基于自回归滑动平均混合模型的布鲁菌病流行趋势预测

赵媛; 郭忠琴; 梁沛枫

doi:10.16462/j.cnki.zhjbkz.2019.08.010

基于自回归滑动平均混合模型的布鲁菌病流行趋势预测

doi: 10.16462/j.cnki.zhjbkz.2019.08.010

1.
750001 银川, 宁夏医科大学公共卫生与管理学院流行病与卫生统计学系
2.
750004 银川, 宁夏回族自治区人民医院病案室

基金项目:

宁夏自然科学基金 NZ17187

西北民族大学中央高校基本科研业务费项目重点项目 31920180088

详细信息

通讯作者:
梁沛枫. E-mail: doctor_pf@126.com

中图分类号: R155.3
计量
- 文章访问数: 315
- HTML全文浏览量: 108
- PDF下载量: 27
- 被引次数: 0
出版历程
- 收稿日期: 2019-03-12
- 修回日期: 2019-06-10
- 刊出日期: 2019-08-10

Prediction of brucellosis epidemic trend based on ARIMA model

1.
Department of Epidemiology and Biostatistics, School of Public Health and Management, Ningxia Medical University, Yinchuan 750001, China
2.
Case Room of People's Hospital of Ningxia Hui Autonomous Region, Yinchuan 750004, China

Funds:

Ningxia Natural Science Foundation NZ17187

Key Projects of Fundamental Research Business Expenses in Central Universities of Northwest University for Nationalities 31920180088

More Information

Corresponding author: LANG Pei-feng, E-mail: doctor_pf@126.com

摘要

摘要: 目的对我国布鲁菌病（简称布病）月发病率进行预测，为了解我国布病流行趋势、制定防控策略提供数据支持和决策依据。方法以国家人口与健康科学数据共享平台为数据来源，使用2004年1月-2016年12月全国布病月发病率数据建立历史序列，应用R软件构建自回归滑动平均混合模型（autoregressive integrated moving average model，ARIMA）并进行数据拟合和预测。结果本研究构建乘积季节ARIMA（2，1，2）（2，1，1）₁₂模型各项参数都有统计学意义（均有P < 0.001），模型很好的拟合了全国布病月发病率的变化规律，预测值与实际值之间的平均相对误差为21.77%；预测2017年、2018年、2019年和2020年布病的月平均发病率分别为0.399 5/10万、0.423 8/10万、0.445 6/10万、0.471 2/10万，呈逐渐增高趋势（χ²=14.244，P < 0.001），在4-7月份出现发病峰值。结论在自然状况下，我国人间布病的月发病率将逐年增高，应采取相应措施进行控制。
- 布鲁菌病 /
- 时间序列 /
- ARIMA模型
Abstract: Objective The aims is to predict the monthly incidence of brucellosis in China, in order to understand the epidemic trend of brucellosis in China, to formulate prevention and control strategies, and to provide data support and decision-making basis. Methods The national population and health science data sharing platform was used to collect the national incidence of brucellosis from January 2004 to December 2016 by month. The data were fitted and predicted using ARIMA model with R software. Results In this study, the parameters of the product season ARIMA (2, 1, 2) (2, 1, 1)₁₂ model had statistical significance (all P < 0.001). The model fitted well the monthly incidence of brucellosis in China. The average relative error between the predicted value and the actual value was 21.77%. The monthly average incidence of brucellosis in 2017, 2018, 2019 and 2020 were predicted to be 0.399 5/100 000, 0.423 8/100 000, 0.445 6/100 000 and 0.471 2/100 000 respectively, showing a gradually increasing trend (χ²=14.244, P < 0.001), with a peak incidence from April to July. Conclusion Under natural conditions, the monthly incidence of human brucellosis in China will increase year by year, and corresponding measures should be taken to control it.
- Brucellosis /
- Time series /
- ARIMA model

HTML全文

图 1 2004-2014年我国布病发病率时间分布

Figure 1. Time distribution of brucellosis incidence in China from 2004 to 2014

下载: 全尺寸图片幻灯片

图 2 我国布病报告时间序列

Figure 2. Time series of brucellosis reports in China

下载: 全尺寸图片幻灯片

图 3 一阶非季节差分

Figure 3. First-order non-seasonal difference

下载: 全尺寸图片幻灯片

图 4 一阶季节差分

Figure 4. First-order seasonal difference

下载: 全尺寸图片幻灯片

图 5 全国2017-2020年布病发病率预测

Figure 5. Prediction of the incidence of brucellosis in China from 2017 to 2020

下载: 全尺寸图片幻灯片

表 1 ARIMA(p, d, q) (P, D, Q)_s模型的组合与最优模型的选取准则检验

Table 1. Combination of ARIMA (p, d, q) (P, D, Q)_s model and selection criteria test of optimal model

