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155 | 下载0

目的 探讨时间序列分析法在其他感染性腹泻发病率预测中的应用,为制定其他感染性腹泻防控策略提供科学数据.方法 利用深圳沙井街道2006年1月至2011年6月的的其他感染性腹泻月发病率数据建立自回归移动平均结合模型(ARIMA),采用2011年7-12月的月发病率数据验证模型的预测效果.结果 建立的ARIMA(2,1,1)12模型为最优模型,AIC、SBC及Log likelihood分别为408.81、417.19、-200.41,模型残差序列的Box-Ljung结果显示统计量差异无统计学意义(Q=21.300,P=0.128).ARIMA(2,1,1)12模型预测效果较好,实际值均在预测值的95%可信区间内,对2011年7-12月发病率的预测值基本符合实际发病率的变动趋势.结论 ARIMA模型能较好地模拟在短期内其他感染性腹泻发病率的变动趋势.

作者:郑磊;刘德坚;邱星元;许贤

来源:热带医学杂志 2013 年 13卷 10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:155 | 下载:0
作者:
郑磊;刘德坚;邱星元;许贤
来源:
热带医学杂志 2013 年 13卷 10期
标签:
时间序列分析 其他感染性腹泻 预测 time series analysis infectious diarrhea forecasting
目的 探讨时间序列分析法在其他感染性腹泻发病率预测中的应用,为制定其他感染性腹泻防控策略提供科学数据.方法 利用深圳沙井街道2006年1月至2011年6月的的其他感染性腹泻月发病率数据建立自回归移动平均结合模型(ARIMA),采用2011年7-12月的月发病率数据验证模型的预测效果.结果 建立的ARIMA(2,1,1)12模型为最优模型,AIC、SBC及Log likelihood分别为408.81、417.19、-200.41,模型残差序列的Box-Ljung结果显示统计量差异无统计学意义(Q=21.300,P=0.128).ARIMA(2,1,1)12模型预测效果较好,实际值均在预测值的95%可信区间内,对2011年7-12月发病率的预测值基本符合实际发病率的变动趋势.结论 ARIMA模型能较好地模拟在短期内其他感染性腹泻发病率的变动趋势.