慢性胰腺炎患者住院人数的时间序列分析

• 作 者: 王燕燕
• 出 处: 河北医科大学
• 发表日期: 2019年01期
• 关键词: 慢性胰腺炎 时间序列分析 ARIMA 循环网络模型 LSTM R语言

目的:通过对我院近年来慢性胰腺炎患者住院人数的时间序列进行分析,探索慢性胰腺炎患者住院人数的周期性以及季节性等规律,并初步探索能够预测未来入院人数的方法。方法:采用2006年12月至2018年10月共143个月在河北医科大学第二医院确诊为慢性胰腺炎患者住院人数的数据作为时间序列,构建ARIMA模型和LSTM模型。首先对慢性胰腺炎患者住院人数进行相关特征分析,然后分别经过对前123个月的数据进行数据差分、确定阶数及检测后拟合ARIMA模型对后20月的数据进行预测,应用LSTM模型同样对前123个月数据进行训练,对后20月的数据进行测试;最后对两种模型的预测结果进行评估。数据的处理及模型的建立均在R语言中进行。其中ARIMA主要应用的是forcast和tseries这两个软件包,LSTM应用的是google公司研发的高级别深度学习框架keras包。结果:1.慢性胰腺炎相关特征:住院人数整体呈上升趋势;男性住院人数远远高于女性;大多的患者是1次住院或2次住院;大约10%的整体数据可以用季节性因素来描述,患者住院时间集中在第三季度。发病年龄大多集中在中老年。2.ARIMA可以描述慢性胰腺炎患者住院人数的季节性以及周期性规律,但是预测结果偏离大;与ARIMA模型相比,LSTM模型不仅预测慢性胰腺炎患者住院人数的整体趋势较符合,在相应月份数值的预测偏离依然较小。结论:1.慢性胰腺炎患者住院人数有一定的周期性、季节性等规律。2.ARIMA模型可以描述慢性胰腺炎患者住院人数的整体趋势以及周期性等因素,建模过程清晰,但是预测结果偏离大;构建基于循环神经网络的LSTM模型可以较准确预测慢性胰腺炎住院人数及整体趋势,但是建模过程由于参数众多,可解读性较差。