ARIMA預測模型在醫院統計預測中的應用

余琴　陳巖　李崇瑞　闞飛　潘開虎

摘要 目的：探討ARIMA預測模型在醫院統計預測中的應用。方法：應用A1KIMA預測模型，對某中醫醫院出院人數進行統計。結果：出院人數預測方面，AKIMA預測模型絕對誤差平均52.92，相對誤差絕對值平均8.11%。結論：ARIMA預測模型對某中醫醫院出院人數發展變化規律的分析有較好的適應性和實用性，可以為醫院今后工作的發展規劃提供一定的依據。

關鍵詞 ARIMA預測模型；出院人數；醫院

醫院統計預測是制訂醫院發展的中、長期規劃的依據，可以與時俱進地推動醫院技術、人才、設備的更新。ARIMA模型是針對有季節性變動的時間序列提出的建模方法。它對每一季節周期中相同時間點的序列值進行分析，提取季節趨勢，并且針對每個季節周期內部序列值的變化提取非季節性成分，確立最優模型。ARIMA預測模型雖然計算復雜，但預測效果好，在出院人數預測方面相對誤差絕對值較小，這體現在ARIMA預測模型對醫院出院人數發展變化規律的分析有比較好的適應性和實用性。

本文通過對近5年某中醫醫院出院人數規律的查找，建立數據庫，運用ARIMA預測模型，預測2015年出院人數，為醫院管理者提供科學、可靠的依據。

資料與方法

資料來源：某中醫醫院2010年1月-2014年12月的住院工作統計報表，數據真實可靠。

建立數據庫：采用Excel軟件建立的由國家衛生統計信息中心編制通用的醫院月報表建立的出院人數數據庫。

數據處理：采用SPSS 20.0統計軟件處理。以平均絕對誤差、平均相對誤差絕對值及誤差平方和作為評價指標。

結果

某中醫醫院2010年1月-2014年12月報表的出院人數，見表1。

ARIMA預測模型結果：根據ARIMA預測模型的建模思路，建立ARIMA預測模型，并比較實際出院人數和預測值，評價該預測模型的擬合程度。絕對誤差0～180，平均52.92。相對誤差絕對值0～38.63%，平均8.11%，見表2。

利用出院日期與出院人數擬合ARIMA模型，A線為實際出院人數的曲線，B線為預測出院人數的曲線，UCL為95%可信區間上限，LCL為95%可信區間下限。從圖可知總體上擬合結果比較好，見圖1。

以ARIMA模型來預測2015年出院人數，見表3。

討論

醫學統計學就是一門運用統計學的原理和方法，研究醫學科研中有關數量的搜集、整理、分析的科學。統計、預測能夠有效幫助醫院判斷科室接待的患者數量，根據預測的情況可以有效地對科室內人員配置、藥品儲備數量、設備數量以及病房數量等的分配方案進行確定。這樣在疾病高發時期，醫院就可以適當選擇病情較輕的患者出院治療，為可能就診的危重癥患者提供更加充足的住院空間，為患者提供更佳的醫療服務質量，使病房發揮更大的社會效益及經濟效益。

ARIMA預測模型是時間序列研究中比較常用的分析方法。大多數傳統的時間序列模型均假設各變量之間是一種線性關系，因而實際預測時往往使預測值呈現出不斷上升或下降的趨勢，而不能按照原有實際情況擬合模型，效果往往不佳。ARIMA預測模型考慮了季節因素對時間平穩勝造成的影響，表現出某些時間段呈上升趨勢，某些時間段呈下降趨勢，從而得到與實際較為吻合的預測效果。

本研究結果表明，對醫院出院人數預測方面，ARIMA預測模型絕對誤差0～180，平均52.92；相對誤差絕對值0～38.63%，平均8.1%。ARIMA預測模型預測出院人數的精確度較高，較適合，可以為醫院今后工作的發展規劃提供一定的依據。