Please wait a minute...
文章检索
预防医学  2021, Vol. 33 Issue (8): 780-783    DOI: 10.19485/j.cnki.issn2096-5087.2021.08.006
  论著 本期目录 | 过刊浏览 | 高级检索 |
纳入气象因素的ARIMAX模型预测流行性感冒流行趋势
吕晓丽1, 朱一2, 竹军伟1
1. 余杭区疾病预防控制中心公共卫生应急科,浙江 杭州 311100;
2. 杭州市疾病预防控制中心传染病防治所
Influenza incidence prediction based on ARIMAX model including meteorological factors
LÜ Xiaoli*, ZHU Yi, ZHU Junwei
*Department of Public Health Mergency,Yuhang Center for Disease Control and Prevention, Hangzhou,Zhejiang 311100, China
全文: PDF(1117 KB)  
输出: BibTeX | EndNote (RIS)      
摘要 目的 评价纳入气象因素的多元差分自回归移动平均模型(ARIMAX)预测流感样病例(ILI)流行趋势的效果,为流行性感冒监测和预警提供参考。方法 收集杭州市余杭区2014年第1周—2018年第26周4家监测哨点医院上报的ILI和同期气象资料;利用余杭区2014年第1周—2017年第52周ILI资料以及经Lasso回归模型筛选的气象变量,建立ARIMAX模型,预测余杭区2018年第1—26周流感样病例占门急诊病例的比例(ILI%),并与实际情况比较以验证模型的预测效果。结果 2014年第1周—2018年第26周,余杭区监测哨点医院共报告ILI病例60 419例,ILI%为1.29%。Lasso回归分析结果显示,周平均绝对湿度与ILI%呈正相关(r=27.769),周平均气温与ILI%呈负相关(r=-0.117)。纳入周平均绝对湿度和周平均气温建立最优模型ARIMAX(1,0,0)(1,0,0)12,贝叶斯信息准则(BIC)值为81.30,平均绝对误差百分比(MAPE)为15.77%。采用最优模型预测余杭区2018年第1—26周ILI%,MAPE值为43.75%。结论 纳入气象因素的ARIMAX模型可对ILI流行趋势进行预测,但预测精度有待提高。
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
吕晓丽
朱一
竹军伟
关键词 流感样病例气象因素多元差分自回归移动平均模型预测    
AbstractObjective To evaluate the feasibility of autoregressive integrated moving average with explanatory variables ( ARIMAX ) model including meteorological factors on the prediction of influenza-like illness ( ILI ), so as to provide a basis for the monitoring and early warning of influenza. Methods The ILI data reported by four sentinel hospitals in Yuhang District of Hangzhou from the 1st week of 2014 to the 26th week of 2018 was collected, as well as the meteorological data during the same period. The ARIMAX model was established using the percentage of ILI cases in total outpatients ( ILI% ) data from the 1st week of 2014 to the 52nd week of 2017 and the meteorological factors selected by Lasso regression model. The ILI% from the 1st to 26th week of 2018 was predicted and compared with the actual values to verify the ARIMAX model. Results From the 1st week of 2014 to the 26th week of 2018, a total of 60 419 cases of ILI were reported by the four sentinel hospitals of Yuhang District, with ILI% of 1.29%. Lasso regression analysis showed that there was a positive correlation between weekly average absolute humidity and ILI% ( r=27.769 ), and a negative correlation between weekly average temperature and ILI% ( r=-0.117 ). The ARIMAX (1, 0, 0) ( 1, 0, 0 )12 with weekly average temperature and absolute humidity was selected as the optimal model, with the Bayesian information criterion (BIC) value of 81.30 and the mean absolute percentage error (MAPE) value of 15.77%. The MAPE value of the ARIMAX model predicting the ILI% from 1st to 26th week of 2018 were 43.75%. Conclusion The ARIMAX model including meteorological factors can be used to predict the prevalence of ILI, but the accuracy needs to be promoted.
Key wordsinfluenza-like illness    meteorological factors    autoregressive integrated moving average with explanatoryvariables model    prediction
收稿日期: 2021-02-04      出版日期: 2021-08-10
ZTFLH:  R181.3  
基金资助:浙江省医药卫生科技项目(2019YK148); 杭州市卫生科技计划(一般)项目(2018B048)
通信作者: 朱一,E-mail:zhuyilxb@yeah.net   
作者简介: 吕晓丽,本科,主管医师,主要从事传染病防控工作
引用本文:   
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.
LÜ Xiaoli, ZHU Yi, ZHU Junwei. Influenza incidence prediction based on ARIMAX model including meteorological factors. Preventive Medicine, 2021, 33(8): 780-783.