模型指标	AIC	RMSE	MAE	MAPE
ARIMA(1, 1, 2)(1, 1, 1)	-0.023 7	0.042 3	0.021 7	12.597
ARIMA(2, 1, 1)(2, 1, 1)	-0.003 0	0.041 5	0.021 1	12.199
ARIMA(2, 1, 2)(2, 1, 1)	-0.003 8	0.041 5	0.021 1	12.197
ARIMA(2, 1, 1)(1, 1, 1)	-0.003 3	0.042 2	0.021 6	12.467

下载: 导出CSV

表 2 ARIMA (2, 1, 2, ) (2, 1, 1)₁₂模型对全国布病发病率的拟合结果

Table 2. Fitting results of ARIMA (2, 1, 2, ) (2, 1, 1)₁₂ model on incidence of brucellosis in China

时间	实际值	预测值(95%CI)值
2015年1月	0.303 6	0.406(0.283, 0.530)
2015年2月	0.293 8	0.321(0.190, 0.453)
2015年3月	0.409 9	0.413(0.277, 0.550)
2015年4月	0.493 1	0.461(0.322, 0.599)
2015年5月	0.565 7	0.510(0.371, 0.649)
2015年6月	0.532 6	0.477(0.337, 0.616)
2015年7月	0.456 8	0.407(0.267, 0.546)
2015年8月	0.350 0	0.328(0.188, 0.468)
2015年9月	0.228 4	0.233(0.093, 0.373)
2015年10月	0.198 2	0.219(0.079, 0.358)
2015年11月	0.184 7	0.210(0.071, 0.350)
2015年12月	0.165 9	0.196(0.056, 0.336)
2016年1月	0.251 6	0.395(0.252, 0.538)
2016年2月	0.264 2	0.340(0.197, 0.484)
2016年3月	0.356 6	0.433(0.289, 0.577)
2016年4月	0.415 5	0.477(0.333, 0.621)
2016年5月	0.461 3	0.525(0.381, 0.670)
2016年6月	0.416 5	0.489(0.345, 0.633)
2016年7月	0.365 7	0.418(0.274, 0.563)
2016年8月	0.295 9	0.347(0.202, 0.491)
2016年9月	0.187 1	0.253(0.109, 0.397)
2016年10月	0.159 9	0.240(0.095, 0.384)
2016年11月	0.150 3	0.235(0.091, 0.379)
2016年12月	0.135 2	0.221(0.076, 0.365)

下载: 导出CSV

参考文献(15)

