Sci论文 - 至繁归于至简,Sci论文网。 设为首页|加入收藏
当前位置:首页 > 医学论文 > 正文

应用时间序列模型预测医院感染率论文(附论文PDF版下载)

发布时间:2018-10-15 15:59:26 文章来源:SCI论文网 我要评论














SCI论文(www.scipaper.net):
 
摘要:目的 利用时间序列模型预测医院感染率,了解医院感染发生的潜在规律,提出有针对性的监控措施。方法 收集本院 2009 至 2017 年医院感染数据,应用 SPSSl3.0 软件分析数据建立时间序列预测模型。结果 医院感染率逐渐降低,且每年的春季和冬季都比 较 高 ;ARIMA(autoregressive integrated moving average model,ARIMA)(0,1,1)(0,1,1)4 模 型 AIC 为 54.16,BIC 为 58.36;2018 年四个季度医院感染率预测值分别为 1.57%、1.14%、0.95%、1.16%。结论 医院感染具有季节性,应注意加强春、冬季宣教预防医院感染发生;医院感染率预测值与实际值拟合度较好,能够为医院感染管理决策提供科学依据。

关键词:时间序列模型;医院感染;预测;ARIMA 模型

本文引用格式:魏绍明,邹峰,邹艳艳 . 应用时间序列模型预测医院感染率 [J]. 世界最新医学信息文摘,2018,18(71):15-17.

Application of Time Series Model in Predicting The Healthcare-associated Infection
WEI Shao-ming1, ZOU Feng2, ZOU Yan-yan1 △
(1 The Fifth Affiliated Hospital, Xinjiang Medical University, Urumqi, Xinjiang;2 Xinhua Hospital of Yili,Yili, Xinjiang)
ABSTRACT:Objective  Using the time series model to predict healthcare-associated infection rate, in order to find the potential  law of hospital infection, improve the monitoring efficiency. Methods Collect the data from 2009 to 2017 , using SPSS l3.0 establish ARIMA model. Results The rate of healthcare-associated infection are dropping, and high in spring and winter; The AIC and BIC of ARIMA(0,1,1)(0,1,1)4 were 54.16 and 58.36;the forecast of healthcare-associated Infection rate will be 1.57%, 1.14%, 0.95% and 1.16% in the four quarters of 2018. Conclusions Hospital infection if seasonal, we should pay attention to improve the spring and winter training to prevent hospital infection ocourred; The fit of the actual and estimated values of the hospital infection rate is better, it can provide scientific basis for hospital infection management decisions.
KEYWORDS:Time series model; Healthcare-associated infection;Prediction;ARIMA model

0引言

医院感染监测能够及时发现医院感染患者的波动,为院感的控制和预防提供依据。目前医院感染监测方法有全面综合性和近几年兴起的目标性监测两种 [1]。本研究选择某大型综合医院为监测点,利用时间序列模型对全院感染率数据进行预测性挖掘,以预测全院医院感染发展趋势,以便与实际医院感染值进行对比,帮助医院感染管理者全面了解医院感染存在的风险,为医院感染管理提供科学依据。

1资料与方法

1.1资料来源
(1)院感病例由临床医生报告并经医院感染管理专职人员根据国家卫生部制订颁发的《医院感染诊断标准》核实的院内感染的病例;(2)根据发热 >38℃、住院超过 48h 使用抗生素等条件筛查并进一步查看病历发现的漏报的院内感染病例。

2009-2012 年数据为临床科室纸质版上报,然后使用excel 进行个案调查表录入,2013-2017 年数据来自蓝蜻蜓医院感染实时监控管理系统,采用 SPSS12.0 统计软件包进行统计学分析。

1.2建模原理和方法
时间序列的构建:将每季度医院感染率视为依赖时间t 推移形成的随机序列。应用自回归平滑平均混合模型即ARIMA(p,d,q)(P,D,Q) 进行拟合、预测。模型中 AR 是自回归,MA 为移动平均,P 为自回归项,q 为移动平均项,d 为时间序列成为平稳时所作的差分次数。建立 ARIMA 模型分以下几步 [2]:(1)数据平稳化处理:绘制原始数据的时序图以了解数据平稳性,对于非平稳的序列采用差分剔除循环趋势使之平稳化,并确定差分次数 d。(2)选择模型:依据平稳时间序列的自相关图(ACF)和偏自相关图(PACF)截尾情况确定移动平均阶数 q  和自回归阶数 p,初步确定模型。(3)确定模型:利用残差平方和 AIC,并画出真实值、拟合值对比时序图,了解拟合效果,综合判断最终选定模型类型。(4)预测:预测 2018 年四个季度医院感染率。

2结果

2.1序列平稳化检验
绘制直方图(图 1)可以看出该数列均值为 2.57,标准差不为 1, 数据呈非正态分布;绘制时序分布图 ( 图 2),如图所示医院感染率呈逐年降低趋势,其中 2012 年下降最为明显, 且每年的冬季和春季都比较高,数据不平稳,由此可见该数据为非正态不平稳序列。

2.2序列平稳化与模型识别
数据经一阶差分和一阶季节差分后,自相关图和偏相关图见图 3、图 4。如图 3 序列数据的自相关系数呈周期性逐渐衰减,所以该时间序列基本是平稳的。从前面的分析中可以得知,医院感染数据需要建立混合效应模型 ARIMA(p,d,q) (P,D,Q)。根据文献 [3-5],可以构建季节模型 ARIMA(0,1,1) 。从图 3、4 中能够观察到 ACF 和 PACF 选用 ARIMA(0,1,1) 模型,因此本研究确立模型为 ARIMA(0,1,1) (0,1,1)4。

