·论 著·
时间序列模型在广州市登革热发病趋势预测的应用
方钦1,王颖1,刘仲明1,王锟2,郭钜旋1
广东广州51.广州市海珠区疾病预防控制中心,10288;2.对外经济贸易大学保险学院
目的 利用A 摘要:RIMA模型对广州市登革热发病趋势进行时间序列分析和预测。方法 收集广州市2015—2018年登革热每周发病数,采用2通过2015—2017年登革热每周发病数构建ARIMA模型,018年登革热发病预测值与实际值的拟),合情况,评价模型预测效果。结果 拟合模型A残差序列为白噪声,预测值与实际值平均绝对误差为4均RIMA(4,1,9.03,方根误差为8.13。2018年登革热预测发病趋势与实际发病趋势较吻合。结论 ARIMA模型能较好地模拟广州市登革热的短期发病趋势,可作为预测工具。
关键词:登革热;时间序列分析;预测ARIMA模型;
()中图分类号:R512.8 文献标识码:A 文章编号:1006-9070202001-0023-03
Alicationoftimeseriesmodelinpredictintheincidenceofppg
denuefeverprevalencetrendinGuanzhougg
*
edmovinverae(ARIMA)model.Methods DFweeklncidencewascollectedfrom2015to2018,andaARIMAmodelgagyi)incidencesin2018.Results ThemodelARIMA(4,1,9wasestablishedwithresidualseuenceofawhitenoiseseuence.Theqqtedeidemictrendin2018wasconsistentwiththereorteddata.Conclusions TheestablishedARIMAmodelcanpredicttheppshot-timetrendofDFinGuanzhouwithgoodperformance.Itcanbeusedasanalicabletoolforprediction.gpp
:;;A;KeordsDenuefeverTimeseriesanalsisRIMAmodelPredictiongyyw
averaeabsoluteerrorbetweenthepredictedandactualvalueswas4.03,andtherootmeansuareerrorwas8.13.Thepredic-gqwasfitusinatafrom2015to2017.ThepredictionperformancewasevaluatedbomarisonofreortedandpredictedDFgdycpp
:AbstractObective Toanalzeandpredictincidenceofdenuefever(DF)inGuanzhouwithanautoreressiveinterat-yggggj
GuanzhouHaizhuDistrictCenterorDiseaseControlandPrevention,GuanDonuanZhou510288,ChinagfggGg*
,WANGY,,WAN,FANGQininLIUZhon-minGKunGUOJu-xuanggg
,)是由登革热病毒引起的 登革热(DenueFeverDFg
急性传染病。该病主要经伊蚊传播,具有传播速度快、发病率高等特点,广泛流行于东南亚、西太平洋地区和
]1-2
。中国主要集非洲南部等热带、亚热带国家和地区[
析方法,通过数据预处理、平稳性检验及数据平稳化、模型估计、模型检验等步骤,对2015—2017年每周登
革热发病数建立时间序列模型。利用2018年实际发病数与预测发病数的比较,验证模型的拟合度。
中在广东和福建地区,2014年广东省出现20年以来最严重的登革热疫情,全年报告病例4达到历5000余例,
]3
。广州市由于流动人口多,史高峰[登革热已对人群健
先1.2.1 序列平稳性检验 根据每周登革热发病数,
用H对处理后数据进行AP滤波法进行数据处理,CF和P以及单位根检验。时间序列模型建立在ACF分析,序列平稳基础上,将不平稳的序列转化为平稳序列。估计出模1.2.2 模型估计 经过模型定阶筛选后,型参数,参数的显著性检验就是要检验模型中未知参数是否显著为零,目的是为了使模型精简。经过检验之后,将没有统计学意义的参数从模型中删除,再重新建立模型,得到简约而又精确的模型。
1.2.3 模型检验 观察模型拟合数据与真实数据,运用Q统计量检验残差序列自相关性:P>0.05说明模型拟合效果不好,P<0.05则较好。
康和社会发展带来了严重威胁。本研究利用时间序列分析,探讨ARIMA模型在登革热发病趋势预测上的作用,为疾病防控提供数据支持。
1 材料与方法
1.1 数据来源 数据来源于广州市疾控中心疫情分析报告,收集2015—2018年广州市每周登革热新发病例数。
1.2 方法 采用eviews10统计软件的ARIMA分
:/DOI10.13668.issn.1006-9070.2020.01.008j
)基金项目:海科工商计22017年度海珠区区属基层医疗卫生专项项目(018-33
