疾病监测

作者：崔静,张倩

关键词：喉癌, 趋势分析, 极端学习机模型, 支持向量回归模型, 单变量一阶灰度模型, Kalman融合模型

  目的   通过分析全球健康数据交换中心（ GHDX）中1990－2019年中国喉癌发病与死亡数据，描述发病与死亡当前趋势，采用Kalman［ELM-SVR-GM（1,1）］融合模型预测未来喉癌5年发病率与死亡率数据。  方法   分性别、年龄利用Joinpoint Regression 计算发病率及死亡率的年平均变化百分比（AAPC），分类别描述喉癌发病与死亡趋势。 利用1990－2015年数据训练极端学习机模型、支持向量回归模型、单变量一阶灰度模型，并将结果使用Kalman融合，以2016－2019年数据检验单模型及融合模型的预测效果。 以1990－2019年数据建立预测精度最高的融合模型，对2020－2024年喉癌各类别发病率及死亡率进行预测。  结果   1990－2019年喉癌发病率与死亡率逐年升高，发病率由1.19/10万上升至3.19/10万，死亡率由0.97/10万上升至1.42/10万。 其中，男性发病率与死亡率最高，分别平均每年上升3.93%与1.72%，15～49岁男性发病率平均每年升高最快，为2.53%。 6种序列预测中，Kalman［ELM-SVR-GM（1,1）］融合模型的平均MRE最低，其预测数据均落在95%CI内。  结论   喉癌发病率与死亡率均呈现上升趋势，其中15～49岁男性发病率上升较快，与单模型相比，Kalman［ELM-SVR-GM（1,1）］融合模型对喉癌发病率与死亡率预测具较高预测精度，为喉癌防控提供可靠的预测方法。

来源：2023年第8期

《疾病监测》期刊编辑部

查看疾病监测杂志2023年第8期