基于ARIMA模型和小波分析的尼日利亚mpox疫情趋势预测与防控策略研究

本研究针对尼日利亚mpox（猴痘）疫情的防控需求，采用ARIMA时间序列模型结合小波分析技术，对2021-2024年疫情数据进行建模与14个月前瞻性预测。结果显示：ARIMA(2,0,0)模型预测未来月均病例13例且零死亡率，小波功率谱揭示2022-2023年存在显著年度周期。该研究为NCDC（尼日利亚疾控中心）优化疫苗分配和重点区域监测提供了数据支撑，对遏制Clade IIb病毒全球传播具有重要公共卫生意义。

　　

近年来，mpox（原称猴痘）病毒在全球范围内引发多次疫情暴发，世界卫生组织（WHO）先后于2022年5月和2024年8月两次将其列为"国际关注的公共卫生紧急事件"（PHEIC）。值得注意的是，导致2022年全球疫情的Clade IIb病毒株最初源自尼日利亚，该国已成为非洲大陆第四大mpox流行区。然而，针对这一关键区域的疫情动态预测研究却长期匮乏，传统防控策略面临数据支撑不足的困境。

为破解这一难题，尼日利亚奥耶-埃基蒂联邦大学应用数学建模与数据分析国际中心的研究团队在《BMC Infectious Diseases》发表了一项创新性研究。该团队整合ARIMA（自回归综合移动平均）模型与小波分析技术，首次系统揭示了尼日利亚mpox疫情的时空演变规律。研究基于尼日利亚疾控中心（NCDC）提供的46个月（2021年1月至2024年10月）疫情监测数据，通过70%训练集和30%测试集的划分策略，构建了最优预测模型，并利用Morlet小波解码了疫情波动的多尺度特征。

关键技术方法包括：1）采用平方根变换处理非平稳时间序列数据；2）通过自动ARIMA（auto.arima）函数筛选最优参数组合；3）应用Ljung-Box检验验证模型残差的白噪声特性；4）基于连续小波变换（公式2）计算局部功率谱，识别周期性波动特征；5）使用RMSE（均方根误差）和MAE（平均绝对误差）评估模型预测性能。

结果与讨论
时间序列建模
通过比较7种ARIMA模型发现，ARIMA(2,0,0)对病例数的预测误差最低（RMSE=0.97），而ARIMA(2,0,1)对死亡率的拟合最优（RMSE=0.25）。残差诊断显示除首阶滞后外均无显著自相关（p>0.05），证实模型有效性。14个月前瞻性预测表明，2024年11月至2025年12月期间，月均病例数将稳定在13例左右（95%CI:7-86），且全程零死亡预期。

小波功率谱分析

局部功率谱显示：12-18个月周期带（深红色区域）在2022年6月至2023年6月呈现强烈年度循环，与西非雨季活动高度吻合；而2-6个月周期带（蓝绿色区域）则反映短期暴发波动。全局功率谱进一步验证了年度周期的显著性（图10），相位角分析揭示了疫情传播的时空异质性特征。

结论与意义
该研究首次量化了尼日利亚mpox疫情的周期性规律，预测模型显示未来疫情呈持续下降趋势。这一成果为NCDC技术工作组（TWG）提供了三项关键决策依据：1）需在年度周期高峰前（每年6月）加强高危地区监测；2）疫苗应优先覆盖免疫功能低下人群；3）需警惕动物宿主在传播链中的作用。研究局限性在于未考虑疫苗接种覆盖率等外生变量，未来可采用ARIMAX（带外生变量的ARIMA）模型进行优化。这项研究不仅为西非地区mpox防控提供了科学模板，更为全球应对新发人畜共患病提供了"早期预警-动态预测-精准干预"的研究范式。