發(fā)布時間：2020-11-19 01:35

　　 目的描述南寧市江南區(qū)2008-2018年流行性腮腺炎的流行病學(xué)特征,分析其發(fā)病趨勢。通過建立流行性腮腺炎的ARIMA預(yù)測模型,對流行性腮腺炎的月發(fā)病率進行預(yù)測,為提早制定流行性腮腺炎的防控策略提供科學(xué)依據(jù)。方法1、通過中國疾病預(yù)防控制信息系統(tǒng),收集、整理南寧市江南區(qū)2008年1月1日~2018年12月31日的疫情數(shù)據(jù),通過發(fā)病率、構(gòu)成比等指標(biāo)對江南區(qū)腮腺炎疫情進行描述分析,應(yīng)用Excel2010和SPSS 20.0統(tǒng)計軟件對其進行數(shù)據(jù)處理和統(tǒng)計分析。2、應(yīng)用SPSS20.0軟件對2008~2017年流行性腮腺炎月發(fā)病率建立ARIMA預(yù)測模型,然后根據(jù)最優(yōu)模型對2018年南寧市江南區(qū)流行性腮腺炎發(fā)病率進行預(yù)測,并將2018年腮腺炎實際月發(fā)病率與模型預(yù)測的結(jié)果進行比較分析,最后應(yīng)用確定的最優(yōu)模型,對2019年流行性腮腺炎的發(fā)病情況進行預(yù)測。結(jié)果1、南寧市江南區(qū)2008-2018年流行性腮腺炎報告病例數(shù)為2595例,病例以散發(fā)為主,無死亡病例。流行性腮腺炎年平均發(fā)病率為49.44/10萬,其中,2008年至2011年發(fā)病率呈急劇上升趨勢,2011年發(fā)病率達到最高峰,為118.32/10萬,此后大幅下降,2017年發(fā)病降至最低水平,為19.65/10萬;全年各月份均有發(fā)病,具有明顯的季節(jié)性分布特征,主要集中在4~7月發(fā)病,呈6月高發(fā)的周期性波動。8個街道及鄉(xiāng)鎮(zhèn)均有病例報告,城區(qū)和鄉(xiāng)鎮(zhèn)累計報告病例數(shù)分別占總報告病例數(shù)的82.66%、17.34%。病例中男、女性別比為:1.6:1,病例主要集中在中小學(xué)生和學(xué)齡前兒童,發(fā)病以1~15歲人群為主,占總報告病例數(shù)的83.55%。2、ARIMA(0,1,1)(0,1,1)_(12)為擬合原序列獲得的最佳模型,當(dāng)擬合優(yōu)度指標(biāo)R~2=0.436,BIC=1.984時,模型擬合效果最好。應(yīng)用ARIMA(0,1,1)(0,1,1)_(12)模型對2018年發(fā)病率進行預(yù)測,預(yù)測值與2018年真實值進行比較,各個月份的預(yù)測發(fā)病率和實際發(fā)病率均在95%置信區(qū)間范圍內(nèi),平均絕對百分比誤差為31.24%,模型的預(yù)測效果良好。應(yīng)用模型預(yù)測2019年發(fā)病情況,結(jié)果顯示,2019年總體發(fā)病有小幅度升高趨勢,但仍處于較低發(fā)病水平。結(jié)論1、南寧市江南區(qū)2008-2018年流行性腮腺炎報告病例數(shù)共2595例,流腮年平均發(fā)病率為49.44/10萬,發(fā)病率屬于較高水平;發(fā)病具有明顯季節(jié)周期性特征,每年主要集中在4~7月發(fā)病,呈6月高發(fā)的周期性波動;發(fā)病人群主要為1~14歲的青少年和兒童,男、女性別比為:1.6:1,青少年和兒童仍是重點高危人群。2、ARIMA(0,1,1)(0,1,1)_(12)為擬合原序列獲得的最佳模型,模型擬合參數(shù)均具有統(tǒng)計學(xué)意義,模型預(yù)測效果良好,可用于預(yù)測南寧市江南區(qū)流行性腮腺炎發(fā)病趨勢。
【學(xué)位單位】：廣西醫(yī)科大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：R181.3;R512.1
【部分圖文】：

表 1-1 南寧市江南區(qū) 2008-2018 流行性腮腺炎年發(fā)病時間分布情況年份 常住人口數(shù)（人） 發(fā)病數(shù) 發(fā)病率(/10 萬2008 43444319845.582009 44065924655.822010 44905740991.082011 456403540118.322012 46074437781.822013 47554721545.212014 48217810421.572015 49737612725.532016 51411915229.572017 52428610319.652018 51411912424.12合計5248931 259549.44

6 月高發(fā)的季節(jié)性周期波動，詳見表 1-2、圖 1-2。表 1-2 南寧市江南區(qū) 2008-2018 流行性腮腺炎分月發(fā)病時間分布情況年份 1 月 2 月 3 月 4 月 5 月 6 月 7 月 8 月 9 月 10 月 11 月 12 月2008 21 9 10 11 19 23 31 20 17 18 12 72009 7 16 6 34 28 41 28 18 17 10 14 272010 25 20 18 35 52 58 62 41 23 12 26 372011 28 17 27 79 71 114 63 42 31 19 25 242012 21 18 44 29 39 73 46 24 22 22 24 152013 13 11 17 14 23 21 33 18 19 12 19 152014 7 3 9 6 12 12 6 9 16 9 8 72015 6 11 9 12 12 11 11 7 11 8 15 142016 14 5 19 22 12 25 10 7 9 10 10 92017 7 4 1 10 6 11 6 6 4 20 16 122018 11 5 6 15 13 8 8 14 12 10 12 10合計 160 119 166 267 287 397 304 206 181 150 181 177

