河北省流行性乙型脑炎流行特征分析及ARIMA预测研究

河北省流行性乙型脑炎流行特征分析及ARIMA预测研究

论文摘要

目的:整理1950-2006年河北省流行性乙型脑炎(JE)疫情资料,抽样调查河北省015岁健康人群乙脑IgG抗体阳性率,分析乙脑流行特征,探索其变化规律,了解河北省健康人群抗体携带情况,同时建立适宜可行的疫情预测方法,指导乙脑防控策略和措施的制定。方法:1用SPSS13.0统计分析软件建立疫情数据库、健康人群抗体携带情况数据库,用SPSS13.0统计分析软件对数据进行分析。用SPSS13.0统计分析软件ARIMA模块建立合适的疫情预测模型并预测2007年疫情。2运用ELISA-IgG试剂盒检测健康人乙脑IgG抗体携带情况。结果:1河北省乙脑疫情呈下降趋势,发病率下降幅度远高于全国水平。上世纪50-70年代,全省先后发生6次乙脑流行,最高的为1969年(发病率21.56/10万)。从80年代开始,发病率大幅下降,到90年代全省乙脑发病水平降到0.5/10万以下。自1950年至2006年,全省共报告病例93539例,疫情强度年度变化以3-5年为一个周期,在50-70年代高发病率阶段非常明显;80-90年代发病率下降,这种趋势仍存在,但幅度大大降低;2000年后,发病率明显降低周期不明显。从病例的月分布情况看,全省疫情主要集中于8-9月份,占总发病例数的86.36%,并且不同地区的流行季节大致相似,夏秋季为河北省乙脑的高发季节。2从年龄分布情况看,少年儿童是乙脑疫区的高危人群,0-15岁(不包括15岁)的占76.1%(566例)。自1984到2006年,0和5组的构成比表现出下降的趋势,10组以后有上升的趋势,其中40组以后上升较明显。性别分布基本保持稳定状态,男女比例为1.072.67:1,男女发病率均呈下降趋势,性别比呈上升趋势。男性平均发病率高于女性平均发病率。职业分布以学生、散居儿童、农民、幼托儿童为主,其中学生新发病例数最多,占33.08%,其次是散居儿童占30.46%,不同年度构成比例差别不大。近年来新发病例数构成比虽仍以学生和散居儿童为主,但农民的构成比例呈上升趋势。3疫区在全省广泛存在,11个地市均有发病,邯郸、唐山、保定、石家庄为高发区。2000年以后,邢台成为新疫区。50-70年代,疫情迅速扩增,几乎每个县都有病例。80年代推广疫苗后,发病县数迅速下降,2000年后降到50个以下(2005年仅32个),但2006年升到50个以上。从地理位置看,乙脑从北向南、从西向东发病数增高。发病高密度县主要集中于燕山南麓和其南部的平原区,体现出既高度散发又相对集中的区域特征。4健康人群血清IgG抗体检测结果显示,河北省015岁健康人IgG抗体阳性率三组间有差别,0岁组高于6与1115岁组,0与1115岁组间有差别,其他组间无差别;河北省各疫区健康人IgG抗体携带率各不相同。5确定模型ARIMA(1,0,0)×(0,1,1)12为最适模型,对河北省1995-2006年发病数进行拟合并预测2007年发病数。预测发病值与实际值并不完全一样,但是实际值基本落入了相应的预测值95%可信区间。结论:1河北省乙脑发病总体呈下降趋势,在全国属于低发省份,疫苗使用前,流行周期明显,疫苗使用后,不同年份发病率变化不大,但仍以夏秋季为发病高峰。2少年儿童是河北省乙脑的主要发病群体,并以学生为主,大年龄组发病有上升趋势。3河北省乙脑疫区广泛存在,遍及全省,疫苗使用前后变化很大,由高度集中又相对散发的特征变为近几年以散发为主的状态,高发区域一直主要集中在燕山南麓和其南部的平原区,但不同疫区疫情强度处于动态变化之中。4河北省015岁健康人IgG抗体携带率较低,各疫区之间有差别。5构建ARIMA模型,可用于乙脑疫情月发病率的短期预测。

论文目录

  • 中文摘要
  • 英文摘要
  • 研究论文 河北省流行性乙型脑炎流行特征分析及ARIMA预测研究
  • 前言
  • 材料与方法
  • 结果
  • 附图
  • 附表
  • 讨论
  • 结论
  • 参考文献
  • 综述 流行性乙型脑炎流行病学研究进展
  • 致谢
  • 个人简历
  • 相关论文文献

