疾病监测

作者：李学平,刘贝琴,景永峰,惠跃龙

关键词：水痘, 预测, 分析, 长短期记忆神经网络模型, 自回归积分滑动平均模型

目的探讨长短期记忆神经网络（LSTM）模型和自回归积分滑动平均（ARIMA）模型在甘肃省庆阳市水痘发病趋势预测中的应用，为制定针对性的水痘疫情防控预警措施及后期评估水痘疫苗免疫策略提供数据支持。方法选取2014年1月至2024年3月庆阳市水痘周发病数分别构建LSTM模型和ARIMA模型，并利用所构建的模型对2024年3月至2025年3月水痘发病数进行拟合比较，通过均方根误差（RMSE）、平均绝对误差（MAE）、平均绝对百分比误差（MAPE）、决定系数R2评估模型预测性能的优劣，最后应用最优模型预测2025—2026年庆阳市水痘周发病数。结果2014—2024年共报告水痘病例10 075例，报告发病率从2014年的19.74/10万上升至2024年的93.18/10万，年均报告发病率为41.27/10万。 男性报告发病率（44.20/10万）高于女性（38.43/10万），差异有统计学意义（χ2=49.070，P<0.001）。 病例主要集中在≤18岁人群，占报告病例数的85.94%（8 658例）；发病人群主要为学生（5 504例，54.63%）。 LSTM模型测试集预测结果的R2为0.92，RMSE值为6.22，MAE值为4.76，MAPE值为0.20，而ARIMA（2，1，1）（2，0，2）52的测试集预测结果的R2为–0.03，RMSE值为26.29，MAE值为18.72，MAPE值为0.50，LSTM模型在R2、MAPE、RMSE和MAE 4个评价指标上均优于ARIMA 模型，表明LSTM模型具有更高的预测精度。结论LSTM模型预测效果优于ARIMA模型，可为水痘早期预警、疫苗免疫和防控工作提供理论基础和实践指导。

来源：2025年第12期

《疾病监测》期刊编辑部

查看疾病监测杂志2025年第12期