Please wait a minute...
文章检索
预防医学  2018, Vol. 30 Issue (10): 1011-1015    DOI: 10.19485/j.cnki.issn2096-5087.2018.10.009
  论著 本期目录 | 过刊浏览 | 高级检索 |
应用ARIMA模型预测结核病发病率研究
胡碧波,傅克本,许亮亮,何丽萍
余姚市疾病预防控制中心,浙江 余姚 315400
Application of ARIMA model to prediction of tuberculosis incidence
HU Bi-bo,FU Ke-ben,XU Liang-liang,HE Li-ping
Yuyao Center for Disease Control and Prevention,Yuyao,Zhejiang 315400,China
全文: PDF(830 KB)  
输出: BibTeX | EndNote (RIS)      
摘要 目的 应用自回归求和移动平均(ARIMA)模型预测结核病发病率。方法 收集浙江省余姚市2006—2016年结核病月发病资料,采用专家建模器和传统建模方法建立ARIMA模型,根据最小贝叶斯信息准则(BIC)值选出最优模型,对2006—2016年结核病月发病率进行回代拟合,并对2017年结核病月发病率进行预测。结果 传统建模方法所得模型为ARIMA(0,1,1) (0,1,1) 12,专家建模器所得模型为ARIMA(0,0,1) (0,1,1) 12;两个模型的残差序列均未突破可信区间,为白噪声过程,均为恰当模型,但ARIMA(0,0,1) (0,1,1) 12 标准化的BIC值更小,确定为最优模型。对余姚市2006—2016年结核病月发病率进行回代拟合,实际发病率均落入拟合值的95%CI内,模型预测值能较好拟合原始数据;预测余姚市2017年1—12月结核病月发病率,预测值与实际值的平均相对误差为9.05%。结论 应用专家建模器构建的ARIMA模型可较好地预测结核病发病率。
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
胡碧波,傅克本,许亮亮,何丽萍
关键词 ARIMA模型结核病发病率预测专家建模器    
AbstractObjective To apply the autoregressive integrated moving average (ARIMA) model to predicting the tuberculosis (TB) incidence. Methods Based on the data of TB incidence in Yuyao from 2006 to 2016,the ARIMA model was established using the Expert Modeler and the traditional modeling process. The optimal model was selected according to the minimum value of Bayesian information criterion (BIC) to fit the monthly incidence rate of TB from 2006 to 2016 and to predict the incidence of TB in 2017. Results The traditional modeling process established ARIMA(0,1,1) (0,1,1)12 and the Expert Modeler established ARIMA(0,0,1) (0,1,1) 12 . The two models' residual sequences did not break through the confidence intervals and both were appropriate. The ARIMA (0,0,1) (0,1,1) 12 was the optimal model due to a smaller standardized BIC value. When fitting the monthly incidence of TB in Yuyao from 2006 to 2016,the actual incidence of TB fell into 95% confidence intervals of the fitting value and the predicted value could fit the original data. When predicting the monthly incidence of TB in 2017,the mean relative error was 9.05%. Conclusio The ARIMA model constructed by Expert Modeler is suitable for predicting TB incidence.
Key wordsARIMA model    Tuberculosis    Incidence    Prediction    Expert Modeler
     出版日期: 2018-09-26
ZTFLH:  R52  
通信作者: 胡碧波,E-mail:ckj_candy@163.com   
作者简介: 胡碧波,本科,医师,主要从事慢性病和传染病防制工作
引用本文:   
胡碧波,傅克本,许亮亮,何丽萍. 应用ARIMA模型预测结核病发病率研究[J]. 预防医学, 2018, 30(10): 1011-1015.
HU Bi-bo,FU Ke-ben,XU Liang-liang,HE Li-ping. Application of ARIMA model to prediction of tuberculosis incidence. Preventive Medicine, 2018, 30(10): 1011-1015.
链接本文:  
http://www.zjyfyxzz.com/CN/10.19485/j.cnki.issn2096-5087.2018.10.009      或      http://www.zjyfyxzz.com/CN/Y2018/V30/I10/1011
[1] World Health Organization. Global tuberculosis report 2017[R] . Geneva: WHO,2017.
[2] 钟威,毛宁,曹宏伟, 等. 辽宁省2006—2015年流动人口结核病流行病学特征分析[J] . 中华疾病控制杂志,2017,21(10):1044-1047.
[3] AGARWAL S K,SINGH A,ANURADHA S,et a1.Cytokine profile in human immunodeficiency virus positive patients with and without tuberculosis[J] . The Journal of the Association of Physicians of India,2001,49:799-802.
[4] 张国钦,钟达. 耐药肺结核发生和流行的危险因素[J] . 中国慢性病预防与控制,2017,25(7):557-560.
[5] 陆波,闵思韬,闵红星,等. 应用ARIMA模型预测麻疹发病率的可行性研究[J] . 中国卫生统计,2015, 32(1):106-107.
[6] 高雅,王伶,吴伟,等. 辽宁省手足口病疫情季节性ARIMA模型预测效果评价[J] . 中国公共卫生,2017,33(10):1482- 1484.
[7] LUZ P M,MENDES B V M,CODE?O C T,et al. Time series analysis of dengue incidence in Rio de Janeiro,Brazil[J] . Am J Trop Med Hyg,2008,79(6):933-939.
[8] 王金娜,徐若君,黄大锟,等. ARIMA乘积季节模型预测永嘉县其他感染性腹泻的流行[J] . 预防医学,2017,29(2):150-154.
[9] 李杰,顾月. ARIMA模型在预测手足口病发病中的应用[J] . 预防医学,2016,28(10):987-991.
[10] 任江萍,陈直平,孙继民,等. 全国人间狂犬病疫情的时间序列分析[J] . 中国人兽共患病学报,2018,34(3):239-242.
[11] 李鹏,杨世宏,马磊,等. 基于时间序列的云南省乙类传染病分析预测[J] . 病毒学报,2018,34(2):201-207.
[12] LI Q,GUO N N,HAN Z Y,et al. Application of an autoregressive integrated moving average model for predicting the incidence of hemorrhagic fever with renal syndrome[J] . Am J Trop Med Hyg,2012,87(2):364-370.
[13] 杨小兵,孔德广,江高峰. ARIMA乘积季节模型在手足口病发病预测中的应用研究[J] . 中国预防医学杂志,2016,17(3):207-211.
[14] 姚梦雷,刘天,黄继贵,等. 自回归求和移动平均模型在荆州市手足口病疫情预测预警中的应用[J] . 预防医学论坛,2017, 23(11):804-806.
[15] 杨小兵,汪鹏,江高峰. ARIMA乘积季节模型在流行性腮腺炎发病率预测中的应用[J] . 公共卫生与预防医学,2013,24(6):39-42.
[16] 王平. 三种预测模型在主要传染病发病率预测中的应用[D] . 杭州:浙江大学,2010.
[17] 尹遵栋,罗会明,李艺星,等. 时间序列分析(自回归求和移动平均模型)在流行性乙型脑炎预测中的应用[J] . 中国疫苗和免疫,2010,16(5):457-461.
[1] 柴文杰, 王良友, 乔冬菊, 叶向阳. 2010—2016年台州市居民肝癌发病和死亡趋势分析[J]. 预防医学, 2019, 31(9): 933-936.
[2] 尹锡玲, 代文灿, 王松, 周勇, 朱克京, 梁小冬, 李德云, 谭爱军. 传染病综合指数预测研究[J]. 预防医学, 2019, 31(9): 897-900.
[3] 伊曼, 田沛茹, 孙秋红, 时景璞. 凤城市居民伤害死亡趋势分析及预测[J]. 预防医学, 2019, 31(8): 778-782.
[4] 姜鹏, 何勇, 李江波, 邵一宇, 楼理洋, 刘庆敏. 富阳区成人伤害病例时间序列分析[J]. 预防医学, 2019, 31(8): 795-797.
[5] 毛照明, 郭新平, 杨慧玲, 王凯钫, 王安辉. 2005—2017年山阳县肺结核流行特征分析[J]. 预防医学, 2019, 31(7): 709-711.
[6] 张超, 罗小福, 徐秦儿. 应用中断时间序列评价甲肝疫苗纳入扩大免疫规划对甲肝发病的影响[J]. 预防医学, 2019, 31(6): 553-557.
[7] 王婷婷, 寿钧, 何宝华. 下城区甲状腺癌发病与死亡特征分析[J]. 预防医学, 2019, 31(5): 508-510.
[8] 吴琳, 何凡, 周标. 应用灰色模型预测浙江省基层卫生专业技术人员配置[J]. 预防医学, 2019, 31(5): 530-533.
[9] 贾庆军, 谢立, 吴亦斐, 王乐, 陆敏, 赵刚. 杭州市结核病患者耐药检测结果分析[J]. 预防医学, 2019, 31(3): 289-292.
[10] 章涛, 官海滨, 李傅冬, 何凡. 应用Elman神经网络建立流感样病例预测模型[J]. 预防医学, 2019, 31(2): 113-118.
[11] 季巧英,刘晓红,杜冬明,杨延平,尤丹. 丽水市居民胃癌发病和死亡特征分析[J]. 预防医学, 2019, 31(11): 1108-1111.
[12] 蒋薇薇,范引光,靳玉慧,崔光辉,祖萍,赵秀玲,毕方龙,田余红. 蜀山区水痘流行特征分析[J]. 预防医学, 2018, 30(9): 917-920.
[13] 章显传,刘桂英,潘琼娇,李玲,陈镭,杨桂丽. 温州市急性出血性结膜炎流行特征分析[J]. 预防医学, 2018, 30(8): 816-818.
[14] 李夫国,张宏,房学强,许青. 枣庄市水痘流行病学特征分析[J]. 预防医学, 2018, 30(7): 720-722.
[15] 余艳,陈燕,陈利坚,陈奇峰. 绍兴市冠心病急性事件发病分析[J]. 预防医学, 2018, 30(7): 723-724.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed