Please wait a minute...
文章检索
预防医学  2019, Vol. 31 Issue (1): 55-58    DOI: 10.19485/j.cnki.issn2096-5087.2019.01.013
  疾病控制 本期目录 | 过刊浏览 | 高级检索 |
应用SARIMA-GRNN组合模型分析肺结核流行的季节性特征
王华1, 田昌伟1, 王文明1, 滕国兴2
1.昆山市疾病预防控制中心,江苏 昆山 215300;
2.苏州大学公共卫生学院
全文: PDF(634 KB)  
输出: BibTeX | EndNote (RIS)      
摘要 目的 应用季节性差分自回归滑动平均模型(SARIMA)和广义回归神经网络(GRNN)组合模型分析肺结核流行的季节性特征,为预防和控制肺结核提供依据。方法 通过国家卫生健康委员会官网收集2005—2017年全国肺结核疫情资料,应用SARIMA-GRNN组合模型分析我国肺结核流行的趋势和季节性特征。结果 2005—2016年我国肺结核报告发病率平均每年下降3.17%,并且发病存在明显的季节性规律(3—6月为高峰)。SARIMA (0,1,1) (0,1,1) 12 模型较好的地拟合了我国肺结核发病长期趋势和季节性,其平均误差率为6.07%,决定系数为0.73。SARIMA (0,1,1) (0,1,1) 12 -GRNN组合模型的平均误差率为2.56%,决定系数为0.94。SARIMA (0,1,1) (0,1,1) 12 - GRNN组合模型预测的准确性优于SARIMA (0,1,1) (0,1,1) 12 模型,2017年的验证数据结果与此一致。结论 2005—2016年中国肺结核报告发病率平均每年下降3.17%,肺结核的发病高峰集中在每年3—6月,具有明显的季节性。
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
王华
田昌伟
王文明
滕国兴
关键词 肺结核季节性季节性差分自回归滑动平均模型广义回归神经网络    
收稿日期: 2018-07-16      修回日期: 2018-09-17      出版日期: 2019-01-03
中图分类号:  R183.3  
基金资助:昆山市社会发展科技计划项目(KS1452)
通信作者: 田昌伟,E-mail:43408197@qq.com   
作者简介: 王华,硕士,副主任医师,主要从事传染病防制管理工作
引用本文:   
王华, 田昌伟, 王文明, 滕国兴. 应用SARIMA-GRNN组合模型分析肺结核流行的季节性特征[J]. 预防医学, 2019, 31(1): 55-58.
链接本文:  
http://www.zjyfyxzz.com/CN/Y2019/V31/I1/55
[1] World Health Organization. Global tuberculosis report2017[R/OL].(2018-01-03)[2018-07-16]http://www.who.int/tb/publications/ global_report/en.<br />
[2] ABAJOBIR A A,ABBAFATI C,ABBAS K M,et al.Global,regional,and national age-sex specific mortality for 264 causes of death,1980 2016:a systematic analysis for the Global Burden of Disease Study 2016[J]. Lancet,2015,390(10100):1151.<br />
[3] 中华人民共和国疾病预防控制局. 2017年全国法定传染病疫情概况[EB/OL].(2018-02-26)[2018-08-08]. http://www.moh.gov.cn/jkj/s3578/201802/de926bdb046749abb7b0a8e23d929104.shtml.<br />
[4] YU L,ZHOU L,TAN L,et al.Application of a new hybrid model with seasonal auto-regressive integrated moving average(ARIMA)and nonlinear auto-regressive neural network(NARNN)in forecasting incidence cases of HFMD in Shenzhen,China[J]. PLoS One,2014;9(6):e98241.<br />
[5] WANG T,ZHOU Y,WANG L,et al.Using autoregressive integrated moving average model to predict the incidence of hemorrhagic fever with renal syndrome in Zibo,China,2004-2014[J]. Japanese Journal of Infectious Diseases,2015,69(4):279-284.<br />
[6] 张正斌,鲁周琴,谢红,等. 结核病季节性分布特征及影响因素.中华流行病学杂志,2016,37(8):1183-1186.<br />
[7] KORTHALS A H,KREMER K,ERKENS C,et al.Tuberculosis seasonality in the Netherlands differs between natives and non-natives:a role for vitamin D deficiency?[J]. International Journal of Tuberculosis & Lung Disease,2012,16(5):639.<br />
[8] WAH W,DAS S,EARNEST A,et al.Time series analysis of demographic and temporal trends of tuberculosis in Singapore[J]. Bmc Public Health,2014,14(1):1121.<br />
