的辐照悬浮红细胞临床月供应量数据，构建的时间序列模型为ARIMA(3，1，1)(1，1，1) 12。该模型对成都市血液中心辐照悬浮红细胞临床月供应量的拟合良好[AR(1)＝-0.848、 t＝-4.340、 P<0.001，MR(1)＝-0.474、 t＝2.006、 P＝0.048，MR(2)＝-0.369、 t＝-2.723、 P＝0.008]，残差序列为白噪声( Q＝22.24， P＝0.163)。②采用ARIMA(3，1，1)(1，1，1) 12模型，预测2019年7至12月成都市血液中心辐照悬浮红细胞临床月供应量的预测值，与其实际值的相对误差分别为5.02%、0.34%、4.98%、0.48%、1.26%和2.07%，平均相对误差为2.36%。 结论:本研究建立的ARIMA(3，1，1)(1，1，1) 12模型，能较好地拟合成都市血液中心辐照悬浮红细胞临床供应量变化趋势。该模型适用于辐照悬浮红细胞临床供应量的短期预测，并且为采供血机构辐照悬浮红细胞库存量管理提供依据。

目的:分析2005-2020年河南省≤14岁儿童丙型肝炎（丙肝）疫情的时间序列特征，并通过有效的模型预测其流行情况。方法:资料来源于中国疾病预防控制信息系统传染病报告信息管理系统2005-2020年河南省报告的≤14岁儿童丙肝个案，季节特征的时间序列分析采用趋势分解法，以季节指数表示季节趋势的显著程度，按月变化的长期趋势采用线性回归模型分析，建立差分自回归移动平均（ARIMA）模型进行拟合。结果:2005-2020年河南省共报告儿童丙肝病例5 355例，当年报告病例季节指数的极差值<1，季节特征不明显。以2012年为界限，2005-2011年当年报告病例数的按月变化长期趋势呈上升趋势（0.351例/月），2012-2020年呈下降趋势（-0.474例/月）。对当年报告病例数和现存儿童病例数2个指标分别建模拟合，ARIMA模型拟合的2005年1月至2020年12月的预测值与实际值较一致，均方根误差、平均绝对误差百分比和平均绝对误差分别为10.240、10.558，35.566、0.659和6.688、7.156。模型对现存儿童病例数的预测值与实际值一致性较好。结论:采用时间序列分析有助于了解河南省≤14岁儿童丙肝的流行特征，ARIMA模型用于河南省儿童丙肝的短期预测和动态分析，具有较好的应用价值。

目的 利用自回归求和移动平均(ARIMA)乘积季节模型,预测耐碳青霉烯类鲍氏不动杆菌(CRAB)的流行趋势,为医院制定针对性的防控策略提供理论依据.方法 使用2018-2022年常州市金坛第一人民医院每月临床分离的CRAB菌株数量作为数据集,建立ARIMA乘积季节模型,并使用2023年的数据作为验证集,与模型预测值进行对比,从而评估模型的预测性能.结果 2018-2022年医院CRAB检出率整体呈上升趋势(P＜0.05);痰标本为主要检出来源,每年的3-4月为发病高峰,具有周期性和季节性;最优模型ARIMA(0,1,2)(0,1,1)12的正态化的贝叶斯信息准则(BIC)为3.867,残差序列Box-Ljung检验显示差异无统计学意义(Q=11.109,P=0.745),模型拟合良好;模型预测2023年CRAB的检出数量与实际值的平均相对误差为21.35％,实际值均在预测值的95％CI之内.结论 ARIMA乘积季节模型能较好的预测CRAB的流行趋势,可为CRAB感染的短期预测、动态分析并及时采取针对性的防控措施提供理论依据.

目的:了解宁波市鄞州区2017-2022年≤6岁儿童疱疹性咽峡炎（HA）流行特征并分析其与手足口病（HFMD）发病的互相关性。方法:基于鄞州区域健康大数据平台2017-2022年的电子病历数据和公共卫生管理数据，分析≤6岁儿童HA流行特征。利用公共卫生管理数据中传染病报告数据计算HFMD发病率，采用自回归移动平均模型与互相关函数分析HA和HFMD发病的相关性。结果:2017-2022年鄞州区≤6岁儿童中累计监测HA病例25 385例，男女性别比为1.12∶1。HA年均发病率为4 986.67/10万，2018年最高（10 477.09/10万），2020年最低（870.88/10万）。HA发病高峰为6、7月，1岁组发病率高于其他年龄组，发病率为7 950.45/10万；云龙镇、姜山镇和下应街道发病率较高，发病率依次为8 764.31/10万、8 377.58/10万和7 965.31/10万。HA发病率与滞后0、7、12、18 d的HFMD发病率互相关系数分别为0.199、0.139、0.090、0.086（均 P<0.05）。 结论:2017-2022年鄞州区≤6岁儿童中HA呈高流行水平，发病率存在季节性和地区差异性，HA发病与HFMD发病存在相关性，且HFMD发病有一定滞后性。应重视HA监测，开展HA和HFMD的同期监测和管理，加强两者的综合防控。

