基于SPSS時間序列法對甲狀腺疾病建模研究

孫源+原搏+原杰

摘 要： 收集不同城市的三家甲級醫院在7年時間（2006—2012年）的所有甲狀腺疾病的患者的病案數據進行整理和統計分析。利用SPSS時間序列方法建立合理的統計模型。從患者的性別、年齡和職業等常見的非生理性指標因素入手，研究甲狀腺疾病的發病態勢，獲取甲狀腺疾病的干擾因素。建立時間序列預測技術中最全面、最有效的統計方法之一——ARIMA模型，達到對疾病的預防和防控的目的。

關鍵詞： 甲狀腺； SPSS時間序列； 發病態勢； ARIMA模型

中圖分類號： TN964?34 文獻標識碼： A 文章編號： 1004?373X（2014）04?0082?02

Study on thyroid disease modeling based on SPSS time series

SUN Yuan1， YUAN Bo2， YUAN Jie2

（1. School of Mathematics and Computational Science， Sun Yat?sen University， Guangzhou 510275， China；

2. School of Basic Medicine， Harbin Medical University， Daqing 163319， China）

Abstract： The data of patient medical records of all thyroid diseases in three first class hospitals in different cities in 7 years （2006―2012） were collected and analyzed statistically. A statistic model was established with SPSS time series method. Starting with patient's common non?physiological indexes， such as gender， age， occupation， etc.， the incidence of thyroid disease was studied， the interference factors for thyroid disease were obtained， and the ARIMA model， one of the most effective and most comprehensive statistical methods in time series forecasting， was established. The purpose to prevent and control the disease was achieved.

Keywords： thyroid； SPSS time series； incidence of disease； ARIMA model

0 引 言

近幾年甲狀腺疾病發病率較高，人們對甲狀腺疾病的預防和治療僅在一些生理因素層上面。如：碘的營養狀況、自身抗體和自身免疫力等。對非生理因素缺少一些科學性和系統性的預防和控制。因此建立統計模型[1]的方法分析和研究他們之間的關系。有利于預防和控制疾病的發生。

1 建立關系模型[2]

1.1 甲狀腺疾病與性別的關系

數據統計利用Excel處理表明如圖1所示。

從圖1得知：女性患甲狀腺疾病的比例明顯高于男性，性別是影響甲狀腺患病的重要因素。

1.2 甲狀腺疾病與年齡的關系

各年齡段及不同年齡段的男女發病比例見表1。

圖1 男女發病比例

表1 各年齡段及不同年齡段的男女發病比例

圖2 各年齡段及不同年齡段的男女發病比例

從圖2中得知，甲狀腺疾病的高發年齡段在50～60歲之間，且女性發病數明顯高于男性。

1.3 甲狀腺疾病與職業的關系

甲狀腺疾病的發病數與年齡的關系如表2所示。

表2 甲狀腺疾病的發病數與年齡的關系

圖3 甲狀腺疾病的發病數與年齡的關系

根據表2及圖3，工人及離退人員患病數較大，但此因素是否與甲狀腺患病率有關系還需做置信區間的檢查。

2 模型預測

依據以上因素的分析，從統計學的觀點看，相鄰的觀察值具有很強的依賴性[3]。下面就2006—2012年甲狀腺疾病各種非生理數據指標，利用SPSS時間序列法[4]對發病態勢進行預測。

表3 每年的住院人數統計

ARIMA有6個參數，AMIMA（p，d，q）（sp，sd，sq）構成模型要素。下面構建時間序列分析的ARIMA模型圖，如圖4所示。

圖4 時間序列分析的ARIMA模型圖

3 結 論

依據時間序列分析的ARIMA模型圖，可以找到多變量對目標值的影響[6]，預測2013年入院治療甲狀腺的人數的上限為1 117人，下限為598人；2014年入院治療人數上限為1 225人，下限為490人。因此，不及時控制會有平均逐年增長的趨勢。

參考文獻

[1] 陳峰.現代醫學統計方法與stata應用[M].北京：中國統計出版社，1999.

[2] 倪加勛，袁衛，易丹輝.應用統計學[M].北京：中國人民大學出版社，2001.

[3] 薛薇.SPSS統計分析方法及應用[M].2版.北京：電子工業出版社，2009.

[4] 高惠璇.應用多元統計分析[M].北京：北京大學出版社，2005.

[5] 劉子君，趙維波.Pass for windows 統計分析[M].沈陽：東北大學出版社，2004.

