简介：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。

简介：摘要目的系统评价宫颈癌发病风险预测模型的现况，为实践工作选择最合适的模型提供证据，指导宫颈癌筛查。方法以宫颈癌和风险预测模型相关的两组中英文关键词，分别检索中国知网、万方数据知识服务平台及PubMed、Embase、Cochrane Library，筛选截至2019年11月21日发表构建或验证宫颈癌发病模型相关文献。根据CHARMS清单制定提取表，以PROBAST工具评估偏倚风险。结果共纳入12篇文献，涉及15个模型，其中5个模型在中国构建。预测结局包含从宫颈癌前病变到癌症发生的多个阶段宫颈涂片异常（1）、CIN的发生或复发（9）、宫颈癌发生（5）。使用较多的预测因素为HPV感染（12）、年龄（7）、吸烟（5）和文化程度（5）。有2个模型采用机器学习建模。模型表现上，区分度范围为0.53~0.87，而校准度只有2个模型正确评价。仅2个模型在中国台湾地区利用不同时间段的人群进行了外部验证。偏倚风险评价发现所有模型均为高风险，尤其分析领域，问题集中在缺失数据处理不当（13）、模型表现评价不完整（13）、内部验证使用不当（12）和样本量不足（11）。另外，预测因素和结局测量不一致（8）、结局测量盲法使用情况未报告（8）的问题较突出。相对而言，Rothberg等（2018）的模型质量较高。结论宫颈癌发病风险预测模型有一定数量但质量较差，亟须提高预测因素与结局的测量以及缺失数据处理和模型表现评价等统计分析细节，对现有模型进行外部验证，以更好地指导筛查。

简介：[目的]预测宝山区细菌性痢疾(下称菌痢)的发病率。[方法]根据宝山区历年菌痢发病情况，运用SAS统计软件进行抛物线及指数曲线拟合，找出拟合度最佳的曲线模型并建立菌痢的曲线回归方程。[结果]预测2000年宝山区菌痢发病率在15．28／10万～19．78／10万之间。[结论]运用SAS统计软件可以方便地进行多种方式的曲线配合，选择最佳预测模型预测多种疾病的发病率，为实际防病工作提供理论依据。

简介：目的探讨应用时间序列ARMA模型对甲肝发病趋势进行预测的可行性,为预防和控制甲肝提供依据。方法采用SPSS13.0对中山市2004-2009年的甲肝月发病人数资料建立ARMA模型,并对2010年上半年数据进行2步递推预测,通过对拟合残差的白噪声检验评价模型的拟合效果,采用绝对误差百分比、均方根误差评价预测效果。结果AR（1）是拟合中山市2004-2009年甲肝逐月发病数较为合适的模型,模型为yt=5.137＋0.435yt-1＋at,其AR1系数为0.435（t=4.026,P〈0.001）;模型拟合残差的自相关系数和偏相关系数在不同时刻均无统计学意义,Ljung-BoxQ统计量差异无统计学意义（Q=6.609,P=0.636）,残差检验符合白噪声,模型拟合效果良好;绝对误差百分比和均方根误差分别为0.029和0.856,预测效果良好。结论AR（1）模型能较好的模拟中山市甲肝发病情况,且能较好地预测未来短期内的发病趋势。

简介：自由组合定律的应用之一是可以预测家系中两种遗传病发病的概率．这一内容既是高中生物教学的目标，也是学生难掌握的内容．下面举一例，总结两种遗传病发病概率的规律，例示快速预测两遗传病发病概率的两种方法．

简介：摘要目的建立恶性肿瘤发病率的预测模型，为卫生部门制定防控对策提供理论依据。方法利用重庆市恶性肿瘤登记处2006～2013年统计的恶性肿瘤发病率资料建立灰色预测模型并进行模型评价，对2014~2016年的发病率进行预测。结果GM（1，1）模型为，预测值的相对误差小于10%，模型精度为优（C=0.34，P=1.00），预测效果好，2014~2016年肿瘤发病率预测值分别为252.54/10万、264.80/10万和277.65/10万。结论GM（1，1）灰色模型拟合效果检验为优秀，可以用来预测我市恶性肿瘤的发病率。我市恶性肿瘤发病率呈上升趋势。

简介：摘要目的构建儿童注意缺陷多动障碍（ADHD）发病风险预测模型。方法选取2017年1月至2020年6月余姚市第三人民医院儿科门诊确诊的ADHD患儿1 000例（ADHD组）及健康体检的学龄儿童1 000例（对照组）为研究对象。对研究对象近亲属进行问卷调查，采用logistic回归分析构建ADHD发病预测模型。结果母亲性格急躁、妊娠期情绪异常、父亲ADHD症状史、母亲吸烟、教养方式、胎儿宫内窘迫为ADHD发病的独立危险因素，预测模型受试者工作特征（ROC）曲线下面积为0.929（0.894~0.964）。结论模型预测性能良好，ADHD发病高危的儿童应及早随访，加强父母健康宣教、教养方式干预，预防ADHD的发生。