链接本文:  
http://www.zjyfyxzz.com/CN/10.19485/j.cnki.issn2096-5087.2021.08.006      或      http://www.zjyfyxzz.com/CN/Y2021/V33/I8/780
[1] 高福.流感百年:推进流感防控和研究全球合作,中国在行动[J].中华实用儿科临床杂志,2019,34(2):81-82.
[2] 中华人民共和国国家免疫规划技术工作组流感疫苗工作组.中国流感疫苗预防接种技术指南(2020—2021)[J].中华流行病学杂志,2020,41(10):1555-1576.
[3] 余昭,孙琬琬,刘社兰,等.呼吸道传染病监测体系运行状况分析[J].预防医学,2021,33(1):101-103.
[4] 沈冰,沈磊,倪晓芬,等.上海市原静安区成人流感样病例就诊百分比预测的自回归求和滑动平均模型构建与应用[J].上海预防医学,2017,29(5):346-350.
[5] 黄智峰,刘晓剑,杨连朋,等.流行性感冒预警方法及其应用[J].疾病监测,2016,31(12):989-994.
[6] 陈会杰,陈叶.2015—2017沈阳市流感样病例与气象因素相关性分析[J].预防医学论坛,2019,25(9):676-677,682.
[7] 丁彦红,范俊杰,聂清,等.2017—2018年潍坊市流感样病例与气象因素相关性分析[J].实用预防医学,2020,27(5):554-557.
[8] 刘欣,康敏,马文军,等.广州市气象因素与流感样病例关系的时间序列研究[J].环境卫生学杂志,2018,8(5):374-380.
[9] 龚风云,王凯,樊旭成,等.乌鲁木齐市流感样病例与气象因素的ARIMAX模型预测分析[J].公共卫生与预防医学,2020,31(2):4-8.
[10] 中华人民共和国国家卫生健康委员会.全国流感监测方案(2017年版)[EB/OL].[2021-06-08].http://www.nhc.gov.cn/cms-search/xxgk/getManuscriptXxgk.htm?id=ed1498d9e64144738cc7f8db61a39506.
[11] 翟红楠. 深圳市流感与大气环境的关系研究及其预测模型的建立[D].武汉:中国地质大学,2009.
[12] 王燕. 时间序列分析:基于R[M].北京:人民大学出版社,2015.
[13] 王晨,郭倩,周罗晶.基于R语言的ARIMA模型对流感样病例发病趋势的预测[J].中华疾病控制杂志,2018,22(9):957-960.
[14] 傅伟杰,谢昀,曾志笠,等.三种模型在江西省流感样病例预测中的应用与比较[J].中华疾病控制杂志,2019,23(1):101-105.
[15] 赵棋锋,马珊珊,王吉玲,等.指数平滑法与ARIMA模型对流感样病例流行趋势的预测效果比较[J].预防医学,2020,32(4):381-383,387.
[16] 沈钰钢. 嵊州市流感样病例监测结果及ARIMA模型预测[D].杭州:浙江大学,2017.
[1] 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): 801-804.
[2] 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.
[3] 刘艳, 金玫华, 沈建勇, 刘光涛, 付云, 杨中荣, 任飞林, 徐德顺. 新型冠状病毒肺炎疫情防控措施对湖州市流行性感冒流行特征的影响[J]. 预防医学, 2021, 33(4): 332-336.
[4] 孙品晶, 董莹, 李清, 陈晨, 李敏超. 海宁市老年人流感疫苗接种效果评价[J]. 预防医学, 2020, 32(9): 929-932.
[5] 赵棋锋, 马珊珊, 王吉玲, 马岩, 方益荣. 指数平滑法与ARIMA模型对流感样病例流行趋势的预测效果比较[J]. 预防医学, 2020, 32(4): 381-384.
[6] 王小丽, 李锋, 韩同武, 王萌, 程真真, 李国伟. 郑州市流行性感冒监测结果分析[J]. 预防医学, 2020, 32(1): 52-56.
[7] 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.
[8] 赵丹, 郝艳会. 辽阳市流行性感冒流行特征分析[J]. 预防医学, 2019, 31(9): 914-917.
[9] 吴杰, 孙喆, 颜伟. 滨州市流行性感冒监测结果分析[J]. 预防医学, 2019, 31(9): 917-920.
[10] 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.
[11] 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.
[12] 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.
[13] 李明, 吴亚兰, 郭江林, 王莎莎, 汪伟伟. 绍兴市居民高温中暑与气象因素的相关性研究[J]. 预防医学, 2019, 31(3): 251-254.
[14] 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.
[15] 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): 176-179.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed