指數平滑模型在上海市猩紅熱發病率預測中的應用

孔德川 潘浩 鄭雅旭 姜晨彥 韓若冰 吳寰宇 陳健

引用本文: 孔德川, 潘浩, 鄭雅旭, 姜晨彥, 韓若冰, 吳寰宇, 陳健. 指數平滑模型在上海市猩紅熱發病率預測中的應用[J]. 疾病監測. DOI: 10.3784/j.issn.1003-9961.2019.10.016 shu
Citation:  Dechuan Kong, Hao Pan, Yaxu Zheng, Chenyan Jiang, Ruobing Han, Huanyu Wu and Jian Chen. Application of exponential smoothing model in predicting incidence of scarlet fever in Shanghai[J]. Disease Surveillance. DOI: 10.3784/j.issn.1003-9961.2019.10.016 shu

指數平滑模型在上海市猩紅熱發病率預測中的應用

    作者簡介: 孔德川,男,安徽省合肥市人,碩士,主管醫師,主要從事急性傳染病病防控工作,Email:[email protected];潘浩,男,江蘇省建湖縣人,碩士,主任技師,主要從事急性傳染病防控工作,Email:[email protected];
    通信作者: 吳寰宇, [email protected] 陳健, [email protected]
  • 基金項目: 上海市衛生計生委科研課題青年項目(No.20174Y0128);上海市疾病預防控制中心"青耕計劃"(No.2020-5)

摘要: 目的探討指數平滑模型在上海市猩紅熱月報告發病率預測的應用。方法根據2004 — 2017年上海市猩紅熱月報告發病率的時間分布,選擇Holt-Winters指數平滑模型擬合2004 — 2017年6月上海市猩紅熱報告發病率資料,并利用最優模型對2017年7 — 12月的猩紅熱報告發病率進行預測。結果猩紅熱報告月發病率經自然對數變換后的Holt-Winters加法指數平滑模型的擬合相對最優,決定系數(R2)=0.884,標準化貝葉斯信息準則值為?2.568,其殘差為白噪聲序列,預測值與實際值基本吻合,2017年7 — 10月的預測精確度優于11—12月。結論指數平滑模型可用于上海市猩紅熱月報告發病率的短期預測,4個月內的短期預測效果更優。

English

    1. [1]

      Lee CF, Cowling BJ, Lau EHY. Epidemiology of reemerging scarlet fever, Hong Kong, 2005–2015[J]. Emerg Infect Dis, 2017,23(10):1707–1710. DOI:10.3201/eid2310.161456.

    2. [2]

      Liu YH, Chan TC, Yap LW, et al. Resurgence of scarlet fever in China: a 13-year population-based surveillance study[J]. Lancet Infect Dis, 2018,18(8):903–912. DOI:10.1016/S1473?3099(18)30231?7.

    3. [3]

      Park DW, Kim SH, Park JW, et al. Incidence and characteristics of scarlet fever, South Korea, 2008–2015[J]. Emerg Infect Dis, 2017,23(4):658–661. DOI:10.3201/eid2304.160773.

    4. [4]

      Yung CF, Thoon KC. A 12 year outbreak of scarlet fever in Singapore[J]. Lancet Infect Dis, 2018,18(9):942. DOI:10.1016/S1473-3099(18)30464-X.

    5. [5]

      Lamagni T, Guy R, Chand M, et al. Resurgence of scarlet fever in England, 2014–16: a population-based surveillance study[J]. Lancet Infect Dis, 2018,18(2):180–187. DOI:10.1016/S1473?3099(17)30693?X.

    6. [6]

      Brockmann SO, Eichner L, Eichner M. Constantly high incidence of scarlet fever in Germany[J]. Lancet Infect Dis, 2018,18(5):499–500. DOI:10.1016/S1473?3099(18)30210?X.

    7. [7]

      孔德川, 陳健, 王曄, 等. 2005-2015年上海市猩紅熱流行病學特征分析[J]. 疾病監測,2017,32(5):394–398. DOI:10.3784/j.issn.1003?9961.2017.05.010.
      Kong DC, Chen J, Wang Y, et al. Epidemiologic characteristics of scarlet fever in Shanghai, 2005–2015[J]. Dis Surveill, 2017,32(5):394–398. DOI:10.3784/j.issn.1003?9961.2017.05.010.