目的:分析江西省2017-2022年其他感染性腹泻流行趋势，探讨自回归移动平均（ARIMA）模型在江西省其他感染性腹泻发病预测中的应用，为开展其他感染性腹泻预测和防控工作提供参考。方法:对江西省2017-2022年其他感染性腹泻病例进行描述性流行病学分析，建立ARIMA模型对2023年其他感染性腹泻发病数进行预测。结果:2017-2022年江西省累计报告其他感染性腹泻为204 842例，年均报告发病率为74.32/10万。全年龄段均有病例报告，发病呈明显的季节性特征，存在冬春季（1-3月）和夏秋季（7-9月）两个发病高峰，且冬春季峰值较高。ARIMA（0，1，2）（2，1，0） 12和ARIMA（1，0，0）（2，1，0） 12模型的各项参数均有统计学意义（ P<0.05），且贝叶斯信息准则值最小分别为13.83和9.12，残差系列均为白噪声（ P>0.05）；模型预测值与实际值较为吻合，预测趋势与实际趋势一致，模型预测效果较好。 结论:2017-2022年其他感染性腹泻发病仍居江西省法定传染病发病前列，防控形势不可忽视，应在流行季加强对防控重点人群≤3岁儿童和散居儿童家庭的疾病监测和健康宣教工作。ARIMA模型可用于江西省其他感染性腹泻发病的短期预测和趋势分析。

目的 比较季节性自回归移动平均模型(SARIMA)、指数平滑模型(ETS)、指数平滑空间状态模型(TBATS)和自回归神经网络模型(NNAR)4种时间序列模型对江西省流行性腮腺炎(流腮)发病率的预测效果,为流腮的预防控制提供参考依据.方法 收集中国疾病预防控制信息系统中江西省2010年1月1日-2019年12月31日报告的流腮发病数和发病率数据,以其中2010年1月-2018年12月的流腮报告发病率作为训练集,应用R4.1.2软件构建SARIMA、ETS、TBATS和NNAR模型,并通过模型预测2019年1-12月的流腮发病率,采用均方根误差(RMSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)比较4种模型的拟合和预测效果.结果 江西省2010、2011、2012、2013、2014、2015、2016、2017、2018和2019年流腮报告发病率分别为 20.49/10 万、32.03/10 万、31.89/10 万、19.95/10 万、12.22/10 万、14.10/10 万、16.56/10 万、16.21/10万、14.29/10万和21.14/10万,2010-2019年流腮年均报告发病率为19.84/10万;江西省流腮发病具有明显的季节性,每年4-7月为发病主高峰,11月至次年1月为发病次高峰;4种模型拟合值的变化趋势均与实际值一致,除SARIMA模型MAPE(32.01％)较高外,其他3个模型的MAPE均＜15％,其中NNAR模型的拟合值更贴近实际值,其RMSE、MAE和MAPE均最低,分别为0.20、0.14和8.24％;除SARIMA模型外,其他3种模型的预测值变化趋势均与实际值一致,此3个模型的MAPE均＜15％,其中TBATS和ETS模型的预测效果最好.结论 ETS、TBATS和NNAR模型对江西省流腮发病率的拟合和预测效果较好,预测结果可为该地区流腮的防控提供理论指导.

目的 比较季节自回归移动平均模型(SARIMA)、长短期记忆网络(LSTM)、经验动态建模(EDM)在包含及不包含气象因素的情况下预测潍坊市肾综合征出血热(HFRS)发病的效果,探索最佳预测模型.方法 选取 2011 年1 月至 2017 年 12 月潍坊市HFRS月发病率分别构建SARIMA模型、单变量LSTM模型、单变量EDM模型,以及包含气象因素的SARIMAX模型、多变量LSTM模型、多变量EDM模型,对2018 年1 月至2018 年12 月的月发病率进行预测,并比较各模型的预测效果.结果 SARIMA模型的平均绝对误差百分比(MAPE)为 42.17%,SARIMAX模型未通过参数检验;单变量LSTM模型、多变量LSTM模型的MAPE分别为 48.40%,16.19%;单变量EDM,多变量EDM模型的MAPE分别为 55.00%,51.79%.结论 包含气象因素的多变量LSTM模型对潍坊市HFRS发病率预测效果最佳,预测结果可为未来HFRS的防控提供参考.