[1]	De Massis F, Di Girolamo A, Petrini A, et al. Correlation between animal and human brucellosis in Italy during the period 1997-2002[J]. Clin Microbiol Infect, 2005, 11(8): 632-636. DOI: 10.1111/j.1469-0691.2005.01204.x.
[2]	Marianelli C, Graziani C, Santangelo C, et al. Molecular epidemiological and antibiotic susceptibility characterization of Brucella isolates from humans in Sicily, Italy[J]. J Clin Microbiol, 2007, 45(9): 2923-2928. DOI: 10.1128/JCM.00822-07.
[3]	Memish ZA, Balkhy HH. Brucellosis and international travel[J]. J Travel Med 2004, 11(1): 49-55. DOI: 10.2310/7060.2004.13551.
[4]	Zhong Z, Yu S, Wang X, et al. Human brucellosis in the People's Republic of China during 2005-2010[J]. Int J Infect Dis, 2013, 17(5): e289-e292. DOI: 10.1016/j.ijid.2012.12.030.
[5]	Box GE, Jenkins GM. Time series analysis: forecasting and control rev. ed[J]. Journal of Time Series Analysis, 2010, 31(4): 303-303. DOI: 10.1111/j.1467-9892.2009.00643.x.
[6]	陈田木, 刘如春, 谢知, 等. 流行性感冒数学建模研究进展[J]. 中国热带医学, 2014, 14(7): 890-894. https://www.cnki.com.cn/Article/CJFDTOTAL-RDYX201407042.htm Chen TM, Liu RC, Xie Z, et al. Advances in influenza mathematical modeling[J]. Chinese Tropical Medicine, 2014, 14(7): 890-894. https://www.cnki.com.cn/Article/CJFDTOTAL-RDYX201407042.htm
[7]	易丹辉. 时间序列分析: 方法与应用[M]. 北京: 中国人民大学出版社, 2011. Yi DH. Time series analysis: methods and applications[M]. Beijing: Renmin University Press, 2011.
[8]	张蔚, 张彦琦, 杨旭. 时间序列资料ARIMA季节乘积模型及其应用[J]. 第三军医大学学报, 2002, 24(8): 955-957. DOI: 10.3321/j.issn:1000-5404.2002.08.026. Zhang W, Zhang YQ, Yang X. ARIMA seasonal product model of time series data and its application[J]. Journal of Third Military Medical University, 2002, 24(8): 955-957. DOI: 10.3321/j.issn:1000-5404.2002.08.026.
[9]	赖圣杰, 李中杰, 金连梅, 等. 传染病暴发早期预警系统评价内容及其指标[J]. 中华流行病学杂志, 2009, 30(6): 637-640. DOI: 10.3760/cma.j.issn.0254-6450.2009.06.025. Lai SJ, Li ZJ, Jin LM, et al. Evaluation contents and indicators of early warning system for infectious disease outbreaks[J]. Chin J Epidemiol, 2009, 30(6): 637-640. DOI: 10.3760/cma.j.issn.0254-6450.2009.06.025.
[10]	陈秋兰. 我国布鲁菌病流行时空分析与患者健康相关生命质量研究[D]. 北京: 中国疾病预防控制中心, 2017. Chen QL. Spatio-temporal analysis of brucellosis epidemic in China and study on health-related quality of life of patients[D]. Beijing: China Center for Disease Control and Prevention, 2017.
[11]	朱奕奕, 冯玮, 赵琦, 等. ARIMA乘积季节模型在上海市甲肝发病预测中的应用[J]. 复旦学报(医学版), 2012, 39(5): 460-464. DOI: 10.3969/j.issn.1672-8467.2012.05.004. Zhu YY, Feng W, Zhao Q, et al. Application of ARIMA product seasonal model in prediction of hepatitis A incidence in Shanghai[J]. Fudan Journal (Medical Edition), 2012, 39(5): 460-464. DOI: 10.3969/j.issn.1672-8467.2012.05.004.
[12]	王永斌, 李向文, 柴峰, 等. ARIMA模型在我国梅毒发病率预测中的应用[J]. 现代预防医学, 2015, 42(3): 385-388, 417. https://www.cnki.com.cn/Article/CJFDTOTAL-XDYF201503001.htm Wang YB, Li XW, Chai F, et al. Application of ARIMA model in predicting syphilis incidence in China[J]. Modern Prev Med, 2015, 42(3): 385-388, 417. https://www.cnki.com.cn/Article/CJFDTOTAL-XDYF201503001.htm
[13]	陈秋兰, 杨维中. 内蒙古及相邻省份2010-2014年布鲁氏菌病流行特征和时空聚集性分析[J]. 中华疾病控制杂志, 2017, 21(1): 30-34. DOI: 10.16462/j.cnki.zhjbkz.2017.01.007. Chen QL, Yang WZ, Inner Mongolia and adjacent provinces: epidemiological characteristics and spatial-temporal aggregation analysis of brucellosis from 2010 to 2014[J]. Chin J Dis Control Prev, 2017, 21(1): 30-34. DOI: 10.16462/j.cnki.zhjbkz.2017.01.007.
[14]	马有祥, 解光峰, 李静, 等. 2006-2013年东营市人间布鲁氏菌病流行特征分析[J]. 现代预防医学, 2015, 42(14): 2511-2513, 2516. https://www.cnki.com.cn/Article/CJFDTOTAL-XDYF201514007.htm Ma YX, Xie GF, Li J, et al. Analysis of epidemiological characteristics of human brucellosis in Dongying City from 2006 to 2013[J]. Modern Prev Med, 2015, 42(14): 2511-2513, 2516. https://www.cnki.com.cn/Article/CJFDTOTAL-XDYF201514007.htm
[15]	王水根, 何水渊, 罗学辉. 布鲁氏菌病高危职业人群血清抗体检测结果分析[J]. 浙江预防医学, 2011, 23(9): 53-56. DOI: 10.3969/j.issn.1007-0931.2011.09.020. Wang SG, He SY, Luo XH. Analysis of serum antibody test results in high-risk occupational population of Brucellosis[J]. Zhejiang Preventive Medicine, 2011, 23(9): 53-56. DOI: 10.3969/j.issn.1007-0931.2011.09.020.