基于SPSS時(shí)間序列法對(duì)甲狀腺疾病建模研究

孫源+原搏+原杰

摘 要： 收集不同城市的三家甲級(jí)醫(yī)院在7年時(shí)間（2006—2012年）的所有甲狀腺疾病的患者的病案數(shù)據(jù)進(jìn)行整理和統(tǒng)計(jì)分析。利用SPSS時(shí)間序列方法建立合理的統(tǒng)計(jì)模型。從患者的性別、年齡和職業(yè)等常見的非生理性指標(biāo)因素入手，研究甲狀腺疾病的發(fā)病態(tài)勢(shì)，獲取甲狀腺疾病的干擾因素。建立時(shí)間序列預(yù)測(cè)技術(shù)中最全面、最有效的統(tǒng)計(jì)方法之一——ARIMA模型，達(dá)到對(duì)疾病的預(yù)防和防控的目的。

關(guān)鍵詞： 甲狀腺； SPSS時(shí)間序列； 發(fā)病態(tài)勢(shì)； ARIMA模型

中圖分類號(hào)： TN964?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2014）04?0082?02

Study on thyroid disease modeling based on SPSS time series

SUN Yuan1， YUAN Bo2， YUAN Jie2

（1. School of Mathematics and Computational Science， Sun Yat?sen University， Guangzhou 510275， China；

2. School of Basic Medicine， Harbin Medical University， Daqing 163319， China）

Abstract： The data of patient medical records of all thyroid diseases in three first class hospitals in different cities in 7 years （2006―2012） were collected and analyzed statistically. A statistic model was established with SPSS time series method. Starting with patient's common non?physiological indexes， such as gender， age， occupation， etc.， the incidence of thyroid disease was studied， the interference factors for thyroid disease were obtained， and the ARIMA model， one of the most effective and most comprehensive statistical methods in time series forecasting， was established. The purpose to prevent and control the disease was achieved.

Keywords： thyroid； SPSS time series； incidence of disease； ARIMA model

0 引 言

近幾年甲狀腺疾病發(fā)病率較高，人們對(duì)甲狀腺疾病的預(yù)防和治療僅在一些生理因素層上面。如：碘的營(yíng)養(yǎng)狀況、自身抗體和自身免疫力等。對(duì)非生理因素缺少一些科學(xué)性和系統(tǒng)性的預(yù)防和控制。因此建立統(tǒng)計(jì)模型[1]的方法分析和研究他們之間的關(guān)系。有利于預(yù)防和控制疾病的發(fā)生。

1 建立關(guān)系模型[2]

1.1 甲狀腺疾病與性別的關(guān)系

數(shù)據(jù)統(tǒng)計(jì)利用Excel處理表明如圖1所示。

從圖1得知：女性患甲狀腺疾病的比例明顯高于男性，性別是影響甲狀腺患病的重要因素。

1.2 甲狀腺疾病與年齡的關(guān)系

各年齡段及不同年齡段的男女發(fā)病比例見表1。

圖1 男女發(fā)病比例

表1 各年齡段及不同年齡段的男女發(fā)病比例

圖2 各年齡段及不同年齡段的男女發(fā)病比例

從圖2中得知，甲狀腺疾病的高發(fā)年齡段在50～60歲之間，且女性發(fā)病數(shù)明顯高于男性。

1.3 甲狀腺疾病與職業(yè)的關(guān)系

甲狀腺疾病的發(fā)病數(shù)與年齡的關(guān)系如表2所示。

表2 甲狀腺疾病的發(fā)病數(shù)與年齡的關(guān)系

圖3 甲狀腺疾病的發(fā)病數(shù)與年齡的關(guān)系

根據(jù)表2及圖3，工人及離退人員患病數(shù)較大，但此因素是否與甲狀腺患病率有關(guān)系還需做置信區(qū)間的檢查。

2 模型預(yù)測(cè)

依據(jù)以上因素的分析，從統(tǒng)計(jì)學(xué)的觀點(diǎn)看，相鄰的觀察值具有很強(qiáng)的依賴性[3]。下面就2006—2012年甲狀腺疾病各種非生理數(shù)據(jù)指標(biāo)，利用SPSS時(shí)間序列法[4]對(duì)發(fā)病態(tài)勢(shì)進(jìn)行預(yù)測(cè)。

表3 每年的住院人數(shù)統(tǒng)計(jì)

ARIMA有6個(gè)參數(shù)，AMIMA（p，d，q）（sp，sd，sq）構(gòu)成模型要素。下面構(gòu)建時(shí)間序列分析的ARIMA模型圖，如圖4所示。

