基于ARIMA乘积季节模型的红细胞临床用量预测

目的:构建红细胞临床用量的ARIMA乘积季节预测模型,为科学制定采供血计划提供参考。方法:利用重庆市血液中心2006年1月至2018年12月的红细胞临床月用量数据,构建红细胞临床月用量ARIMA乘积季节预测模型,并对其进行识别、检验与优化,选择最优模型;再以2019年1~6月的临床月用量数据评估模型的预测效果。结果:获得的最优预测模型ARIMA(3,1,0)(0,1,1)12可较好地拟合预测红细胞临床月用量,经检验,其残差序列的ACF与PACF基本都落入95%CI内,Ljung-Box Q=14.749,P=0.396,提示模型残差呈白噪声。2019年1~6月红细胞临床实际用量基本落入预测结果95%CI内,且预测结果与同期红细胞临床实际用量基本吻合,平均相对误差为6.15%。结论:模型ARIMA(3,1,0)(0,1,1)12可用于预测红细胞临床用量的变化规律,为无偿献血招募、采供血及血液动态库存管理提供一定的依据。

基于循环神经网络模型预测临床红细胞用量

目的探讨重大突发公共卫生事件背景下的临床红细胞用量的预测方法,为给血站血液采集工作及血液库存管理提供科学决策依据。方法采用人工智能方法中的循环神经网络(recurrent nerual network,RNN)模型对宜昌市2001—2017年临床血液各型红细胞用量进行分析和建模,并对2019—2021年36个月的临床红细胞用量进行科学预测。结果RNN网络模型预测性能较好,A、B、O、AB型红细胞预测值均方根误差RMSE分别为156.7、133.4、204.2、51.3,平均相对误差MRE分别为6.4%、6.6%、8.5%、7.1%。模型对第一轮新冠疫情期间(2020年1—6月)的红细胞用量变化趋势有较好的预判性,预测到了2020年2月份的用量最低点及随后的恢复增长,对第二轮新冠疫情期间(2021年1—6月)的红细胞用量的预测精度较高,如A型红细胞用量在2021年2月(用量低点1621.5 U)和5月(用量高点2397.0 U)时RNN模型预测相对误差分别为5.2%和2.5%。结论人工智能循环神经网络模型能较好地预测,重大突发公共卫生事件背景下的临床红细胞用量。