求和自回归移动平均模型与动态回归模型预测产超广谱β-内酰胺酶肺炎克雷伯菌的检出率
Northwest Pharmaceutical Journal(2022)
摘要
目的 分析产超广谱β-内酰胺酶(ESBLs)肺炎克雷伯菌的检出率,分别运用求和自回归移动平均(ARIMA)模型和动态回归模型建模并预测其流行趋势,为耐药菌株的科学防控提供参考依据.方法 收集2014~2019年医院产ESBLs肺炎克雷伯菌检出率的季度监测数据,对其建立单纯ARIMA模型.考察产ESBLs肺炎克雷伯菌检出率与抗菌药物使用频度(DDDs)的相关性,以与产ESBLs肺炎克雷伯菌检出率显著相关的DDDs作为输入变量,对产ESBLs肺炎克雷伯菌检出率建立含输入变量的动态回归模型.分别运用所建立的模型预测2020年第1季度至2020年第4季度产ESBLs肺炎克雷伯菌检出率.运用最小信息量(AIC)准则对ARIMA模型和动态回归模型分别筛选最优模型,并比较2种模型的拟合效果.以2020年第1季度至2020年第4季度产ESBLs肺炎克雷伯菌检出率的实际数据验证和比较2种模型的预测有效性和准确性.结果 产ESBLs肺炎克雷伯菌检出率与同期哌拉西林舒巴坦DDDs呈正相关(r=0.75,P<0.05).最终对ESBLs肺炎克雷伯菌检出率建立了单纯ARIMA(1,0,0)模型(AIC=175.75)和以哌拉西林舒巴坦DDDs为输入变量的动态回归模型(AIC=171.40).2种模型的4期预测平均相对误差分别为25.62%、25.22%.结论 建立的单纯ARIMA模型和动态回归模型均能有效预测产ESBLs肺炎克雷伯菌的检出率.动态回归模型的拟合和预测效果在一定程度上优于单纯ARIMA模型.
更多AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要