疾病监测

作者：崔彩岩,高凡,张晓龙,傅颖,王斐娴,蒋骏

关键词：肺结核, 季节性自回归移动平均模型, 指数平滑空间状态模型, 极限学习机模型

目的 分析2017—2024年江苏省苏州市肺结核的登记率趋势，探讨比较季节性自回归移动平均（SARIMA）模型、指数平滑空间状态（TBATS）模型、极限学习机（ELM）模型在苏州市肺结核预测中的应用效果，为肺结核防控策略制定提供科学依据。方法 基于2017—2023年苏州市肺结核月登记率数据分别拟合建立SARIMA模型、 TBATS模型和ELM模型，采用2024年1—12月苏州市肺结核月登记率数据验证模型，采用均方根误差（RMSE）、平均绝对误差（MAE）和平均绝对百分比误差（MAPE）比较模型拟合预测效果。结果 苏州市2017—2024年共登记肺结核23 623例，年登记率由27.21/10万下降到17.61/10万，呈逐年下降趋势。 每年5—9月为苏州市肺结核登记高峰期，2月为登记低谷。 SARIMA模型、 TBATS模型、ELM模型预测的RMSE、MAE和MAPE分别为0.25%、0.21%、14.40%，0.23%、0.18%、12.57%，0.12%、0.10%、6.58%。结论3种模型对苏州市各月肺结核登记率均有较好预测效果，ELM模型预测准确度相对最高，可用于苏州市肺结核疫情的监测和预警。

来源：2025年第8期

《疾病监测》期刊编辑部

查看疾病监测杂志2025年第8期