|
|
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 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。
|
|
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
|
|
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 |
[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. |
|
Viewed |
|
|
|
Full text
|
|
|
|
|
Abstract
|
|
|
|
|
Cited |
|
|
|
|
|
Shared |
|
|
|
|
|
Discussed |
|
|
|
|