【摘要】：目的建立慢阻肺急性加重入院人次的自回歸積分滑動平均模型(ARIMA),科學預測慢阻肺急性加重入院人次,為該病的診治以及合理利用醫(yī)療資源提供理論依據。方法使用R語言(v.3.2.3)做模型的識別、模型的參數(shù)估計與檢驗,建立ARIMA模型,對某院2013-2015年慢阻肺急性加重出院人次進行模型擬合,用2016年1~3月的預測值與實際值作比較,檢驗模型的預測能力,并且預測2016年4-6月慢阻肺急性加重入院人次。結果經過多次檢驗,確定ARIMA(2,2,1)(1,1,1)_(12)模型預測能力最佳,其殘差序列是白噪聲。用2016年1~3月數(shù)據來檢驗模型,其MAPE的絕對值均小于10%,說明模型的擬合優(yōu)度相對較好,預測能力可靠,根據該模型預測2016年4~6月該院慢阻肺急性加重入院人次分別為162、160、159。結論 ARIMA模型能夠很好的擬合慢阻肺急性加重的入院人次并進行短期預測,模型顯示2016年該院的急性支氣管炎的入院人次將有所上升,為醫(yī)院合理利用醫(yī)療資源提供了有力依據。
[Abstract]:Objective to establish an autoregressive integral moving average model (Arima) for predicting acute exacerbation of COPD in order to provide a theoretical basis for the diagnosis and treatment of the disease and the rational use of medical resources. Methods R language (v.3.2.3) was used to identify the model, the parameters of the model were estimated and tested, and Arima model was established. The model fitting was performed on the discharge times of acute exacerbation of COPD from 2013 to 2015 in a hospital. The predicted values from January to March 2016 were compared with the actual values. Test the predictive capacity of the model and predict acute exacerbation of COPD in April-June 2016. Results after many tests, the Arima (2H _ 2N _ 1) (1T _ 1) _ (12) model has the best prediction ability, and its residual sequence is white noise. Using the data from January to March 2016 to test the model, the absolute values of MAPE were all less than 10, which indicated that the model had relatively good fit and reliable prediction ability. According to the model, the number of acute exacerbations of COPD in the hospital from April to June 2016 was 162160159, respectively. Conclusion Arima model can well fit the admission number of patients with acute exacerbation of chronic obstructive pulmonary disease and make short-term prediction. The model shows that the admission of acute bronchitis in this hospital will increase in 2016. It provides a strong basis for the rational utilization of medical resources in hospitals.
【作者單位】： 成都市第三人民醫(yī)院信息部;
【分類號】：R563.9

【參考文獻】

相關期刊論文 前3條

1 陳亞紅;王辰;;2015年更新版GOLD慢性阻塞性肺疾病診斷、治療和預防的全球策略簡介[J];中國醫(yī)學前沿雜志(電子版);2015年02期

2 郭慧敏;杜軍;練正秋;;ARIMA模型應用于臨床懸浮紅細胞用量預測的探討[J];中國輸血雜志;2014年08期

3 熊志斌;;基于ARIMA與神經網絡集成的GDP時間序列預測研究[J];數(shù)理統(tǒng)計與管理;2011年02期

【共引文獻】

相關期刊論文 前10條

1 宋本艷;胡強;;刺五加注射液對COPD穩(wěn)定期患者血漿NO和內皮素-1的影響[J];中國臨床新醫(yī)學;2017年07期

2 何霖;楊培洪;程模;蔡雨君;;1例AECOPD伴良性前列腺增生患者使用支氣管擴張藥致急性尿潴留的藥學監(jiān)護[J];中國藥房;2017年20期

3 李婷;戚良燕;叢中凰;;慢性阻塞性肺疾病患者下呼吸道感染病原菌分布與耐藥性分析[J];中國實用醫(yī)藥;2017年16期

4 段莉瓊;宮輝力;劉少俊;劉澤華;李勇永;葛軍蓮;;基于客源地的聚類-ARIMA模型的短期旅游需求預測--以天津歡樂谷主題公園為例[J];地域研究與開發(fā);2017年03期

5 劉志文;;舒利迭、信必可分別結合噻托溴銨治療中重度COPD穩(wěn)定期的臨床對比研究[J];中國醫(yī)藥指南;2017年15期

6 李文燕;朱余兵;張倩;;2011—2015年南京市第一醫(yī)院肺部吸入制劑的使用情況分析[J];現(xiàn)代藥物與臨床;2017年05期

7 黃瑩;萬斌;黃振炎;;健脾補肺膏對慢性阻塞性肺疾病小鼠模型的療效[J];中國藥物經濟學;2017年05期

8 李婷;戚良燕;叢中凰;;噻托溴銨聯(lián)合布地奈德福莫特羅與單用布地奈德福莫特羅治療慢性阻塞性肺疾病患者的臨床觀察[J];中國實用醫(yī)藥;2017年13期

9 唐克雙;郝兆康;衣謝博聞;劉冰清;;停車場泊位占有率預測方法評價[J];同濟大學學報(自然科學版);2017年04期

10 游雅婷;趙靜;秦顯莉;李濤;胡明冬;范曄;;血清IL-21、CXCL13水平與慢性阻塞性肺疾病的相關性研究[J];第三軍醫(yī)大學學報;2017年12期

