肿瘤科住院人数的时间序列预测及动态分析
作者：严金燕 严红艳* 姜文亭 贾氢 庄磊。
【摘要】 目的：掌握肿瘤科住院人数的季节变化规律，验证时间序列法在预测肿瘤科住院人数中的科学性和实用性，为及时、合理安排肿瘤病人入院，并得到及时的诊断和治疗提供科学依据。方法： 以某院2002~2004年肿瘤科住院人数为依据，引用时间序列法从理论上预测2005年肿瘤科住院人数，并对3年来的肿瘤病人收治情况进行动态分析。结果： 将预测值与实际完成值进行比较，结果与实际情况基本相符，显示出肿瘤科住院人数呈逐年上升趋势。结论： 时间序列法预测肿瘤科住院人数结果准确、可靠，它弥补了其它预测方法的不足，说明使用时间序列法进行肿瘤科住院人数的预测，具有较强的科学性和适用性。
为寻求肿瘤病人住院的季节变化规律，预测今后住院病人数，笔者引用时间序列法，依据3年来收治的住院肿瘤病人数对2005年该科住院病人数进行了预测，旨在探讨肿瘤住院病人的变化规律，为肿瘤病人能够得到及时、合理、有效的治疗提供依据。
1 资料与方法。
取自某三甲医院2002～2004年“军字一号”网络数据中收治伤病员库。采用时间序列法进行住院病人的动态分析及趋势预测，疾病编码严格依据“ICD9”进行分类和编码，数据准确，资料可靠。
2 运算与结果。
① 首先,将3年来收治的肿瘤科住院人数的原始资料按月为单位排列，见表1。在总的住院人数变化趋势呈逐年上升的同时，有两个周期性波动:第一个最高的波动点是2月或3月，最低点是5月或6月。第二个最高波动点是11月或12月，最低点是8月。这一资料的季节性特征是非常明显的，故用季节移动平均法进行预测［1~4］。② 分别取5、7、9、12个单位为一组观察序列，进行一次移动平均预测，结果所得的平均误差平方和分别为4.63、3.42、2.51、1.48，选最小的平均误差平方和N=12为移动平均数所包含的观察值个数。③ 分别计算一次、二次移动平均预测值X1、X2(N=12)对3年的数据进行一次及二次平均，见表1。如：X131=∑12 i=1 X/N=34.67 X3611=∑12 i=1 X/N=35.51④ 用移动平均预测值计算新的预测值和趋势值。ai=2X1—X11 bi=2(X1—X11) N—1 如：a36=2X361—X3611=55.82 b36=2(X361—X3611) N—1=1.1636⑤ 计算月份系数Li，即相同月份X X1 的算术平均值。 如：L12=（1.0384+1.0932+1.7402）/3=1.2906 再计算调整系数 k=N／∑Li =0.91⑥ 建立预测模型Xi=(ai+bixi)Kli。 式中Xi为预测值，i为预测月份系数，KLi为调整后的月份系数。⑦ 运用平均绝对值百分比误差法对2005年1～4月份进行比较，以评估预测质量。 E=∑4 i=1X—Xi X N×100%⑧ 根据平均绝对值百分比误差法得出平均误差值为6.895%，预测效果满意，说明在实际工作中可以使用季节性移动平均法对季节性趋势变化的资料进行预测分析，见表2。 ⑨ 以2002～2004年的依次序号作为自变量X,实际住院人数为因变量Y,在普通坐标轴上作散点图，并连成平滑曲线。根据X、Y的现有观测数据得出一个最能反映X、Y间关系的线性回归方程,做出预测曲线，见图1。
3 动态分析。
由表1可知，3年来肿瘤科收治的住院人数为1450例，通过收治病人数量曲线可以看出，肿瘤科住院人数呈逐年上升的趋势，并在一年中有两个波动：即出现的两个住院高峰期是2、3月和11、12月，两个住院低峰期是5、6月和8月。