銀川地區(qū)臨床用血需求預(yù)測(cè)數(shù)學(xué)模型的建立與應(yīng)用

李艷麗 張偉 李平 樊榮 韓文麗 李雙琴 李娟

（寧夏血液中心 寧夏 銀川 750021）

自愿無(wú)償獻(xiàn)血作為臨床用血的主要來(lái)源，采供血機(jī)構(gòu)在保障血液的采集、臨床供需平衡以及血液質(zhì)量中發(fā)揮著至關(guān)重要的作用[1]。隨著經(jīng)濟(jì)社會(huì)的快速發(fā)展，銀川地區(qū)臨床用血需求急劇增長(zhǎng)，以每年10～12%的速度遞增，血液供需矛盾日趨凸顯，血源組織和血液采集工作面臨的壓力和挑戰(zhàn)與日俱增。為有效應(yīng)對(duì)臨床用血現(xiàn)狀，在保證滿足臨床用血量的同時(shí)，減少和避免因過(guò)量采集而導(dǎo)致過(guò)期報(bào)廢等血液資源的浪費(fèi)，作者現(xiàn)對(duì)銀川地區(qū)臨床供血量進(jìn)行分析，并預(yù)測(cè)未來(lái)的用血需求，為制定銀川地區(qū)臨床供血量提供科學(xué)、合理的數(shù)據(jù)支持。

1.材料與方法

1.1 分析資料來(lái)源

以寧夏血液中心2005—2016年臨床供應(yīng)紅細(xì)胞量（200ml全血為1U）作為統(tǒng)計(jì)分析數(shù)據(jù)來(lái)源，統(tǒng)計(jì)數(shù)據(jù)以寧夏血液中心穿越信息管理系統(tǒng)為準(zhǔn)。

1.2 方法

考慮臨床用血量可能具有一定的趨勢(shì)、周期性等特點(diǎn)，選擇兼顧趨勢(shì)性、周期性及循環(huán)性的ARIMA模型對(duì)數(shù)據(jù)進(jìn)行擬合，并篩選最佳模型，同時(shí)用2016年7月—2017年6月的數(shù)據(jù)對(duì)模型進(jìn)行驗(yàn)證，并用于預(yù)測(cè)未來(lái)一段時(shí)間銀川地區(qū)的臨床用血量。

1.3 統(tǒng)計(jì)分析

采用SPSS19.0軟件進(jìn)行數(shù)據(jù)的統(tǒng)計(jì)分析，P＜0.05有統(tǒng)計(jì)學(xué)意義。

2.結(jié)果

2.1 基本情況

銀川地區(qū)2005—2014年臨床用血量逐年增加，2015年略有下降。與2005年相比，2010年臨床用血量平均增長(zhǎng)速度達(dá)19%，其余年份的平均增長(zhǎng)速度超過(guò)12%，詳見(jiàn)表1。

表1 銀川地區(qū)2005—2016年臨床用血量

2.2 數(shù)學(xué)模型的建立

用2005—2016年的月度臨床用血量進(jìn)行建模。月度數(shù)據(jù)呈上升趨勢(shì)，且呈現(xiàn)一定的周期性。對(duì)數(shù)據(jù)進(jìn)行一階差分和一階季節(jié)性差分后，數(shù)據(jù)呈平穩(wěn)序列。通過(guò)ARIMA模型，從低階到高階逐個(gè)對(duì)p、q和P、Q的取值進(jìn)行嘗試，結(jié)合BIC準(zhǔn)則選取BIC值最小的模型ARIMA(0，1，1)（0，1，1）12為最佳模型，平穩(wěn)R方為0.795。序列的Ljung-Box Q檢驗(yàn)顯示差異無(wú)顯著性（統(tǒng)計(jì)量Q=15.122，P=0.516），表明殘差序列為白噪聲，進(jìn)一步證實(shí)了所選模型是恰當(dāng)?shù)?。模型的表達(dá)式為(1-L)(1-L4)Yt=(1+0.85L)(1+0.858L12)εt。ARIMA模型參數(shù)見(jiàn)表2。圖1為2005—2016年月度數(shù)據(jù)的殘差圖，圖2為2005—2016年月度數(shù)據(jù)的擬合曲線。

表2 ARIMA 模型參數(shù)

圖1 2005—2016年月度數(shù)據(jù)的殘差圖

圖2 2005—2016年月度數(shù)據(jù)的擬合曲線

2.3 數(shù)學(xué)模型的驗(yàn)證

用2016年7月—2017年6月的數(shù)據(jù)進(jìn)行驗(yàn)證，除2017年2月的相對(duì)誤差高于10%以外，其余月份的相對(duì)誤差都低于10%，說(shuō)明模型的選擇是正確的，可將其用于臨床用血需求的預(yù)測(cè)。表3為月度模型的實(shí)際值與預(yù)測(cè)值。

表3 月度模型的實(shí)際值與預(yù)測(cè)值

3.討論

血液作為一種特殊的醫(yī)療資源目前還不能實(shí)現(xiàn)體外制造[3]，在臨床救治中發(fā)揮著重要的作用。自愿無(wú)償獻(xiàn)血作為臨床用血的主要來(lái)源，采供血機(jī)構(gòu)在保障血液的采集、臨床供需平衡以及血液質(zhì)量中發(fā)揮著至關(guān)重要的作用。1998年《中華人民共和國(guó)獻(xiàn)血法》頒布，對(duì)無(wú)償獻(xiàn)血工作發(fā)揮了極大的推動(dòng)作用。銀川地區(qū)居民回族占三分之一，受民族傳統(tǒng)習(xí)俗，回族居民獻(xiàn)血意識(shí)比較欠缺，人口獻(xiàn)血率偏低，在一定程度上制約了臨床用血量的儲(chǔ)備。