[6] 張賢達.時間序列分析高階統計量方法[M].北京：清華大學出版社，2008.

摘 要： 收集不同城市的三家甲級醫院在7年時間（2006—2012年）的所有甲狀腺疾病的患者的病案數據進行整理和統計分析。利用SPSS時間序列方法建立合理的統計模型。從患者的性別、年齡和職業等常見的非生理性指標因素入手，研究甲狀腺疾病的發病態勢，獲取甲狀腺疾病的干擾因素。建立時間序列預測技術中最全面、最有效的統計方法之一——ARIMA模型，達到對疾病的預防和防控的目的。

關鍵詞： 甲狀腺； SPSS時間序列； 發病態勢； ARIMA模型

中圖分類號： TN964?34 文獻標識碼： A 文章編號： 1004?373X（2014）04?0082?02

Study on thyroid disease modeling based on SPSS time series

SUN Yuan1， YUAN Bo2， YUAN Jie2

（1. School of Mathematics and Computational Science， Sun Yat?sen University， Guangzhou 510275， China；

2. School of Basic Medicine， Harbin Medical University， Daqing 163319， China）

Abstract： The data of patient medical records of all thyroid diseases in three first class hospitals in different cities in 7 years （2006―2012） were collected and analyzed statistically. A statistic model was established with SPSS time series method. Starting with patient's common non?physiological indexes， such as gender， age， occupation， etc.， the incidence of thyroid disease was studied， the interference factors for thyroid disease were obtained， and the ARIMA model， one of the most effective and most comprehensive statistical methods in time series forecasting， was established. The purpose to prevent and control the disease was achieved.

Keywords： thyroid； SPSS time series； incidence of disease； ARIMA model

0 引 言

近幾年甲狀腺疾病發病率較高，人們對甲狀腺疾病的預防和治療僅在一些生理因素層上面。如：碘的營養狀況、自身抗體和自身免疫力等。對非生理因素缺少一些科學性和系統性的預防和控制。因此建立統計模型[1]的方法分析和研究他們之間的關系。有利于預防和控制疾病的發生。

1 建立關系模型[2]

1.1 甲狀腺疾病與性別的關系

數據統計利用Excel處理表明如圖1所示。

從圖1得知：女性患甲狀腺疾病的比例明顯高于男性，性別是影響甲狀腺患病的重要因素。

1.2 甲狀腺疾病與年齡的關系

各年齡段及不同年齡段的男女發病比例見表1。

圖1 男女發病比例

表1 各年齡段及不同年齡段的男女發病比例

圖2 各年齡段及不同年齡段的男女發病比例

從圖2中得知，甲狀腺疾病的高發年齡段在50～60歲之間，且女性發病數明顯高于男性。

1.3 甲狀腺疾病與職業的關系

甲狀腺疾病的發病數與年齡的關系如表2所示。

表2 甲狀腺疾病的發病數與年齡的關系

圖3 甲狀腺疾病的發病數與年齡的關系

根據表2及圖3，工人及離退人員患病數較大，但此因素是否與甲狀腺患病率有關系還需做置信區間的檢查。

2 模型預測

依據以上因素的分析，從統計學的觀點看，相鄰的觀察值具有很強的依賴性[3]。下面就2006—2012年甲狀腺疾病各種非生理數據指標，利用SPSS時間序列法[4]對發病態勢進行預測。

表3 每年的住院人數統計

ARIMA有6個參數，AMIMA（p，d，q）（sp，sd，sq）構成模型要素。下面構建時間序列分析的ARIMA模型圖，如圖4所示。

圖4 時間序列分析的ARIMA模型圖

3 結 論

依據時間序列分析的ARIMA模型圖，可以找到多變量對目標值的影響[6]，預測2013年入院治療甲狀腺的人數的上限為1 117人，下限為598人；2014年入院治療人數上限為1 225人，下限為490人。因此，不及時控制會有平均逐年增長的趨勢。

參考文獻

[1] 陳峰.現代醫學統計方法與stata應用[M].北京：中國統計出版社，1999.

[2] 倪加勛，袁衛，易丹輝.應用統計學[M].北京：中國人民大學出版社，2001.

[3] 薛薇.SPSS統計分析方法及應用[M].2版.北京：電子工業出版社，2009.

[4] 高惠璇.應用多元統計分析[M].北京：北京大學出版社，2005.

[5] 劉子君，趙維波.Pass for windows 統計分析[M].沈陽：東北大學出版社，2004.

[6] 張賢達.時間序列分析高階統計量方法[M].北京：清華大學出版社，2008.