2.3模型的检验
方差估计值为 10.58,AIC 为 54.16,BIC 为 58.36。组内回代得医院感染率预测值,绘制实际值和预测值对比时序列图,如图 5 可见预测序列与实际值拟合度较好。

\
图 1  直方图

\
图 2 2009-2017 年感染率

\
图 3  差分后自相关图

\
图 4 差分后偏相关图

\
图 5  时序图

2.4预测
利用模型预测 2018 年各季度医院感染率及其 95% 置信区间,如表 1 所示。

\

3讨论

医院感染伴随医院的建立而出现,不仅使其治疗、护理变得更加复杂,还导致患者病情加重,延长住院时间,增加额外的经济负担 [6,7]。研究显示本院医院感染率有所下降,这与 2014 年新疆地区报道结果一致 [8]。主要原因:(1)近年来不断加强医院感染管理与控制,严格落实医院感染三级组织架构,及时防控医院感染风险发生。(2)自 2012 年三甲医院复审以来,对防控工作认识和重视程度不断提高,增加医院感染防控费用的投入,例如增加快速手消液、干手纸、感应水龙头等。(3)按照各类管理规范改善了医院布局和预防感染设施设备。尽管医院感染在下降,但是由于医院感染受到患者内在和外在因素影响,其发生非常复杂,很难完全避免。中国卫生年鉴资料显示,我国住院患者目前仍在逐年递增, 医院感染病例数及由此带来的疾病负担与经济负担未必也会同步下降,甚至可能仍在增长中 [9]。另一方面,近几年医院感染爆发依然时有发生,因此掌握医院感染发病率,开展医院感染发病情况的预测成为了一项重要的研究课题。

研究显示春冬季医院感染率较高,主要原因为西北地区10 月至次年 4 月为采暖期,室内外温差较大,容易发生呼吸道感染;另一方面采暖期空气质量较差,慢支急发多见。因此在这春冬季节以及气温降低的时候,医护人员应该加强患者呼吸道防控知识的宣教,以减少呼吸系统医院感染的发生。

时间序列模型从序列自相关的角度揭示了时间序列的发展规律 [10-12]。研究显示医院感染率呈逐年下降趋势,具有周期性,春季和冬季医院感染率较高,因此采用了 ARIMA 季节模型。综合考虑了数据的自相关性、平稳性、周期性和季节性因素的影响。根据数据的自相关系数和偏相关系数建立了定量模型 ARIMA(0,1,1)  (0,1,1)4,方差估计值为 10.58, AIC 为 54.16,BIC 为 58.36,显示实际感染率与预测值拟合度较好。并通过此模型对 2018 年各季度的医院感染率进行初步预测,后期将预测值和实际值进行对比分析,及时发现异常情况,找出导致医院感染异常的原因,从而降低医院感染的发生率。

参考文献:

[1]李红,潘东峰,郭忠琴,等 . 时间序列模型在医院感染发生率拟合预测中的比较研究 [J]. 中国卫生统计,2013,30(1):87-89.
[2]刘海鹏,金玉莲,刘光辉,等 . 住院患儿医院感染发生率 ARIMA 时间序列模型 [J]. 中国感染控制杂志,2017,16(3):243-246.
[3]管利华,ARIMA 模型预测医院感染发病状况研究 [J]. 实用预防医学, 2013,20(10)1247-1249.
[4]杨秋英,郭广行,陈卉 . 基于时间序列 ARIMA 模型的艾滋病发病率预测研究 [J]. 中国医学装备 ,2016,13(11):1-4.
[5]石福艳,禹长兰,杨光,等 .ARIMA 模型在安丘市肾综合征出血热月发病率预测研究中的应用 [J]. 中国卫生统计,2016,33(5):845-846.
[6]贾会学,侯铁英,李卫光,等 . 中国 68 所综合医院医院感染的经济损失研究 [J]. 中国感染控制杂志,2016,15(9):637-641.
[7]刘继恒,徐勇,刘军,等 . 应用时间序列模型预测宜昌市甲型病毒性肝炎发病率 [J]. 公共卫生与预防医学,2017,28(2):10-13.
[8]吴安华,文细毛,李春辉,等 .2012 年全国医院感染现患率与横断面抗菌药物使用率调查报告 [J]. 中国感染控制杂志 ,2014,13(1):8-15.
[9]杨环,王蓓,姚新宝,等 .2014 年新疆 132 所医院医院感染横断面流行病学调查 [J]. 中国感染控制杂志,2015,14(10):676-680.
[10]谢忠杭,欧剑鸣,张莹珍,等 . 应用 ARIMA 模型预测福建省戊型肝炎疫情 [J]. 中国人畜共患病学报,2011,27(11)1047-1050.
[11]郑慧敏,薛允莲,黄燕飞,等 .ARIMA 模型在深圳市病毒性肝炎发病趋势预测的应用 [J]. 中国热带医学,2015,15(5):558-561.
[12]乔晓,贾玉娟,侯玉立 . 时间序列分析在医药卫生行业的应用 [J]. 世界最新医学信息文摘 ,2018,18(38):82-83.

《应用时间序列模型预测医院感染率论文》附论文PDF版下载:
http://www.scipaper.net/uploadfile/2018/1015/20181015040135869.pdf

关注SCI论文创作发表,寻求SCI论文修改润色、SCI论文代发表等服务支撑,请锁定SCI论文网!

文章出自SCI论文网转载请注明出处:https://www.scipaper.net/yixuelunwen/1159.html

发表评论

Sci论文网 - Sci论文发表 - Sci论文修改润色 - Sci论文期刊 - Sci论文代发
Copyright © Sci论文网 版权所有 | SCI论文网手机版 | 豫ICP备2022008342号-1 | 网站地图xml | 百度地图xml