    8. [8]

      朱奕奕, 趙琦, 馮瑋, 等. 應用指數平滑法預測上海市甲型病毒性肝炎發病趨勢[J]. 中國衛生統計,2013,30(1):31–33, 36.
      Zhu YY, Zhao Q, Feng W, et al. The application of exponential smoothing methods on the forecast of Hepatitis A in Shanghai[J]. Chin J Health Statist, 2013,30(1):31–33, 36.

    9. [9]

      史蕓萍, 馬家奇. 指數平滑法在流行性腮腺炎預測預警中的應用[J]. 中國疫苗和免疫,2010,16(3):233–237.
      Shi YP, Ma JQ. Application of exponential smoothing method in prediction and warning of epidemic mumps[J]. Chin JVacc Immun, 2010,16(3):233–237.

    10. [10]

      王昕, 程小雯, 房師松, 等. 指數平滑模型在流感樣病例預測中的應用[J]. 中國熱帶醫學,2011,11(8):938–939.
      Wang X, Cheng XW, Fang SS, et al. Application of exponential smoothing model in forecasting influenza incidence[J]. China Trop Med, 2011,11(8):938–939.

    11. [11]

      唐廣心, 張飛飛, 魯葦葭, 等. 指數平滑法在麻疹發病率預測中的應用[J]. 實用預防醫學,2018,25(6):757–759. DOI:10.3969/j.issn.1006?3110.2018.06.034.
      Tang GX, Zhang FF, Lu WJ, et al. Application of exponential smoothing method to forecasting the incidence rate of measles[J]. Pract Prev Med, 2018,25(6):757–759. DOI:10.3969/j.issn.1006?3110.2018.06.034.

    12. [12]

      張磊, 劉艷紅. 指數平滑法在預測深圳市寶安區肺結核病人發病人數的應用[J]. 實用預防醫學,2014,21(8):911–913, 903. DOI:10.3969/j.issn.1006?3110.2014.08.006.
      Zhang L, Liu YH. Application of exponential smoothing method in forecasting tuberculosis incidence in Baoan District, Shenzhen city[J]. Pract Prev Med, 2014,21(8):911–913, 903. DOI:10.3969/j.issn.1006?3110.2014.08.006.

    13. [13]

      汪鵬, 彭穎, 楊小兵. ARIMA模型與Holt-Winters指數平滑模型在武漢市流感樣病例預測中的應用[J]. 現代預防醫學,2018,45(3):385–389.
      Wang P, Peng Y, Yang XB. ARIMA model and Holt-Winters exponential smoothing method to predict influenza-like cases, Wuhan[J]. Mod Prev Med, 2018,45(3):385–389.

    14. [14]

      嚴婧, 楊北方. 指數平滑法與ARIMA模型在湖北省丙型病毒性肝炎發病預測中的應用[J]. 中國疫苗和免疫,2017,23(3):292–297.
      Yan J, Yang BF. Application of exponential smoothing methods and ARIMA modeling to predict the incidence of hepatitis C in Hubei province[J]. Chin J Vacc Immun, 2017,23(3):292–297.

    15. [15]

      趙夢嬌, 于秋燕, 趙小冬, 等. ARIMA季節乘積模型預測濟南市猩紅熱發病趨勢[J]. 疾病監測,2016,31(5):411–415. DOI:10.3784/j.issn.1003?9961.2016.05.014.
      Zhao MJ, Yu QY, Zhao XD, et al. Application of ARIMA model for prediction of incidence of scarlet fever[J]. Dis Surveill, 2016,31(5):411–415. DOI:10.3784/j.issn.1003?9961.2016.05.014.

    16. [16]

      朱玉, 夏結來, 王靜. 單純ARIMA模型和ARIMA-GRNN組合模型在猩紅熱發病率中的預測效果比較[J]. 中華流行病學雜志,2009,30(9):964–968. DOI:10.3760/cma.j.issn.0254?6450.2009.09.025.
      Zhu Y, Xia JL, Wang J. Comparison of predictive effect between the single auto regressive integrated moving average (ARIMA) model and the ARIMA-generalized regression neural network (GRNN) combination model on the incidence of scarlet fever[J]. Chin J Epidemiol, 2009,30(9):964–968. DOI:10.3760/cma.j.issn.0254?6450.2009.09.025.

