您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览7 | 下载0

目的 基于江阴市食源性疾病监测数据,探讨SARIMA模型在江阴市食源性疾病发病趋势中的应用.方法 采用江阴市2018年1月至2022年6月的食源性疾病病例报告数据,建立SARIMA预测模型,用2022年7至12月报告数据验证所建立模型,预测2023年1至6月江阴市食源性疾病报告发病率.检验水准α=0.05.结果 SARIMA(0,0,1)(1,1,1)12模型可以较好拟合江阴市2018年1月至2022年6月的食源性疾病月报告发病数据,并且能够较为准确地预测未来短期报告发病数据,MAPE=17.17%.结论 SARIMA模型能够适用于江阴市食源性疾病报告发病趋势的短期预测,可作为食源性疾病预测预警的参考模型,为食源性疾病防控提供理论依据.

作者:张力;尤诚成;高英;徐超;缪国忠

来源:预防医学情报杂志 2024 年 40卷 4期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:7 | 下载:0
作者:
张力;尤诚成;高英;徐超;缪国忠
来源:
预防医学情报杂志 2024 年 40卷 4期
标签:
食源性疾病 预测 SARIMA模型 foodborne diseases prediction SARIMA model
目的 基于江阴市食源性疾病监测数据,探讨SARIMA模型在江阴市食源性疾病发病趋势中的应用.方法 采用江阴市2018年1月至2022年6月的食源性疾病病例报告数据,建立SARIMA预测模型,用2022年7至12月报告数据验证所建立模型,预测2023年1至6月江阴市食源性疾病报告发病率.检验水准α=0.05.结果 SARIMA(0,0,1)(1,1,1)12模型可以较好拟合江阴市2018年1月至2022年6月的食源性疾病月报告发病数据,并且能够较为准确地预测未来短期报告发病数据,MAPE=17.17%.结论 SARIMA模型能够适用于江阴市食源性疾病报告发病趋势的短期预测,可作为食源性疾病预测预警的参考模型,为食源性疾病防控提供理论依据.

Baidu
map