目的:探讨AB分型联合Arima分型预测浅表食管鳞状细胞癌（superficial esophageal squamous cell carcinomas，SESCC）浸润深度的临床价值。方法:2017年7月至2022年12月期间在宁波市医疗中心李惠利医院及江苏省中医院接受内镜黏膜下剥离术治疗且鳞状上皮乳头内毛细血管袢（intra-epithelial papillary capillary loops，IPCL）AB分型为B2型的患者（76处SESCC病变）纳入回顾性研究，根据Arima分型规则对IPCL进行二次分类，以病理判定的浸润深度为金标准，分析B2型联合Arima分型对SESCC浸润深度预测的敏感度、特异度、阳性预测值和阴性预测值。结果:76处病变中，31处（40.79%）浸润黏膜肌层（T1a-MM）或黏膜下层浅层（T1b-SM1），B2型IPCL预测T1a-MM/T1b-SM1 SESCC的敏感度、特异度、阳性预测值、阴性预测值、准确率分别为70.45%（31/44）、79.64%（176/221）、40.79%（31/76）、93.12%（176/189）、78.11%（207/265）。对病变的IPCL进行Arima分型后，B2-4ML型、B2-AVA-4M型IPCL预测T1a-MM/T1b-SM1 SESCC的敏感度、特异度、阳性预测值、阴性预测值、准确率分别为61.36%（27/44）、88.24%（195/221）、50.94%（27/53）、91.98%（195/212）、83.77%（222/265）和38.64%（17/44）、94.57%（209/221）、58.62%（17/29）、88.56%（209/236）、85.28%（226/265）。结论:B2型IPCL联合Arima分型可以提高对T1a-MM/T1b-SM1 SESCC的诊断准确性。

目的:比较常见时间序列模型应用于新型冠状病毒肺炎（COVID-19）疫情预测的效果。方法:收集2020年4月1日至9月30日美国、印度和巴西3个国家COVID-19每日确诊病例数，分别建立差分自回归移动平均（ARIMA）模型和循环神经网络（RNN）模型，使用平均绝对百分比误差（MAPE）和均方根误差（RMSE）等指标，比较不同模型预测9月21-30日确诊病例的表现。结果:应用ARIMA模型预测美国、印度和巴西疫情的MAPE分别为13.18%、9.18%和17.30%，RMSE分别为6 542.32、8 069.50和3 954.59；应用RNN模型预测美国、印度和巴西疫情的MAPE分别为15.27%、7.23%和26.02%，RMSE分别为6 877.71、6 457.07和5 950.88。结论:ARIMA和 RNN模型的COVID-19预测效果存在地区差异，ARIMA模型的预测效果在美国和巴西较优，而RNN模型的预测效果在印度较优。

目的:了解新疆乌鲁木齐市2014—2018年其他感染性腹泻流行状况，探索ARIMA模型对其他感染性腹泻的预测应用，为科学防治提供依据。方法:收集整理"中国疾病预防控制信息系统"中2014—2018年某三甲医院其他感性腹泻流行病学资料及医院实验室检测结果数据进行描述性流行病学分析，同时应用SPSS软件进行ARIMA模型预测。结果:2014—2018年某三甲医院其他感染性腹泻病例主要集中在6~10月(1 748例)，占全年总病例的65.89%。10岁以下儿童是其它感染性腹泻就诊的主要人群(1 699例)，占比49.26%。轮状病毒感染是导致其他感染性腹泻发生的主要原因(339例)，占所有检出病原的93.38%。ARIMA(0，1，2)(0，1，1) 12为最优模型，验证2018年乌鲁木齐市1~12月发病数平均相对误差20%，实际值均在预测值95%可信区间内。 结论:应重点加强对乌鲁木齐10岁以下儿童及家长针对其他感染性腹泻预防的健康教育工作，重点应关注轮状病毒腹泻，做好10岁以下儿童轮状病毒疫苗的推广和接种工作。ARIMA(0，1，2)(0，1，1) 12对于其他感染性腹泻发病情况预测具有一定价值。

