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28 | 下载0

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.

作者:韩宇浩;吴茜;彭金碧;王雨浩;荆茹;杨道宇;顾倚岑;全宁斌;李旭东

来源:中国职业医学 2023 年 50卷 2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:28 | 下载:0
作者:
韩宇浩;吴茜;彭金碧;王雨浩;荆茹;杨道宇;顾倚岑;全宁斌;李旭东
来源:
中国职业医学 2023 年 50卷 2期
标签:
尘肺病 ARIMA模型 时间序列 发病趋势 预测 Pneumoconiosis ARIMA model Time series Incidence trend Prediction
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.

Baidu
map