目的:比较差分整合移动平均自回归模型(ARIMA)和深度学习模型在吸脂操作数据预测分析方面的应用价值。方法:选取2019年1至9月中国医学科学院整形外科医院符合入选标准的行吸脂手术患者，使用基于光学追踪系统和力传感技术的吸脂操作记录系统，采集高年资整形外科医生吸脂手术初始250~400 s的操作数据，包括运动学和力学数据。经预处理后将采集数据分成一个吸脂往复循环为一组的数据。分别使用ARIMA模型和深度学习模型处理分析采集到的数据，建立吸脂操作预测模型。用Matlab 2017软件产生随机数随机抽取30对共计60组吸脂循环数据，计算每对数据的动态时间规整(DTW)值作为检验标准，然后分别计算基于ARIMA模型与深度学习模型的各30组预测数据与实际数据之间的DTW值，与检验标准对比，对2种模型的预测结果进行验证。应用Matlab 2017软件进行统计分析，2组比较用独立样本 t检验， P<0.05为差异有统计学意义。 结果:共入组18例患者，均为女性，年龄23~49岁，平均36.6岁。吸脂部位分别为腹部、大腿、腰部。共获得16 800组吸脂循环数据。模型检验标准DTW值为0.048±0.028。ARIMA模型预测数据与实际数据之间的DTW值为0.660±0.577，与检验标准比较差异有统计学意义( P<0.05)。深度学习模型得出的DTW值为0.052±0.030，与检验标准比较差异无统计学意义( P>0.05)。 结论:相比ARIMA模型，深度学习模型可以更准确地预测吸脂操作数据，能更好地适应不同情况的数据，并且具有更好的实时性。

目的:探讨应用差分整合移动平均自回归模型（autoregressive integrated moving average，ARIMA）分析预测2007—2017年浙江省其它感染性腹泻发病情况。方法:利用国家人口与健康科学数据中心公共卫生科学数据中心提供的浙江省2007—2016年各月其它感染性腹泻发病人数的数据，用SPSS 25.0软件构建时间序列分析ARIMA模型，预测2017年每月的发病人数，并用该中心提供的实际值对模型进行评估。结果:对基于2007—2016年其它感染性腹泻发病情况建立的ARIMA模型进行训练和序列验证，再通过建立Box-Ljung检验和BIC检验，最终确定ARIMA（0，1，2）（0，1，0） 12为非平稳时间序列最优模型，2017年的预测值与2017年实际数据对比，准确性较高。 结论:ARIMA（0，1，2）（0，1，0） 12模型对浙江省其它感染性腹泻流行的预测效果较好，预测结果将为其它感染性腹泻的监测和预防提供理论支撑。

目的 了解黑龙江省佳木斯市肾综合征出血热(HFRS)疫情特征,预测其发病趋势,为制定HFRS防控措施提供依据.方法 采用描述流行病学方法对HFRS流行特征进行分析,率的比较用x2检验;运用SPSS 22.0和Eview 10.0软件对2004-2021年HFRS月发病率建立自回归差分移动平均(ARIMA)最优模型,预测2022年月发病率.结果 共报告HFRS 5 772例,年均发病率为13.15/10万;5-7月为HFRS春夏季小高峰,10-12月为秋冬季大高峰.各县(市、区)HFRS年均发病率同江和抚远市较高;发病年龄主要集中在15～69岁人群,35～39岁年龄组构成比最高;病例主要以青壮年男性为主;职业以农民最多,占69.53％;男女性别比例为3.65:1.ARIMA(1,1,1)(1,1,1)12为短期预测佳木斯市HFRS发病率的最优模型,贝叶斯信息准则(BIC)值为-0.879,残差序列Ljung-Box Q检验为白噪声(Q=15.867,P=0.322),残差序列自相关系数和偏自相关系数均落在95％置信区间内.应用该模型预测2022年HFRS月发病率,结果显示有小幅升高趋势,但仍处于较低水平.结论 2004-2021年佳木斯市HFRS发病率总体呈下降趋势,呈季节性双峰分布;边境市年均发病率较高;男性高于女性,职业以农民为主.ARIMA(1,1,1)(1,1,1)12为最优模型,可用于预测佳木斯市HFRS短期发病趋势,为针对性防控提供科学依据.

目的 探讨分数整合自回归移动平均(ARFIMA)模型在手足口病发病率预测中的可行性.方法 基于Python语言,以山西省2008年1月至2021年8月手足口病发病率数据为训练集建立ARFIMA模型和自回归移动平均(ARIMA)模型,以2021年9月至2022年8月数据为测试集对所构建的两种模型进行效果评价,选用最优模型对2022年9月至2023年8月山西省手足口病发病率做出预测.结果 建立ARFIMA(4,0.05,5)模型和ARIMA(5,1,2)模型,残差白噪声检验P≥0.05.利用构建好的ARFIMA模型和ARIMA模型对测试集进行预测,平均绝对误差分别为0.92、1.58,平均绝对百分比误差分别为1.28、1.67,均方误差分别为1.18、3.56,均方根误差分别为1.09、1.89.使用较优ARFIMA(4,0.05,5)模型预测2022年9月至2023年8月山西省手足口病月发病率在0.13/10万～3.51/10万.结论 相比ARIMA模型,考虑了序列长记忆性的ARFIMA模型可较准确地预测山西省手足口病发病趋势,在手足口病防控中具有现实意义.