目的:分析亚洲主要国家胰腺癌的疾病负担，预测中国胰腺癌流行趋势，为胰腺癌防控提供参考依据。方法:收集全球疾病负担研究(GBD)2019版数据库中全球及亚洲主要国家的胰腺癌疾病负担数据，对年份、性别、社会人口指数对发病、死亡、伤残调整寿命年(DALY)的绝对数或标化率的分布情况进行描述，采用估计年百分比变化(EAPC)描述标化率的趋势。比较2019年不同年龄、性别和地区胰腺癌风险因素的死亡归因占比。运用R语言建立ARIMA模型预测2020—2029年中国胰腺癌标化发病率和死亡率。结果:1990—2019年，中国胰腺癌的标化发病率从3.17/10万增加到5.78/10万，标化死亡率从3.34/10万增加到5.99/10万，增幅超过亚洲高收入国家；全球胰腺癌标化发病率、死亡率和DALY率均呈逐年上升趋势。在亚洲主要国家中，中国疾病负担增速最高(标化发病率EAPC＝2.32%，95% CI：2.10%~2.48%；标化死亡率EAPC＝2.25%，95% CI：2.03%~2.42%)。ARIMA模型预测结果显示，中国胰腺癌发病率和死亡率在2020—2029年继续呈上升趋势，发病率预计增长15.92%，死亡率预计增长15.86%。 结论:中国胰腺癌的标化发病率和死亡率逐年增加，疾病负担呈上升趋势。随着人口老龄化，胰腺癌疾病负担还将进一步增长，应采取积极防控措施。

目的:分析中国老年人2004—2019年意外跌倒死亡情况及预测中国老年人2020—2024年意外跌倒标化死亡率，为制订预防老年人意外跌倒策略提供科学依据。方法:收集《中国死因监测数据集》中国老年人2004—2019年意外跌倒的死亡数据，计算2004—2019年总体及不同性别、居住地、年龄段死亡人数、死亡率和标化死亡率。采用Joinpoint 4.8.0.1统计软件计算标化死亡率的年度变化百分比（APC）和平均年度变化百分比（AAPC）。使用自回归移动平均模型（ARIMA）预测2020—2024年中国老年人意外跌倒标化死亡率。结果:中国老年人意外跌倒死亡人数从2004年的2 908人上升至2019年的23 709人；死亡率从2004年的51.89/10万上升至2019年的67.74/10万；标化死亡率2004—2019年总体呈上升趋势（AAPC=1.65， P>0.05），其中 2004—2010年呈上升趋势（APC=1.66， P>0.05），2010—2013年呈下降趋势（APC=-9.67， P>0.05），2013—2019年呈上升趋势（APC=7.83， P<0.01）。中国男性和女性老年人意外跌倒的死亡人数和死亡率在2004—2019年均呈上升趋势；标化死亡率2004—2019年也呈上升趋势（AAPC 男性=2.19，AAPC 女性=0.29， P均>0.05）。男性意外跌倒的标化死亡率总体高于女性，其中男性2013—2019年呈上升趋势（APC=7.36， P<0.05），女性2014—2019年呈上升趋势（APC=6.92， P>0.05）。居住地在农村和城市的老年人意外跌倒的死亡人数和死亡率2004—2019年均呈上升趋势；标化死亡率2004—2019年也呈上升趋势（AAPC 农村=1.71，AAPC 城市=1.00， P均>0.05），其中居住地为农村的老年人意外跌倒标化死亡率总体高于城市，居住地为农村和城市的老年人2013—2019年均呈上升趋势（APC 农村=8.24，APC 城市=6.11， P均 <0.05）。不同年龄段老年人意外跌倒的死亡人数和死亡率2004—2019年均呈上升趋势；65~74岁和≥85岁老年人的标化死亡率2004—2019年也呈上升趋势（AAPC 65~74岁=0.38，AAPC ≥85岁=4.09， P均 >0.05），75~84岁老年人的标化死亡率2004—2019年呈下降趋势（AAPC=-0.10， P>0.05），其中65~74岁老年人意外跌倒标化死亡率2010 —2019年呈上升趋势（APC=5.35， P<0.05），75~84岁和≥85岁老年人2013 —2019年均呈上升趋势（APC 75~84岁=6.49，APC ≥85岁=10.47， P均 <0.05）。ARIMA预测结果表明，2020—2024年中国老年人总体意外跌倒标化死亡率分别为69.11/10万、72.33/10万、74.41/10万、76.34/10万、76.48/10万，呈缓慢上升趋势。 结论:中国老年人2004—2019年意外跌倒死亡总体呈上升趋势，2020 —2024年老年人意外跌倒的标化死亡率也呈上升趋势。男性、居住地为农村、≥85岁的高龄老人是防治重点人群，应采取积极有效的防治措施减少老年人意外跌倒死亡的发生，促进积极健康的老龄化。

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: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: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。