,作者简介:方钦(男,广东惠来人,高级工程师,主要从事公共卫生信息化应用及网络安全防护、数据挖掘等工作。1983—)
·24·,,,江苏预防医学2020年1月第31卷第1期 JiansuJPrevMedJan.2020Vol.31,No.1g
1.2.4 模型预测018年登革热发病情况 根据建立的登革热时间序列模型预测2,并与实际值进行比较,评价预测效果。
2 结果2.1 绘制序列图 20159——240617年广州市登革热发病数波动较大,每年在第3周(9—10月)出现发病高峰,高峰出现时间比较一致,呈现趋势性、周期性变化。每年峰值差异较大,且呈上升趋势,可见时间序列有明显的不稳定季节性,见图1。
图1 20152.2 —2017年广州市登革热周病例数时间序列
序列的平稳化处理 因原始时间序列为不平稳序列,采用季节性,使时间序列趋于平HP滤波法进行季节性差分,除去不稳定的稳化(图列(图A3C)F和该序列2仍)。存滤在波不后平的稳序性,再对其进PACF分析提示,单位根检验,可认为经过差分后该序列趋于平稳行一阶差分,差分后的序列进行(PP
61.01,P<0.05
)。t=图2 2015—2017年广州市登革热
每周病例数的去季节趋势时间序列
2确定模型为.3 模型建立与检验+θ6ut-6+θΔet=α1Δet- 经过模型定阶的比较与筛选,1+α2Δet-2+α39ut-9差无自相关,对模型进行残差检验可认为残差序列为白。D
W值为2.056461,Δ趋近于et-3+α42Δ,e表明残t-4+ut噪声(Q=514.90814732,P<0.05型对201—2年登革热每周发病数据进行回代)。用ARIMA(4,1,9),模叠加季节趋势,结果显示,基本吻合,模型拟合效果良好ARIM。A拟合值与真实值之间见表1
。图3 滤波后的序列相关分析表1 ARIMA变量系数
标准误
(4,1,9
)模型变量系数表t值
概率ΔΔe00.66.0Δet-1t0.3218090.0476412.755748270.Δe-2et-30.3.1947168492504119050.0595650..0086312392197.0.0000ut-45.1.70472829215913160.0000ut-60.0.24112442763
500..00798977943
2
2.17438422929
0.0371t-9
0.0000.00030013
州市登革热每周病例情况进行预测.4 预测 根据已建立的ARIMA模型对,预测值落在2018年广
标准差范围内,平均绝对误差为1倍.13,说明该A4.03,
均方根误图差4)为P滤波法分解的季节性趋势后RIMA模型预测结果较为准确(叠加H,可见预测曲线。与实际曲线的变化趋势基本一致,验证了型预测效果较准确(图5
)。ARIMA模图4 2015—2018年ARIMA预测结果分析
图5 2015—2018年广州市登革热
每周病例数与预测值拟合图
28,,,江苏预防医学2020年1月第31卷第1期 JiansuJPrevMedJan.2020,Vol.31No.1g·25·
3 讨论
登革热是一种急性蚊媒传染病,引起的登革热出血热/登革热休克综合征病死率达30%~40%。全球每年有约1亿新感染病例,其中约50万重症患者需住院治疗
[]4-5
参考文献
[]1 WuJY,LunZR,JamesAA,etal.DenuefeverinmainlandChinag[]2 GuoC,ZhouZ,WenZ,etal.Globaleidemiolofdenueout-pgyog[]邓爱萍,李剑森,等.3 张萌,2012—2017年广东省登革热疫情流行[][],4 MassadE,CoutinhoFA,ThecostofdenuecontrolJ.Lancetg[],:5 GuzmanMG,HarrisE.Denue[J].Lancet2015,385(9966)g[]]孙九,彭志强,等.广东省登革热流行概况与流行特征[华6 宁丹,J.[]王笑辰,胡建利.江苏省27 张楠,011—2017年输入性登革热流行[]王志锋,单杰,等.随机时间序列分析法在传染病预测中8 王春平,[]程聪,谢旭,等.深圳市登革热传播风险A9 王敬忠,RIMA模型预测[]吴琳琳,孙晓冬,胡家瑜,等.上海所流行性腮腺炎疫情时间序列10
[]郑月彬,]朱国魂.时间序列模型在流感预测中的应用[仪器仪表11J.[]张杨,周惠,金广杰,等.121997—2016年宿迁市麻风流行趋势及时
]():间序列分析[江苏预防医学,J.2018,292148-150.
收稿日期:周羚2019-10-24 编辑:
():用户,2019,26453-56.
]():模型建立的初探[上海预防医学,J.2018,307557-561.]():分析[疾病监测与控制杂志,J.2016,1012951-953.]():的应用[中国医院统计,J.2006,133229-232.]():病学特征[江苏预防医学,J.2019,30178-79.():南预防医学,2017,434368-372.453-465.
():2011,37797781630-1631.
]():特点与趋势[中国病毒病杂志,J.2018,84282-287.,FronCellInfecMicrobiol2017,7:317.
