2005—2020年深圳市淋病疫情时间序列分析

作者：翁榕星; 张春来; 文立章; 叶健滨; 王洪琳; 洪福昌; 陈祥生; 蔡于茂^*

来源：国际流行病学传染病学杂志, 2022, 48(02): 109-112.

• 淋病
• ARIMA
• 时间序列分析
• 模型
• 周期性波动

目的基于2005—2020年深圳市淋病疫情监测数据, 构建自回归移动平均(ARIMA)模型以预测深圳市淋病报告发病率的时间趋势。方法采用R3.5.0软件建立ARIMA模型, 包括模型识别、参数检验和诊断三个步骤。将时间序列分为训练集和验证集, 其中2005年1月—2020年5月作为训练集进行模型的建立, 2020年6—11月作为验证集进行模型的评估。对比模型的BIC值选择拟合最优的模型, 并以平均绝对百分误差(MAPE)为评价标准。结果根据训练集得出最优模型为ARIMA(0, 1, 1)(2, 1, 1)12模型(BIC=370.51), 应用模型预测2020年6—11月深圳市淋病发病率, 发现有周期性波动以及继续下降的趋势, 与真实值的发病率趋势相符。该模型MAPE值为18.35%, 2020年6—11月的真实值均在预测值的95%CI内。结论 ARIMA(0, 1, 1)(2, 1, 1)12模型可很好地拟合周期波动和长期趋势, 能够应用于预测深圳市淋病发病趋势。

• 单位
  中国疾病预防控制中心; 深圳市慢性病防治中心; 中国医学科学院皮肤病研究所