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174 | 下载28

目的:建立宁波市流感样病例(ILI)的预测模型,并对所建模型预测效果进行验证和评价。方法收集2008年1月至2015年6月宁波市流感监测哨点医院 ILI 监测资料,对数据进行统计分析,建立ARIMA模型及ARIMA-GARCH模型对流感发病情况进行预测和评价。结果2008—2014年宁波市ILI累计报告101056例,发病率大致呈逐年下降趋势。针对ILI发病率的ARIMA模型构建中ARIMA(2,1,1)(1,1,1)12为最佳模型(BIC=6.250),白噪声残差分析得到Ljung-Box统计量Q值为6.027(P>0.05)。ARIMA-GARCH组合模型的预测效果较单一ARIMA模型理想,平均绝对误差分别为11.049和12.757。结论 ARIMA-GARCH模型可以模拟宁波地区流感的流行趋势,为流感防控策略的制定提供理论依据。

作者:许国章;王春丽;李永东;倪红霞;焦素黎;张姝;王仁元

来源:国际流行病学传染病学杂志 2016 年 43卷 1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:174 | 下载:28
作者:
许国章;王春丽;李永东;倪红霞;焦素黎;张姝;王仁元
来源:
国际流行病学传染病学杂志 2016 年 43卷 1期
标签:
流感 自回归移动平均模型 广义自回归条件异方差模型 预测 Influenza Autoregressive integrated moving average model Generalized autoregressive conditional heteroskedasticity model Prediction
目的:建立宁波市流感样病例(ILI)的预测模型,并对所建模型预测效果进行验证和评价。方法收集2008年1月至2015年6月宁波市流感监测哨点医院 ILI 监测资料,对数据进行统计分析,建立ARIMA模型及ARIMA-GARCH模型对流感发病情况进行预测和评价。结果2008—2014年宁波市ILI累计报告101056例,发病率大致呈逐年下降趋势。针对ILI发病率的ARIMA模型构建中ARIMA(2,1,1)(1,1,1)12为最佳模型(BIC=6.250),白噪声残差分析得到Ljung-Box统计量Q值为6.027(P>0.05)。ARIMA-GARCH组合模型的预测效果较单一ARIMA模型理想,平均绝对误差分别为11.049和12.757。结论 ARIMA-GARCH模型可以模拟宁波地区流感的流行趋势,为流感防控策略的制定提供理论依据。