简介：摘要目的了解长沙市职业病发病情况，预测其发病趋势，为制定职业病防控策略与措施提供理论依据。方法于2019年4月，收集长沙市2010-2018年职业病发病数据，建立原始GM（1，1）灰色模型和缓冲算子优化模型，比较其预测效果。选取平均相对误差最小的模型预测2019-2023年长沙市职业病发病情况。结果原始GM（1，1）灰色模型及一阶、二阶缓冲算子优化模型的相对精度分别为80.92%、97.71%、99.64%（c=0.74、0.28、0.09，P=0.67、1.00、1.00）；预测2019-2023年长沙市职业病发病例数分别为40、39、39、38、37例。结论缓冲算子优化模型适用于波动性较大的原始数据序列的预测，可较好地拟合长沙市职业病发病情况。

简介：鼻咽癌又被称为“广东瘤”，全国约60％的鼻咽癌发生在广东。日前，中科院院士曾益新的科研团队在中山大学肿瘤防治中心召开了鼻咽癌预测芯片新闻发布会。课题组基于鼻咽癌易感基因位点、特异EB病毒亚型等科研成果，率先开发出预测芯片，帮助预警和识别鼻咽癌高危人群，提高早期发现和治愈率。

简介：摘要神经梅毒是梅毒螺旋体侵犯神经系统而导致的较严重的临床阶段，伴或不伴HIV感染的梅毒患者发生神经梅毒的危险因素及预测因素有所不同。HIV阴性梅毒患者发生神经梅毒的危险因素主要包括性别、年龄、梅毒感染阶段、治疗情况等；预测因素包括血清学滴度、脑脊液一些指标的变化及是否伴有神经系统或眼科症状等。HIV病毒载量及CD4+ T细胞计数、抗反转录病毒治疗情况是HIV阳性梅毒患者发生神经梅毒的主要预测及危险因素。

简介：摘要：目的：探讨儿童传染性疾病的发生情况，为儿童传染性疾病的防治提供依据。方法：收集云南省一家三甲医院2015-2019年间发生的儿童传染性疾病数据，运用 ARIMA模型对其流行趋势进行预测。结果：2015-2019期间，25个边境地区共上报34种法定传染病2343例，死亡人数为38人，平均每年发生病例数为468.7人，平均每年死亡病例数为7.6人；结果：病例的发生率有显著升高的趋势（P

简介：摘要目的探讨基于DWI和液体衰减反转恢复序列（FLAIR）的深度学习技术构建预测急性卒中发病时间模型的效果。方法回顾性分析于2017年1月至2020年5月在南京市第一医院就诊且发病时间明确的急性卒中患者324例。采用7∶3比例按照完全随机法将患者分为训练集226例，测试集98例；再根据发病时间将患者分为≤4.5 h和>4.5 h两组。由医师对DWI图像上急性梗死区及FLAIR相应的高信号区进行轮廓勾勒标注。利用InceptionV3模型作为图像特征提取的基本模型，构建并验证基于单序列（DWI、FLAIR）和多序列（DWI+FLAIR）的深度学习预测模型。比较人工识别、单序列模型及多序列模型预测急性卒中发病时间的ROC曲线下面积（AUC）、准确度等性能。结果发病时间≤4.5 h患者中94例（94/207）存在DWI-FLAIR不匹配，发病时间>4.5 h患者中28例（28/117）存在DWI-FLAIR不匹配。ROC分析显示人工识别DWI-FLAIR不匹配预测急性卒中发病时间的AUC为0.607，准确度为60.2%。基于单序列的深度学习预测模型显示FLAIR序列预测急性卒中发病时间的AUC为0.761，准确度为71.4%；DWI序列预测急性卒中发病时间的AUC为0.836，准确度为81.6%；基于多序列（DWI+FLAIR）深度学习模型预测急性卒中发病时间的AUC为0.852，明显优于人工识别（Z=0.617，P=0.002）、基于FLAIR序列深度学习模型（Z=2.133，P=0.006）和基于DWI序列深度学习模型（Z=1.846，P=0.012）。结论基于DWI和FLAIR的深度学习模型预测急性卒中发病时间明显优于人工识别，可为未知发病时间的卒中患者提供静脉溶栓治疗指导。

简介：摘要：传染病发病率与气候、饮水、空气质量、卫生条件等众多因素相关，各因素之间关系复杂，难以预测，基于数据驱动的传染病发病率预测假定各种影响因素均在发病率中有所体现，即前期的发病率涵盖了主要因素的影响，所以基于数据驱动的预测模型参数较少，适用范围广。本文对传染病发病率预测的意义、评价方法及典型基于数据驱动的传染病发病率预测方法进行介绍。

简介：目的研究厦门市恙虫病的流行特征并探讨ARIMA模型拟合厦门市恙虫病发病趋势预测及效果评价。方法搜集并整理厦门市2008-2014年恙虫病病例数据,对该数据分别进行性别、职业和年龄分组频数统计分析,并计算其发病率,描述厦门市恙虫病发病时间分布和人群分布;利用SPSS软件通过差分等方法对恙虫病月发病数序列进行平稳化,然后进行模型参数的估计、检验,最优模型的筛选,最后进行预测分析。结果2008-2014年厦门市恙虫病年平均发病率为2.42/10万,发病的季节分布主要集中在6-9月,发病主要集中在40～69岁年龄组,ARIMA（2,1,0）（0,1,0）12较好地拟合了厦门市恙虫病的月发病数据,预测效果良好。结论近年来厦门市恙虫病发病率呈逐年上升趋势且伴随着年龄的增高而增高,运用ARIMA模型进行短期预测,为评价防控措施效果提供科学依据。

