目的 分析2006-2022年河南省老年肺结核发病情况,预测2023-2025年河南省老年肺结核流行趋势.方法 收集2006-2022年共17年间"结核病管理信息系统"内的老年肺结核月登记率,建立数据库.应用SPSS 27.0软件"专家建模器"模块筛选最优模型,以2006-2019年老年肺结核月登记率作为建模训练集,以2020-2022年老年肺结核月登记率作为模型验证集,对2023-2025年老年肺结核月登记率进行预测.结果 2006-2022年间河南省老年肺结核年均登记率为147.06/10万,整体呈下降趋势.月登记率时间序列具有长期波动下降趋势和季节性特征,拟合度最好的模型是自回归求和移动平均模型(ARIMA)(1,0,0)(1,0,1)12,平稳R2和R2均为0.857,接近1,统计量Ljung-Box Q(18)值为12.156.每年3-6月和11月为老年肺结核的高发时间.2023-2025年老年肺结核月登记率预测值呈小幅上升的趋势.结论 应用ARIMA模型,预测2023-2025年河南省老年肺结核月登记率将呈小幅上升的趋势,要建立老年肺结核的防控机制,加强早期发现与管理.

[目的]基于昆山市2006～2015年月度恶性肿瘤发病率,采用X-12自回归移动平均混合模型(ARIMA)建立时间序列模型,并用模型预测未来年份恶性肿瘤发病率,以期为恶性肿瘤的防治工作提供指导.[方法]采用X-12-ARIMA季节调整乘积模型对昆山市2006年1月至2015年12月恶性肿瘤发病率进行趋势成分分解,并自动选择ARIMA季节调整乘积模型,以贝叶斯信息准则(BIC)值最小为最优模型选择标准;以绝对误差值、平均绝对百分比误差及决定系数(R2)来评价模型拟合精度.[结果] X-12选择的最优乘积季节模型为ARIMA(0,1,1)×(0,1,1)12;预测方程为:(1-β)(1-β12)Xt=(1-0.84687β)(1-0.70249β11)εt.建模结果显示2006～2015年恶性肿瘤月度发病率不仅呈现季节波动,而且2007年1月至2018年12月发病率呈现持续上升的长期趋势.精度评价指标绝对误差值、平均绝对百分比误差及决定系数(R2)分别为2.13/10万、7.30％和0.697.[结论]ARIMA(0,1,1)×(0,1,1)12能够应用于预测昆山市恶性肿瘤月度发病率,在过去10年恶性肿瘤发病率上升,并且未来年份继续上升的背景下,提示肿瘤相关疾病负担和未来健康保健资源将大幅增加.

目的 利用自回归移动平均乘积季节(ARIMA)模型建立适合我国法定传染病月报告发病数的预测模型,借此预测我国法定传染病的变化趋势.方法 利用R软件对2009年5月至2016年7月我国法定传染病月报告发病数据建立ARIMA模型,用2016年8月至2017年1月实际值与预测值进行比较,从而评价模型的预测性能.结果 我国法定传染病月报告发病数具有明显的季节性,且报告在每年2月出现最低峰,6月呈现最高峰;建立ARIMA(4,l,0)(1,1,1)12模型对我国法定传染病发病数进行预测,模型预测的最大相对误差为9.78％,最小为2.21％,平均值为5.39％.结论 ARIMA(4,1,0)(1,1,1)12乘积季节模型较好的拟合了我国法定传染病月报告发病数,可用于预测.

