检索历史 清除

摘要目的：分析急性胰腺炎(acutepancreatitis,AP)患者住院人数的发病特点和内在周期性、季节性等时间趋势规律，并构建自回归移动平均(autoregressiveintegratedmovingaverage,ARIMA)模型、长短期记忆(long-shorttermmemory，LSTM)神经网络模型及ARIMA-LSTM组合模型，探讨并比较三种模型在预测AP患者住院人数时间趋势中的应用效能。<br>　　方法：基于我院AP患者大数据库，收集2014年1月至2019年12月（共72个月）AP住院患者的病例资料，使用Python语言软件对患者基本特征信息进行描述分析。再将前60个月的AP月度住院患者人数做为训练集，应用Python语言软件分别建立ARIMA模型、LSTM模型及ARIMA-LSTM组合模型，构建出的三种模型再对后12个月的AP患者住院人数进行预测做为测试集，最后观察并评估比较不同模型的拟合效果。<br>　　结果：(1)我院2014年1月至2019年12月共计3939例AP住院患者，其中男性2292人，女性1647人，分别占总人数的58.2％和41.8%；AP最常见的原因是胆源性AP(1898例，48.2%)，其次是高甘油三酯血症性AP(hypertriglyceridemicAP,HTG-AP)(1429例，36.3%)，而酒精性AP占281例(7.1%)，混合性AP占199例(5%)，其他原因AP占132例(3.4%)；AP发病年龄高峰为40～50岁。(2)时间序列分析显示我院AP患者住院人数承逐年增长趋势，且AP发病有季节性变化，每年2～3月为发病高峰，其次为9～11月，夏季发病相对较少。(3)ARIMA模型对测试集的预测值曲线与真实值曲线波动趋势相似，但波动幅度偏倚较大，该模型的精确度指标均方根误差(rootmeansquarderror,RMSE)为13.7937，绝对误差(meanabsoluteerror,MAE)为8.1659；LSTM神经网络模型的预测曲线与真实值曲线整体趋势、波动情况都大致同步，该模型的RMSE值为2.6943，MAE值为1.9921；ARIMA-LSTM组合模型的预测曲线与真实值曲线整体趋势和波动情况基本一致，该组合模型的RMSE值为1.46985，MAE值为1.0087。(4)三种不同思路构建的模型中，基于机器学习技术的LSTM模型较传统的ARIMA模型预测精确度更高，而ARIMA-LSTM组合模型的预测精确度最高，预测效果最好，即组合模型预测效果优于单一模型。<br>　　结论：(1)AP住院患者人数呈逐年上升趋势，好发于中年患者，且以胆源性AP及HTG-AP较多见；AP发病存在季节性变化，2～3月为发病高峰，其次为9～11月，夏季发病相对较少。(2)ARIMA-LSTM组合模型对AP住院患者人数的预测精准度优于LSTM模型，且此二者的预测精准度显著优于ARIMA模型，即组合模型预测效果优于单一模型，单一模型中基于机器学习的LSTM模型优于传统的ARIMA模型。(3)ARIMA模型总体建模过程相对简单，可解读性好，但预测效果偏倚较大；而LSTM模型较ARIMA预测精准度更好，但建模过程相对复杂，且可解释性差；ARIMA-LSTM组合模型较单一模型的预测精准度最高，但也存在建模过程可解释性较差、参数众多等不足。