目的:了解2011—2023年嘉兴市百日咳流行病特征，构建自回归积分滑动平均（autogressive integrated moving average，ARIMA）模型预测短期发病趋势。方法:从中国疾病预防控制信息系统中收集2011—2023年嘉兴市的百日咳监测数据，采用描述性流行病学方法分析百日咳流行特征，构建ARIMA模型预测2024年嘉兴市百日咳发病趋势。结果:2011—2023年嘉兴市共报告百日咳病例429例，年均报告发病率0.75/10万，呈上升趋势（ χ2趋势=236.35， P<0.001）。疾病呈全年发病趋势，3月起在高位波动。不同地区报告发病率存在差异，海宁市年均报告发病率0.95/10万，其次为嘉善县和桐乡市，分别为0.80/10万、0.81/10万。嘉兴市百日咳报告病例呈现≤1周岁（44.29%,190/429）和5~9周岁（34.50%,148/429）年龄段双高峰现象。采用ARIMA（2,1,2）（0,1,1） 12为最优预测模型，预计2024年嘉兴市百日咳发病趋势将在高位波动。 结论:嘉兴市百日咳报告发病率处于较低水平，但总体呈上升趋势。不同地区存在报告发病率差异，应关注≤1周岁小年龄段、5~9周岁儿童和成人百日咳疫情。预测短期内百日咳发病率仍处于高位波动。

目的:构建某精神专科医院急诊量预测模型，分析急诊科就诊人次的变化规律，为精神科急诊服务资源的优化配置提供参考。方法:从某精神专科医院信息系统提取2018—2023年急诊患者就诊时间等数据。其中，2018—2022年月度急诊人次(急诊量)用于构建自回归积分滑动平均模型(autoregressive integrated moving average model，ARIMA)，2023年月度急诊量用于验证该模型的预测效果。结果:经模型构建和筛选，确定季节型ARIMA(0，1，0)(1，1，1) 12为最优模型，该模型的预测值与实际值吻合性较好，平均相对误差波动在1.6%～26.8%，平均绝对误差波动在9～159人次。 结论:季节型ARIMA模型能够较准确地预测某精神专科医院急诊量，可为该院人力资源配置及应急调度提供参考，但该预测模型适用于短期预测，如需长期预测，还应不断进行数据拟合，以确保预测的有效性。

目的:基于自回归积分滑动平均(autoregressive integrated moving average,ARIMA)模型探讨影响医疗机构使用医用缝线的相关因素,为医疗机构合理使用医用缝线提供依据与优化策略.方法:以2014年1月至2023年11月期间某院每月医用缝线使用金额作为研究对象.将2014年1月至2018年12月的医用缝线使用金额数据作为训练集,采用R语言建立ARIMA模型;将2019年1月至2019年12月的医用缝线使用金额数据作为验证集,以验证ARIMA模型的可靠性.利用验证通过后的ARIMA模型预测2021年1月至2023年11月医用缝线每月使用金额并比较预测值与实际值之间的差异,用于评估2021年1月执行医用缝线优化政策带来的效益.结果:建立的ARIMA模型通过了白噪声检验(P＞0.05),且2019年全年预测值和实际值之间差异无统计学意义(P＞0.05);执行医用缝线优化政策后,某院医用缝线实际使用金额有所下降,2021年1月至2023年11月实际值远小于预测值,差异有统计学意义(P＜0.05).结论:基于ARIMA模型的医用缝线使用数据预测与配置优化方案可以充分挖掘某院医用缝线的使用规律,为医用缝线配置合理优化和智能精细化管理提供决策参考.

