疾病监测

作者：戴皓云,周楠,任香,罗飘异,易尚辉,全梅芳,查文婷,吕媛

关键词：流行性感冒, 自回归移动平均模型, 预测

  目的  分析我国2010—2019年流行性感冒的流行特征和分布规律，预测各亚型流感发病趋势。  方法  采用ARIMA乘积季节模型，对流感数据进行原始序列预处理、模型识别、参数估计和统计建模，预测流感发病趋势。  结果  构建流感自回归移动平均模型（ARIMA）乘积季节模型，预测模型为ARIMA（1,2,1）（0,1,1）12，数据信息提取充分（Q=14.257，P>0.05），相对误差约10%；甲型流感预测模型为ARIMA（2,1,1）（0,2,2）12，数据信息提取充分（Q=13.236，P>0.05），预测2018年12月至2019年3月的甲型流感发病率较高，4月开始，发病率迅速下降，与实际情况相似，相对误差控制在10%以内；乙型流感预测模型为ARIMA（1,2,1）（1,0,1）12，数据信息提取充分（Q=9.841，P>0.05），但模型预测2019年乙型流感发病率较低，相对误差较高。  结论  流感、甲型流感ARIMA乘积季节模型预测效果较好；乙型流感预测模型数据信息提取充分，但相对误差较高，可能与乙型流感发病无明显的长期趋势有关。

来源：2022年第10期

《疾病监测》期刊编辑部

查看疾病监测杂志2022年第10期