简介：

简介：摘要目的预测凉山州尘肺病发病情况，探讨尘肺病发病原因及防护措施。方法对2001年-2013年凉山州712例尘肺病情况进行分析。结果从2011年起凉山州诊断病例大幅上升，病例保持在较高水平，近三年诊断数量分别是前十年累计诊断病例的547.17%、345.28%和350.94%，随着诊断门槛的下降、职业病诊断相关政策不断健全，十年内我州尘肺病患者将呈现一种高发的态势，由此引发的各种矛盾将进一步显现。并且凉山州尘肺病发病具有多因素。结论凉山是一个资源十分富集，开发潜力巨大的工矿企业聚集地地区，受职业、环境等影响，尘肺病患病率呈上升趋势，应加大防护尘肺职业病的保护措施，降低尘肺病患病率，并提高其救治效果。

简介：摘要本文介绍了统计预测的一般步骤，常见的统计模型在传染病发病趋势研究进展，为今后的传染病预测工作提供参考。

简介：目的建立适合预测我国乙肝月报告发病人数的自回归移动平均(autoregressiveintegratedmovingaverage,ARIMA)模型。方法收集2010年3月2017年8月我国乙肝月报告发病人数据资料,用Excel2010建立数据库,用R3.3.3软件进行模型构建。其中2010年3月2017年3月数据用于模型建立,2017年48月数据用于模型检验。结果我国乙肝月报告发病数整体呈现下降趋势并于每年2月达到最低值,于3月份迅速上升到高峰值,具有明显季节性和周期性。建立ARIMA(2,1,1)(1,1,1)12模型对我国乙肝月报告发病数进行预测,该模型预测的绝对误差平均值为2628.55,相对误差最大值为6.16%,最小值为1.29%,平均值为2.61%。结论基于本研究数据,ARIMA(2,1,1)(1,1,1)12模型能较好地拟合我国乙肝的月报告发病人数,可用于预测。

简介：摘要目的描述河北省2012—2019年手足口病的流行特征，建立季节性自回归移动平均模型（autoregressive moving average model，ARIMA），探讨其在河北省手足口病短期发病预测中的应用。方法收集中国疾病预防控制信息系统中2012—2019年河北省手足口病监测数据进行描述性流行病学分析，使用R4.1.3软件对2012年1月—2019年6月的数据进行ARIMA模型拟合，利用最优模型对2019年7—12月的月发病率进行预测。结果2012—2019年共报告手足口病456 814例，年均发病率为76.89/10万，发病率整体呈下降趋势（x2趋势=32 418.80，P<0.01），年递降率为18.36%。5—7月是发病大高峰期，病例占比达62.28%；男性患者发病数是女性患者的1.54倍，主要集中在5岁以下的散居儿童；年均发病率前三位为廊坊市、保定市和承德市。ARIMA（1，0，0）（0，1，2）12模型拟合度较好，各月发病率实际值均在预测值95%CI内。结论近年来河北省手足口病发病呈下降趋势，针对其流行特点，要加强重点人群、重点地区的防控；构建的ARIMA（1，0，0）（0，1，2）12模型可用于河北省手足口病短期预测。

简介：摘要目的基于急性脑卒中弥散加权成像(diffusion weighted imaging，DWI)和液体衰减反转恢复序列(fluid attenuated inversion recovery，FLAIR)的影像组学特征，通过机器学习构建急性脑卒中发病时间的预测模型。材料与方法回顾性分析188例急性脑卒中患者的MRI图像。采用ITK-SNAP软件对DWI上高信号梗死区和FLAIR上对应的急性梗死区进行分割，并应用人工智能应用平台(artificial intelligent kit,A.K.)进行影像组学特征提取和降维，最终使用最小绝对收缩与选择算子算法(least absolute shrinkage and selection operator,LASSO)确定发病时间相关的最佳影像组学特征，通过支持向量机分类器评估其在发病时间预测中的价值，并与人工识别的结果进行比较。结果共筛选出10个(7个DWI特征及3个FLAIR特征)与卒中发病时间密切相关的影像组学特征。人工识别受试者操作特征(receiver operating characteristic,ROC)分析显示DWI-FLAIR不匹配预测急性脑卒中发病时间的曲线下面积(area under curve, AUC)为0.634，敏感度和特异度分别为0.667、0.622。ROC分析显示该模型预测训练集患者发病时间的AUC为0.975，敏感度和特异度分别为0.932、0.950；预测测试集患者发病时间的AUC为0.915，敏感度和特异度分别为0.868、0.852。结论基于DWI和FLAIR影像组学的机器学习，能够较为准确地预测急性脑卒中患者的发病时间，为临床静脉溶栓治疗的选择提供影像指导。