基于混合时间序列模型的中国大陆梅毒趋势的分析和预测

科学领域:

• 流行病学 流行病学
• 生物统计学 生物统计学
• 公共卫生 公共卫生

背景情况:

• 梅毒在中国大陆是一个重大的公共卫生挑战.
• 准确的梅毒患病率建模对于有效的政府干预至关重要.

研究的目的:

• 评估和比较各种时间序列模型的性能,以预测中国梅毒发病率.
• 确定为公共卫生政策和干预策略提供信息的最准确模型.

主要方法:

• 使用季节自回归集成移动平均 (SARIMA),长期短期记忆 (LSTM) 网络以及混合SARIMA-LSTM和SARIMA-NARX模型进行时间序列分析.
• 使用诸如中位数绝对偏差 (MAD),平均绝对百分比误差 (MAPE),根平均平方误差 (RMSE) 和平均绝对误差 (MAE) 等指标来模拟和比较模型准确性.

主要成果:

• 混合SARIMA-NARX模型与SARIMA,LSTM和SARIMA-LSTM模型相比显示出更高的准确性,这表明MAD,MAPE,RMSE和MAE的显著减少.
• 无论是SARIMA-NARX还是SARIMA-LSTM混合模型,都显示出比基本的SARIMA和LSTM模型更高的预测准确度.
• 尽管预测准确,但模型显示梅毒发病率持续高,需要加强预防策略.

结论:

• 混合模型,特别是SARIMA-NARX,为预测中国梅毒发病率提供了更高的准确性.
• 这些先进的建模技术可以支持长期梅毒预防和控制计划的基于证据的决策.
• 持续的高发病率强调了迫切需要全面和创新的梅毒预防策略.