圖 1-3 南寧市江南區(qū) 2008-2018 年流行性腮腺炎地區(qū)構(gòu)成情況igure 1-3 Regional composition of mumps in Jiangnan District of Nanning City, 2008-2群分布 性別分布008-2018 年南寧市江南區(qū)流行性腮腺炎報告病例為 2595 例，為 1596 例，女性病例為 999 例，男、女性別比為：1.60：1，
【相似文獻】

相關(guān)期刊論文 前10條

1 李新朋;;基于ARIMA模型的上海城鎮(zhèn)居民人均可支配收入預(yù)測研究[J];經(jīng)濟研究導(dǎo)刊;2019年10期

2 王鐿喬;;社會消費品零售總額的預(yù)測——基于季節(jié)ARIMA模型[J];時代金融;2018年24期

3 王成;;基于ARIMA模型的安康市人均GDP預(yù)測研究[J];統(tǒng)計與管理;2018年04期

4 劉麗澤;;基于多元線性回歸模型及ARIMA模型的北京市房價預(yù)測[J];科技經(jīng)濟導(dǎo)刊;2018年29期

5 付嫦娥;;乘積季節(jié)ARIMA模型預(yù)測上海市松江區(qū)手足口病發(fā)病趨勢[J];健康之路;2017年04期

6 周宏偉;張夢驍;高峰云;曾日桓;劉洋怡;;基于ARIMA模型對北京市月平均相對濕度的預(yù)測[J];考試周刊;2017年59期

7 范圣偉;朱麗佳;;基于ARIMA模型的大連市車險保費規(guī)模預(yù)測[J];保險理論與實踐;2017年07期

8 楊探;;基于ARIMA模型的我國城鎮(zhèn)居民人均可支配收入的分析與預(yù)測[J];時代金融;2018年26期

9 王蓉;;基于ARIMA模型的我國民航客運量時序分析[J];蘭州石化職業(yè)技術(shù)學(xué)院學(xué)報;2019年01期

10 蔡承智;黃軍結(jié);梁穎;;基于ARIMA模型的世界大豆總產(chǎn)預(yù)測分析[J];大豆科學(xué);2019年02期

相關(guān)博士學(xué)位論文 前9條

1 鄒治;高校畢業(yè)生失業(yè)預(yù)警系統(tǒng)研究[D];南京航空航天大學(xué);2012年

2 汪瓊;我國轎車企業(yè)新車面市時間與先行者優(yōu)勢相關(guān)研究[D];華中科技大學(xué);2010年

3 張曉南;中國大陸地區(qū)早期兒童齲流行病學(xué)特征及預(yù)測的研究[D];重慶醫(yī)科大學(xué);2016年

4 洪希成;湖北省釘螺分布規(guī)律及血吸蟲病防控策略的研究[D];武漢大學(xué);2013年

5 陳艷艷;湖北省血吸蟲病空間流行特征及預(yù)測分析[D];華中科技大學(xué);2014年

6 嚴(yán)薇榮;傳染病預(yù)警指標(biāo)體系及三種預(yù)測模型的研究[D];華中科技大學(xué);2008年

7 熊劍;粒子濾波及其在光纖捷聯(lián)慣性導(dǎo)航系統(tǒng)中的應(yīng)用[D];南京航空航天大學(xué);2010年

8 朱奕奕;上海市甲型病毒性肝炎免疫策略評價研究[D];復(fù)旦大學(xué);2012年

9 李曉林;突發(fā)事件對金融市場的影響研究[D];電子科技大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 蒙婞婞;南寧市江南區(qū)2008-2018年流行性腮腺炎疫情分析及ARIMA模型預(yù)測[D];廣西醫(yī)科大學(xué);2019年

2 李文紅;基于指數(shù)平滑模型和ARIMA模型的博興縣雞蛋價格預(yù)測[D];山東財經(jīng)大學(xué);2018年

3 李珊珊;基于ARIMA模型的麗江旅游股票價格的時間序列分析[D];云南大學(xué);2017年

4 王承慶;基于考慮季節(jié)調(diào)整ARIMA模型的區(qū)域月度售電量預(yù)測研究[D];天津大學(xué);2018年

5 張琦;基于ARIMA模型企業(yè)價值評估中企業(yè)自由現(xiàn)金流量的預(yù)測[D];河北經(jīng)貿(mào)大學(xué);2018年

6 沈鈺鋼;嵊州市流感樣病例監(jiān)測結(jié)果及ARIMA模型預(yù)測[D];浙江大學(xué);2017年

7 孫麗萍;安徽省農(nóng)村居民收入?yún)^(qū)域差距及協(xié)調(diào)研究[D];中南大學(xué);2013年

8 梁沛楓;統(tǒng)計預(yù)測模型在醫(yī)院感染危險度評估中的應(yīng)用[D];寧夏醫(yī)科大學(xué);2012年

9 崔江華;貨幣政策調(diào)整對股市流動性的影響分析[D];東北財經(jīng)大學(xué);2012年

10 戚建江;浙江省1992～2004年食物中毒動態(tài)分析與防制策略[D];浙江大學(xué);2006年

本文編號：2889504