血液資源需求預(yù)測(cè)是血液管理的重要環(huán)節(jié)，既可以有效的滿足臨床用血需求，同時(shí)又可避免過(guò)量采集而引發(fā)的血液資源浪費(fèi)。所以采供血機(jī)構(gòu)建立臨床用血需求量數(shù)學(xué)模型來(lái)預(yù)測(cè)臨床血液需求量，并在此基礎(chǔ)上制定招募采集計(jì)劃，合理安排團(tuán)體獻(xiàn)血，使經(jīng)驗(yàn)性采血逐步轉(zhuǎn)變成科學(xué)性、預(yù)見(jiàn)性采血[4]，保持血液采集量和需求量的平衡是很有必要的。

時(shí)間序列預(yù)測(cè)方法是以慣性原理推測(cè)其未來(lái)的狀態(tài)，常用的有指數(shù)平滑法，自回歸求和移動(dòng)平均模型（autoregressive integrated moving average model，ARIMA）[5]。ARIMA由Box和Jenkine于20世紀(jì)70年代初提出的著名時(shí)間序列預(yù)測(cè)方法[6]。ARIMA模型是目前較通用的時(shí)間序列預(yù)測(cè)模型之一，綜合考慮了序列的趨勢(shì)變化、周期變化及隨機(jī)干擾，并借助模型參數(shù)進(jìn)行了量化表達(dá)[7，8]。

銀川地區(qū)2005—2016年月度臨床用血量不僅含有時(shí)間趨勢(shì)成分外，還混有季節(jié)性成分。如果只考慮單一的因素建立模型就不能準(zhǔn)確的對(duì)其進(jìn)行預(yù)測(cè)。因此，ARIMA乘積季節(jié)性模型非常適合對(duì)具有時(shí)間趨勢(shì)，還混有季節(jié)性成分的數(shù)據(jù)進(jìn)行預(yù)測(cè)[9]。2015年臨床用血量有所回落，對(duì)預(yù)測(cè)的影響相對(duì)較大，分析其原因因?yàn)橐欢螘r(shí)間內(nèi)血液供應(yīng)緊張。在每年的2月，臨床用血量處于低峰期（春節(jié)前后手術(shù)量少），10～11月處于用血的高峰期（產(chǎn)婦、農(nóng)閑時(shí)手術(shù)高峰期）?？紤]數(shù)據(jù)可能存在離群值，所以對(duì)離群值進(jìn)行了檢測(cè)，發(fā)現(xiàn)5個(gè)離群值，未參與模型的建立。2017年2月臨床用血量受春節(jié)剛過(guò)的影響，實(shí)際供血量可能也屬于離群值，所以致使預(yù)測(cè)值和真實(shí)值的相對(duì)誤差高于10%。本研究證實(shí)了ARIMA模型在銀川地區(qū)臨床用血量的預(yù)測(cè)方面起了一定的作用，但也應(yīng)該注意到，受諸多因素的影響，所建立的模型不是一成不變的，它較適合進(jìn)行短期的預(yù)測(cè)，同時(shí)需要不斷加入新的實(shí)際數(shù)據(jù)，以不斷擬合更能反映實(shí)際情況的預(yù)測(cè)模型，才能達(dá)到預(yù)測(cè)的效果[6]。

[1]南京英.宣傳形式?jīng)Q定無(wú)償獻(xiàn)血發(fā)展[J].世界最新醫(yī)學(xué)信息文摘，2017，17(77):151.

[2]柳芳梅，梁社玲，段彩紅，etal.寧夏血液中心2011-2015年臨床供血調(diào)查及分析[J].中國(guó)輸血雜志，2017，30(1):63-64.

[3]羅志紅.2004-2008年湖南省臨床用血情況和未來(lái)用血變化趨勢(shì)分析[D];中南大學(xué)，2009.

[4]佘宇奇，李登清，邱明，等.2006—2012年長(zhǎng)沙地區(qū)用血情況分析及趨勢(shì)預(yù)測(cè)[J].中國(guó)輸血雜志，2013，26(5):466-468.

[5]薛芳靜，黃灝，許碧云，等.時(shí)間序列數(shù)據(jù)中的干預(yù)分析模型及SAS實(shí)現(xiàn)[J].中國(guó)衛(wèi)生統(tǒng)計(jì)，2017，34(3):509-514.

[6]彭志行，陶紅，賈成梅，等.時(shí)間序列分析在麻疹疫情預(yù)測(cè)預(yù)警中的應(yīng)用研究[J].中國(guó)衛(wèi)生統(tǒng)計(jì)，2010，27(5):459-463.

[7]王玉明.時(shí)間序列分析在甘肅省呼吸道傳染病發(fā)病率預(yù)測(cè)中的應(yīng)用研究[D];蘭州大學(xué)，2009.

[8]溫亮，張秀山，李承毅，等.季節(jié)分解法和ARIMA法預(yù)測(cè)烏魯木齊市肺結(jié)核發(fā)病趨勢(shì)效果分析[J].軍事醫(yī)學(xué)，2017，41(4):287-290.

[9]王超，丁勇，陸群，等.ARIMA乘積季節(jié)模型在我國(guó)甲肝發(fā)病預(yù)測(cè)中的應(yīng)用[J].南京醫(yī)科大學(xué)學(xué)報(bào)(自然科學(xué)版)，2014，34(01):75-79.