应用乘积季节模型与指数平滑模型预测上海市肺结核疫情

目的:探讨利用两种时间序列模型预测上海肺结核发病趋势的可行性,为制定上海地区肺结核预防控制策略提供科学依据。方法:收集上海市2007年1月-2018年6月传染病历史疫情资料,对2007年1月-2017年12月肺结核月发病人数分别采用自回归移动平均模型(ARIMA)乘积季节模型与指数平滑模型进行拟合,预测2018年1—6月的肺结核月发病人数,并与真实值进行比较。结果:ARIMA(0,1,1)×(1,1,2)12为乘积季节模型的最优模型,均方根误差(RMSE)为76.27,2018年1—6月预测值的相对误差和为0.402;运用指数平滑法构建的最优模型是Holt-Winters加法指数平滑,均方根误差(RMSE)为69.61,2018年1—6月预测值的相对误差和为0.292。结论:指数平滑模型拟合效果较好,预测精度更高,对上海市肺结核疫情的防控具有一定的指导意义。

氮芳基取代靛红的合成研究

以靛红、芳基硼酸化合物为原料,经过Ullmann反应,合成了6个含有大体系的氮芳基取代的靛红衍生物.合成化合物的结构运用核磁共振氢谱、碳谱、红外光谱、高分辨质谱的技术手段进行了表征,为进一步研究靛红衍生物的光学性质及生物活性奠定了一定的物质基础.进一步研究发现,在Ullmann反应条件下,靛红能发生自身缩合反应.芳基硼酸能被铜试剂氧化生成1,2-二羰基化合物.

基于人口流动数据研究武汉“封城”对中国2019冠状病毒病疫情态势的影响

目的:定量评估武汉“封城”对控制中国2019冠状病毒病(COVID-19)疫情传播的作用。方法:首先基于全国217个城市的武汉来源输入性病例数据和武汉来源的人口流动数据,估算武汉2020年1月23日“封城”前的每日新发感染率。并假设武汉“封城”推迟7 d,武汉的每日新发感染率在2020年1月23日后分别呈高、中、低增长趋势,估算2020年1月24至30日的每日新发感染率,从而计算在此期间武汉流出的感染人数。最后,通过易感-暴露-感染-恢复(SEIR)模型预测武汉“封城”推迟7 d对国内疫情发展可能造成的影响。结果:2020年1月19至23日,武汉每日新发感染率分别为0.021%、0.026%、0.029%、0.033%和0.070%。截至2020年1月23日,武汉共有感染者20066人。假设武汉“封城”推迟7 d,在2020年1月30日,武汉每日新发感染率在高、中、低增长情景模拟的结果分别是0.335%、0.129%和0.070%。依据上述三种情景,预测分别会有32075、24819和20334名感染者从武汉流入其他地区,到2020年3月19日,全国COVID-19确诊人数将是官方公布数据的3.3~3.9倍。结论:在疫情暴发早期,武汉及时采取“封城”措施对控制COVID-19疫情在中国的传播具有重要意义。

基于R shiny的法定传染病可视化分析系统的设计和初步应用

目的:设计1种基于R shiny的可视化分析系统,并利用它分析2004—2017年法定传染病的流行情况,从而为防控部门提供参考依据。方法:利用R shiny以及多种R包,基于人群、时间、空间、时空交互4个角度进行可视化描述并搭建可视化系统。结果:本系统绘制了2004—2017年的39种法定传染病的时间空间分布地图,以及疾病聚类、年龄分层热图;同时还对各种法定传染病进行了疾病的时间序列分析、空间自回归分析等。结论:与其他类似系统比较,设计的R shiny可视化统计分析系统操作简便,分析方法多样,提供了预测模型,有利于帮助描述传染病的流行特点,便于公共卫生人员研究。

应用ARIMA-GRNN组合模型分析江苏尘肺病发病情况

[背景]尘肺病是中国职业人群中最常见的、危害最严重、影响面最广的职业性疾病,江苏省尘肺病发病情况十分严峻。[目的 ]基于求和自回归移动平均模型(ARIMA)与灰色模型GM(1,1)、广义神经回归网络模型(GRNN)的分别组合,构建适合江苏省尘肺病预测的组合模型。[方法 ]利用2006年1月—2017年12月江苏省尘肺病逐月新诊断病例资料构建尘肺病ARIMA预测模型,以2018年1—8月的数据作为模型测试值。将拟合尘肺病ARIMA模型时产生的残差值加上阈值3后,再用GM(1,1)模型拟合构建ARIMA-GM组合模型,拟合并预测尘肺发病数。将尘肺病ARIMA模型拟合值作为GRNN模型的输入值,尘肺病的真实发病数作为输出值,构建ARIMA-GRNN组合模型,拟合并预测。评价模型拟合效果的指标分别采用均方误差(MSE)、平均绝对误差(MAE)和平均相对误差(MRE)。[结果]三种模型拟合江苏省尘肺病新病例情况的MSE依次为ARIMA-GRNN(0.321 4)<ARIMAGM(0.704 6)<ARIMA(0.807 9),MAE分别为ARIMA-GRNN(0.398 6)<ARIMA-GM(0.632 4)<ARIMA(0.659 1),MRE分别为ARIMA-GRNN(0.161 2)<ARIMA-GM(0.183 8)<ARIMA(0.187 9)。三种模型预测2018年1—8月江苏省尘肺病新诊断情况的MSE依次为ARIMA-GRNN(0.084 3)<ARIMA(0.243 5)<ARIMA-GM(0.263 4),MAE分别为ARIMA-GRNN(0.234 5)<ARIMA(0.388 7)<ARIMA-GM(0.416 1),MRE分别为ARIMA-GRNN(0.098 1)<ARIMA(0.108 6)<ARIMA-GM(0.114 9)。各项指标都表明针对研究期间江苏省尘肺病发病情况建立的ARIMA-GRNN模型的拟合及预测误差最小。[结论 ]在江苏省尘肺病新病例预测中ARIMA-GRNN模型优于ARIMA-GM模型和单纯的ARIMA模型。