目的 探讨时间序列模型对悬浮红细胞临床用量的预测作用.方法 收集浙江大学医学院附属第一医院2013年1月至2020年12月期间每个月悬浮红细胞的临床用量.针对悬浮红细胞的不同血型及治疗类型(抢救、手术及创伤和内科),建立时间序列模型中的自回归积分滑动平均(AR1MA)模型以预测2021年1月至2021年8月期间悬浮红细胞的临床用量.同时,比较不同血型及不同治疗类型悬浮红细胞的预测用量与实际用量,以验证模型的可行性.结果 基于2013年1月至2020年12月期间每个月悬浮红细胞的临床用量,可以得到悬浮红细胞A型临床用量的最佳拟合模型为ARIMA(1,1,1)(1,0,0)[12],悬浮红细胞B型临床用量的最佳时间序列拟合模型为ARIMA(2,1,0)(1,2,1)[12],悬浮红细胞O型临床用量的最佳时间序列拟合模型为ARIMA(0,0,1)(1,1,1)[12],悬浮红细胞AB型临床用量的最佳时间序列拟合模型为ARIMA(1,1,1)(1,1,0)[12],悬浮红细胞抢救临床用量的最佳时间序列拟合模型为ARIMA(1,1,1)(1,0,0)[12],悬浮红细胞内科临床用量的最佳时间序列拟合模型为ARIMA(0,1,2)(0,1,1)[12],悬浮红细胞手术及创伤临床用量的最佳时间序列拟合模型为ARIMA(0,1,3)(0,0,2)[12].A型、B型、O型及AB型悬浮红细胞实际用量和预测用量之间比较,差异均无统计学意义(t=0.257、0.185、0.363、0.260,P=0.804、0.856、0.722、0.801).抢救的悬浮红细胞预测用量较实际用量较高[(82±8)U vs.(60±25)U,t=2.299,P=0.049],而其他类型(内科、手术及创伤)在悬浮红细胞预测用量与实际用量之间的比较,差异均无统计学意义(t=0.256、1.845,P=0.802、0.093).结论 应用ARIMA模型的血液管理方法,可快速高效地保障医疗机构临床日常用血及急救用血需求,有利于输血科(血库)合理制订血液计划,优化血液库存.

目的 探讨时间序列分析法在手足口病预测中的应用,分别构建基于百度指数与发病率的自回归积分滑动平均模型(ARIMA),对比模型预测效果从而选出较佳的模型.方法 疫情资料来源于中国疾病预防控制信息系统,百度关键词指数数据从百度指数官网上以月为单位进行收集.采用stata15.0SE与SPSS 20.0软件对数据进行整理与分析,并建立ARIMA模型;运用均方根百分比误差(RMSPE)和平均绝对百分比误差(MAPE)来评价百度指数构建的ARIMA模型与发病率构建的ARIMA模型之间的预测效果.结果 2017-2021年深圳市辖区手足口病共9 174例,年均发病率为16.43/10万;发病率高峰集中在10、5、7月.男性年均发病率10.33/10万,高于女性年均发病率6.11/10万,差异有统计学意义(x2=16.215,P＜0.05).发病年龄段主要集中在0～＜6岁(7 960例,86.76％),人群种类分布以散居儿童为主(6 901例,75.22％).基于复核百度指数的模型MAPE=41.535％,RMSPE=21.633％;基于发病率的模型MAPE=42.731％,RMSPE=22.201％,前者的预测性能更好.结论 基于百度指数建立的ARIMA模型可提升模型的预测性能,可结合手足口病发病率及百度指数建立ARIMA模型,加强预测效果.

目的 验证自回归积分滑动平均(ARIMA)模型在预测职业性尘肺病(以下简称"尘肺病")发病数据中的准确性,预测广东省未来5年的尘肺病发病例数.方法 开展广东省尘肺病患者随访调查,收集广东省1956-2021年报告的新发尘肺病患者资料,以1956-2016年的尘肺病数据作为训练集,建立ARIMA模型.将2017-2021年的尘肺病数据作为预测集,评价ARIMA模型的预测效果,预测广东省未来5年的尘肺病发病例数.结果 经过模型识别和定阶后得到ARIMA(1,1,2)模型.采用模型对预测集进行预测,其预测效果良好;2021年预测值与实际值分别为213和210例,两者仅相差3例.采用该模型预测广东省2022-2026的新发尘肺病病例数分别为214、204、202、194和191例,发病情况呈现低位流行态势.结论 ARIMA模型在长时间与大样本的尘肺病例发病数据的应用中预测准确性较高.ARIMA(1,1,2)模型的预测结果显示本省未来5年尘肺病的发病例数在200例左右,呈现低位流行的态势.

