现代疾病预防控制

2026, v.37(10) 751-755

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Archive) | 高级检索(Advanced Search)

自回归移动平均模型和移动流行区间法在南阳市布鲁氏菌病发病预测预警中的联合应用
Combined application of autoregressive integrated moving average model and moving epidemic method in prediction and early warning of brucellosis in Nanyang City

彭阳,张玉超,徐剑峰,杨俊涛,徐益人

摘要(Abstract):

目的 构建合适的时间序列预测联合模型对河南省南阳市布鲁氏菌病(布病)发病情况进行分析预测,为制定布病防控策略提供科学依据。方法 收集2015—2024年南阳市布病周发病数据,采用自回归移动平均(ARIMA)模型和移动流行区间法(MEM)联合进行分析预测。对时间序列的趋势和季节性特征进行分析,构建季节性自回归移动平均模型(SARIMA)开展短期趋势预测,筛选最优SARIMA模型,结合MEM界定布病流行阈值及强度分级。结果 2015—2024年南阳市共报告布病病例6 337例,时序存在稳定52周年度周期。SARIMA模型趋势分解显示,2015—2016年周均发病21.81例,处于10年间较高发病水平,2017—2020年明显下降,维持低位水平,周均发病降至6.11例,自2021年起长期趋势逐步回升,2021—2024年周均发病回升至13.32例。ARIMA(2,1,2)(0,0,1)[52]为最优预测模型,模型拟合效果良好,其短期预测误差处于可接受水平;2024年10周短期预测曲线与实际发病匹配度高,可提前识别发病上升拐点。MEM模型识别出布病流行起始阈值为18.24例,中等流行31.26例,高流行37.87例,极高流行49.22例,在强度水平上存在明显的年际变异性。结论 南阳市布病发病呈现明显的季节性波动和长期趋势变化,常态化防控与局部流行压力持续存在。ARIMA-MEM联合模型优于两个单模型应用效果。SARIMA模型的短期趋势预测能力与MEM模型的阈值分级与阶段判定功能相结合,可从不同时间尺度对布病流行风险进行评估,为区域布病疫情的分级监测与防控决策提供量化依据。

关键词(KeyWords): 布鲁氏菌病;发病预测;预警;ARIMA模型;MEM模型

Abstract:

Keywords:

基金项目(Foundation): 河南省医学科技攻关计划(LHGJ20250960);; 南阳市软科学研究计划(2022RKX074)

作者(Author): 彭阳,张玉超,徐剑峰,杨俊涛,徐益人

DOI: 10.13515/j.cnki.hnjpm.1006-8414.2026.10.006

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享