预警预测.ppt

常用传染病预警和预测技术;预警和预测方法;基于传染病流行因素的预测和预警：疾病的发生和发展通常受一系列因素的影响，如影响疟疾流行的因素涉及到两类指标：第一，传播危险性指标，如气象、植被状况、地面水状况等自然地理环境指标，它们通过影响媒介按蚊的丰度及其叮人习性以及疟原虫的发育而影响着疟疾的发病及流行；第二，易感性危险指标，如人群免疫状态、人口流动、防制措施等，它们通过影响人群对疟疾的易感性而改变疟疾的发病和流行。因此可以通过疟疾的发病水平和流行因素建立预警模型。此类预警可以用神经网络设计、决策树及相关多元分析方法建立模型。;时间序列：在一段时间内，通过对某一变量定期等间隔测量而获得的一组观察值的集合。通过收集和分析时间序列数据，可以找到隐藏在序列中的基本变化规律，比如周期性的波动，并建立数学模型来定量描述序列的特征，预测序列未来的值。另外，还可以对干扰和改变序列常规表现的某事件进行估计，判断这一外部事件是否对序列产生了显著影响，如果确有显著影响，那么这一事件出现后，序列值会有一显著的增大或减小。由于外部事件发生的时间是可知的，并且事件前后的序列是可观察的，就可以对干预事件的影响进行估计。;建模的三个阶段：模型识别、参数估计和模型诊断。 模型识别：就是根据时间序列的特点，选择一个已有的模型类型来描述，然后确定选入模型的参数数量与种类，以及它们的组合方式。在这一过程中常用的方法有：对序列及其自相关函数作图，以发现序列上升或下降的趋势；找出能够简化分析的某种数据转换方法；考察序列的周期性规律等。（可通过在SPSS中制作序列图－－Sequence Charts实现）; 参数估计：就是估计模型中的参数，并检验其显著性，使模型与实际数据相吻合。如果参数估计在统计学方面不能达到满意的效果，就应返回模型识别阶段，重新选择模型。常用的参数估计方法有指数平滑、自回归、ARMA模型以及季节性分解等。 模型诊断：检验模型与实际数据的吻合程度。这一阶段所用的方法有作图和计算统计量，如残差、序列值等，用以判断模型是否适合，否则应再返回模型识别阶段重新识别模型。 估计。;经过分析知，α的值为0.700，右侧为分析生成的预测值和残差值。利用上述所列公式就可以对45周以后的发病水平进行预测了。;先根据一定的步长建立移动平均值，再用（均数+uα×标准差）制作预警线。 ;移动百分位数法：以研究疾病观察周既往5年该周及其前后2周的周发病数为基线数据，计算出指定的百分位数(如P50、P60、 P65、P70、P75、P80、P90、P95)，作为候选的预警阈值，建立预警模型;以法国数学家西蒙D.泊松名字命名的泊松概率分布，为随机地发生在某段时间、某段距离或某个空间内的“稀有事件”的次数的概率分布提供了一个很好的模型，如某一城市的交通事故数，某项保险的索赔次数等。当某种疾病的比较罕见或发病水平较低时，我们可以将其近似地当成是符合泊松分布。 ;利用泊松分布原理可以实现对罕见疾病（或传染病）的预警。设随机变量X的取值为0，1，2，……，则泊松概率分布为： 其中， 为泊松分布的均数。设某种罕见疾病在某一周期内的平均发病水平（均值）为 ，则可以根据这一平均水平计算该种疾病发生X例病例时的概率，若P{X=k+1}的概率小于给定的 α水准时，由于此时出现Xk+1的概率为小概率事件，认为其在通常情况下不会发生，此时 即为发生与不发生的临界值（或称预警值）。 ;;1990—2008年某地报告的乙肝发病率资料;通过多种模型的拟合，发现用S曲线模型拟合结果最为理想，其模型方程为： 其中b0=217.0458，b1=-426164.5803，模型的确定系数R Square=0.928。; 预测2009年全省乙肝报告发病率为： ;利用1994-2009年浙江省霍乱发病率预测2010年发病率;利用1994-2009年浙江省甲肝发病率预测2010年发病率;利用2004-2009年浙江省乙肝发病率预测2010年发病率;甲型H1N1流感大流行的实时预测;Richards模型 用Richards模型拟合预测模型并估计流行拐点和发病总数。Richards模型的计算公式为： ，其中I（t）指在t天疾病爆发或流行的累计发病数；K指饱和载量或预计爆发或流行的总病例数；r指被感染人群的人均增长速率；a指标准Logistic曲线的偏差指数；假设ti为该模型所表述的S-曲线的拐点，则tm=ti+(lna)/r，当a等于1或近似等于1时，则tm即为所求之拐点或接近于拐点ti。这个参数有重要的流行病学意义，它表明一个流行阶段的开始（从减速到加速）或结束（从加速到减速