目的 应用差分整合移动平均自回归模型(autoregressive integrated moving average model,ARIMA)分析医院流感样病例报告数据,初步探索ARIMA模型在流感样病例监测和预警上的效果,以期更好地指导医院相关医务人员应对秋冬季流感就诊高峰,全面开展流感防治工作,及时有效地应对疫情.方法 利用2014年1月12日至2017年10月14日间首都医科大学附属北京朝阳医院每日报告的流感样病例数据建立ARIMA模型,选取2017年10月15日至12月24日的流感样病例数据作为检验集来评价模型.结果 ARIMA(2,0,0)模型应用于首都医科大学附属北京朝阳医院流感样病例时,决定系数(R2)为0.87.用该模型进行回代预测,预测值与实际值吻合程度较高.结论 ARIMA(2,0,0)模型分析结果显示该模型在首都医科大学附属北京朝阳医院流感预测中具有较好的效果.可为其他医疗机构在流感样病例监测工作中提供借鉴依据.

目的 采用径向基函数(Radial basis function,RBF)神经网络模型对重症监护病房(ICU)患者的医院感染发病率进行拟合及预测,并比较该预测模型与反向传播(Back Propagation,BP)神经网络及差分整合移动平均自回归(Autoregressive Integrated Moving Average model,ARIMA)模型的预测效果.方法 将2014年1月-2016年12月医院ICU患者感染发病率数据作为训练集,建立BP模型、RBF神经网络模型和季节性ARIMA模型.分别对2017年1月-2018年7月ICU患者的感染发病率进行预测,其中2017年1-10月数据作为验证集.分别用三类误差分析指标刻画BP模型及RBF神经网络拟合效果,并和季节性ARIMA模型预测效果进行比较.结果 RBF神经网络训练出的预测模型预测误差评价值MAPE为0.340％,MRE为4.509,RSE为0.049,其值均小于BP神经网络模型与季节性ARIMA模型的误差指标,有较好的预测效果.结论 RBF神经网络和BP神经网络模型均能较好地拟合ICU感染发病率,但从验证集的预测结果看,RBF神经网络模型较BP神经网络模型和季节性ARIMA模型各项误差指标较低,可作为预防和控制ICU医院感染发病率的理论依据.

目的 探讨甘肃省不同地区气象因素对高血压门诊人数的影响,并对高血压门诊人数的变化趋势进行预测分析,从而为高血压疾病的预防和控制提供参考依据.方法 在控制了高血压门诊相关特征因素的基础上,利用Python编程语言对白银、成县、庆城和凉州四个地区的高血压门诊人数建立卷积神经网络(convolutional neural networks,CNN)和长短期记忆神经网络(long short-term memory,LSTM)混合模型(CNN-LSTM).结果 CNN-LSTM模型对甘肃四个地区预测的高血压门诊人数的均方根误差分别为6.330 9、6.814 2、6.393 6和6.867 6,平均绝对百分比误差分别为74.082 2、78.508 2、56.618 3、50.235 4,平均绝对误差分别为4.875 7、5.431 1、4.542 0和6.460 8,结果均优于支持向量机(support vector machine,SVM)、整合移动平均自回归模型(autoregressive integrated moving average model,ARIMA)、随机森林(random forest,RF)、CNN和LSTM.结论 CNN-LSTM模型可以对甘肃四个地区高血压门诊人数进行较准确的短期预测,医院可以根据不同时间高血压就医需求合理配置医疗资源.

目的 基于时间序列分析探讨悬浮红细胞临床需求预测模型,为血液资源采集和储备提供科学依据.方法 对重庆市万州中心血站2006年1月至2016年6月每月悬浮红细胞ABO各血型用量及总用量建立差分整合移动平均自回归(ARIMA)模型,运用最优模型预测2016年7月至12月每月悬浮红细胞ABO血型用量及总用量,验证预测效果.结果 各最优模型均通过残差序列自相关函数、偏自相关函数以及Ljung-Box Q检验,且各模型的预测值与同期悬浮红细胞用量的实际值变化趋势吻合度较高,平均相对误差较小,预测精度较高.结论 最优模型均能较好地拟合悬浮红细胞临床用量在时间序列上的变化趋势,可用于悬浮红细胞临床用量预测.

目的 利用差分整合移动平均自回归(Autoregressive Integrated Moving Average,ARIMA)模型对医院感染现患率进行预测,为防控全院的医院感染提供决策依据.方法 回顾性调查收集某院2012年1月-2017年12月(共72个月)的医院感染现患率,采用ARIMA时间序列模型建模,并评价模型拟合和预测效果.结果 经过比较备选模型,最终确认ARIMA(1,0,0)模型拟合效果相对较优,2018年前6个月现患率实际值均在预测值的95％可信区间内.结论 该模型能准确预测医院感染的现患率,有助于医院感染管理相关预防控制措施的制定与实施.

目的:利用差分整合移动平均自回归模型(autoregressive integrated moving average,ARIMA)预测我国城市与农村的恶性肿瘤死亡人数占总死亡人数百分比,为恶性肿瘤防护工作与医疗资源合理分配提供参考依据.方法:利用国家统计局的国家数据官网公布的年度数据中,我国城市与农村恶性肿瘤死亡人数占比数据,分别建立ARIMA模型,并通过模型参数分析,预测值与真实值的对比分析,总结模型合理性.结果:通过参数计算与模型验证,最终得到城市ARIMA(2,1,0)和农村ARIMA(2,1,0)模型.结论:通过模型预测验证,模型可以用于我国城市与农村恶性肿瘤死亡率的短期预测与动态分析,具有实际应用价值.