论文部分内容阅读
目的:
1、基于扬州市流感哨点医院流感样病例监测数据,分析扬州市流感样病例流行病学分布特征。
2、分析扬州市流感监测网络实验室流感样病例送检标本的病原学分布特征。
3、基于流感样病例数据,利用计算机软件和编程技术,建立预测模型,为扬州市流感的预警提供技术支持和科学依据。
方法:
1、收集扬州市流感哨点监测医院2014~2018年的流感样病例监测数据以及哨点医院送检标本的病原学数据,采用描述性流行病学方法对数据进行分析。
2、采用软件SPSS20.0和Eviews8.0分别以2014年第1周至2018年第40周的周流感样病例数和周流感样病例就诊百分比数据,建立自回归移动平均混合模型(the Autoregressive Integrated Moving Average,ARIMA)模型,并以2018年最后12周的数据对模型预测进行验证。通过比较两者的预测性能,选择预测性能较好的ARIMA模型。
3、基于预测性能较好的ARIMA模型,采用软件Matlab8.3编译器,编写相应计算机代码程序,与反向传播神经网络(Back Propagation Neural Network,BPNN)、广义回归神经网络(Generalized Regression Neural Network,GRNN)以及Elman神经网络模型(Elman Recurrent Neural Network,ERNN)进行组合,对流感样病例数据进行拟合和预测。以均方根误差(Root Mean Square Error,RMSE),平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)以及平均绝对误差(Mean Absolute Error,MAE)指标对所建立的4种模型的拟合效果和预测效果进行评价。
结果:
1、在2014~2018年间,流感哨点医院共报告流感样病例137474例,平均流感样病例就诊百分比为6.63%,各年份的流感样病例就诊百分比差异有统计学意义(x2=690.80,P<0.001)。流感样病例数较多的诊室为儿内科门诊和儿内科急诊,各监测诊室的流感样病例就诊百分比差异有统计学意义(x2=87286.33,P<0.001)。流感样病例数最多的年龄组为15岁以下年龄组(71.37%),其中0~岁组占41.53%,5~岁组占29.84%。流感样病例就诊百分比的高峰值多出现在每年的夏秋季和冬季。
2、在2014~2018年间,流感网络实验室共检测流感哨点医院采集的11587例流感样病例标本,其中阳性1232例,阳性率为10.63%,各年份流感病毒阳性率差异存在统计学意义(x2=98.78,P<0.001)。病原学监测结果发现流感病毒株存在交替流行或混合流行的情况。每年流行的流感病毒株至少存在2种,B型流感病毒每年均有流行,季节性H3除2018年未发生流行外,其流行情况与B型流感病毒相似,而新甲H1N1呈隔年流行。流感样病例就诊百分比与流感病毒阳性率存在正相关性(rs=0.27,P=0.04<0.05)。
3、以流感样病例就诊百分比建立的ARIMA模型预测性能优于以流感样病例数建立的ARIMA模型。以流感样病例就诊百分比建立的ARIMA模型与3种神经网络模型进行组合,发现ARIMA模型拟合的RMSE、MAPE、MAE分别为0.77%、7.77%和0.53%;ARIMA-BPNN组合模型为0.50%、5.70%和0.37%;ARIMA-GRNN组合模型为0.16%、1.62%和0.10%;ARIMA-ERNN组合模型为0.50%、5.94%和0.38%。ARIMA模型预测的RMSE、MAPE和MAE为0.80%、11.48%和0.69%;ARIMA-BPNN组合模型为0.64%、9.42%和0.58%;ARIMA-GRNN组合模型为0.46%、6.02%和0.38%;ARIMA-ERNN组合模型为0.42%、5.26%和0.31%。可见拟合效果最好的模型为ARIMA-GRNN组合模型,预测效果最好的模型为ARIMA-ERNN组合模型。
结论:
1、根据2014~2018年的流感监测研究结果发现,15岁以下的人群是流感发病的高危人群。流感样病例就诊百分比的高峰值主要集中在夏秋季和冬季。
2、流感样病例的病原学监测对掌握流感病毒亚型的流行情况具有重要的指导作用。
3、组合模型的拟合效果和预测效果均优于单一模型。在4种模型中ARIMA-ERNN组合模型预测效果最佳,可以较好预测流感样病例的发病趋势,为扬州市流感防控提供科学依据。