[],():J.AmJTroedH2010,833664-671.pMyg
[]breaksin1990-2015:asstematicreviewandmeta-analsisJ.yy
现出暴发时间间隔缩短、波及范围变广的特点,对社
]6-7
。会稳定带来不良影响[
。近年来,广州市登革热疫情日益严峻,呈
利用时间序列分析和建模的方法,模拟和预测登
革热流行趋势,可为当地制定解决方案、降低登革热
]8
。A传播风险提供数据参考[RIMA模型是时间序列
建模中重要且预测精度较高的模型,其对样本量和概率分布没有严格要求,适用于预测变量典型特征难以
9-12]
。判断的数据,在传染病的预测中得到很多应用[
本研究利用广州市2015—2017年每周登革热发
病数,构建了A模型,较好地拟合了原RIMA(4,1,9)年登革热每周实际发病数比较,吻合度高,提示构建的预测模型在短期预测的应用上精度较高,可运用于登革热流行趋势的分析和预测,具有较好的代表性和适用性,可为结合互联网指数开展相关性研究和疫情发展趋势打下坚实基础。
始发病序列的周期性和趋势性。预测发病数与2018
[],2 BowatteG,LodeCJKnibbsLD,etal.Traffic-relatedairpollu-g
,,tionexosureisassociatedwithallericsensitizationasthmaandpg():2017,1391122-129.
,oorlununctioninmiddleae[J].JAllerlinImmunolpgfggyC
(上接第22页)
[],,9 ZwozdziakA,SówkaIWillak-JancE,etal.InfluenceofPM1and
[],L3 SchultzESitonuaAA,MelénE.EffectsofLon-Termjg
[]():ChildrenJ.CurrAllerSTHMR,2017,17641.gyA
[]J,10acobsonLDSV,HaconSDSCastroHAD,etal.Associationbe-
[]():anelstudJ.EnvironSciPollutR,2016,232323892-23901.py
PM2.5onlununctionparametersinhealthchoolchildren-agfys
ExosuretoTraffic-RelatedAirPollutiononLununctioninpgF
tweenfineparticulatematterandthepeakexiratorlowofpyf[],studJ.EnvironRes2012,117:27-35.y
:ApschoolchildrenintheBraziliansubeuatorialAmazonanelq
[]4 JenethBRT.AlteredLununctionTestinAsmtomaticgFyp
():2014,8101-3.
],WomenUsiniomassFuelforCookinJ.JClinDianResgBg[g
[]张莉君,郭常义,许慧慧,等.上海市大气污染对小学生肺功能小11
147-153.
]:气道指标的急性效应研究[中华流行病学杂志,J.2017,38(2)
[]5 MaleckiKMC,SchultzAA,BermansRS.NeihborhoodPerce-ggp
tionsandCumulativeImactsofLowLevelChronicExosuretopp)]FineParticularMatter(PM2.5onCardioulmonarealth[J.pyH
[]刘卫艳,张磊,徐虹,等.杭州市大气污染对学龄儿童肺功能的短12
[]D13alesR,ChenL,FrescuraAM,etal.Acuteeffectsofoutdoorair
]():期效应研究[中华预防医学杂志,J.2019,536614-618.
[],6 GaudermanWJUrmanR,AvolE,etal.AssociationofImrovedp
,():Med2015,37210905-913.
():InterJEnvironRes&PublicHealth,2018,15184.
AirQualitithLunevelomentinChildren[J].NEnlJywgDpg
,:schoolchildrenwithasthma[J].EurResirJ2009,34(2)p[,14]GawdaA,MakaG,NowakB,etal.Airpollutionoxidativej
,():Immunol2017,423305-312.316-323.
:ollutiononforcedexiratorolumein1sapanelstudfppyvyo
[]7 SonZ.Earl-LifeExosuretoTraffic-relatedAirPollutionandgZyp
():2016,1943385-385.
],LununctioninAdolescence[J.AmJResirCritCareMedgFp
,]stressandexacerbationofautoimmunediseases[J.CentEurJ
[],8 WHO.9outof10peoleworldwidebreathepollutedairbutmorep
[]H,15aberzettlP,ConklinDJAblanaletal.InhalationofFineppWT,
ParticulateMatterImairsEndothelialProenitorCellFunctionpg[]ViaPulmonarxidativeStressJ.ArteriosclerThrombVascBi-yO
收稿日期:周羚2019-06-13 编辑:
[/()[countriesaretakinction.2018EBOL].2019-05-182018-05-ga)]://///02.httswww.who.intnews-roomdetail02-05-2018-9-out-pare-takin-action.g
of-10-eole-worldwide-breathe-olluted-air-but-more-countries-ppp
,():ol2018,381131-142.
因篇幅问题不能全部显示，请点此查看更多更全内容