Page 29 - 中国全科医学2022-16期

·1946· http://www.chinagp.net E-mail:zgqkyx@chinagp.net.cn

来看，ARIMA（0，1，2）和 NNAR（1，1）预测值的 表 2 基于 ARIMA 和 NNAR 的中国 COPD 疾病负担预测模型拟合和
预测效果比较
动态趋势与实际情况基本一致（图 5~6）。在测试集上，
Table 2 Comparison of the goodness of fit and performance in predicting
ARIMA（0，1，2）MAPE、MAE、RMSE 值亦均低于 the burden of COPD in China between ARIMA and NNAR-based models
NNAR（1，1），提示 ARIMA 模型更优，见表 2。 训练集 测试集
模型
2.5 COPD 疾病负担预测结果 由训练集和测试集 MAPE（%） MAE RMSE MAPE（%） MAE RMSE
MAPE、MAE、RMSE 结果可知，ARIMA 模型在预测中 患病率
ARIMA 0.284 8.048 13.399 0.334 9.699 17.074
国 COPD 患病率、死亡率、DALYs 率上的性能更优，
NNAR 0.506 14.621 19.841 0.553 19.753 27.949
最终利用 ARIMA 模型拟合 1990—2019 年中国 COPD
死亡率
疾病负担，预测得到 2020—2024 年中国 COPD 患病 ARIMA 0.810 0.730 0.965 0.872 0.748 1.009
率、死亡率和 DALYs 率。2020—2024 年中国 COPD 患 NNAR 1.033 0.921 1.107 1.088 0.943 1.126
DALYs 率
ARIMA 0.622 11.305 15.321 0.726 12.528 17.003
NNAR 0.823 14.982 18.240 0.914 15.886 18.581
注：ARIMA= 自 回 归 移 动 平 均，NNAR= 神 经 网 络 自 回 归，
MAPE= 平均绝对百分误差，MAE= 平均绝对误差，RMSE= 均方根误差
拟合值

实际值

拟合值

实际值

注：ARIMA= 自回归移动平均，COPD= 慢性阻塞性肺疾病；深灰
色区域为 ARIMA 模型预测值的 95%CI，浅灰区域为预测值 80%CI，
黑点为测试集预测值
图 1 ARIMA（1，2，0）COPD 患病率预测模型的拟合和预测效果 注：深灰色区域为 ARIMA 模型预测值的 95%CI，浅灰区域为预
Figure 1 Goodness of fit and prediction performance of the ARIMA（1，2， 测值 80%CI，黑点为测试集预测值
0）COPD prevalence prediction model 图 3 ARIMA（0，1，1）COPD 死亡率预测模型的拟合和预测效果
Figure 3 Goodness of fit and prediction performance of the ARIMA（0，1，
1）COPD mortality prediction model

拟合值

拟合值
实际值

实际值

注：NNAR= 神经网络自回归；黑点为测试集预测值 注：黑点为测试集预测值
图 2 NNAR（1，1）COPD 患病率预测模型的拟合和预测效果 图 4 NNAR（1，1）COPD 死亡率预测模型的拟合和预测效果
Figure 2 Goodness of fit and prediction performance of the NNAR（1，1） Figure 4 Goodness of fit and prediction performance of the NNAR（1，1）
COPD prevalence prediction model COPD mortality prediction model