圖4 時(shí)間序列分析的ARIMA模型圖

3 結(jié) 論

依據(jù)時(shí)間序列分析的ARIMA模型圖，可以找到多變量對(duì)目標(biāo)值的影響[6]，預(yù)測(cè)2013年入院治療甲狀腺的人數(shù)的上限為1 117人，下限為598人；2014年入院治療人數(shù)上限為1 225人，下限為490人。因此，不及時(shí)控制會(huì)有平均逐年增長(zhǎng)的趨勢(shì)。

參考文獻(xiàn)

[1] 陳峰.現(xiàn)代醫(yī)學(xué)統(tǒng)計(jì)方法與stata應(yīng)用[M].北京：中國(guó)統(tǒng)計(jì)出版社，1999.

[2] 倪加勛，袁衛(wèi)，易丹輝.應(yīng)用統(tǒng)計(jì)學(xué)[M].北京：中國(guó)人民大學(xué)出版社，2001.

[3] 薛薇.SPSS統(tǒng)計(jì)分析方法及應(yīng)用[M].2版.北京：電子工業(yè)出版社，2009.

[4] 高惠璇.應(yīng)用多元統(tǒng)計(jì)分析[M].北京：北京大學(xué)出版社，2005.

[5] 劉子君，趙維波.Pass for windows 統(tǒng)計(jì)分析[M].沈陽：東北大學(xué)出版社，2004.

[6] 張賢達(dá).時(shí)間序列分析高階統(tǒng)計(jì)量方法[M].北京：清華大學(xué)出版社，2008.

摘 要： 收集不同城市的三家甲級(jí)醫(yī)院在7年時(shí)間（2006—2012年）的所有甲狀腺疾病的患者的病案數(shù)據(jù)進(jìn)行整理和統(tǒng)計(jì)分析。利用SPSS時(shí)間序列方法建立合理的統(tǒng)計(jì)模型。從患者的性別、年齡和職業(yè)等常見的非生理性指標(biāo)因素入手，研究甲狀腺疾病的發(fā)病態(tài)勢(shì)，獲取甲狀腺疾病的干擾因素。建立時(shí)間序列預(yù)測(cè)技術(shù)中最全面、最有效的統(tǒng)計(jì)方法之一——ARIMA模型，達(dá)到對(duì)疾病的預(yù)防和防控的目的。

關(guān)鍵詞： 甲狀腺； SPSS時(shí)間序列； 發(fā)病態(tài)勢(shì)； ARIMA模型

中圖分類號(hào)： TN964?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2014）04?0082?02

Study on thyroid disease modeling based on SPSS time series

SUN Yuan1， YUAN Bo2， YUAN Jie2

（1. School of Mathematics and Computational Science， Sun Yat?sen University， Guangzhou 510275， China；

2. School of Basic Medicine， Harbin Medical University， Daqing 163319， China）

Abstract： The data of patient medical records of all thyroid diseases in three first class hospitals in different cities in 7 years （2006―2012） were collected and analyzed statistically. A statistic model was established with SPSS time series method. Starting with patient's common non?physiological indexes， such as gender， age， occupation， etc.， the incidence of thyroid disease was studied， the interference factors for thyroid disease were obtained， and the ARIMA model， one of the most effective and most comprehensive statistical methods in time series forecasting， was established. The purpose to prevent and control the disease was achieved.

Keywords： thyroid； SPSS time series； incidence of disease； ARIMA model

0 引 言

近幾年甲狀腺疾病發(fā)病率較高，人們對(duì)甲狀腺疾病的預(yù)防和治療僅在一些生理因素層上面。如：碘的營(yíng)養(yǎng)狀況、自身抗體和自身免疫力等。對(duì)非生理因素缺少一些科學(xué)性和系統(tǒng)性的預(yù)防和控制。因此建立統(tǒng)計(jì)模型[1]的方法分析和研究他們之間的關(guān)系。有利于預(yù)防和控制疾病的發(fā)生。

1 建立關(guān)系模型[2]

