目的介绍基于ARIMA模型的异常点探测方法,研究传染病监测数据中各类异常点的特征,针对异常点诊断结果,作出合理解释,提出处理方法。方法收集公共卫生科学数据中心提供的2006-2012年某省淋病发病率数据,利用SAS程序中的ARIMA模块探测各类异常点,通过文献查阅,专家咨询等方法分析出现原因,提出基本的处理方法。结果异常点诊断结果显示2007年1月、2010年3月和2010年4月所对应的观察值为加性异常点。2006年5月、2009年9月和2010年10月对应的观测值属于水平漂移异常点。结论 2006-2012年某省淋病发病率中不仅含有加性异常点还有水平漂移异常点。就加性异常点而言,反查数据后发现,这类异常点的出现可能是由于数据观测与收集误差引起的常规的离群点;而对水平漂移异常点,通过文献查阅、专家咨询等途径发现是由于数据受到新机制的影响,如疾病的暴发流行、新的卫生政策的出台、环境改变引起高危行为的增加等原因。