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168 | 下载37

目的 采用时间序列分析方法中求和自回归移动平均(autoregressive integrated moving average model,ARIMA)模型对南京市建邺区手足口病月发病数进行预测,为制定手足口病预防控制策略提供参考依据. 方法 根据2009-2013年全区手足口病月报告发病数时间序列,以2014年1-8月的月发病数作为验证数据,建立辖区手足口病月发病数的ARIMA模型. 结果 建邺区手足口病月发病率模型为ARIMA(1,0,0)×(0,1,1)12,模型自回归参数AR1 =0.569(t5.030,P<0.001),残差分析统计量经检验差异无统计学意义(Ljung-Box Q=13.296,P=0.651).2014年1-8月实际值与预测值的最大相对误差36.78%,最小相对误差3.57%,平均相对误差16.32%. 结论 ARIMA模型可以用于辖区中短期手足口病月发病数的预测,模型预测精度的提高有待数据的不断积累.

作者:单良

来源:实用预防医学 2015 年 22卷 9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:168 | 下载:37
作者:
单良
来源:
实用预防医学 2015 年 22卷 9期
标签:
手足口病 时间序列模型 求和自回归-移动平均模型 预测 Hand,foot and mouth disease Time series model Autoregressive integrated moving average model Prediction
目的 采用时间序列分析方法中求和自回归移动平均(autoregressive integrated moving average model,ARIMA)模型对南京市建邺区手足口病月发病数进行预测,为制定手足口病预防控制策略提供参考依据. 方法 根据2009-2013年全区手足口病月报告发病数时间序列,以2014年1-8月的月发病数作为验证数据,建立辖区手足口病月发病数的ARIMA模型. 结果 建邺区手足口病月发病率模型为ARIMA(1,0,0)×(0,1,1)12,模型自回归参数AR1 =0.569(t5.030,P<0.001),残差分析统计量经检验差异无统计学意义(Ljung-Box Q=13.296,P=0.651).2014年1-8月实际值与预测值的最大相对误差36.78%,最小相对误差3.57%,平均相对误差16.32%. 结论 ARIMA模型可以用于辖区中短期手足口病月发病数的预测,模型预测精度的提高有待数据的不断积累.