1.1 甲狀腺疾病與性別的關(guān)系

數(shù)據(jù)統(tǒng)計(jì)利用Excel處理表明如圖1所示。

從圖1得知：女性患甲狀腺疾病的比例明顯高于男性，性別是影響甲狀腺患病的重要因素。

1.2 甲狀腺疾病與年齡的關(guān)系

各年齡段及不同年齡段的男女發(fā)病比例見表1。

圖1 男女發(fā)病比例

表1 各年齡段及不同年齡段的男女發(fā)病比例

圖2 各年齡段及不同年齡段的男女發(fā)病比例

從圖2中得知，甲狀腺疾病的高發(fā)年齡段在50～60歲之間，且女性發(fā)病數(shù)明顯高于男性。

1.3 甲狀腺疾病與職業(yè)的關(guān)系

甲狀腺疾病的發(fā)病數(shù)與年齡的關(guān)系如表2所示。

表2 甲狀腺疾病的發(fā)病數(shù)與年齡的關(guān)系

圖3 甲狀腺疾病的發(fā)病數(shù)與年齡的關(guān)系

根據(jù)表2及圖3，工人及離退人員患病數(shù)較大，但此因素是否與甲狀腺患病率有關(guān)系還需做置信區(qū)間的檢查。

2 模型預(yù)測(cè)

依據(jù)以上因素的分析，從統(tǒng)計(jì)學(xué)的觀點(diǎn)看，相鄰的觀察值具有很強(qiáng)的依賴性[3]。下面就2006—2012年甲狀腺疾病各種非生理數(shù)據(jù)指標(biāo)，利用SPSS時(shí)間序列法[4]對(duì)發(fā)病態(tài)勢(shì)進(jìn)行預(yù)測(cè)。

表3 每年的住院人數(shù)統(tǒng)計(jì)

ARIMA有6個(gè)參數(shù)，AMIMA（p，d，q）（sp，sd，sq）構(gòu)成模型要素。下面構(gòu)建時(shí)間序列分析的ARIMA模型圖，如圖4所示。

圖4 時(shí)間序列分析的ARIMA模型圖

3 結(jié) 論

依據(jù)時(shí)間序列分析的ARIMA模型圖，可以找到多變量對(duì)目標(biāo)值的影響[6]，預(yù)測(cè)2013年入院治療甲狀腺的人數(shù)的上限為1 117人，下限為598人；2014年入院治療人數(shù)上限為1 225人，下限為490人。因此，不及時(shí)控制會(huì)有平均逐年增長(zhǎng)的趨勢(shì)。

參考文獻(xiàn)

[1] 陳峰.現(xiàn)代醫(yī)學(xué)統(tǒng)計(jì)方法與stata應(yīng)用[M].北京：中國(guó)統(tǒng)計(jì)出版社，1999.

[2] 倪加勛，袁衛(wèi)，易丹輝.應(yīng)用統(tǒng)計(jì)學(xué)[M].北京：中國(guó)人民大學(xué)出版社，2001.

[3] 薛薇.SPSS統(tǒng)計(jì)分析方法及應(yīng)用[M].2版.北京：電子工業(yè)出版社，2009.

[4] 高惠璇.應(yīng)用多元統(tǒng)計(jì)分析[M].北京：北京大學(xué)出版社，2005.

[5] 劉子君，趙維波.Pass for windows 統(tǒng)計(jì)分析[M].沈陽：東北大學(xué)出版社，2004.

[6] 張賢達(dá).時(shí)間序列分析高階統(tǒng)計(jì)量方法[M].北京：清華大學(xué)出版社，2008.

摘 要： 收集不同城市的三家甲級(jí)醫(yī)院在7年時(shí)間（2006—2012年）的所有甲狀腺疾病的患者的病案數(shù)據(jù)進(jìn)行整理和統(tǒng)計(jì)分析。利用SPSS時(shí)間序列方法建立合理的統(tǒng)計(jì)模型。從患者的性別、年齡和職業(yè)等常見的非生理性指標(biāo)因素入手，研究甲狀腺疾病的發(fā)病態(tài)勢(shì)，獲取甲狀腺疾病的干擾因素。建立時(shí)間序列預(yù)測(cè)技術(shù)中最全面、最有效的統(tǒng)計(jì)方法之一——ARIMA模型，達(dá)到對(duì)疾病的預(yù)防和防控的目的。

關(guān)鍵詞： 甲狀腺； SPSS時(shí)間序列； 發(fā)病態(tài)勢(shì)； ARIMA模型

中圖分類號(hào)： TN964?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2014）04?0082?02

Study on thyroid disease modeling based on SPSS time series

SUN Yuan1， YUAN Bo2， YUAN Jie2

（1. School of Mathematics and Computational Science， Sun Yat?sen University， Guangzhou 510275， China；

2. School of Basic Medicine， Harbin Medical University， Daqing 163319， China）

Abstract： The data of patient medical records of all thyroid diseases in three first class hospitals in different cities in 7 years （2006―2012） were collected and analyzed statistically. A statistic model was established with SPSS time series method. Starting with patient's common non?physiological indexes， such as gender， age， occupation， etc.， the incidence of thyroid disease was studied， the interference factors for thyroid disease were obtained， and the ARIMA model， one of the most effective and most comprehensive statistical methods in time series forecasting， was established. The purpose to prevent and control the disease was achieved.