目的 分析1990-2019 年中国生殖器疱疹疾病负担现状与趋势,为生殖器疱疹防治提供理论依据.方法 利用2019 年全球疾病负担数据库,通过发病率、伤残损失寿命年和伤残调整寿命年等指标进行描述,并采用Joinpoint软件分析中国 1990-2019 年生殖器疱疹疾病负担的变化趋势,建立自回归积分滑动平均模型(autoregressive integrated moving average model,ARIMA)时间序列模型,对中国生殖器疱疹疾病 2020-2024 年发展趋势进行预测.结果 1990-2019 年中国生殖器疱疹发病率有下降趋势.发病人群主要集中在15～49 岁年龄段,该年龄段伤残调整生命年(disability adjusred life years,DALY)率呈显著上升趋势平均年度变化率(average annual percent change,AAPC)(AAPC =0.73,P＜0.001).50～69 岁年龄段呈现出显著上升趋势(AAPC =0.09,P＜0.05).1990-2019 年中国生殖器疱疹DALY率总体呈上升趋势,1990-2019 年中国女性疾病负担总体高于男性.ARIMA模型预测结果显示,中国生殖器疱疹发病率和DALY率在2020-2024 年继续呈增长趋势.结论 中国生殖器疱疹疾病负担仍不断呈上升趋势,需加强青中年的安全性行为教育,并积极开展健康教育.

目的 根据上海市2015 年至今PM2.5月均浓度数据进行建模预测,以期为PM2.5预测研究方法提供新思路.方法 将季节性影响因素引入灰色预测模型(grey model,GM),建立季节因素修正后GM(1,1)模型,与传统季节性自回归积分滑动平均模型(autoregressive integrated moving average model,ARIMA)比较,选择2015-2021 年数据进行建模预测,将2022 年1～10 月数据作为验证集进行预测效果评价,并对 2022 年 11～12 月上海市PM2.5 月均浓度作预测.结果 季节性 ARIMA 模型验证集 RMSE = 4.02,MAPE = 15.50%.季节因素修正后 GM(1,1)模型验证集RMSE =3.30,MAPE =11.59%.利用季节因素修正后GM(1,1)模型预测2022 年11～12 月上海市PM2.5月均浓度水平分别为24.99、34.83μg/m3.结论 季节因素修正后GM(1,1)模型预测效果可优于季节性ARIMA,在对PM2.5 浓度等季节性时序进行预测时可考虑使用季节因素修正后的灰色预测模型.

目的 构建时间序列ARIMA乘积季节模型,预测2017年白纹伊蚊幼虫密度,探讨该模型在预测白纹伊蚊幼虫消长趋势中的应用.方法 利用西部某地级市2012年1月至2016年12月的白纹伊蚊幼虫监测资料,运用SPSS 20.0的专家建模器,考虑季节因素对月布雷图指数数据进行ARIMA模型构建,并用所建模型对2017年白纹伊蚊幼虫的消长趋势进行预测.结果 ARIMA(1,0,0)×(0,1,0)12为最佳模型.预测2017年白纹伊蚊布雷图指数5-10月份均高于5,高峰主要集中在7-10月(分别为9.9、8.2、11.3和9.33),11月份后开始下降.结论 ARIMA乘积季节模型拟合预测效果较好.2017年,特别是5-10月份,应加强白纹伊蚊的监测、消杀及伊蚊媒介传染病的防控.

目的 探讨自回归积分滑动平均模型(ARIMA模型)在职业性噪声聋(ONID)发病趋势预测中的应用价值.方法 以广东省2006—2015年新发ONID病例数建立ARIMA模型,对之进行验证,并采用该模型预测2016—2020年新发ONID的发病趋势.结果 广东省2006—2015年新发ONID病例数呈指数式增长趋势.采用2006—2015年新发ONID病例数拟合的最优模型为ARIMA(2,2,2)模型,可较好拟合2008—2015年的新发ONID病例数.根据ARIMA(2,2,2)模型预测,2016—2020年广东省年新发ONID仍呈快速增长趋势.结论 基于时间序列的ARIMA模型可较好地拟合ONID发病的时间变化趋势,可用于ONID的发病趋势预测.