目的 基于时间序列分析的求和自回归移动平均(autoregressive integrated moving average,ARIMA)模型分析肾综合征出血热(hemorrhagic fever with renal syndrome,HFRS)疫苗接种情况对陕西省西安市鄂邑区HFRS疫情的影响.方法 收集陕西省西安市鄂邑区1971-01～2012-12各监测点HFRS病例监测数据,建立基础数据库,将数据依据疫苗接种情况进行分组,对HFRS月发病率进行ARIMA建模拟合及预测,通过模型评价分析HFRS疫苗接种对疫情的影响.结果 1971-2012年,陕西省西安市鄂邑区共报告人间HFRS患者12702例,HFRS年发病率在1971-1990年间呈增长趋势,从1994年开始年发病率总体呈现波动降低趋势,且疾病发生存在明显的季节性和双峰特征,模型分析显示忽略疫苗接种情况利用整体发病数据构建的模型,其拟合优度明显差于利用接种疫苗前发病数据而构建的模型,其预测方差也劣于利用接种疫苗后发病数据而建立的模型.结论 自1994年鄂邑区开始接种HFRS疫苗后,HFRS疫情得到一定控制,且基于疫苗接种分组数据建立的模型能更好地体现这一干预措施对HFRS疫情的影响.

目的 应用求和(差分)自回归移动平均(Autoregressive Integrated Moving Average Model,ARIMA)乘积季节模型分析季节性时间序列,建立全国布鲁菌病发病数的预测模型.方法 利用中国疾病预防控制中心2011年1月-2016年12月按月报告的布鲁菌病发病数历史疫情数据,采用最大似然法估计模型参数,模型定阶后,建立布鲁菌病按月发病数ARIMA乘积季节预测模型.结果 非季节和季节移动平均参数分别为0.357 35、0.66664,均P＜0.05,AIC=911.337 2,SBC=917.569 8,均P＜0.05,据此建立ARIMA(0,1,1)(0,1,1)12乘积季节模型,模型表达式▽ ▽12xt=(1-0.357 35B)(1-0.666 6412)ε1,并开展全国布鲁菌病发病数的预测.结论 ARIMA(0,1,1)(0,1,1)12乘积季节模型可用于预测布鲁菌病的发病情况.

目的 探讨SARIMA模型在肺结核发病预测中的适用性,为长沙市肺结核防控提供参考.方法 利用2005年1月-2016年12月长沙市肺结核月发病数构建SARIMA模型,以2017年1-12月的月发病数评价模型的预测效果,并采用构建的最优模型对2018年长沙市肺结核月发病情况进行预测.结果 长沙市肺结核月发病数具有明显的季节性特征,最优预测模型为SARIMA(0,1,1)(0,1,1)12,其AIC=1436.703,模型残差为白噪声(χ2=0.119,P=0.731).该模型的预测值与实际值的平均绝对百分误差为21.69％,预测效果较为可靠.预计2018年长沙市肺结核的月平均发病数为332.34例,发病水平与2017年接近,但总体略有下降.结论 SARIMA(0,1,1)(0,1,1)12拟合效果较好,可用于长沙市肺结核月发病数的短期预测.

目的 探究适用于预测我国艾滋病月发病人数的模型,为艾滋病的预防提供参考.方法 收集2011年1月至2017年12月我国艾滋病月发病报告人数资料,建立自回归移动平均(autoregressive integrated moving average,ARIMA)模型及广义回归神经网络(generalized regression neural network,GRNN)模型与ARIMA模型的联合.用2018年1月至5月艾滋病月发病数评估该模型预测效果.结果 艾滋病月发病数呈明显季节性,拟建立ARIMA(1,1,1)(0,1,1)12模型对我国艾滋病月发病报告数进行预测.建立ARIMA-GRNN模型的光滑因子为0.021.ARIMA-GRNN模型拟合及预测误差均低于ARIMA模型.结论 ARIMA(1,1,1)(0,1,1)12和ARIMA-GRNN模型均能较好地拟合并预测我国艾滋病月发病人数,但联合模型的效果更优.