    17. [17]

      任宏, 王曄, 陳明亮, 等. 上海市2005-2012年猩紅熱流行特征和發病趨勢分析[J]. 中華流行病學雜志,2013,34(7):706–710. DOI:10.3760/cma.j.issn.0254?6450.2013.07.010.
      Ren H, Wang Y, Chen ML, et al. Study on the epidemiological characteristics and incidence trend of scarlet fever in Shanghai, 2005–2012[J]. Chin JEpidemiol, 2013,34(7):706–710. DOI:10.3760/cma.j.issn.0254?6450.2013.07.010.

    18. [18]

      Wang YB, Xu CJ, Wang ZD, et al. Seasonality and trend prediction of scarlet fever incidence in mainland China from 2004 to 2018 using a hybrid SARIMA-NARX model[J]. PeerJ, 2019,7(3):e6165. DOI:10.7717/peerj.6165.

    19. [19]

      Duan Y, Huang XL, Wang YJ, et al. Impact of meteorological changes on the incidence ofscarlet fever in Hefei city, China[J]. Int J Biometeorol, 2016,60(10):1543–1550. DOI:10.1007/s00484?016?1145?8.

    1. [1]

      趙夢嬌于秋燕趙小冬許華茹徐淑慧 . ARIMA季節乘積模型預測濟南市猩紅熱發病趨勢. 疾病監測, 2016, 31(5): 411-415. DOI: 10.3784/j.issn.1003-9961.2016.05.014

    2. [2]

      李麗麗劉起勇林華亮許磊黃少平楊軍 . 北京市房山區手足口病與氣象因素的時間序列分析. 疾病監測, 2015, 30(6): 458-462. DOI: 10.3784/j.issn.1003-9961.2015.06.007

    3. [3]

      張漫楊興華吳雙勝楊鵬王全意 . 2010-2016年北京市猩紅熱流行狀況及其危險因素分析. 疾病監測, 2018, 33(7): 580-584. DOI: 10.3784/j.issn.1003-9961.2018.07.011

    4. [4]

      秦穎馮錄召余宏杰 . 2015年春夏季全國猩紅熱疫情流行病學特征分析. 疾病監測, 2015, 30(12): 1002-1007. DOI: 10.3784/j.issn.1003-9961.2015.12.005

    5. [5]

      譚小華劉美真楊宇威李柏生康敏 . 2005-2017年廣東省猩紅熱流行特征分析. 疾病監測, 2019, 34(5): 411-416. DOI: 10.3784/j.issn.1003-9961.2019.05.010

    6. [6]

      吳秋狀張保安蔡日恩 . 用流行控制圖法對陽泉市2012年猩紅熱發病預測預報. 疾病監測, 2012, 27(4): 282-284. DOI: 10.3784/j.issn.1003-9961.2012.4.010

    7. [7]

      王愛紅易波申濤許國章 . 2004-2011年浙江省寧波市猩紅熱流行特征分析. 疾病監測, 2012, 27(9): 698-701. DOI: 10.3784/j.issn.1003-9961.2012.9.009

    8. [8]

      郭舫茹何月瑩白云吳勁李燕君 . 1983-2011年北京市石景山區猩紅熱流行特征分析. 疾病監測, 2012, 27(9): 702-704. DOI: 10.3784/j.issn.1003-9961.2012.9.010

    9. [9]

      孔德川陳健王曄朱奕奕鄭雅旭潘浩吳寰宇 . 2005-2015年上海市猩紅熱流行病學特征分析. 疾病監測, 2017, 32(5): 394-398. DOI: 10.3784/j.issn.1003-9961.2017.05.010

    10. [10]

      李鳳英馬婷羅文瑞劉美寧馬波張榮強 . 2005-2017年陜西省咸陽市乙型肝炎流行趨勢分析及預測模型的建立. 疾病監測, 2019, 34(2): 137-140. DOI: 10.3784/j.issn.1003-9961.2019.02.011

    11. [11]

      李麗麗董瑞強石磊黃少平闞震 . 季節性求和自回歸移動平均模型在北京市房山區感染性腹瀉發病趨勢預測中的應用. 疾病監測, 2016, 31(2): 136-140. DOI: 10.3784/j.issn.1003-9961.2016.02.012

    12. [12]

