一、灰色模型在预测肺结核发病率中的应用（论文文献综述）
官陈平,傅发源,王依妹,刘必端,徐幽琼[1]（2021）在《灰色预测模型GM（1,1）在肺结核发病趋势预测中的应用》文中研究说明目的分析福州市肺结核流行特征,利用灰色预测模型GM（1,1）预测福州市肺结核的发病趋势,为制定有效的防控方案和合理支配公共卫生资源提供理论依据。方法建立GM（1,1）模型,运用Excel 2007和SPSS 18.0软件完成福州市2010—2019年肺结核历史资料的统计分析。结果福州市2010—2019年肺结核发病率为57.06/10万～38.73/10万,呈波动下降趋势,差异有统计学意义（χ2=470.841,P<0.05）。肺结核有明显的季节、地区和人群分布差异,每年的发病高峰均为1月（χ2=626.989,P<0.05）,发病率城市高于农村（χ2=3 288.761,P<0.05）,男性发病率高于女性（χ2=4 915.094,P<0.05）,60岁以上人群发病率较其他各年龄组发病率高（χ2=996.140,P<0.05）,职业高发为家务及待业占33.76%、农民占26.66%。在此基础上建立肺结核的GM（1,1）模型,对未来3年全市肺结核的发病趋势进行预测,结果显示α=0.022,μ=48.014,后验差比值C=0.130,小误差概率P=1.000,平均相对误差φ=4.416,模型拟合精度良好。结论 GM（1,1）模型可用于福州市肺结核发病率的短期预测,有较高的参考价值。
赵曜[2]（2021）在《云南省边境地区结核病流行特征与流行趋势预测研究》文中认为
杜杰琳[3]（2021）在《EMD-Elman组合模型在重庆市细菌性痢疾发病预测中的效果研究》文中研究表明目的细菌性痢疾（简称菌痢）是重大的全球公共卫生问题之一,若能对菌痢流行趋势进行准确预测,将对提高其防治工作的预见性与主动性起到一定的积极作用。经验模态分解（EMD）被认为是一类能够有效改善模型性能的分解处理方法。本研究针对菌痢周和月报告发病时序数据,构建基于EMD方法的组合模型,并进行模型比较,筛选最优预测模型,旨在探讨EMD方法在不同时间尺度下的适用性,以期为传染病预测提供一个新颖、合理的思路。方法收集整理2009年1月-2015年5月重庆市菌痢报告发病数据、人口数据及地理信息数据,采用描述性统计分析,概述其流行病学特征。基于周和月报告发病序列分别构建SARIMA、Elman神经网络模型、EMD-Elman组合模型和SARIMA-Elman组合模型,采用RMSE和MAPE指标评价模型预测性能。结果（1）2009-2014年,重庆市累计报告确诊或临床诊断菌痢病例52319例,年均报告发病率为29.78/10万,2009年报告发病率最高,达33.99/10万,总体呈波动下降趋势。其中,男性患者28189例,女性24130例,男女比例1.17:1;0～5岁儿童居多,占总人数的48.15%。6-10月为发病高峰,高发病率地区基本重合,主要为重庆市5个中心城区和渝东北的城口县。（2）基于月报告发病序列构建的5种模型中,EMD-Elman＿Month组合模型预测误差最小,其RMSE为22.66,相较于单项Elman神经网络降低39.00%。SARIMA-Elman＿Month2组合模型也能提升单项模型的预测精度,其RMSE相较于Elman神经网络降低14.80%。相反,SARIMA-Elman＿Month1组合模型没有起到模型优化的效果,其RMSE指标比Elman神经网络高25.64%。5种月序列模型的预测精度由高到低排序依次为:EMD-Elman＿Month>SARIMA-Elman＿Month2>Elman＿Month>SARIMA-Elman＿Month1>SARIMA＿Month。（3）基于周报告发病序列构建的5种模型中,EMD-Elman＿Week组合模型预测误差最小,其RMSE为8.94,较Elman神经网络降低53.59%。SARIMA-Elman＿Week1组合模型提升单项模型的预测精度效果不明显,其RMSE较Elman神经网络仅下降4.43%。类似地,SARIMAElman＿Week2组合模型未起到模型优化的效果,其RMSE指标比Elman神经网络高12.09%。5种周序列模型的预测精度由高到低排序依次为:EMD-Elman＿Week>SARIMA-Elman＿Week1>Elman＿Week>SARIMAElman＿Week2>SARIMA＿Week。结论（1）EMD方法对于传染病发病预测的预测性能提升具有重要意义,且具有稳健性,建议作为传染病发病预测的优化方案。（2）若以提升预测精度为主要目标,即可针对月报告发病数据进行中期预测模型构建;若侧重及时预警,则可考虑对周报告发病数据进行短期预测模型构建。（3）并非所有组合模型均能提升单一模型预测精度,在构建组合预测模型时模型组合方法和参与组合的模型选择需谨慎。
徐丹[4]（2021）在《2010-2018年内蒙古自治区肺结核流行特征分析及预测模型的建立》文中认为目的（1）通过收集内蒙古自治区2010-2018年肺结核月报告数据,对肺结核的总体情况、三间分布等流行病学特征进行描述分析。（2）根据历年数据构建SARIMA模型和SARIMA-GRNN模型,对2019年内蒙古自治区肺结核流行趋势进行预测并验证,为内蒙古自治区肺结核预警政策提供参考,同时为其他具有季节性特征的传染病数据分析提供理论依据。方法（1）通过中国疾病预防控制信息系统获取内蒙古自治区2010-2019年肺结核报告数据。（2）运用描述性流行病学方法分析内蒙古自治区2010-2018年肺结核总体趋势、三间分布等流行病学特征。（3）利用内蒙古自治区2010-2018年肺结核月报告率数据,采用R 4.0.3软件构建SARIMA模型,MATLAB 2020a软件构建SARIMA-GRNN模型,二者分别对2019年1-12月肺结核报告率进行预测和验证,通过MAE、MSE、RMSE、MAPE评估指标筛选出最优模型。结果（1）2010-2018年内蒙古自治区共报告肺结核病例138546例,年平均报告率为61.52/10万,肺结核报告率呈逐年下降趋势(χ2趋势=1818.80,P<0.001),报告分类涂阳病例46390例,占总报告病例的33.48%,涂阳报告率呈现明显下降趋势（χ2=2379.80,P<0.001）。（2）男性报告人数显着高于女性,性别比1.95:1,9年间男女报告率差异均有统计学意义（P<0.001）;高发人群为中老年,病例主要集中在50-59岁和40-49岁年龄组;按职业分类,农民报告病例数最多占58.49%,家务及待业占比13.92%,牧民占比5.12%,学生占比4.29%;报告趋势呈现明显的季节性波动和周期性波动,3月至7月为一个报告高峰,11月至次年的1月为第二个高峰,3月份病例数最多,为14617例,占全部报告病例的10.55%;报告高峰地区为东部地区,报告率相对较高的盟市有兴安盟（80.78/10万）、阿拉善盟（75.08/10万）、通辽市（73.62/10万）,相对较低的盟市有乌海市（43.41/10万）、包头市（39.93/10万）、呼和浩特市（34.41/10万）。（3）运用2010-2018年肺结核月报告率构建单一SARIMA（2,1,0）（0,1,1）12模型和SARIMA-GRNN组合模型,对2019年各月报告率进行预测并验证,通过MAE、MSE、RMSE、MAPE评估指标比较二者模型精度,SARIMA-GRNN组合模型的各项指标结果要优于单一SARIMA模型,最终选取预测内蒙古自治区肺结核报告情况的模型为SARIMA-GRNN组合模型。结论（1）2010-2018年内蒙古自治区肺结核报告率呈逐年下降趋势,高发人群为中老年、男性、农民,报告高峰在春夏季,东部地区为肺结核高发地区。（2）SARIMA-GRNN组合模型回代拟合和短期预测效果较单一SARIMA（2,1,0）（0,1,1）12模型好,选取其用于内蒙古自治区肺结核报告情况的预测研究。
张赢赢[5]（2020）在《基于ARIMA-SVR的肺结核发病人数预测》文中研究说明肺结核是由结核分支杆菌引起的肺部慢性传染病,飞沫传播是主要的传播途径。现代结核病控制策略中最根本和最有效的措施是有效提高肺结核患者的发现率和治愈率。准确预测肺结核发病率,制定合理的发现率目标和高危季节,具有极为重要的现实意义。肺结核的发展趋势呈现出线性与非线性相结合的特点。考虑支持向量机回归模型（SVR）处理小样本数据的优势和差分自回归移动平均（ARIMA）拟合周期性数据的特点,本文利用ARIMA预测模型、SVR预测模型、ARIMA-SVR串联模型、ARIMA-SVR并联预测模型对全国肺结核月发病趋势进行拟合。利用2009-2018年肺结核发病数据拟合肺结核发病趋势选出最优模型,预测2019-2020年肺结核月发病人数,为全国肺结核防控工作提供参考依据和模型建议。首先,本文叙述了有关肺结核的研究背景与意义、国内外研究现状以及常见传染病预测模型的预测能力,同时详细阐述时间序列线性预测模型、支持向量机非线性预测模型的理论基础和建模步骤。然后,本文以2009-2017年全国肺结核月发病数为训练集,2018年全国肺结核月发病数为测试集建立预测模型,预测2019-2020年全国肺结核发病趋势。以ARIMA线性预测模型、SVR非线性预测模型、ARIMA-SVR串联组合模型、ARIMA-SVR并联组合模型拟合全国肺结核发病趋势,利用遗传算法（GA）和粒子群算法（PSO）进行参数调优。采用RMSE、MAE、MAPE三个综合指标描述模型综合预测精度,绝对误差AE,相对误差RE两种单一误差描述具体样本数据预测效果。结果显示ARIMA（1,1,1）（2,0,0）12模型预测综合误差指标MAE（28）4492.1 16,MAPE（28）.5000%,RMSE（28）5748.5 83。SVR最优模型PSO-RBF-SVR模型预测综合误差指标MAE（28）3531.279,MAPE（28）3.82%,RMSE（28）5409.772。ARIMA-SVR并联模型预测综合误差指标MAE（28）2758.3 64,MAPE（28）.310%,RMSE（28）4452.7 75。ARIMA-SVR串联模型预测综合误差指标MAE（28）4492.1 15,MAPE（28）.4996%,RMSE（28）5748.3 06。综上ARIMA-SVR并联组合模型拟合精度最高。ARIMA-SVR并联组合模型有效的结合了时间序列线性预测与支持向量机非线性预测的优点,在ARIMA模型基础上提高38%的预测精度,在SVR模型基础上提高18.42%的预测精度。由此可知,预测全国肺结核月发病人数趋势时,ARIMA-SVR并联组合模型预测能力优于线性模型预测与非线性模型单独效果且PSO调参效果优于GA算法。最后,本文总结了当前肺结核流行趋势、模型预测结果与可行性,指出我国目前存肺结核发病率下降缓慢,公众肺结核知识知晓率低等问题,提出春季节加大防控力度和利用ARIMA-SVR并联模型进行中短期预测等建议,同时指明本文研究内容的不足与展望。
陈新邦[6]（2019）在《驻苏某系统传染病流行趋势及预测的研究》文中进行了进一步梳理研究目的:传染病直至今日仍在对人类健康造成危害。近年来,江苏某系统按照“预防为主,防治结合”方针为指引,传染病防治获取了一定成绩,但位居该系统传染病发病率前3位的肺结核、水痘、病毒性肝炎仍需重点预防和控制。对传染病进行预警预测,可以了解掌握传染病的发生规律,看清传染病发展趋势,也为下一步制定预防控制策略、措施提供支持。有必要选择适当的数学模型,预测主要传染病的发病规律,结合卫生队伍现状,提出解决对策。研究方法本研究综合该系统2005-2016年传染病疫情资料、江苏省2014-2016年传染病疫情资料,及一线公卫从业人员相关信息进行如下研究:（1）借助描述流行病学方法描述传染病总发病率的流行态势,3种主要传染病（肺结核、水痘、病毒性肝炎）的流行态势及时间、空间分布特征,对2014-2016年此系统与江苏省主要传染病流行趋势进行比较。（2）分别建立ARIMA、指数平滑、GM（1,1）、指数曲线模型,预测3种传染病的发病例数及发病率;用平均误差率（MER）及决定系数（R2）等2个指标评价拟合效果及预测精度;借助残差值评估点预测的精确度。而后,遴选拟合效果和预测精度最优模型,预测3种传染病2017年发病例数及发病率。（3）借助描述流行病学方法描述该系统医疗卫生机构一线公共卫生从业人员队伍现状。主要结果:1.主要传染病发病概况。江苏该某统人群传染病总发病率呈下降态势,总发病率由150.46/10万（2006年）降至80/10万左右（2012年）。传染病构成变化显着,肠道传染病占比稳步下降,2013年后降至个位数（7.74/10万）;呼吸道传染病占比稳步上升,由2006年45.77%上升到超过80%（2012年）,并已经取代肠道传染病成为该系统最主要的传染病,自然疫源性疾病占比基本平稳。11年间,肺结核的发病率在2006-2016年间基本呈线性下降态势,从2006年的38.48/10万稳步下降至2016年的26.26/10万;从时间分布看,其发病率呈现季节波动性,夏秋季节发病率稍高;从空间分布看,肺结核发病率在南京、徐州等市稍高,其他城市稍低;从人群间分布看,20岁以下及61岁以上年龄组发病率高于其它年龄组,从业时间短的人群发病率高于从业时间长人群,职工发病率明显高于其它身份类别组发病率。水痘的发病率在2006-2010年间维持平稳,约在25.00-30.00/10万之间,2011年降到最低点,2013年后维持高位;从时间分布看,水痘发病率具有季节性发病特点,冬春季节高于夏秋季节;从空间分布看,水痘发病率在南京、徐州等市稍高,其他城市稍低;从人群间分布看,水痘发病率随年龄增大、从业时间增加呈现降低趋势,且职工水痘发病率明显高于其它身份类别组发病率。2006-2011年,病毒性肝炎发病率呈逐年下降态势,2012年以后基本保持稳定,维持在3.57/10万-5.76/10万之间;从时间分布看,其季节波动性特点不显着;从空间分布看,南京、徐州等市病毒性肝炎发病率高于其它城市;从人群间分布看,61岁以上年龄组病毒性肝炎发病率稍高,病毒性肝炎发病率与从业时长无明显关联,学员及其他人员病毒性肝炎发病呈散在发生状态。2.肺结核发病率拟合预测。建立的模型中,ARIMA、指数平滑模型有效,可以预测月发病趋势;ARIMA模型有效,可以预测肺结核季发病趋势,而指数平滑模型无法预测;GM（1,1）、指数曲线模型均可以预测肺结核年发病趋势。月发病趋势预测方面,ARIMA、指数平滑模型拟合的MER分别为9.35%、10.28%,R2分别为0.81、0.80,ARIMA模型拟合效果及预测精度较高。季发病趋势预测方面,ARIMA模型拟合的MER、R2分别为5.48%、0.73,拟合效果和预测精度好于指数平滑模型。年发病趋势预测方面,GM（1,1）、指数曲线模型拟合的平均误差率（MER）分别为1.47%、1.80%,R2分别为0.98、0.97;预测2016年肺结核发病率点预测残差分别为0.39/10万、0.47/10万,可见GM（1,1）模型拟合效果及预测精度较高。利用ARIMA模型分别预测2017年肺结核月发病率及季发病率,结果显示,2017年1-12月肺结核发病率为1.72/10万、1.46/10万、2.01/10万、2.26/10万、2.31/10万、2.50/10万、2.62/10万、2.65/10万、2.20/10万、1.82/10万、1.88/10万、1.59/10万,相交2016年月发病率,呈稳中下降趋势;2017年1-4季度肺结核发病率为5.88/10万、7.75/10万、8.10/10万、5.90/10万,相较2016年季发病率,基本保持平稳。利用GM（1,1）模型预测肺结核2017年发病率,结果显示,2017年发病率为24.87/10万,稍微有所降低。3.水痘发病率拟合预测。建立的模型中,ARIMA、指数平滑模型有效,可以预测月发病趋势;ARIMA模型有效,可以预测季发病趋势,但指数平滑模型无法预测;GM（1,1）、指数曲线模型均无效,不能预测年度发病趋势。月发病趋势预测方面,ARIMA模型、指数平滑模型合的MER分别为28.59%、32.40%,R2分别为0.57、0.64,可见,两种预测模型拟合效果和预测精度均不好。季发病趋势预测方面,ARIMA模型拟合的MER、R2分别为22.61%、0.81,拟合效果和预测精度不好。借助ARIMA模型分别预测水痘2017年月发病率及季发病率,结果显示,2017年1-12月水痘月发病率为3.13/10万、2.03/10万、1.94/10万、5.17/10万、4.07/10万、1.94/10万、3.99/10万、2.12/10万、2.54/10万、0.76/10万、2.54/10万、1.35/10万,相较2016年月发病率,基本保持平稳;2017年1-4季度水痘发病率为6.26/10万、6.97/10万、6.59/10万、5.18/10万,相较2016年季发病率,呈稳中下降态势。4.病毒性肝炎发病率拟合预测。建立的模型中,ARIMA、指数平滑模型均无效,无法预测月发病趋势;ARIMA模型有效,可以预测季发病趋势,而指数平滑模型无法预测;GM（1,1）、指数曲线模型有效,可以预测年发病趋势。季发病趋势预测方面,ARIMA模型拟合的平均误差率（MER）、R2分别为117.89%、-0.40,拟合效果及预测精度不高;年发病趋势预测方面,GM（1,1）、指数曲线模型拟合的MER分别为71.44%、48.20%,R2为0.49、0.76;预测2016年病毒性肝炎发病率点预测残差值为2.99/10万、2.01/10万,可见指数曲线模型拟合效果和预测精度稍好,但也不够理想。借助指数曲线模型预测2017年病毒性肝炎发病率,结果显示,2017年病毒性肝炎发病率为1.70/10万,与2016年相比,呈下降趋势。5.与江苏省主要传染病发病情况比较。除病毒性肝炎、肺结核、以及梅毒等3种传染病外,该系统主要传染病的发病情况与江苏省主要传染病发病情况无统计学差异。从传播途径分类看,呼吸道传染病、自然疫源性传染病两者无统计学差异,肠道传染病、其他传播途径传染病差异显着;呼吸道传染病在不同传播途径传染病构成比中均占据第一位,江苏省肠道传染病发病率明显高于该系统肠道传染病。6.公卫人员队伍建设现状。二级疾控机构从业人员能力素质较高,符合该系统制定的相关标准。而三级疾控机构人员能力素质偏弱,多数指标尚未达到该系统制定的相关标准,特别是流病人员中专以下学历占13.2%,无职称人员的比例占18.3%,0人曾主持过或获得过国家级、大单位（省部）级科研课题或科研奖项,在5年内发表论文人员数比例低于15%,60%以上的人不会写作,超过60%以上的人不能进行数据分析。研究结论:1.多年来,该系统传染病总发病率总体下降,但呼吸道传染病发病率占比稳步上升,已占总发病率第1位,因此,呼吸道传染病应作为防控重点,盯住重要时段、重点人群,深化现有传染病防控策略。2.肺结核及水痘月、季发病趋势预测方面,ARIMA模型拟合效果均好于指数平滑模型;病毒性肝炎月及季发病预测方面,ARIMA、指数平滑模型拟合效果均不够良好。肺结核年发病趋势预测方面,指数曲线及GM（1,1）模型拟合效果都比较良好;水痘年发病趋势预测方面,指数曲线及GM（1,1）模型拟合效果都不太理想;病毒性肝炎年发病预测方面,指数曲线模型拟合效果和预测精度比GM（1,1）模型好。各自选用最优模型预测,肺结核、水痘未来发病呈现稳中有降,病毒性肝炎维持在较低水平,且继续呈下降趋势。3.该系统江苏人群传染病发病率在一定程度上与地方人群传染病状况密切相关。因此要动态掌握地方疫情信息,加强针对性做好预防管控。4.三级疾控机构人员能力素质较弱,多数指标达不到该系统制定的相关标准,需要进行加强。
邓亚利,张英,刘新文,陈之源,王玥,周玉兰,常玉雪,向阳[7]（2018）在《灰色模型在新疆生产建设兵团结核病流行趋势预测中的应用》文中研究指明目的通过灰色模型预测新疆生产建设兵团（以下简称"兵团"）地区肺结核报告发病趋势,为制定结核病的防控措施提供依据。方法根据2005—2016年兵团肺结核报告发病率资料,采用一个变量的一阶微分方程GM（1,1）模型,做矩阵运算,以进行预测。通过Excel和MATLAB计算机软件建立数学模型进行预测。结果 2016—2018年预测值分别为58.42/10万、53.56/10万、49.10/10万,其中2016年实际发病率为58.25/10万,预测值与实际值的残差为0.17。数据后验差比值为0.29,残差百分率平均为4.51%,预测精度为95.49%,模型拟合效果优秀。结论本研究预测值与兵团历年结核病发病率的总体下降趋势相符合,对兵团未来3年结核病发病率的预测值是一个基于模型的理想值,可能会与实际值有所差距,但可以为兵团卫生行政部门制定结核病预防和控制策略提供有价值的预测理论依据。
饶华祥[8]（2017）在《基于时空聚集面板模型的肺结核病高危区域探测及影响因素研究》文中进行了进一步梳理目的:针对疾病发病水平的监测数据存在时间、空间自相关性和空间异质性的特点,采用时空统计分析方法和空间计量经济模型,对青海省肺结核病监测数据和地区主要社会经济指标及气象因子数据,在生态学层面开展肺结核病系统研究,准确探测发病高危区域和定量分析影响发病率的相关社会环境因素,并借助气象因子的变化,对发病率进行合理预测。通过本研究探讨空间地理信息系统、时空聚集性分析方法和空间计量经济模型在具有时空属性的传染病监测数据挖掘中的应用价值,为类似研究提供分析思路和方法学参考,也为政府决策提供科学依据。方法:通过中国疾病预防控制信息系统收集青海省肺结核病发病资料,《青海省统计年鉴》收集青海省人口学资料和相关社会因素及气象因素资料,开展如下研究:1、采用流行病学“三间”分布描述、集中度法、圆形分布法、季节指数法和三维趋势分析等方法对2009-2013年青海省肺结核病流行病学特征进行分析。2、针对传染病监测数据时空不独立性,采用Moran’s I和Getis-Ord G空间自相关分析以及Sa TScan时空扫描分析对2009-2013年青海省县级水平肺结核病空间、时间以及时空聚集特征进行分析,对发病高危聚集区域及范围进行准确探测,并评价其风险强度。3、针对横截面数据空间分布非独立,采用Moran’s I空间自相关分析和空间截面回归模型,对2011年和2013年青海省各县级行政区域肺结核病年发病率与政府医疗卫生支出（千元/人）、教育支出（千元/人）、医疗机构床位数（张/千人）、医疗机构人员配备情况（人/千人）、农村居民人均纯收入（千元）以及人均GDP（万元）等6项社会指标关系进行双变量空间自相关分析和回归分析,研究社会因素的空间聚集特征,以及在扣除邻近地区发病率的影响后,定量探讨影响肺结核病年发病率的社会因素。4、由于肺结核病发病具有一定的季节特征,气象因素和前期发病率可能对本地区发病率的影响存在时间滞后性,以及邻近地区间发病率的相互影响,以2009-2013年青海省各市（州）肺结核病月发病率数据为应变量,同期到6个月滞后间隔的月平均气温（°C）、降水量（mm）、日照总时数（hours）、平均风速（m/s）和发病率为自变量,进行不同滞后间隔的面板数据模型回归分析,探讨气象因素对发病率影响的最佳滞后期;利用F检验、Hausman检验、误差项Moran’s I检验以及拉格朗日乘数（LM）检验确定最优分析模型,定量分析影响肺结核病月发病率的气象因素。5、利用上述气象因素与发病率的最佳滞后期空间面板数据模型进行发病率预测时,由于自变量中包含着邻近地区同期发病率,故尝试采用专家建模器对预测时段各地区发病率进行预估,再利用空间面板数据模型对各地区发病率进行预测,评价预测精度,比较专家建模器联合空间面板数据模型的预测效果;探讨联合模型进行发病率短期预测的可行性和可靠性。结果:1、青海省肺结核病年均报告发病率为98.26/10万,明显高于全国平均水平,且近年有略微上升趋势;中老年人群发病率最高,其次为青壮年;男性高于女性,新发病例以农牧民为主;具有明显的周期性和微弱的季节性,发病高峰主要集中在3-5月;南北方向呈北低南高的弧形变化趋势,东西方向呈明显的倒“U”型。2、全局空间自相关Moran’s I和General G值均大于期望值,取值范围分别为0.398-0.581和0.029-0.034,表明肺结核病年发病率地区分布存在明显的高发地区聚集倾向;Sa TScan时空扫描分析结果显示青海省肺结核病在时间、空间以及时空上存在明显的高发病风险聚集性,时空一类聚集区域位于青海省西南部,中心位置在囊谦县（东经96.12°,北纬32.17°）,覆盖囊谦县、玉树市和杂多县等8个县（市）,聚集半径为421.00Km,发病高峰期为2012年1月到2013年6月,相对危险度（RR）为4.58;叠加分析显示,以RR>2作为判断标准比较合理,高危聚集区域主要集中在青海省西南部的玉树和果洛州所辖12个县（市）。3、双变量Moran’s I空间自相关分析显示2011年医疗机构床位数、医疗机构人员配备情况、农村居民人均纯收入和人均GDP共4项社会指标与肺结核病年发病率间均具有统计学意义（P<0.05）,提示以上社会因素可能影响地区发病水平;以发病率对数值建立的普通最小二乘回归显示回归残差不独立（Moran’s I=0.16,P<0.05）,而依据LM检验,空间滞后模型为最佳模型,该模型显示:空间自相关系数r=0.4041,说明相邻区域的发病率存在空间外溢现象（空间自相关性）,即当其它影响因素固定不变时,相邻地区肺结核病年发病率每增加9倍,本地区年发病率将增加1.54倍;在扣除了发病率的空间自相关性后,农村居民人均纯收入是影响肺结核病年发病率的主要社会因素,b=-0.0657,即农村居民人均纯收入每增加1千元,本地区肺结核病年发病率将降低14%;空间截面回归模型与普通最小二乘回归模型相比,回归系数绝对值有所下降（-0.0657 vs-0.0883）,说明充分考虑了发病率的空间自相关性后,估计结果更为合理,而传统回归模型没有考虑空间自相关性,夸大了社会因素的作用。2013年分析结果与2011年结果一致。4、面板数据模型分析结果显示气象因素对发病率的影响存在3个月的滞后期;发病率对数转换构建的固定效应模型（F=193.90,H=10.41,P<0.05）显示回归残差不独立（Moran’s I=0.20,P<0.05）,而依据LM检验,空间滞后固定效应面板数据模型为最佳模型,该模型显示:不同地区截距项不同,体现了发病率的空间异质性;空间自相关系数r=0.3017,说明相邻区域的月发病率存在空间外溢现象,即相邻地区肺结核病月发病率每增加9倍,本地区月发病率将增加1倍;相比气象因素而言,当前发病率对滞后3个月的发病率影响更明显;在扣除了发病率的空间自相关性、空间异质性以及前期发病率的影响后,平均气温和降水量是影响滞后3个月发病率的主要气象因素;当前发病率每增加9倍,滞后3个月的发病率将增加36%,平均气温每升高10°C,滞后3个月的发病率将降低9%,降水量每增加2cm,滞后3个月的发病率将降低3%;与空间截面回归模型类似,空间面板数据模型与传统回归模型相比,估计结果也更为合理。5、2013年10-12月各地区发病率时间序列专家建模器预测相对误差为0.90%-136.14%,平均相对误差为28.99%;专家建模器联合空间面板数据模型预测相对误差为0.17%-94.20%,平均相对误差为21.09%;2014年1-3月平均相对误差分别为26.60%和19.79%;专家建模器联合空间面板数据模型的预测精度明显提高。结论:本研究首次采用时空统计分析方法和空间计量经济模型,从生态学角度对青海省肺结核病监测数据进行了详细探讨,得出如下结论:1、针对传染病监测数据时空非独立性特点,空间自相关分析和时空扫描分析是疾病时空聚集特征和高危区域探测的理想分析方法,准确探测出了青海省肺结核病高危聚集区域主要集中在该省西南部,最大危险区以玉树市为中心,r=259Km,覆盖玉树、囊谦、称多、杂多、玛多和曲麻莱等6县（市）,RR=3.77。2、考虑到发病率的时空属性,空间截面回归模型和空间面板数据模型是生态学影响因素研究的理想分析模型,在公共卫生领域具有广泛应用价值。扣除发病率的时空影响后,农村居民人均纯收入、气温以及降水量是影响地区肺结核病发病率的主要社会环境因素。3、相比单纯时间序列专家建模器预测,专家建模器联合空间面板数据模型的预测策略,在考虑了邻近地区间发病率的相互影响以及气象因子的作用后,预测精度明显提高,可应用到实际工作中发挥预警作用。通过本研究既为青海省肺结核病防控措施的合理制定提供了理论依据,也为具有时空属性特征数据的研究提供了分析思路和方法学参考。
刘建华[9]（2017）在《手足口病发病趋势预测及传播动力学模拟研究》文中提出目的深入研究和了解手足口病的流行病学特征和病毒分布特征及危险因素,预测和掌握该病的流行趋势及规律,对于更好的防控手足口病,保护学龄前儿童身心健康,完善防控手段和制定防控策略具有重要意义。方法1.利用GIS软件绘制县级地区发病率分布情况图。利用Geocoding软件对所有报告病例进行经纬度定位,再导入GIS软件开展核密度分析,绘制核密度和点密度图。2.开展个体危险因素和群体危险因素现场调查,利用Epidata软件建立数据库,再利用SAS统计软件进行多因素Logistic逐步回归分析,并计算相关危险因素的OR值及95%可信区间,筛选个体及群体危险因素。3.依据2008年～2016年手足口病各月发病率数据,利用ARIMA模型进行建模和预测,产出线性预测序列和残差序列。依据残差数据序列,利用NARNN模型进行建模和预测,进一步产出残差预测序列。再将两者结果进行综合,最终形成发病率预测结果序列。4.根据2008～2016年各月发病率特征,按照发病率高低将手足口病月发病率（1/10万）划分为3个状态（发病率<7.5;7.5≤发病率<10;发病率≥10）。再建立马尔科夫链模型计算预测区间转移概率,得出2017年各月发病率所处状态预测结果。5.利用传播动力学方法建立SIR模型,结合全局敏感性和不确定性分析考察各因素间影响程度,利用Matlab软件实现疫情模拟计算过程,从而判断疫情走势。结果1.流行特征方面:宜昌市2008～2016年间共报告手足口病病例37988例,报告发病率总体呈锯齿状,偶数年发病率较高而奇数年较低。全年发病呈4～6月和11～12月双高峰。长江水系流经乡镇和非流经乡镇的月累计报告发病数差异有统计学意义（X2=117.93,P<0.0001）。报告病例点密度分析集中趋势同各县级累计报告病例数占总病例数的百分比结果一致,排名前三位的地区为西陵区、夷陵区和宜都市。人群不同性别（X2=30.90,P<0.0001）、类别（X2=52.99,P<0.0001）和年龄（X2=4.06,P=0.0440）分布差异具有统计学意义。九年间检测阳性3162例,其中EV71病毒感染2226例,占实验室检测病例数的70.40%;CoxA16病毒感染454例,占14.36%;其他肠道病毒感染482例,占15.24%。EV71病毒检测阳性病例核密度分布主要集中于宜昌市城区和夷陵区晓溪塔街道。其他肠道病毒检测阳性病例主要集中于秭归县茅坪镇和长阳县龙舟坪镇。CoxA16病毒分布范围较EV71病毒最广,主要集中于宜昌市城区和兴山县古夫镇。2.个体危险因素分析方面:居住在低层（1～3层）为患病者的保护因素（OR=0.698）。居住地周边有公共厕所是患病者的危险因素（OR=1.294）。通过传统媒体了解疫苗信息（OR=2.785）,手足口病知识知晓情况评分为0分是不患病者的危险因素（OR=2.535）。人工喂养方式（OR=1.837）,身体状况良好（OR=3.573）是不患病者的危险因素。参加课外学习班,能独立排便者,有家族史者,有过敏史者,共用水杯者,啃咬手指者,最近10天去过长途汽车或者火车站者以及最近10天去过商场超市者是手足口病不患病者的保护因素,其OR值分别为0.648、0.473、0.315、0.568、0.670、0.566、0.492 和 0.802。3.群体危险因素分析方面:教职工人数与幼儿数配比高于1:5标准,教职工人数与幼儿数配比在1:5～1:7标准范围内,幼儿园配备医务室以及幼儿园有专车接送学生者是手足口病发病率较低地区的保护因素,其OR值分别为0.079、0.193、0.175和0.101。公共厕所有灭蝇蛆措施和粪池加盖者是手足口病发病率较低地区的危险因素,其OR值分别为14.346和10.629。4.预测和模拟方面:根据拟合优度（BIC=3.022）和LB统计量（P=0.334）选定最优模型为ARIMA（1,0,5）×（1,1,0）12。ARIMA模型预测结果同实际值之间存在一定差异,但对发病高峰等基本趋势预测相符。根据均方误差、相关系数（R=0.89251）最终确定隐含层神经单元数为15,时延数为5时的NARNN模型最优。ARIMA-NARNN组合模型预测结果进一步显示发病呈总体下降趋势。从马尔科夫模型对2017年发病率状态预测结果看,各月发病率落在低发病率状态区间的概率较大。不确定性分析结果显示在k～β（2,7）时,理想状态下和考虑群体影响因素时疫情会持续蔓延的可能性分别约为98.75%和98.44%；k～β（0.5,10）时可能性约为78.75%和80.31%；Ｋ～β（0.2,15）时可能性约为45.78%和45.31%。在理想状态下,若不采取任何防控措施时,经过约30个单位时间感染者数量快速攀升至峰值;随着防控措施落实程度加强,高峰出现推迟,且峰值下降迅速。在考虑群体影响因素时,防控措施对峰值出现时间（150～200个单位时间之间）影响不大,但防控措施越严密其峰值就越小。结论1.宜昌市手足口病发病周期性明显且存在地域上的相对集中趋势。2.影响宜昌市发病的个体危险因素复杂多样,个体差异、环境因素、行为因素和认知因素共同构成发病原因集合。3.群体危险因素对手足口病发病的影响可能通过教职工、医务室、校车以及园内公共厕所等关键节点实现。4.宜昌市2017年手足口病呈总体下降趋势,发病率将可能处在较低的状态。暴发疫情模拟显示,群体因素及防控时机对疫情态势影响较大,但接触不是传播的唯一因素。数据质量较高时可用ARIMA建模预测;资料质量难把握时,组合模型可能更优。区间划分得当则马尔科夫链模型可实现急性传染病短期趋势预测。GSUA方法和SIR结合,可更好的认识和把握疾病流行特征、关键控制节点以及发展态势,为防控提供有用信息。创新点1.利用GIS方法开展分析,较好把握了手足口病的流行特征和集中趋势。2.群体与个体因素研究的结合,弥补了手足口病在一般个体及群体危险因素调查上的缺失和不足。3.从宏观和微观角度分别建模开展预测和模拟,全面深入地探讨了手足口病的发生和发展过程及趋势。局限性1.若能进一步开展随访观察,应能更好的解释研究结果。2.不同地区社会、经济和人文等因素存在差异,结果外推需谨慎。3.若能结合实验室检测查明血清型和病毒亚型,将为防控策略制定提供更多科学依据。
廖如珺[10]（2017）在《猩红热流行病学研究概况及应用的统计分析方法》文中研究表明通过对猩红热流行病研究情况及应用的相关统计方法进行综述,了解目前猩红热的流行特征及趋势预测,为制定防控策略、开展传染病网络直报督导调查提供参考。
二、灰色模型在预测肺结核发病率中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、灰色模型在预测肺结核发病率中的应用（论文提纲范文）
（1）灰色预测模型GM（1,1）在肺结核发病趋势预测中的应用（论文提纲范文）
| 1 资料与方法 |
| 1.1 资料来源 |
| 1.2 方法 |
| 1.3 根据灰色预测理论建立GM(1,1)模型 |
| 2 结 果 |
| 2.1 肺结核流行现状 |
| 2.1.1 概况 |
| 2.1.2 时间分布特征 |
| 2.1.3 地区分布特征 |
| 2.1.4 年龄、性别分布特征 |
| 2.1.5 职业分布特征 |
| 2.2 GM(1,1)模型预测结果 |
| 2.3 拟合精度检验结果 |
| 3 讨 论 |
（3）EMD-Elman组合模型在重庆市细菌性痢疾发病预测中的效果研究（论文提纲范文）
| 英汉缩略语名词对照 |
| 摘要 |
| abstract |
| 前言 |
| 1 材料与方法 |
| 1.1 数据来源 |
| 1.2 研究方法 |
| 1.2.1 描述性流行病学分析 |
| 1.2.2 SARIMA模型 |
| 1.2.3 Elman神经网络模型 |
| 1.2.4 经验模态分解原理 |
| 1.2.5 组合预测模型 |
| 1.2.6 统计分析与模型评估 |
| 2 结果 |
| 2.1 重庆市菌痢流行特征分析 |
| 2.2 基于月数据构建预测模型 |
| 2.2.1 SARIMA模型拟合 |
| 2.2.2 Elman神经网络模型拟合 |
| 2.2.3 基于数据预处理的EMD-Elman组合模型构建 |
| 2.2.4 基于误差修正的SARIMA-Elman组合模型构建 |
| 2.2.5 基于权重分配的SARIMA-Elman组合模型构建 |
| 2.2.6 月数据构建的模型预测精度比较 |
| 2.3 基于周数据构建预测模型 |
| 2.3.1 ARIMA模型拟合 |
| 2.3.2 Elman神经网络模型拟合 |
| 2.3.3 基于数据预处理的EMD-Elman组合模型构建 |
| 2.3.4 基于误差修正的ARIMA-Elman组合模型构建 |
| 2.3.5 基于权重分配的ARIMA-Elman组合模型构建 |
| 2.3.6 周数据构建的模型预测精度比较 |
| 2.4 所有模型的预测精度比较 |
| 3 讨论 |
| 3.1 重庆市菌痢流行特征 |
| 3.2 EMD方法在菌痢发病预测中的应用 |
| 3.3 不同时间尺度预测模型比较 |
| 全文总结 |
| 研究的特色与不足 |
| 参考文献 |
| 文献综述 组合预测方法概述及其在传染病预测中的应用 |
| 综述参考文献 |
| 致谢 |
| 硕士期间发表论文 |
（4）2010-2018年内蒙古自治区肺结核流行特征分析及预测模型的建立（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 前言 |
| 1.材料与方法 |
| 1.1 数据来源 |
| 1.2 诊断标准 |
| 1.3 纳入与排除标准 |
| 1.4 研究方法 |
| 1.5 评估指标 |
| 1.6 统计软件 |
| 1.7 技术路线 |
| 2.结果 |
| 2.1 内蒙古自治区肺结核流行概况 |
| 2.2 内蒙古自治区肺结核流行病学特征分析 |
| 2.3 SARIMA模型 |
| 2.4 SARIMA-GRNN模型 |
| 2.5 模型预测效果评价 |
| 3.讨论 |
| 3.1 内蒙古自治区肺结核报告概况 |
| 3.2 内蒙古自治区肺结核流行病学特征分析 |
| 3.3 预测模型的研究 |
| 4.结论 |
| 4.1 研究结论 |
| 4.2 创新与不足 |
| 参考文献 |
| 文献综述 结核病流行特征及预测分析 |
| 参考文献 |
| 缩略语表 |
| 攻读学位期间发表文章情况 |
| 个人简历 |
| 致谢 |
（5）基于ARIMA-SVR的肺结核发病人数预测（论文提纲范文）
| 摘要 |
| Abstract |
| 1.绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 国内外肺结核研究现状 |
| 1.4 研究内容及框架 |
| 2.传染病预测方法 |
| 2.1 传统统计学预测方法 |
| 2.2 新型机器学习预测方法 |
| 2.3 智能组合模型预测方法 |
| 2.4 预测指标评价体系 |
| 3.时间序列预测模型 |
| 3.1 时间序列模型 |
| 3.2 ARIMA模型的建模步骤 |
| 3.3 ARIMA预测模型 |
| 4.支持向量机预测模型 |
| 4.1 VC维理论 |
| 4.2 风险最小化理论 |
| 4.3 最优超平面 |
| 4.4 支持向量机回归 |
| 4.5 SVR预测模型 |
| 5.组合模型应用 |
| 5.1 ARIMA-并联组合预测模型 |
| 5.2 ARIMA-串联组合预测模型 |
| 5.3 最优模型预测 |
| 6.讨论 |
| 6.1 肺结核流行趋势 |
| 6.2 模型预测结果与可行性 |
| 6.3 建议 |
| 6.4 展望与不足 |
| 参考文献 |
| 致谢 |
（6）驻苏某系统传染病流行趋势及预测的研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 缩略词中英文对照 |
| 绪论 |
| 资料和方法 |
| 1.1 资料来源和质量控制 |
| 1.2 分析方法 |
| 1.3 统计分析软件 |
| 第一章 传染病流行概况分析 |
| 2.1 2006-2016年传染病流行概况 |
| 2.2 2006-2016年三种主要传染病发病情况 |
| 2.3 2014-2016年与江苏省主要传染病流行趋势的比较 |
| 2.4 讨论 |
| 本章小结 |
| 第二章 三种主要传染病的发病预测 |
| 3.1 肺结核 |
| 3.2 水痘 |
| 3.3 病毒性肝炎 |
| 3.4 讨论 |
| 本章小结 |
| 第三章 该系统公共卫生从业人员能力分析 |
| 4.1 基本情况 |
| 4.2 工作能力 |
| 4.3 实践能力 |
| 4.4 讨论 |
| 本章小结 |
| 参考文献 |
| 综述:传染病预测方法研究进展 |
| 参考文献 |
| 致谢 |
（7）灰色模型在新疆生产建设兵团结核病流行趋势预测中的应用（论文提纲范文）
| 1 资料与方法 |
| 1.1 资料来源 |
| 1.2 研究方法 |
| 1.3 建模过程 |
| 1.3.1 灰色模型的建立 |
| 1.3.2 灰色模型的检验过程 |
| 1.3.2. 1 残差检验 |
| 1.3.2. 2 后验差检验 |
| 2 结果 |
| 2.1 2005—2016年兵团肺结核病患者报告发病率情况 |
| 2.2 建立GM (1, 1) 预测模型 |
| 2.3 预测模型的检验 |
| 2.4 2005—2018年兵团结核病报告发病率趋势图2 |
| 3 讨论 |
（8）基于时空聚集面板模型的肺结核病高危区域探测及影响因素研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 常用缩写词中英文对照表 |
| 前言 |
| 第一部分 青海省肺结核病流行病学特征分析 |
| 1 材料与方法 |
| 1.1 资料来源 |
| 1.2 诊断标准 |
| 1.3 分析方法 |
| 2 结果 |
| 2.1 青海省肺结核病发病概况 |
| 2.2 青海省肺结核病人群分布特征分析 |
| 2.3 青海省肺结核病时间分布特征分析 |
| 2.4 青海省肺结核病空间分布特征分析 |
| 3 讨论 |
| 4 结论 |
| 第二部分 基于空间自相关和扫描分析的肺结核病时空聚集特征及高危区域探测研究 |
| 1 材料与方法 |
| 1.1 资料来源 |
| 1.2 分析方法 |
| 1.3 统计分析软件及分析策略 |
| 2 结果 |
| 2.1 青海省肺结核病空间自相关分析 |
| 2.2 青海省肺结核病时空扫描分析 |
| 2.3 青海省肺结核病高危区域探测 |
| 3 讨论 |
| 4 结论 |
| 第三部分 基于截面回归模型的肺结核病社会因素生态学研究 |
| 1 材料与方法 |
| 1.1 资料来源 |
| 1.2 分析方法 |
| 1.3 统计分析软件 |
| 2 结果 |
| 2.1 社会因素一般概况 |
| 2.2 社会因素空间自相关分析 |
| 2.3 肺结核病发病率相关社会因素回归分析 |
| 3 讨论 |
| 4 结论 |
| 第四部分 基于空间面板数据模型的肺结核病气象因素生态学研究及预测 |
| 1 材料与方法 |
| 1.1 资料来源 |
| 1.2 分析方法 |
| 1.3 统计分析软件及程序 |
| 2 结果 |
| 2.1 气象因素一般概况 |
| 2.2 时间序列互相关分析 |
| 2.3 空间权重矩阵的设置 |
| 2.4 不同滞后期传统面板数据模型分析 |
| 2.5 空间面板数据模型分析 |
| 2.6 发病率短期预测精度分析 |
| 3 讨论 |
| 4 结论 |
| 全文结论 |
| 参考文献 |
| 综述 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（9）手足口病发病趋势预测及传播动力学模拟研究（论文提纲范文）
| 全文缩写词 摘要 Abstract 前言 技术路线图 第一部分 宜昌市2008～2016年手足口病流行病学特征分析 |
| 1 资料与方法 |
| 2 结果 |
| 3 讨论 |
| 4 小结 第二部分 手足口病个体及群体危险因素研究 |
| 第一节 手足口病个体危险因素研究 |
| 1 资料与方法 |
| 2 结果 |
| 3 讨论 |
| 4 小结 |
| 第二节 手足口病群体危险因素研究 |
| 1 资料与方法 |
| 2 结果 |
| 3 讨论 |
| 4 小结 第三部分 手足口病的发病趋势预测及模拟 |
| 第一节 时间序列与神经网络组合模型应用 |
| 1 资料与方法 |
| 2 结果 |
| 3 讨论 |
| 4 小结 |
| 第二节 马尔科夫模型应用 |
| 1 资料与方法 |
| 2 结果 |
| 3 讨论 |
| 4 小结 |
| 第三节 传播动力学模型模拟暴发疫情走势 |
| 1 资料与方法 |
| 2 结果 |
| 3 讨论 |
| 4 小结 研究结论 创新点和局限性 参考文献 综述 |
| 参考文献 附录1 附录2 附录3 致谢 |
（10）猩红热流行病学研究概况及应用的统计分析方法（论文提纲范文）
| 1 概述 |
| 1.1 猩红热简介 |
| 1.2 猩红热疫情概况 |
| 1.2.1 全国猩红热疫情 |
| 1.3 猩红热的防控策略[16] |
| 2 流行病学主要研究领域及统计方法 |
| 2.1 描述性分析 |
| 2.2 流行趋势预测 |
| 2.2.1 GM模型 |
| 2.2.2 ARIMA模型 |
| 2.2.3 组合模型 |
| 2.2.4 ArcGIS |
| 2.2.5 其他方法 |
| 3 猩红热的诊断标准[46] |
| 4 猩红热的漏报情况 |
四、灰色模型在预测肺结核发病率中的应用（论文参考文献）
- [1]灰色预测模型GM（1,1）在肺结核发病趋势预测中的应用[J]. 官陈平,傅发源,王依妹,刘必端,徐幽琼. 医学动物防制, 2021(10)
- [2]云南省边境地区结核病流行特征与流行趋势预测研究[D]. 赵曜. 昆明医科大学, 2021
- [3]EMD-Elman组合模型在重庆市细菌性痢疾发病预测中的效果研究[D]. 杜杰琳. 重庆医科大学, 2021(01)
- [4]2010-2018年内蒙古自治区肺结核流行特征分析及预测模型的建立[D]. 徐丹. 内蒙古医科大学, 2021(02)
- [5]基于ARIMA-SVR的肺结核发病人数预测[D]. 张赢赢. 西南大学, 2020(01)
- [6]驻苏某系统传染病流行趋势及预测的研究[D]. 陈新邦. 东南大学, 2019(01)
- [7]灰色模型在新疆生产建设兵团结核病流行趋势预测中的应用[J]. 邓亚利,张英,刘新文,陈之源,王玥,周玉兰,常玉雪,向阳. 职业与健康, 2018(21)
- [8]基于时空聚集面板模型的肺结核病高危区域探测及影响因素研究[D]. 饶华祥. 山西医科大学, 2017(11)
- [9]手足口病发病趋势预测及传播动力学模拟研究[D]. 刘建华. 华中科技大学, 2017(10)
- [10]猩红热流行病学研究概况及应用的统计分析方法[J]. 廖如珺. 职业卫生与病伤, 2017(02)