摘 要： 收集不同城市的三家甲級醫院在7年時間（2006—2012年）的所有甲狀腺疾病的患者的病案數據進行整理和統計分析。利用SPSS時間序列方法建立合理的統計模型。從患者的性別、年齡和職業等常見的非生理性指標因素入手，研究甲狀腺疾病的發病態勢，獲取甲狀腺疾病的干擾因素。建立時間序列預測技術中最全面、最有效的統計方法之一——ARIMA模型，達到對疾病的預防和防控的目的。

關鍵詞： 甲狀腺； SPSS時間序列； 發病態勢； ARIMA模型

中圖分類號： TN964?34 文獻標識碼： A 文章編號： 1004?373X（2014）04?0082?02

Study on thyroid disease modeling based on SPSS time series

SUN Yuan1， YUAN Bo2， YUAN Jie2

（1. School of Mathematics and Computational Science， Sun Yat?sen University， Guangzhou 510275， China；

2. School of Basic Medicine， Harbin Medical University， Daqing 163319， China）

Abstract： The data of patient medical records of all thyroid diseases in three first class hospitals in different cities in 7 years （2006―2012） were collected and analyzed statistically. A statistic model was established with SPSS time series method. Starting with patient's common non?physiological indexes， such as gender， age， occupation， etc.， the incidence of thyroid disease was studied， the interference factors for thyroid disease were obtained， and the ARIMA model， one of the most effective and most comprehensive statistical methods in time series forecasting， was established. The purpose to prevent and control the disease was achieved.

Keywords： thyroid； SPSS time series； incidence of disease； ARIMA model

0 引 言

近幾年甲狀腺疾病發病率較高，人們對甲狀腺疾病的預防和治療僅在一些生理因素層上面。如：碘的營養狀況、自身抗體和自身免疫力等。對非生理因素缺少一些科學性和系統性的預防和控制。因此建立統計模型[1]的方法分析和研究他們之間的關系。有利于預防和控制疾病的發生。

1 建立關系模型[2]

1.1 甲狀腺疾病與性別的關系

數據統計利用Excel處理表明如圖1所示。

從圖1得知：女性患甲狀腺疾病的比例明顯高于男性，性別是影響甲狀腺患病的重要因素。

1.2 甲狀腺疾病與年齡的關系

各年齡段及不同年齡段的男女發病比例見表1。

圖1 男女發病比例

表1 各年齡段及不同年齡段的男女發病比例

圖2 各年齡段及不同年齡段的男女發病比例

從圖2中得知，甲狀腺疾病的高發年齡段在50～60歲之間，且女性發病數明顯高于男性。

1.3 甲狀腺疾病與職業的關系

甲狀腺疾病的發病數與年齡的關系如表2所示。

表2 甲狀腺疾病的發病數與年齡的關系

圖3 甲狀腺疾病的發病數與年齡的關系

根據表2及圖3，工人及離退人員患病數較大，但此因素是否與甲狀腺患病率有關系還需做置信區間的檢查。

2 模型預測

依據以上因素的分析，從統計學的觀點看，相鄰的觀察值具有很強的依賴性[3]。下面就2006—2012年甲狀腺疾病各種非生理數據指標，利用SPSS時間序列法[4]對發病態勢進行預測。

表3 每年的住院人數統計

ARIMA有6個參數，AMIMA（p，d，q）（sp，sd，sq）構成模型要素。下面構建時間序列分析的ARIMA模型圖，如圖4所示。

圖4 時間序列分析的ARIMA模型圖

3 結 論

依據時間序列分析的ARIMA模型圖，可以找到多變量對目標值的影響[6]，預測2013年入院治療甲狀腺的人數的上限為1 117人，下限為598人；2014年入院治療人數上限為1 225人，下限為490人。因此，不及時控制會有平均逐年增長的趨勢。

參考文獻

[1] 陳峰.現代醫學統計方法與stata應用[M].北京：中國統計出版社，1999.

[2] 倪加勛，袁衛，易丹輝.應用統計學[M].北京：中國人民大學出版社，2001.

[3] 薛薇.SPSS統計分析方法及應用[M].2版.北京：電子工業出版社，2009.

[4] 高惠璇.應用多元統計分析[M].北京：北京大學出版社，2005.

[5] 劉子君，趙維波.Pass for windows 統計分析[M].沈陽：東北大學出版社，2004.

[6] 張賢達.時間序列分析高階統計量方法[M].北京：清華大學出版社，2008.