      王媛媛田飛劉晶磊 . 時間序列分析在北京市東城區艾滋病病毒感染者和艾滋病患者發病率預測中的應用. 疾病監測, 2017, 32(9): 731-734. DOI: 10.3784/j.issn.1003-9961.2017.09.007

    13. [13]

      原梅張治國豆智慧王路欽張峣李衛民高基民 . 北京市昌平區肺結核發病數ARIMA模型預測. 疾病監測, 2015, 30(12): 1045-1049. DOI: 10.3784/j.issn.1003-9961.2015.12.014

    14. [14]

      王永李思萱李輝朱銀潮崔軍張贊贊張濤 . 浙江省寧波市甲狀腺癌發病、死亡現況和預測分析. 疾病監測, 2017, 32(10/11): 845-850. DOI: 10.3784/j.issn.1003-9961.2017.10/11.015

    15. [15]

      王健周脈耕胡嘉馬林茂邱林西 . 求和自回歸移動平均模型在江西省結核病發病預測中的應用. 疾病監測, 2012, 27(6): 462-467. DOI: 10.3784/j.issn.1003-9961.2012.6.014

    16. [16]

      張穎華陳秀華劉蕓童銳王小光 . 2014-2017年上海市閔行區副溶血弧菌的耐藥性分析及預測. 疾病監測, 2018, 33(5): 376-380. DOI: 10.3784/j.issn.1003-9961.2018.05.007

  • 圖 1  2004-2017年上海市猩紅熱年報告發病數和發病率比較

    Figure 1.  Comparisons of annual reported cases and incidence of scarlet fever in Shanghai, 2004 –2017

    圖 2  2004-2010年與2011-2017年上海市猩紅熱各月報告發病率比較

    Figure 2.  Comparison of monthly reported incidence of scarlet fever between 2004–2010 and 2011–2017 in Shanghai

    圖 3  上海市2004-2017年6月猩紅熱各月報告發病率的擬合和2017年7-12月的預測

    Figure 3.  Fitting of monthly reported incidence of scarlet fever from 2004 to June 2017 and scarlet fever incidence prediction of from July to December,2017 in Shanghai

    表 1  Holt-Winters指數平滑模型的擬合

    Table 1.  Fitting of Holt-Winters exponential smoothing model

    Holt-Winters 指數
     平滑模型
    數據轉換 Alpha Gamma Delta 模型擬合指標 Ljung-Box Q(18)統計量
    R2 RMSE MAPE 標準化BIC 統計量 自由度 P
    加法模型 1.000 2.673×10?4 0.001 0.728 0.404 101.356 ?1.717 118.361 15 0.000
    加法模型 平方根 1.000 0.001 0.001 0.853 0.297 44.373 ?2.331 102.631 15 0.000
    加法模型 自然對數 0.703 2.271×10?6 1.334×10?4 0.884 0.264 28.075 ?2.568 19.323 15 0.199
    乘法模型 平方根 0.812 2.312×10?4 0.584 0.869 0.280 31.666 ?2.449 32.220 15 0.006
      注:R2. 決定系數;RMSE. 均方誤差平方根;MAPE. 平均絕對誤差百分比;BIC. 貝葉斯信息準則
    下載: 導出CSV

    表 2  2017年7-12月猩紅熱月報告發病率(/10萬)實際值與預測值的比較

    Table 2.  Comparison of monthly actual reported incidence and predicted incidence of scarlet fever,July-December 2017

    月份 實際值 預測值 相對誤差a 預測值的95%CI
    上限 下限
    7 0.657 0.706 0.075 1.269 0.354
    8 0.372 0.375 0.008 0.757 0.159
    9 0.426 0.402 0.056 0.891 0.147
    10 0.653 0.695 0.064 1.668 0.223
    11 1.847 1.653 0.105 4.256 0.470
    12 3.364 2.727 0.189 7.473 0.693
      注:a. |預測值-實際值|/實際值
    下載: 導出CSV
    广西体彩11选五开奖
  • 加載中
圖(3)表(2)
計量
  • PDF下載量:  9
  • 文章訪問數:  545
  • HTML全文瀏覽量:  243
  • 引證文獻數: 0
文章相關
通信作者: 陳斌, [email protected]
  • 1. 

    沈陽化工大學材料科學與工程學院 沈陽 110142

  1. 本站搜索
  2. 百度學術搜索
  3. 萬方數據庫搜索
  4. CNKI搜索

/

返回文章

在線交流