-
题名基于贝叶斯结构时间序列模型评估我国梅毒流行趋势
被引量：2
- 1
-
-
作者
张珍
刘星言
李言言
邢莹莹
王永斌
胡斌
-
机构
驻马店市中心医院感染预防与控制科
新乡医学院公共卫生学院
-
出处
《疾病监测》
CAS
CSCD
北大核心
2023年第9期1087-1093,共7页
-
基金
河南省高等学校重点科研项目(No.21A330004)
河南省本科高校省级大学生创新创业训练计划项目(No.S202110472047,No.202310472027)。
-
文摘
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α=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719600[95%置信区间(CI):605295~826086]例,月均发病数为44975(95%CI:37831~51631)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。
-
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
-
Keywords
Syphilis
Incidence
Trend
Prediction
Bayesian structural time series model
Autoregressive integrated moving average model
-
分类号
R211
[医药卫生—中医学]
R759.1
-
-
题名基于贝叶斯结构时间序列模型的海南省人口预测研究
- 2
-
-
作者
郝文琪
曹莉
-
机构
海南医学院公共卫生与全健康国际学院
-
出处
《现代信息科技》
2024年第2期124-127,共4页
-
基金
海南省高等学校教育教学改革研究项目(Hnjg2022-61)
海南医学院教育科研重点项目(HYZD202113)
海南省大学生创新课题(S202111810001)。
-
文摘
通过分析2003—2022年的人口数据,深入了解海南省的人口现状,并预测常住人口总量。数据源于《海南省统计年鉴》,采用折线图、人口金字塔图等对海南省2003—2022年人口现状进行描述,并应用贝叶斯结构时间序列模型对未来三年的常住人口数进行预测。经过分析和预测,结果显示,贝叶斯结构时间序列模型的均方根误差为2.914、平均绝对百分比误差为0.002<10、决定系数为0.986。2023—2025年海南省常住人口总数分别为1042.34万人、1054.56万人、1066.76万人。说明贝叶斯结构时间序列模型应用于海南省常住人口预测的效果较好,海南省常住人口数量仍会持续缓慢上升。
-
关键词
海南省
常住人口数
预测
贝叶斯结构时间序列模型
-
Keywords
Hainan Province
annual permanent population
prediction
Bayesian Structure Time Series model
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