Keywords： thyroid； SPSS time series； incidence of disease； ARIMA model

0 引 言

近幾年甲狀腺疾病發(fā)病率較高，人們對(duì)甲狀腺疾病的預(yù)防和治療僅在一些生理因素層上面。如：碘的營(yíng)養(yǎng)狀況、自身抗體和自身免疫力等。對(duì)非生理因素缺少一些科學(xué)性和系統(tǒng)性的預(yù)防和控制。因此建立統(tǒng)計(jì)模型[1]的方法分析和研究他們之間的關(guān)系。有利于預(yù)防和控制疾病的發(fā)生。

1 建立關(guān)系模型[2]

1.1 甲狀腺疾病與性別的關(guān)系

數(shù)據(jù)統(tǒng)計(jì)利用Excel處理表明如圖1所示。

從圖1得知：女性患甲狀腺疾病的比例明顯高于男性，性別是影響甲狀腺患病的重要因素。

1.2 甲狀腺疾病與年齡的關(guān)系

各年齡段及不同年齡段的男女發(fā)病比例見表1。

圖1 男女發(fā)病比例

表1 各年齡段及不同年齡段的男女發(fā)病比例

圖2 各年齡段及不同年齡段的男女發(fā)病比例

從圖2中得知，甲狀腺疾病的高發(fā)年齡段在50～60歲之間，且女性發(fā)病數(shù)明顯高于男性。

1.3 甲狀腺疾病與職業(yè)的關(guān)系

甲狀腺疾病的發(fā)病數(shù)與年齡的關(guān)系如表2所示。

表2 甲狀腺疾病的發(fā)病數(shù)與年齡的關(guān)系

圖3 甲狀腺疾病的發(fā)病數(shù)與年齡的關(guān)系

根據(jù)表2及圖3，工人及離退人員患病數(shù)較大，但此因素是否與甲狀腺患病率有關(guān)系還需做置信區(qū)間的檢查。

2 模型預(yù)測(cè)

依據(jù)以上因素的分析，從統(tǒng)計(jì)學(xué)的觀點(diǎn)看，相鄰的觀察值具有很強(qiáng)的依賴性[3]。下面就2006—2012年甲狀腺疾病各種非生理數(shù)據(jù)指標(biāo)，利用SPSS時(shí)間序列法[4]對(duì)發(fā)病態(tài)勢(shì)進(jìn)行預(yù)測(cè)。

表3 每年的住院人數(shù)統(tǒng)計(jì)

ARIMA有6個(gè)參數(shù)，AMIMA（p，d，q）（sp，sd，sq）構(gòu)成模型要素。下面構(gòu)建時(shí)間序列分析的ARIMA模型圖，如圖4所示。

圖4 時(shí)間序列分析的ARIMA模型圖

3 結(jié) 論

依據(jù)時(shí)間序列分析的ARIMA模型圖，可以找到多變量對(duì)目標(biāo)值的影響[6]，預(yù)測(cè)2013年入院治療甲狀腺的人數(shù)的上限為1 117人，下限為598人；2014年入院治療人數(shù)上限為1 225人，下限為490人。因此，不及時(shí)控制會(huì)有平均逐年增長(zhǎng)的趨勢(shì)。

參考文獻(xiàn)

[1] 陳峰.現(xiàn)代醫(yī)學(xué)統(tǒng)計(jì)方法與stata應(yīng)用[M].北京：中國(guó)統(tǒng)計(jì)出版社，1999.

[2] 倪加勛，袁衛(wèi)，易丹輝.應(yīng)用統(tǒng)計(jì)學(xué)[M].北京：中國(guó)人民大學(xué)出版社，2001.

[3] 薛薇.SPSS統(tǒng)計(jì)分析方法及應(yīng)用[M].2版.北京：電子工業(yè)出版社，2009.

[4] 高惠璇.應(yīng)用多元統(tǒng)計(jì)分析[M].北京：北京大學(xué)出版社，2005.

[5] 劉子君，趙維波.Pass for windows 統(tǒng)計(jì)分析[M].沈陽：東北大學(xué)出版社，2004.

[6] 張賢達(dá).時(shí)間序列分析高階統(tǒng)計(jì)量方法[M].北京：清華大學(xué)出版社，2008.