基于贝叶斯结构时间序列模型评估我国梅毒流行趋势

Estimated prevalence of syphilis in China based on Bayesian structural time series model

导出学术成果认领

摘要目的探讨贝叶斯结构时间序列(BSTS)模型在预测我国梅毒流行趋势中的应用价值.方法收集2005年1月至2022年8月我国梅毒发病数据,采用Eviewsl0软件解析梅毒月发病数据中的趋势和季节组分;采用RStudio软件构建模型,其中2005年1月至2021年12月的数据作为训练集拟合BSTS模型,2022年1-8月数据作为测试集验证模型的预测效果,并将其预测准确性与求和自回归滑动平均混合(ARIMA)模型进行比较.所有统计学分析检验水准指定为α=0.05.结果我国梅毒发病总体呈上升态势,具有周期性和季节性,每年1-2月为低谷,7-8月为高峰.在训练和测试集上,BSTS模型产生的平均绝对百分比误差(分别为4.95％和5.73％)均小于ARIMA模型(分别为5.44％和6.52％);同样也发现,BSTS模型产生的平均绝对误差、均方根误差和均方根百分比误差均小于ARIMA模型.稳健性结果表明了同样的结果.基于BSTS模型预测的2022年9月至2023年12月我国梅毒发病总数为719 600[95％置信区间(CI):605 295～826 086]例,月均发病数为44 975(95％CI:37 831～51 631)例.结论我国梅毒是一种季节性疾病,发病仍处于高水平;BSTS模型能准确评估我国梅毒动态流行趋势,可为梅毒精准防控提供技术支撑.