手足口病流行时间序列模型及其与气象因素联合预测研究

发布时间：2021-09-22 18:36

　　目的探讨手足口病流行的时间序列特征与预测方法,为风险评估和政策措施制定提供科学依据。方法收集2010至2017年广州市手足口病每月发病数和气象资料（平均气温、总和降雨量、相对湿度）,划分训练数据和验证数据,基于自回归求和移动平均模型（seasonal autoregressive integrated moving average,SARIMA）建立多元时间序列回归预测模型（SARIMA with external regressors,SARIMAX）。结果广州市年平均发病人数为61795例,月平均发病人数为5150例。发病数时间序列具有明显的季节性特征,最终建立模型为SARIMA（0,1,0）（1,1,1）₁₂纳入相对湿度滞后1期变量模型,该模型较基础SARIMA（0,1,0）（1,1,1）₁₂模型AIC值降低16.52%,拟合过程均方根误差（root mean square error,RMSE）降低11.13%,预测过程RMSE降低40.68%。结论 SARIMAX模型可提高手足口病流行预测的精确度,相对湿度是广州地区手足口病流行的重... 

【文章来源】：中国卫生统计. 2020,37(03)北大核心CSCD

【文章页数】：5 页

【部分图文】：

手足口病历年每月发病数及气象因素时间序列图

图1 手足口病历年每月发病数及气象因素时间序列图表1 拟合系数具有统计学意义的模型及AIC值一览表 模型 010111 010012 010210 010110 111212 011011 010011 011010 110010 010010 AIC 78.7797 80.4671 81.0634 82.3138 82.8263 83.2662 84.1218 117.6920 117.9636 119.1907 *:模型一行中6位数字分别代表p、d、q、P、D和Q值。

【参考文献】：
期刊论文
[1]SARIMA模型在长治市肺结核预测中的应用[J]. 张喜红,李慧,曹文君,崔永梅.  中国医科大学学报. 2018(07)
[2]ARIMA乘积季节模型在陕西省手足口病预测中的应用[J]. 刘峰,朱妮,邱琳,王敬军,王维华.  中华流行病学杂志. 2016 (08)
[3]变权组合模型在我国手足口病发病率预测中的应用[J]. 王永斌,李向文,柴峰,袁聚祥,尹素凤,武建辉.  中国卫生统计. 2016(03)
[4]应用时间序列分析气象因素对手足口病流行的影响[J]. 冯慧芬,赵秋民,段广才,朱光,李树岭.  郑州大学学报(医学版). 2015(02)
[5]2008-2013年广州市手足口病流行病学特征研究[J]. 陈纯,肖新才,谢华萍,王大虎.  疾病监测. 2014(12)
[6]2008—2011年我国大陆地区重症手足口病流行特征分析[J]. 杨芳,于石成,张菊英,肖革新,马家奇.  疾病监测. 2013(11)
[7]SARIMA模型预测山东省手足口病发病趋势[J]. 刘涛,王显军,姜宝法,丁淑军,王连森,孙大鹏,裴耀文,林艺,王建醒,逄博.  中国卫生统计. 2013(05)
[8]探讨ARIMA模型在细菌性痢疾发病预测中的应用[J]. 陈莉.  中国卫生统计. 2011(04)
[9]广东省2008～2015年手足口病流行病学特征及病原学监测分析[J]. 冀天娇,谭小华,刘冷,顾新蕊,刘俐,郑焕英,曾汉日,杨倩,李晖,许文波.  病毒学报. 2016(06)



本文编号：3404201