[9] BRAS A L,GOMES D,FILIPE P A,et al.Trends,seasonality and forecasts of pulmonary tuberculosis in Portugal[J]. International Journal of Tuberculosis & Lung Disease,2014,18(10):1202-1210.<br />
[10] BOX G E P,JENKINS G M. Time series analysis:forecasting and control[J]. Journal of Time,2010,31(4):303-303.<br />
[11] SPECHT D F.A general regression neural network[J]. IEEE Transactions on Neural Networks,2002,2(6):568-576.<br />
[12] 褚文杰,金凯玲,林凯,等. 基于ARIMA乘积季节模型预测产超广谱β-内酰胺酶大肠埃希菌流行趋势研究[J]. 预防医学,2018,30(7):680-684.<br />
[13] 竺盛波,沈妙儿,周聪盛,等. 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.<br />
[14] AUDA F.Seasonality of tuberculosis[J]. Journal of Global Infectious Diseases,2011,3(1):46-55.<br />
[15] WILLIS M D,WINSTON C A,HEILIG C M,et al. Seasonality of tuberculosis in the United States,1993-2008[J]. Clin Infect Dis,2012(54):1553-1560.<br />
[16] MOOSAZADEH M,KHANJANI N,BAHRAMPOUR A .Seasonality and temporal variations of tuberculosis in the north of Iran[J]. Tanaffos,2013,12(4):35.<br />
[17] WEI W,JIANG J,LIANG H,et al.Application of a combined model with autoregressive integrated moving average (ARIMA) and generalized regression neural network(GRNN)in forecasting hepatitis incidence in Heng County,China[J]. PLoS One,2016,11(6):e0156768.<br />
[18] ZHANG G,HUANG S,DUAN Q,et al.Application of a hybrid model for predicting the incidence of tuberculosis in Hubei,China[J]. PLoS One,2013,8(11):e80969.<br />
[1] 王远航, 胡洁, 葛锐, 富小飞, 亓云鹏. 嘉兴市结核分枝杆菌耐药情况分析[J]. 预防医学, 2023, 35(8): 705-709.
[2] 黎燕, 雷梦婷, 王燧, 殷淑娇, 章存瑞, 李清春. 一起涉及多所学校的肺结核聚集性疫情调查[J]. 预防医学, 2023, 35(7): 607-610.
[3] 陈可, 李锦成, 虞浩, 竺丽梅, 刘巧. 扬州市65岁及以上老年人群肺结核流行特征分析[J]. 预防医学, 2023, 35(10): 877-880.
[4] 张雅婷, 郝晓刚, 王炜, 焦仕林, 方春福, 张幸. 衢州市肺结核合并糖尿病病例特征分析[J]. 预防医学, 2023, 35(1): 57-60.
[5] 吴倩, 张钰, 刘魁, 王伟, 陈彬, 陈松华. 2016—2020年浙江省肺结核流行特征分析[J]. 预防医学, 2022, 34(5): 487-491.
[6] 王敏, 王炜, 郝晓刚, 卢美, 方春福, 刘魁, 陈松华. 衢州市60岁及以上肺结核病例特征分析[J]. 预防医学, 2022, 34(5): 492-495,502.
[7] 陈云鹏, 倪敏东, 贺天锋, 张新运, 车洋, 桑国鑫. 2015—2020年宁波市肺结核疫情时空聚集性分析[J]. 预防医学, 2022, 34(4): 375-379.
[8] 周旭, 王巧智, 万燕萍, 彭卫雄, 刘军, 黄颖, 徐祖辉. 衡阳市成功治疗的肺结核患者5年复发影响因素分析[J]. 预防医学, 2022, 34(3): 268-271.
[9] 杨天池, 李舒婷, 陈琴, 陈同, 车洋. 宁波市肺结核患者药物性肝损伤的影响因素研究[J]. 预防医学, 2022, 34(2): 114-118.
[10] 陈云鹏, 贺天锋. 2011—2020年宁波市肺结核流行特征分析[J]. 预防医学, 2022, 34(2): 176-179.
[11] 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.
[12] 杨利, 常玥, 林海江. 2016—2021年台州市肺结核流行特征分析[J]. 预防医学, 2022, 34(11): 1150-1155.
[13] 王云霞, 郑娟娟, 张娟娟, 黄佩佩, 梅金周, 袁青. 2011—2018年宝安区肺结核患者耐多药的影响因素分析[J]. 预防医学, 2021, 33(7): 701-703.
[14] 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.
[15] 刘亚洁, 张燕, 陈阳贵, 张为胜, 马丽, 曹明芹. SLC11A1基因多态性与肺结核治疗失败的关联分析[J]. 预防医学, 2021, 33(6): 563-567.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed