奉化区缺血性脑卒中发病季节的SARIMA模型预测

doi:10.19485/j.cnki.issn2096-5087.2018.02.017

预防医学

2018, Vol. 30

Issue (2): 176-178,181 DOI: 10.19485/j.cnki.issn2096-5087.2018.02.017

疾病控制

本期目录 | 过刊浏览 | 高级检索

奉化区缺血性脑卒中发病季节的SARIMA模型预测

竺盛波¹, 沈妙儿¹, 周聪盛¹, 冯伟²

1.宁波市奉化区锦屏岳林社区卫生服务中心,浙江宁波 315500;
2.宁波市奉化区疾病预防控制中心

摘要
参考文献
相关文章
Metrics

全文: PDF(581 KB)
输出: BibTeX | EndNote (RIS)

摘要目的利用季节性自回归滑动平均模型法（SARIMA）对奉化区缺血性脑卒中发病情况进行预测,为做好脑卒中防控工作提供依据。方法采用R 3.3.2软件对奉化区2009—2014 年缺血性脑卒中的发病数据建立SARIMA模型,对原始序列做一阶差分与一阶季节差分的预处理,预处理后的序列进行KPSS平稳性检验。利用auto.arima（）函数结合模型参数估计来选择最优模型,再利用sarima（）函数进行参数估计与残差诊断,最后应用建立的模型对2015年奉化区缺血性脑卒中发病进行预测验证。结果最优模型为SARIMA（0,1,1）（0,1,1）₁₂ ,模型的参数估计值ma1=-0.824,sma1=-0.999,2个参数经检验差异均有统计学意义（P<0.05）。sarima（）函数自带的残差诊断图显示模型残差为白噪声序列。2015年各月预测结果误差率最高为-25.00%,最低为0.00%,平均误差率为10.75%,2015年每月实际发病数均在预测值的95%可信区间内。结论 SARIMA（0,1,1）（0,1,1）₁₂ 模型拟合效果较好,可用于奉化区缺血性脑卒中发病情况的短期预测。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	竺盛波
	沈妙儿
	周聪盛
	冯伟

关键词 ：缺血性脑卒中, 季节性, SARIMA模型, 预测

收稿日期: 2017-06-05 修回日期: 2017-07-10 出版日期: 2018-02-10

中图分类号:

R743.34

通信作者: 冯伟,E-mail：550477271@qq.com

作者简介: 竺盛波,本科,主管医师,主要从事慢性非传染性疾病防治工作

引用本文:

竺盛波, 沈妙儿, 周聪盛, 冯伟. 奉化区缺血性脑卒中发病季节的SARIMA模型预测[J]. 预防医学, 2018, 30(2): 176-178,181.

链接本文:

http://www.zjyfyxzz.com/CN/Y2018/V30/I2/176

[1] 王陇德. 脑卒中筛查与防治工程：关注动脉硬化的高危因素探求尽快降低我国脑卒中发病死亡和伤残之策[J/CD].中国医学前沿杂志（电子版）,2011,3 （3）：1-3.
[2] 国家心血管病中心. 中国心血管病报告2015 [M]. 北京：中国大百科全书出版社,2016：1.
[3] LI B,LOU Y,GU H,et al. Trends in incidence of stroke and transition of Stroke subtypes in rural Tianjin,China：A population-based study from 1992 to 2012[J]. PLoS One,2015,10（10）：e0139461.
[4] 李俊,方红,张金玲,等. 2011—2015年上海市闵行区脑卒中发病监测及复发影响因素分析[J]. 中国慢性病预防与控制,2016,24（11）：877-880.
[5] 房巧玲,韩京,宫舒萍. 2013—2014年济南市居民脑卒中急性病例监测资料分析[J]. 中国慢性病预防与控制,2015,23（12）：958-960.
[6] 冯伟,汪晓敏,曹云生. 奉化市2009—2013年脑卒中发病监测分析[J]. 浙江预防医学,2015,27（11）：1141-1143.
[7] 赵华. 时间序列数据分析R软件应用[M]. 北京：清华大学出版社,2016.
[8] 吕娜,金冬梅,戚少帅,等. 浙江省5岁以下儿童死亡率的时间序列分析[J]. 浙江预防医学,2016,28（1）：13-16.
[9] 杨秋英,郭广行,陈卉. 基于时间序列ARIMA模型的艾滋病发病率预测研究[J]. 中国医学装备,2016,13（11）：1-4.
[10] 胡文斌,张婷,秦威,等. 江苏省昆山市1981—2014年肺癌死亡率时间序列分析[J]. 中国肿瘤,2016,25（1）：34-38.
[11] 陈磊,徐建辉,高丽. 基于ARIMA模型的象山半岛水性疾病时间序列分析[J]. 浙江预防医学,2015,（11）：1131-1133..
[12] WANG W,JIANG B,SUN H,et al. Prevalence,incidence,and mortality of stroke in China：Results from a nationwide population-based survey of 480687 Adults[J]. Circulation,2017,135（8）：759-771.