    • [1].基于ARIMA模型的卫星钟差异常值探测的模型选择方法[J]. 武汉大学学报(信息科学版) 2020(02)
    • [2].基于ARIMA模型的西安市空气质量指数的分析与预测[J]. 电脑知识与技术 2019(35)
    • [3].基于ARIMA模型对四川省医疗机构卫生资源需求预测分析[J]. 预防医学情报杂志 2020(02)
    • [4].应用ARIMA模型预测石家庄市手足口病发病趋势[J]. 中国卫生统计 2020(01)
    • [5].Forecasting Method of Stock Market Volatility in Time Series Data Based on Mixed Model of ARIMA and XGBoost[J]. 中国通信 2020(03)
    • [6].ARIMA乘积季节模型在青州市布鲁氏菌病发病预测中的应用[J]. 中国医院统计 2020(02)
    • [7].基于ARIMA的入境旅游月度过夜人次预测[J]. 微型电脑应用 2020(04)
    • [8].ARIMA模型在江西省布鲁氏菌病发病数预测中的应用[J]. 中国人兽共患病学报 2020(03)
    • [9].ARIMA模型在德国小蠊密度季节消长预测中应用及抗药性[J]. 中国公共卫生 2020(03)
    • [10].Short-term Prediction of Ionospheric TEC Based on ARIMA Model[J]. Journal of Geodesy and Geoinformation Science 2019(01)
    • [11].Analysis of temporal trends of human brucellosis between 2013 and 2018 in Yazd Province, Iran to predict future trends in incidence: A time-series study using ARIMA model[J]. Asian Pacific Journal of Tropical Medicine 2020(06)
    • [12].ARIMA模型在台山地区手足口病疫情的预测作用[J]. 齐齐哈尔医学院学报 2020(07)
    • [13].我国出境旅游人次的预测与分析——基于ARIMA模型[J]. 科技经济导刊 2020(20)
    • [14].基于ARIMA乘积季节模型的某医院介入导管室手术量预测研究[J]. 中国现代手术学杂志 2020(03)
    • [15].一种基于ARIMA-SVR混合方法的汇率预测模型[J]. 智库时代 2019(01)
    • [16].季节ARIMA模型在保费总收入预测中的应用[J]. 福建金融管理干部学院学报 2018(04)
    • [17].基于ARIMA模型的游客人数分析与预测[J]. 电脑与电信 2019(Z1)
    • [18].基于南昌市新建区居民伤害死亡趋势的ARIMA模型构建与预测[J]. 南昌大学学报(医学版) 2019(01)
    • [19].基于ARIMA模型的图书馆微信公众号用户量预测[J]. 中国科技信息 2019(13)
    • [20].基于ARIMA预测模型的人才市场需求分析[J]. 商讯 2019(11)
    • [21].ARIMA模型在血液供应量预测分析中的应用[J]. 电脑知识与技术 2019(22)
    • [22].基于ARIMA模型的郑州市玉米收购价分析及预测[J]. 现代商业 2019(28)
    • [23].基于ARIMA模型的新疆阿克苏地区棉花价格分析与预警[J]. 农村经济与科技 2019(19)
    • [24].基于ARIMA模型对网络舆情传播过程研究[J]. 广西质量监督导报 2019(11)
    • [25].基于ARIMA-BPNN的组合模型在重庆市艾滋病发现人数预测中的应用[J]. 预防医学情报杂志 2018(03)
    • [26].应用ARIMA模型预测某三级甲等医院门诊量[J]. 中国医院统计 2018(01)
    • [27].基于ARIMA的价格时间序列分析与预测——以沪铝1803合约为例[J]. 经贸实践 2018(10)
    • [28].ARIMA模型在肺结核登记病例数预测中的应用[J]. 江苏预防医学 2018(03)
    • [29].ARIMA乘积季节模型在天津市痢疾发病预测中的应用[J]. 中华中医药杂志 2018(07)
    • [30].基于ARIMA模型货币供应量变动分析[J]. 合作经济与科技 2018(14)

    标签:;  ;  ;  ;  ;  

    河北省流行性乙型脑炎流行特征分析及ARIMA预测研究
    下载Doc文档

    猜你喜欢