用自回归模型预测流感样病例数的变化趋势.pdfVIP

中国卫生统计2007年12月第24卷第6期 · 569 · 用自回归模型预测流感样病例数的变化趋势* 欧春泉 邓卓晖 杨 琳 陈平雁 △ 【提 要】 目的 建立合适的统计模型预测流感样病例数。方法 采集广州市2002年6月至2004年12月各周的 流感流行病学监测数据，应用谱分析和自回归时问序列方法模拟流感样病例数的变化趋势，用决定系数和残差分析选择 最佳模型，并用相对预测误差对模型进行回顾性和前瞻性考核。结果 两年的流感样病例数呈线性上升趋势(r=0．423， P0．001)，并具备一定的周期性(P0．05)，线性回归模型的残差具有显著一阶自相关(r=0．524，P0．001)，自回归模 型的残差为白噪声序列，回代考核的相对预测误差为16．4％；随后16周的数据作前瞻性考核，相对误差为14．3％。结论 综合流感样疾病的长期趋势和周期性的自回归能较好地模拟流感样病例的流行特征，并进行中、短期预测。该研究是 流感预测方法学上的一次有益探索，为流感的监测、预防和控制措施的制定提供了一定参考依据。 【关键词】 流感 统计模型 预测 流行性感冒(简称流感)是由流感病毒引起的急性 析遴选模型，用相对预测误差(I实际ILl一预测ILl I／ 呼吸道传染病，是第一种纳入wHO全球监测系统的 实际IL1)评价模型的预测效果。用SPSS12．0软件进 感染性疾病，人类至今尚不能有效控制，因其较强的流 行统计分析。 行性以及所造成的严重发病和死亡，它被列为本世纪 结 果 重点防治的传染病之一。在流感的防治中，流感流行 的预测显得尤为重要。由于难以对每个流感疑似病人 1．ILl的基本统计量：自2002年第23周至2004 作实验室诊断，因此在流感的监测中通常以流感样疾 年第53周(共计137周)，广州市两所监测医院共上报 病(influenza—like illness，IL1)的监测替代。本研究旨 II I 206 598例，平均每周1 508±718例(；±S)，周例 在建立预测ILl流行趋势的统计预测模型，为流感的 数最少551例，最多3 280例，中位数为1 282例。 预防和控制工作提供科学依据。 2．II I的长期趋势和周期性：用多项式回归拟合 ILl与周序(1，2，3…106)之间的关系，即II I的长期 资料与方法 变化趋势，结果发现二次及以上曲线的拟合优度并不 1．资料来源：本研究采集2002年6月至2004年 明显高于线性模型，因而从简化模型的角度考虑，采用 12月(共137周)广州市流感监测点(广州中山大学第 线性模型。而且ILl的序列图显示其一阶差分基本呈 一 附属医院和广州市儿童医院)各周的II I病例。ILl 平稳序列 (stationary series)，亦说明用线性模型足以 诊断采用wHO建议的临床诊断标准：体温≥38℃，有 反应ILl的长期变化趋势，同时提示可对扣除线性趋 咳嗽或咽喉疼痛、畏寒、头疼、全身酸痛、乏力等症状体 势后的残差(差分值)作时间序列分析。 征的急性呼吸道感染患者。资料由广东省疾病预防控 对上述线性模型所产生的残差进行谱分析，探索 制中心提供。 ILl的周期性。通过谱分析计算序列在各频率处的强 2．统计方法：用2002年第23周至2004年第22 度(intensity)，即各个周期所能解释的方差占总体方差 周(106周)的数据建立统计模型，其后31周的数据用 的百分比，并用Fisher确