目的 探讨单纯求和自回归移动平均 (ARIMA) 模型和基于季节性分解的ARIMA模型在丙肝发病率拟合及预测中的应用.方法 收集2007-2015年荆州市丙肝月发病率资料, 分别建立单纯ARIMA模型和基于季节性分解的ARI-MA模型, 采用2016年月发病率资料进行外回代验证模型的外推预测效果, 评价指标包括相对误差 (relative error, RE) 、平均相对误差 (mean relative error, MRE) 、平均误差率 (mean error rate, MER) 、均方误差 (mean square error, MSE) 和平均绝对误差 (mean absolute error, MAE) .结果 单纯ARIMA模型拟合和预测的MRE、MER、MSE、MAE分别为17. 868、16. 367、0. 225、0. 177和14. 090、15. 057、0. 343、0. 284;基于季节性分解的ARIMA模型拟合和预测的MAD、MER、MSE、MAE分别为14. 732、13. 556、0. 201、0. 151和11. 778、12. 353、0. 277、0. 229.结论 在丙肝发病率的拟合及预测中, 基于季节性分解的ARIMA模型优于单纯ARIMA模型.

目的 探讨手足口病流行的时间序列特征与预测方法,为风险评估和政策措施制定提供科学依据.方法收集2010至2017年广州市手足口病每月发病数和气象资料(平均气温、总和降雨量、相对湿度),划分训练数据和验证数据,基于自回归求和移动平均模型(seasonal autoregressive integrated moving average,SARIMA)建立多元时间序列回归预测模型(SARIMA with external regressors,SARIMAX).结果广州市年平均发病人数为61795例,月平均发病人数为5150例.发病数时间序列具有明显的季节性特征,最终建立模型为SARIMA(0,1,0)(1,1,1)12纳入相对湿度滞后1期变量模型,该模型较基础SARIMA(0,1,0)(1,1,1)12模型AIC值降低16.52％,拟合过程均方根误差(root mean square error,RMSE)降低11.13％,预测过程RMSE降低40.68％.结论SARIMAX模型可提高手足口病流行预测的精确度,相对湿度是广州地区手足口病流行的重要预测因素.

目的 了解军队呼吸道传染病的流行趋势,掌握呼吸道传染病的流行病学特点及规律,探索应用时间序列求和自回归移动平均(Autoregressive integrated moving average,ARIMA)模型预测军队常见呼吸道传染病的发病情况.为部队制定呼吸道传染病的预防控制措施提供决策依据.方法 探索采用ARIMA模型,对《中国人民解放军突发公共卫生事件和传染病疫情报告信息系统》报告的2010年1月至2016年12月某部常见6种呼吸道传染病(肺结核、水痘、麻疹、流行性感冒、流行性腮腺炎、风疹)每月的发病情况进行建模和拟合,应用SPSS18.0、Eveiws、Excel等统计软件,进行参数估计、模型诊断、模型评价,筛选得到最优模型,并对2017年上半年发病情况进行预测,评价模型的预测效果.结果 本文研究的6种军队常见呼吸道传染病高发季节均在3-5月份、11月份至次年的1月份.经过建模、拟合,得出ARIMA(0.0.0)(0.1.1)是军队某部常见呼吸道传染病拟合的最佳模型.模型拟合统计量均方根误差(Root Mean Square Error,RMSE)为3.436,平均绝对百分位差(Mean Absolute Percent Error,MAPE)为42.332,正态化的BIC为2.765,决定系数R2为0.576,根据贝叶斯准则BIC值最小,R2最大为最优模型;Ljung-BoxQ统计量为17.509,P=0.420,可知残差属于白噪声值,说明本模型预测相对适合.建立模型之后,对2017年上半年军队某部呼吸道传染病的发病数据进行ARIMA预测分析,结果显示2017年上半年实际发病趋势与预测曲线图高度吻合,说明ARIMA模型拟合精度和预测效果均较好.结论 ARIMA模型是针对有季节性变动和趋势性分月发病情况的时间序列提出的建模方法,在某部常见呼吸道传染病拟合的预测效果较为满意.ARIMA模型对未来6月内的预测值在这6种传染病发病情况未发生显著变化时,能较好地预测这些传染病未来的走势及发病数,这将为今后常见呼吸道传染病的预防和控制提供理论支撑.