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
中图分类号:  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] 李玉荣, 汪芬娟, 王冬飞, 林君英, 蒋园园, 高媛媛, 赵芳芳. 2015—2020年萧山区恶性肿瘤发病趋势分析[J]. 预防医学, 2023, 35(8): 687-691.
[2] 郑伟, 张世勇, 杨纶砥, 熊华利. 基于年龄-时期-队列模型的1990—2019年我国艾滋病发病率趋势分析[J]. 预防医学, 2023, 35(8): 665-668,681.
[3] 胡嘉, 黄钦, 郑建刚, 何旺瑞, 曾艳文. 江西省居民结核病防治核心信息知晓情况调查[J]. 预防医学, 2023, 35(8): 718-720,731.
[4] 王永, 包凯芳, 王思嘉, 陈洁平, 崔军, 应焱燕, 朱银潮, 李思萱, 徐典. 2011—2022年宁波市胃癌发病和死亡趋势分析[J]. 预防医学, 2023, 35(7): 557-562.
[5] 郑颖, 陈述, 钱棪梅, 唐晓翠, 李秀央. 2016—2022年金东区脑卒中发病趋势分析[J]. 预防医学, 2023, 35(7): 611-614.
[6] 赵信星, 陈洪恩, 董晓, 邹泉, 梁晓峰, 吴静, 王长义. 2010—2021年南山区脑卒中发病趋势[J]. 预防医学, 2023, 35(3): 200-204.
[7] 张瑞洁, 纪威, 韩丽媛, 张良. 2012—2021年宁波市脑卒中发病和死亡趋势分析[J]. 预防医学, 2023, 35(3): 224-228.
[8] 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.
[9] 许树红, 单杏仁, 卢巧玲, 孟海滨, 余佳琦. 2012—2021年绍兴市生殖道沙眼衣原体感染流行病学特征[J]. 预防医学, 2023, 35(2): 148-151.
[10] 项彩英, 汪德兵. 2011—2022年开化县肺癌发病和死亡趋势分析[J]. 预防医学, 2023, 35(10): 885-889.
[11] 刘锐, 蔺茂文, 江鸿, 李舒超, 张凡, 孙春. 2008—2022年荆州市丙型病毒性肝炎发病的年龄、时期、队列趋势分析[J]. 预防医学, 2023, 35(10): 871-876.
[12] 马丽, 梁智超, 陈阳贵, 张为胜, 毛宏凯, 胥婉婷, 曹明芹. 2010—2019年乌鲁木齐市学生结核病病例发现延迟、就诊延迟、确诊延迟分析[J]. 预防医学, 2023, 35(1): 53-56,60.
[13] 胡碧波, 傅克本, 顾永权. 2011—2018年余姚市恶性肿瘤发病趋势[J]. 预防医学, 2023, 35(1): 44-47,52.
[14] 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.
[15] 张伟伟, 秦绪成, 李伟伟, 马昭君, 董建梅. 2014—2020年连云港市脑卒中发病趋势分析[J]. 预防医学, 2022, 34(9): 932-936,950.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed