基于ARIMA与NNAR模型的甘肃省胰腺癌发病趋势预测

目的:分析2013-2021年甘肃省胰腺癌发病趋势,并对2022-2026年胰腺癌发病趋势进行预测。方法:收集2013-2021年甘肃省胰腺癌发病数据,通过计算年度变化百分比(annual percentage change,APC)和平均年度变化百分比(average annual percentage change,AAPC)分析其变化趋势;构建自回归移动平均(autoregressive integrated moving average,ARIMA)模型和神经网络自回归(neural network autoregression,NNAR)模型,比较两种模型预测精度并预测2022-2026年胰腺癌发病趋势。结果:选择精度更佳的ARIMA模型预测得到2022-2026年甘肃省胰腺癌发病率分别为5.58/10万、6.01/10万、6.44/10万、6.88/10万、7.31/10万。甘肃省胰腺癌发病率在2022-2026年仍保持上升趋势。结论:2022-2026年甘肃省胰腺癌发病率呈现上升趋势,ARIMA模型预测发病趋势具有良好的精度,可以为进一步疾病防控工作提供重要参考依据。

基于ARIMA与NNAR模型的中国肺癌预测模型构建研究

目的:基于1990—2019年中国肺癌流行特征数据预测其2020—2024年的发展趋势,为我国肺癌防控相关策略提供科学参考依据。方法:收集1990—2019年中国肺癌(性别)发病率、(性别)死亡率等指标,采用年估计百分比变化(EAPC)分析其变化趋势;比较自回归求和移动平均(ARIMA)模型和神经网络自回归(NNAR)两种模型预测精度,并预测2020—2024年中国肺癌流行趋势。结果:1990—2019年中国肺癌(性别)发病率、(性别)死亡率、(性别)伤残调整寿命年(DALY)率均随时间呈上升趋势;发病率从21.72/10万增长至58.56/10万(EAPC 3.72%,P<0.001);死亡率从21.65/10万增长至53.23/10万(EAPC3.37%,P<0.001);DALY率从588.07/10万增长至1 204.25/10万(EAPC 2.67%,P<0.001)。ARIMA和NNAR的预测值与实际值基本吻合,ARIMA模型MAPE、MAE、RMSE值更小,预测精度更高。采用ARIMA模型预测得到2020—2024年的发病率为57.67/10万、59.06/10万、60.44/10万、61.83/10万、63.22/10万;死亡率分别为53.26/10万、54.51/10万、55.76/10万、57.02/10万、58.27/10万;DALY率分别为1 191.98/10万、1 211.72/10万、1 231.36/10万、1 250.94/10万、1 270.48/10万。结论:2020—2024年中国肺癌发病、死亡情况仍将加重,ARIMA模型预测中国肺癌流行特征具有较好的精度和预测性能,对肺癌防控策略的制定有指导意义。

基于ARIMA与NNAR模型的中国慢性阻塞性肺疾病疾病负担预测研究

背景中国是慢性阻塞性肺疾病(COPD)疾病负担较为严重的国家之一,COPD已成为中国的第三大致死病因,其在全部疾病伤残调整寿命年(DALYs)排名中位居第三位。基于患病率、死亡率和DALYs率实现对COPD疾病负担的有效预测,可为预防和控制措施的制定提供理论支持。目的描述和分析1990—2019年中国COPD疾病负担状况及其变化趋势,并预测2020—2024年中国COPD疾病负担,旨在为中国COPD科学防控提供依据。方法于2021年12月,从2019年全球疾病负担(GBD 2019)中提取1990—2019年中国COPD患病率、死亡率及DALYs率等疾病负担指标的数据,采用平均年度变化百分比(AAPC)分析其变化趋势。基于1990—2016年数据(训练集)建立COPD患病率、死亡率及DALYs率的自回归移动平均(ARIMA)模型和神经网络自回归(NNAR)模型,利用2017—2019年数据(测试集)进行模型评价。采用预测值与实际值的相对误差、平均绝对百分误差(MAPE)、平均绝对误差(MAE)和均方根误差(RMSE)比较模型的拟合和预测效果,运用最佳模型预测2020—2024年中国COPD疾病负担。结果1990—2019年:中国全人群COPD患病率从2344.40/10^(5)增长至3175.37/10^(5),年均增长1.04%,男性和女性的COPD患病率平均每年分别增长0.92%和1.13%;中国全人群COPD死亡率由105.09/10^(5)下降至72.94/10^(5),年均降幅为1.29%,男性和女性的COPD死亡率均呈下降趋势,平均每年分别下降0.83%和1.83%;中国全人群DALYs率从2206.55/10^(5)下降至1400.71/10^(5),年均下降1.56%,男性和女性的COPD DALYs率均呈下降趋势,平均每年分别下降1.37%和1.86%。ARIMA和NNAR模型预测值的动态趋势与实际情况基本一致,但ARIMA模型的预测值与实际值相对误差、MAPE、MAE和RMSE更小,预测精度更高。经ARIMA模型预测得到2020—2024年中国COPD患病率分别为3229.77/10^(5)、3262.44/10^(5)、3292.38/10^(5)、3322.31/10^(5)、3352.25/10^(5),死亡率分别为74.50/10^(5)、75.49/10^(5)、76.11/10^(5)、76.50/10^(5)、76.75/10^(5),DALYs率分别为1429.56/10^(5)、1452.07/10^(5)、1469.64/10^(5)、1483.35/10^(5)、1494.05/10^(5)。结论2020—2024年中国COPD疾病负担呈现上升趋势,ARIMA模型在拟合中国COPD疾病负担应用中具有良好的拟合效果和精度,可为COPD疾病负担短期预测提供借鉴与参考。

江西省流行性腮腺炎发病率4种时间序列模型预测效果比较

目的比较季节性自回归移动平均模型(SARIMA)、指数平滑模型(ETS)、指数平滑空间状态模型(TBATS)和自回归神经网络模型(NNAR)4种时间序列模型对江西省流行性腮腺炎(流腮)发病率的预测效果,为流腮的预防控制提供参考依据。方法收集中国疾病预防控制信息系统中江西省2010年1月1日—2019年12月31日报告的流腮发病数和发病率数据,以其中2010年1月—2018年12月的流腮报告发病率作为训练集,应用R 4.1.2软件构建SARIMA、ETS、TBATS和NNAR模型,并通过模型预测2019年1—12月的流腮发病率,采用均方根误差(RMSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)比较4种模型的拟合和预测效果。结果江西省2010、2011、2012、2013、2014、2015、2016、2017、2018和2019年流腮报告发病率分别为20.49/10万、32.03/10万、31.89/10万、19.95/10万、12.22/10万、14.10/10万、16.56/10万、16.21/10万、14.29/10万和21.14/10万,2010—2019年流腮年均报告发病率为19.84/10万;江西省流腮发病具有明显的季节性,每年4—7月为发病主高峰,11月至次年1月为发病次高峰;4种模型拟合值的变化趋势均与实际值一致,除SARIMA模型MAPE(32.01%)较高外,其他3个模型的MAPE均<15%,其中NNAR模型的拟合值更贴近实际值,其RMSE、MAE和MAPE均最低,分别为0.20、0.14和8.24%;除SARIMA模型外,其他3种模型的预测值变化趋势均与实际值一致,此3个模型的MAPE均<15%,其中TBATS和ETS模型的预测效果最好。结论ETS、TBATS和NNAR模型对江西省流腮发病率的拟合和预测效果较好,预测结果可为该地区流腮的防控提供理论指导。