论文部分内容阅读
目的
探讨我国5种病毒性肝炎（肝炎）的时间序列特征，并通过有效的模型预测其发病率。
方法按照甲型肝炎、乙型肝炎、丙型肝炎、戊型肝炎和未分型肝炎5种不同类型肝炎分类方式收集2009-2018年的月度发病数据，进行描述性和时间序列研究，采用趋势分解法以季节指数形式表示时间序列中的季节性，以线性回归模型表示其长期趋势，为每种肝炎建立差分自回归移动平均（ARIMA）模型。
结果2009-2018年报告肝炎14 856 990例，5种肝炎季节指数的极差均<1，戊型肝炎的季节性特征较为显著，其发病呈单峰型，其余4种肝炎的季节性特征一般。甲型肝炎、戊型肝炎和未分型肝炎的发病基本趋于平稳，在一个较低的水平上呈缓慢下降趋势，乙型肝炎发病数在5种肝炎中占比最高（79.59%，11 824 262/14 856 990），但其下降趋势也为各型肝炎中最快（-0.01/10万）。丙型肝炎发病呈不断上升的趋势，上升速率一直保持稳定（0.005/10万）。ARIMA模型拟合的2009年1月至2018年12月的预测值与实际值较一致，平均绝对误差百分比范围为3.756 8~8.068 3。
结论对于法定报告传染病监测数据的时间序列分析有助于更好地了解我国肝炎的发病特征，ARIMA模型可用于我国肝炎的短期预测，具有较好的应用价值。