[1]	高梦阳, 娄鹏威, 马丽, 李惠, 黄玉婷, 王璐, 王凯. 甲状腺乳头状癌中央区淋巴结转移预测模型研究[J]. 预防医学, 2023, 35(3): 229-234.
[2]	何亚盛, 张红霞, 倪银, 朱越燕, 彭敏, 杨丹红. 急诊重症监护病房住院患者医院感染的预测模型研究[J]. 预防医学, 2022, 34(9): 919-922.
[3]	郁小红, 钱棪梅, 周晨洁, 马越, 唐艳超, 邹玲莉. 应用TreeNet算法建立原发性高血压早期预测模型[J]. 预防医学, 2022, 34(9): 923-927.
[4]	余鸽, 娄乐, 徐方忠. 记忆任务指标评估抑郁障碍风险研究[J]. 预防医学, 2022, 34(7): 687-691.
[5]	吴昊澄, 鲁琴宝, 丁哲渊, 王心怡, 傅天颖, 杨珂, 吴晨, 林君芬. 基于百度指数和手足口病的疱疹性咽峡炎预测模型研究[J]. 预防医学, 2022, 34(3): 217-221.
[6]	王迎丹, 高春洁, 王蕾. 5种时间序列模型预测肺结核发病比较[J]. 预防医学, 2022, 34(12): 1194-1200.
[7]	苏银霞, 卢耀勤, 田翔华, 李莉, 姚华. 基于常规体检指标的2型糖尿病风险预测研究进展[J]. 预防医学, 2022, 34(12): 1230-1234.
[8]	吕晓丽, 朱一, 竹军伟. 纳入气象因素的ARIMAX模型预测流行性感冒流行趋势[J]. 预防医学, 2021, 33(8): 780-783.
[9]	孙秀秀, 刘光涛, 刘艳, 沈建勇. ARIMA乘积季节模型预测湖州市手足口病流行趋势[J]. 预防医学, 2021, 33(8): 801-803,807.
[10]	胡美兰, 阮天音, 李澔, 潘教亦, 何富乐. 应用C5.0算法决策树模型预测高脂血症[J]. 预防医学, 2021, 33(8): 827-829.
[11]	严倩倩, 段世伟, 蒙家嘉, 韩丽媛. 维生素C降低缺血性脑卒中发病风险的研究进展[J]. 预防医学, 2021, 33(7): 685-688.
[12]	王吉玲, 马岩, 马珊珊, 方益荣. 应用圆形分布法分析2010—2019年绍兴市手足口病季节性流行特征[J]. 预防医学, 2021, 33(7): 729-731.
[13]	李宗瑾, 李艳艳, 张俊杰, 郭晏强, 李爱军. 平顶山市3种病原型手足口病的圆形分布法分析[J]. 预防医学, 2021, 33(3): 299-302.
[14]	孙炀明, 林云, 罗建勇, 王恒辉. 2017—2019年嘉兴市食源性疾病时空聚集性分析[J]. 预防医学, 2020, 32(12): 1268-1271.
[15]	张利伟, 周莹. 东城区细菌性痢疾发病集中度和圆形分布分析结果[J]. 预防医学, 2020, 32(1): 57-59.

Viewed

Full text

Abstract

Cited

Shared

Discussed