《Frontiers in Public Health》:Prediction of pulmonary tuberculosis case trends among older adults in Chongqing based on time series models
编辑推荐:
背景:结核病(TB)是由结核分枝杆菌引起的慢性传染病,是全球重大公共卫生挑战。老年人群因免疫衰老及合并症等因素属于高危人群。重庆市人口老龄化严重,防控形势严峻。目的:本研究基于2020年1月至2024年6月重庆市65岁及以上老年人肺结核(PTB)月度病例数,构
背景:结核病(TB)是由结核分枝杆菌引起的慢性传染病,是全球重大公共卫生挑战。老年人群因免疫衰老及合并症等因素属于高危人群。重庆市人口老龄化严重,防控形势严峻。目的:本研究基于2020年1月至2024年6月重庆市65岁及以上老年人肺结核(PTB)月度病例数,构建并比较季节性自回归积分滑动平均模型(SARIMA)、非线性自回归神经网络(NNAR)模型及其混合模型,预测2025年月度病例数。方法:数据来源于中国结核病信息管理系统(TBIMS),使用Microsoft Excel 2019整理,R软件(版本4.5.2)进行统计分析与建模。2020年1月至2024年6月为训练集,2024年7月至12月为测试集。模型性能采用均方根误差(RMSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)评估。结果:重庆市老年人群PTB病例呈明显季节性波动,每年3月和5月为高峰。测试集中,混合模型MAE最低(38.39%)和MAPE最低(11.77%),NNAR模型RMSE最低(45.52%)。混合模型整体表现较均衡。预测2025年病例仍维持相似季节性模式,预计3月和5月为高峰。结论:SARIMA-NNAR混合模型通过结合线性与非线性成分,提高了老年人群PTB病例数的预测准确性,为优化资源配置及季节性干预提供科学依据。
研究背景与意义
结核病(TB)由结核分枝杆菌(Mycobacterium tuberculosis)引起,是全球重大公共卫生问题。据世界卫生组织(WHO)2024年报告,全球TB发病约1070万例,其中65岁及以上人群约143万例,西太平洋地区负担最重。中国2024年TB病例约69.6万例,65岁以上人群约24.5万例。重庆市老龄化程度高,2024年65岁及以上人口达602.04万,占总人口18.87%。尽管总体发病率下降,但地理环境和医疗资源分布不均增加了防控难度,特别是老年人群肺结核(PTB)防控任务艰巨。现有预测模型如季节性自回归积分滑动平均模型(SARIMA)在处理非线性特征方面存在局限,人工神经网络(ANN)虽可捕捉非线性关系,但在纯线性模式下表现不佳。因此,结合两类模型优势的混合策略成为提高预测精度的可行途径。
关键技术方法
研究人员使用2020年1月至2024年12月重庆市38个区县报告的65岁及以上PTB病例数据,来源于中国结核病信息管理系统(TBIMS),人口数据来自重庆市统计年鉴与国民经济和社会发展统计公报。训练集为2020年1月至2024年6月,测试集为2024年7月至12月。构建三种模型:SARIMA模型用于提取线性趋势与季节性变化,NNAR模型用于拟合非线性波动,混合模型将SARIMA线性预测与NNAR残差预测相加。模型评价采用均方根误差(RMSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)。所有分析使用R软件完成。
研究结果
3.1 SARIMA模型性能
经增广迪基-富勒(ADF)检验,训练集序列平稳。自动定阶得到最优模型为SARIMA(0,0,1)(1,1,0)12,赤池信息准则(AIC)为446.23,贝叶斯信息准则(BIC)为451.44。Ljung-Box检验显示残差无自相关(P=0.0631),表明模型成功提取了线性与季节结构。
3.2 NNAR模型性能
针对季节性数据,模型设定为NNAR(1,1,2)12。Ljung-Box检验结果P=0.6468,残差无自相关,表明该模型有效捕捉了非线性动态。
3.3 混合模型性能
将SARIMA残差作为新序列输入NNAR模型,残差经ADF检验平稳(P<0.01)。混合模型Ljung-Box检验P=0.2579,残差无自相关。
3.4 模型精度比较
训练集中,NNAR模型RMSE、MAE、MAPE均最低;测试集中,混合模型MAE(38.39)与MAPE(11.77%)最低,NNAR模型RMSE(45.52)最低。混合模型在多项指标上表现均衡。
3.5 预测结果
三种模型均预测2025年PTB病例将在3月和5月出现高峰。混合模型预测5月病例数为567例,其95%置信区间为221–704,覆盖历史波动范围。
讨论与结论
讨论部分指出,重庆市老年人群PTB病例的季节性高峰与气候、人群聚集活动及免疫功能波动有关,与国际及国内其他地区模式一致。NNAR模型在训练集表现最佳,但在测试集误差增长较大,反映其对训练数据特异性波动的过度拟合倾向。混合模型通过将神经网络限制在SARIMA残差上,减少了这种风险,实现了更稳定的预测性能。研究同时注意到2022年底病例数的短期下降可能与COVID-19防控措施调整有关,但未改变整体季节性结构。临床诊断方面,老年PTB常表现为非典型症状,需与肺癌鉴别,影像学与分子检测技术的发展有助于提高诊断准确率。
结论部分总结,SARIMA-NNAR混合模型在测试集中MAE与MAPE最低,整体表现均衡,能有效提升预测精度。预测显示2025年病例仍将呈3月与5月高峰,可为提前部署防控资源提供参考,但点估计应谨慎解读,需结合实时流行病学信息。该研究发表于《Frontiers in Public Health》。