应用Markov模型预测泰州疟疾发病趋势.docVIP

精品论文 参考文献 应用Markov模型预测泰州疟疾发病趋势 黄文明 郭加宏（泰州市疾病预防控制中心 江苏泰州 225300） 【中图分类号】R184【文献标识码】A【文章编号】1672-5085（2012）31-0080-02 【摘要】目的 应用Markov模型对泰州市2011-2015年的疟疾发病趋势进行预测，为制定防治对策提供科学依据。方法 选取泰州市1999-2010年的疟疾发病数据，将其划分为四个状态，通过时间与状态的转移概率矩阵，取概率最大者进行预报。结果 通过阶转移概率矩阵转换得出泰州市2011年状态为1的概率最大（P=0.3333）；2012-2015年阶转移概率矩阵中状态1对应的转移概率最大（0.3333，0.2407，0.2191，0.1950）。结论 泰州市疟疾发病率在未来5年中将继续维持在1/10万以下的较低水平，全市再次发生大面积暴发的可能性较小。 【关键词】疟疾 Markov模型 概率 疟疾是一种严重危害人体健康的寄生虫病。历史上，泰州市属于非稳定性疟疾中低度流行区，曾发生过多次暴发流行。经过几十年的积极防治，自1989年起，泰州市以县（市、区）发病率一直控制在1/万以下，并且已连续10年没有年发病率超过1/万的乡镇，已有40多年未发生本地感染的恶性疟疾病例。2008年，泰州市通过了江苏省基本消灭疟疾考核达标验收。 统计预测是根据已掌握的资料，运用各种统计方法，对未来进行科学的估计和推算，它是实行科学管理的重要工具之一。Markov模型是一种非参数的离散型时间序列分析方法，是通过对随机过程在不同时刻所处的状态之间的变化规律，预测这一过程在下一时刻和下几个时间所处状态的方法[1.2]。本文应用Markov模型对泰州市今后5年的疟疾发病趋势进行预测，为制定防治对策提供科学依据。 1 资料与方法 1.1 资料来源 泰州市1999-2010年疟疾发病数据来源于泰州市疾病预防控制中心血地寄防制科所掌握的疟疾疫情资料。 1.2 方法 将过程在不同时刻所处的状态根据所需精度划分为若干个状态I=｛a1,a2…｝，按观察时间间隔将时间分为一定的时间段T=｛t1,t2…｝，随机变量X(tn)表示过程在时刻tn时所处的状态。 Pij(M,M+n)=P｛XM+n=aj XM=ai｝(M,n,M+nisin;T) 为过程在时刻M处于状态ai条件下，在时刻M+n转移到状态aj的n阶转移概率，由转移概率组成的矩阵P(M,M +n)=(Pij(M+n))称为转移概率矩阵，由于过程在时刻M从任何一个状态ai出发，到另一个时刻M+n必然转移到a1，a2，…诸状态中的某一个，所以,i=1,2…即每行之和为1。从矩阵中看出ai出发经n时刻后转移到各状态的概率，取其概率最大者进行预报。 2 结果 2.1 状态划分 按1999-2010年的发病率变动，将其划分为4个状态，见表1 2。 表1 1999-2010年泰州市疟疾发病率（1/10万） Incidence rate of Malaria in Taizhou province 1999-2010(1/100,000) 表2 4种发病率状态 4 kinds of incidence rates conditions 表3 各种状态转移次数 The nuMber of transfer of every condition 2.2 初始概率与一阶转移概率矩阵计算 按表中各年发病率所处状态，求出各状态频数及初始概率，再按各状态相互转移出现的频率，确定一阶转移概率矩阵。 2.3 利用转移概率进行趋势预测 Markov模型的转移是双向的，由状态ai到状态aj的转移概率只依顺于时间间隔的长短，而与起始时间无关。预测未来状态取概率最大者。2010年的发病处于状态1，经过1阶转移，从矩阵中可以看出次年状态为1的概率最大（P=0.6667），因而2011年的发病将小于1/10万。若要预测今后几年的发病趋势，可利用公式Pn=[P(1)]n，求出n阶转移概率。 在P2阶转移概率矩阵中，状态3对应的转移概率最大（0.583325），而在P3-5阶转移概率矩阵中，状态3对应的转移概率最大（0.5833，0.5162，0.5050）。由此推断，泰州市疟疾发病率在未来1年中继续维持在0.2/10万以下的水平，