【二級參考文獻】

相關期刊論文 前10條

1 金哲;王廣發(fā);;慢性阻塞性肺疾病全球倡議(2014更新版)解讀[J];中國醫(yī)學前沿雜志(電子版);2014年02期

2 黃俊芳;王廣發(fā);;慢性阻塞性肺病全球倡議慢性阻塞性肺病指南(2013更新版)解讀[J];中國醫(yī)學前沿雜志(電子版);2013年03期

3 陳建;王廣發(fā);;慢性阻塞性肺疾病全球倡議2011修訂版解讀[J];中國醫(yī)學前沿雜志(電子版);2012年01期

4 朋文佳;朱玉;何倩;王靜;;ARIMA乘積季節(jié)模型在細菌性痢疾月發(fā)病率預測中的應用[J];中國衛(wèi)生統(tǒng)計;2011年06期

5 練正秋;康凱;鄧琳;李族軍;;臨床報廢血液分析及防范措施芻議[J];中國輸血雜志;2011年11期

6 王莎莎;陳安;蘇靜;李碩;;組合預測模型在中國GDP預測中的應用[J];山東大學學報(理學版);2009年02期

7 劉曉冬;景睿;孟祥臻;王在翔;李向云;;ARIMA模型對中國人口死亡率預測的研究[J];中國衛(wèi)生統(tǒng)計;2008年06期

8 龔國勇;;ARIMA模型在深圳GDP預測中的應用[J];數(shù)學的實踐與認識;2008年04期

9 郝香芝;李少穎;;我國GDP時間序列的模型建立與預測[J];統(tǒng)計與決策;2007年23期

10 韓冬梅;牛文清;楊榮;;線性與非線性最優(yōu)組合預測方法的比較研究[J];情報科學;2007年11期

【相似文獻】

相關期刊論文 前10條

1 王春麗;劉興榮;;基于ARIMA模型的我國醫(yī)院就診人次預測分析[J];中國醫(yī)院管理;2011年12期

2 張韻慧;問瑜英;費紅艷;;基于ARIMA模型的國內藥品價格管制政策評估[J];中國衛(wèi)生經濟;2012年06期

3 黃晶;戴帥;仇麗霞;;ARIMA模型在嬰兒死亡率預測中的應用[J];中國預防醫(yī)學雜志;2014年03期

4 周水森;黃芳;沈毓祖;;ARIMA模型在瘧疾發(fā)病預測中的應用[J];中國病原生物學雜志;2007年04期

5 黎健;陳荔麗;陳樹珍;趙耐青;錢序;;應用ARIMA模型預測廣西孕產婦死亡率的可行性研究[J];復旦學報(醫(yī)學版);2008年06期

6 孔令巖;李輝;吳景文;甘啟蘆;胡茂紅;戚京城;;南昌市其他感染性腹瀉ARIMA模型的建立及應用[J];現(xiàn)代預防醫(yī)學;2013年17期

7 張晉昕,何大衛(wèi),王琳娜,王亞拉;ARIMA模型在醫(yī)院衛(wèi)生消耗材料需求量預測中的應用[J];中國醫(yī)院統(tǒng)計;1999年04期

8 陸波;閔紅星;扈學琴;閔佳;;ARIMA模型在流感發(fā)病預測中的應用[J];中國實用醫(yī)藥;2014年08期

9 鄭慶鳴;王鐵強;劉義;曾華堂;梅樹江;;ARIMA模型在預測2013年深圳市光明新區(qū)手足口病發(fā)病趨勢中的應用[J];職業(yè)與健康;2014年09期

10 倪宗瓚,巫秀美,姚樹祥,姜勇;應用ARIMA模型動態(tài)分析高危人群的肺癌發(fā)病率[J];數(shù)理醫(yī)藥學雜志;2001年04期

相關會議論文 前3條

1 梁杰麗;葉梧;黃昭文;徐興;馮穗力;;基于ARIMA模型的彩信業(yè)務量預測[A];通信理論與信號處理新進展——2005年通信理論與信號處理年會論文集[C];2005年

2 諸文兵;陳頗;何強;;基于ARIMA模型的我國體育用品制造業(yè)產品銷售收入預測研究[A];第二十屆全國高校田徑科研論文報告會論文專輯[C];2010年

3 李輝華;郭弘藝;唐文喬;顧樹信;黃少芳;沈林宏;魏凱;;ARIMA模型在預測長江靖江段沿岸魚類漁獲量時間格局中的應用[A];2008年中國水產學會學術年會論文摘要集[C];2008年

相關碩士學位論文 前10條

1 李雨蒙;基于ARIMA模型的遼寧港口運輸能力分析[D];南昌大學;2016年

2 單福生;基于小波分析和ARIMA模型的中國出口集裝箱運價指數(shù)預測[D];大連海事大學;2013年

3 李揚;ARIMA模型對我國壽險業(yè)潛在保費的預測研究[D];湖南大學;2006年

4 問瑜英;基于ARIMA模型的藥品價格管制政策評估[D];天津大學;2011年

5 劉斌;基于ARIMA模型的中國鋼鐵價格分析預測[D];遼寧工程技術大學;2006年

6 盧懷營;基于ARIMA模型的滬深300指數(shù)預測及期現(xiàn)套利的研究[D];蘇州大學;2013年

7 吳敬婷;基于ARIMA模型的畜產品價格預測系統(tǒng)的研究[D];東北農業(yè)大學;2012年

8 李春曉;基于ARIMA模型的股票市場并購套利異常收益的研究[D];云南師范大學;2014年

9 時照華;探索ARIMA模型在呼吸道傳染病疫情預測中的應用[D];安徽醫(yī)科大學;2013年

10 夏麗;基于ARIMA模型及回歸分析的區(qū)域用電量預測方法研究[D];南京理工大學;2013年

，

本文編號：2137714