發(fā)布時間：2022-01-02 03:53

　　目的:利用百度關(guān)鍵詞搜索指數(shù)和全國手足口病發(fā)病數(shù)建立手足口病預(yù)測模型。方法:從疾病名稱、癥狀、治療和預(yù)防等方面選擇關(guān)鍵詞,獲取關(guān)鍵詞的百度指數(shù),篩選出相關(guān)系數(shù)大于0.7的關(guān)鍵詞來構(gòu)建綜合百度搜索指數(shù),結(jié)合全國手足口病發(fā)病數(shù)進行自回歸移動平均（ARIMA）模型的擬合和預(yù)測。結(jié)果:相關(guān)性分析表明手足口病發(fā)病數(shù)與綜合百度指數(shù)高度相關(guān)（r=0.94,P<0.05）,且兩者變化趨勢非常一致。結(jié)合百度搜索指數(shù)建立的ARIMA模型的平均絕對百分比誤差為24.86%,均方根誤差百分比為29.86%;單獨基于發(fā)病歷史數(shù)據(jù)建立的ARIMA模型的平均絕對百分比誤差為27.58%,均方根誤差百分比為35.50%,前者的預(yù)測精度更好。結(jié)論:百度搜索指數(shù)可以提升ARIMA模型預(yù)測性能,結(jié)合百度搜索指數(shù)和手足口病發(fā)病數(shù)建立的ARIMA模型能較好地預(yù)測手足口病發(fā)病數(shù)。 

【文章來源】：汕頭大學醫(yī)學院學報. 2020,33(02)

【文章頁數(shù)】：4 頁

【部分圖文】：

基于百度搜索指數(shù)的ARIMA模型預(yù)測效果圖

圖1 基于百度搜索指數(shù)的ARIMA模型預(yù)測效果圖本研究利用關(guān)鍵詞挖掘工具，從240個百度關(guān)鍵詞最終篩選出19個相關(guān)系數(shù)大于0.7的關(guān)鍵詞，然后加權(quán)構(gòu)建綜合百度搜索指數(shù)，提高了預(yù)測的精確度。綜合百度搜索指數(shù)與手足口病發(fā)病數(shù)的相關(guān)性為0.94，同時，兩者變化的趨勢較為一致，說明使用百度指數(shù)進行手足口病發(fā)病的預(yù)測是合理且可靠的。利用建立的ARIMA模型進行預(yù)測，發(fā)現(xiàn)用結(jié)合百度搜索指數(shù)建立的ARIMA模型相對于只基于手足口病發(fā)病數(shù)建立的ARIMA模型，前者的MAPE值以及RMSPE值都比較低，說明使用百度搜索指數(shù)可以更好地提升ARIMA模型的預(yù)測性能。

【參考文獻】：
期刊論文
[1]基于百度指數(shù)的人感染H7N9禽流感疫情預(yù)測[J]. 白寧,郁磊,靳禎.  公共衛(wèi)生與預(yù)防醫(yī)學. 2018(06)
[2]基于百度指數(shù)和ARDL模型的廣東省清遠市2013-2017年手足口病發(fā)病數(shù)分析[J]. 杜玉忠,黃業(yè)草,何慧萍,范秀紅,盧文濤,蔡永銘,蔡巧.  預(yù)防醫(yī)學情報雜志. 2018(11)
[3]基于百度指數(shù)的清遠市手足口病GM（1,2）模型預(yù)測研究[J]. 蔡巧,黃業(yè)草,杜玉忠,蔡永銘,何慧萍.  華南預(yù)防醫(yī)學. 2017(06)
[4]基于LASSO回歸模型與百度搜索數(shù)據(jù)構(gòu)建的流感疫情預(yù)測系統(tǒng)[J]. 郭貔,王力,郝元濤.  中國衛(wèi)生統(tǒng)計. 2017(02)
[5]基于百度指數(shù)的登革熱疫情預(yù)測研究[J]. 王晶晶,鄒遠強,彭友松,李肯立,蔣太交.  計算機應(yīng)用與軟件. 2016(07)
[6]特定關(guān)鍵詞及百度指數(shù)與流感病毒活動相關(guān)性分析[J]. 董曉春,李琳,徐文體,張穎,張之倫,趙卓.  中國公共衛(wèi)生. 2016(11)
[7]中國手足口病的流行狀況及病原譜變化分析[J]. 趙奇,朱俊萍.  病毒學報. 2015(05)
[8]中國2013年報告法定傳染病發(fā)病及死亡特征分析[J]. 王麗萍,曾令佳,任翔,耿夢杰,李中杰,余宏杰.  中華流行病學雜志. 2015 (03)
[9]ARIMA模型在常見呼吸道傳染病疫情預(yù)測中的應(yīng)用[J]. 時照華,蘇虹,秦鳳云,田余紅.  安徽醫(yī)科大學學報. 2013(07)
[10]時間序列分析法在香港結(jié)核病預(yù)測中的應(yīng)用[J]. 劉剛,唐宋,孫文杰.  中國衛(wèi)生統(tǒng)計. 2012(02)



本文編號：3563418