1、基于扬州市流感哨点医院流感样病例监测数据,分析扬州市流感样病例流行病学分布特征。
2、分析扬州市流感监测网络实验室流感样病例送检标本的病原学分布特征。
3、基于流感样病例数据,利用计算机软件和编程技术,建立预测模型,为扬州市流感的预警提供技术支持和科学依据。
方法:
1、收集扬州市流感哨点监测医院2014~2018年的流感样病例监测数据以及哨点医院送检标本的病原学数据,采用描述性流行病学方法对数据进行分析。
2、采用软件SPSS20.0和Eviews8.0分别以2014年第1周至2018年第40周的周流感样病例数和周流感样病例就诊百分比数据,建立自回归移动平均混合模型(the Autoregressive Integrated Moving Average,ARIMA)模型,并以2018年最后12周的数据对模型预测进行验证。通过比较两者的预测性能,选择预测性能较好的ARIMA模型。
3、基于预测性能较好的ARIMA模型,采用软件Matlab8.3编译器,编写相应计算机代码程序,与反向传播神经网络(Back Propagation Neural Network,BPNN)、广义回归神经网络(Generalized Regression Neural Network,GRNN)以及Elman神经网络模型(Elman Recurrent Neural Network,ERNN)进行组合,对流感样病例数据进行拟合和预测。以均方根误差(Root Mean Square Error,RMSE),平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)以及平均绝对误差(Mean Absolute Error,MAE)指标对所建立的4种模型的拟合效果和预测效果进行评价。
结果:
1、在2014~2018年间,流感哨点医院共报告流感样病例137474例,平均流感样病例就诊百分比为6.63%,各年份的流感样病例就诊百分比差异有统计学意义(x2=690.80,P<0.001)。流感样病例数较多的诊室为儿内科门诊和儿内科急诊,各监测诊室的流感样病例就诊百分比差异有统计学意义(x2=87286.33,P<0.001)。流感样病例数最多的年龄组为15岁以下年龄组(71.37%),其中0~岁组占41.53%,5~岁组占29.84%。流感样病例就诊百分比的高峰值多出现在每年的夏秋季和冬季。
2、在2014~2018年间,流感网络实验室共检测流感哨点医院采集的11587例流感样病例标本,其中阳性1232例,阳性率为10.63%,各年份流感病毒阳性率差异存在统计学意义(x2=98.78,P<0.001)。病原学监测结果发现流感病毒株存在交替流行或混合流行的情况。每年流行的流感病毒株至少存在2种,B型流感病毒每年均有流行,季节性H3除2018年未发生流行外,其流行情况与B型流感病毒相似,而新甲H1N1呈隔年流行。流感样病例就诊百分比与流感病毒阳性率存在正相关性(rs=0.27,P=0.04<0.05)。
3、以流感样病例就诊百分比建立的ARIMA模型预测性能优于以流感样病例数建立的ARIMA模型。以流感样病例就诊百分比建立的ARIMA模型与3种神经网络模型进行组合,发现ARIMA模型拟合的RMSE、MAPE、MAE分别为0.77%、7.77%和0.53%;ARIMA-BPNN组合模型为0.50%、5.70%和0.37%;ARIMA-GRNN组合模型为0.16%、1.62%和0.10%;ARIMA-ERNN组合模型为0.50%、5.94%和0.38%。ARIMA模型预测的RMSE、MAPE和MAE为0.80%、11.48%和0.69%;ARIMA-BPNN组合模型为0.64%、9.42%和0.58%;ARIMA-GRNN组合模型为0.46%、6.02%和0.38%;ARIMA-ERNN组合模型为0.42%、5.26%和0.31%。可见拟合效果最好的模型为ARIMA-GRNN组合模型,预测效果最好的模型为ARIMA-ERNN组合模型。
结论:
1、根据2014~2018年的流感监测研究结果发现,15岁以下的人群是流感发病的高危人群。流感样病例就诊百分比的高峰值主要集中在夏秋季和冬季。
2、流感样病例的病原学监测对掌握流感病毒亚型的流行情况具有重要的指导作用。
3、组合模型的拟合效果和预测效果均优于单一模型。在4种模型中ARIMA-ERNN组合模型预测效果最佳,可以较好预测流感样病例的发病趋势,为扬州市流感防控提供科学依据。