疾病监测

作者：张珍,刘星言,李言言,邢莹莹,王永斌,胡斌

关键词：梅毒, 发病率, 趋势, 预测, 贝叶斯结构时间序列模型, 求和自回归滑动平均混合模型

  目的  探讨贝叶斯结构时间序列（BSTS）模型在预测我国梅毒流行趋势中的应用价值。  方法  收集2005年1月至2022年8月我国梅毒发病数据，采用Eviews10软件解析梅毒月发病数据中的趋势和季节组分；采用RStudio软件构建模型，其中2005年1月至2021年12月的数据作为训练集拟合BSTS模型，2022年1—8月数据作为测试集验证模型的预测效果，并将其预测准确性与求和自回归滑动平均混合（ARIMA）模型进行比较。 所有统计学分析检验水准指定为 \alpha ＝0.05。  结果  我国梅毒发病总体呈上升态势，具有周期性和季节性，每年1—2月为低谷，7—8月为高峰。 在训练和测试集上，BSTS模型产生的平均绝对百分比误差（分别为4.95%和5.73%）均小于ARIMA模型（分别为5.44%和6.52%）；同样也发现，BSTS模型产生的平均绝对误差、均方根误差和均方根百分比误差均小于ARIMA模型。 稳健性结果表明了同样的结果。 基于BSTS模型预测的2022年9月至2023年12月我国梅毒发病总数为719 600［95%置信区间（CI）：605 295～826 086］例，月均发病数为44 975（95%CI：37 831～51 631）例。  结论  我国梅毒是一种季节性疾病，发病仍处于高水平；BSTS模型能准确评估我国梅毒动态流行趋势，可为梅毒精准防控提供技术支撑。

来源：2023年第9期

《疾病监测》期刊编辑部

查看疾病监测杂志2023年第9期