ARIMA预测模型在医院统计预测中的应用

摘要 目的：探讨ARIMA预测模型在医院统计预测中的应用。方法：应用A1KIMA预测模型，对某中医医院出院人数进行统计。结果：出院人数预测方面，AKIMA预测模型绝对误差平均52.92，相对误差绝对值平均8.11%。结论：ARIMA预测模型对某中医医院出院人数发展变化规律的分析有较好的适应性和实用性，可以为医院今后工作的发展规划提供一定的依据。

关键词 ARIMA预测模型；出院人数；医院

医院统计预测是制订医院发展的中、长期规划的依据，可以与时俱进地推动医院技术、人才、设备的更新。ARIMA模型是针对有季节性变动的时间序列提出的建模方法。它对每一季节周期中相同时间点的序列值进行分析，提取季节趋势，并且针对每个季节周期内部序列值的变化提取非季节性成分，确立最优模型。ARIMA预测模型虽然计算复杂，但预测效果好，在出院人数预测方面相对误差绝对值较小，这体现在ARIMA预测模型对医院出院人数发展变化规律的分析有比较好的适应性和实用性。

本文通过对近5年某中医医院出院人数规律的查找，建立数据库，运用ARIMA预测模型，预测2015年出院人数，为医院管理者提供科学、可靠的依据。

资料与方法

资料来源：某中医医院2010年1月-2014年12月的住院工作统计报表，数据真实可靠。

建立数据库：采用Excel软件建立的由国家卫生统计信息中心编制通用的医院月报表建立的出院人数数据库。

数据处理：采用SPSS 20.0统计软件处理。以平均绝对误差、平均相对误差绝对值及误差平方和作为评价指标。

结果

某中医医院2010年1月-2014年12月报表的出院人数，见表1。

ARIMA预测模型结果：根据ARIMA预测模型的建模思路，建立ARIMAA测模型，并比较实际出院人数和预测值，评价该预测模型的拟合程度。绝对误差0～180，平均52.92。相对误差绝对值0～38.63%，平均8.11%，见表2。

利用出院日期与出院人数拟合ARIMA模型，A线为实际出院人数的曲线，B线为预测出院人数的曲线，UCL为95%可信区间上限，LCL为95%可信区间下限。从图可知总体上拟合结果比较好，见图1。

以ARIMA模型来预测2015年出院人数，见表3。

讨论

医学统计学就是一门运用统计学的原理和方法，研究医学科研中有关数量的搜集、整理、分析的科学。统计、预测能够有效帮助医院判断科室接待的患者数量，根据预测的情况可以有效地对科室内人员配置、药品储备数量、设备数量以及病房数量等的分配方案进行确定。这样在疾病高发时期，医院就可以适当选择病情较轻的患者出院治疗，为可能就诊的危重症患者提供更加充足的住院空间，为患者提供更佳的医疗服务质量，使病房发挥更大的社会效益及经济效益。

ARIMA预测模型是时间序列研究中比较常用的分析方法。大多数传统的时间序列模型均假设各变量之间是一种线性关系，因而实际预测时往往使预测值呈现出不断上升或下降的趋势，而不能按照原有实际情况拟合模型，效果往往不佳。ARIMA预测模型考虑了季节因素对时间平稳胜造成的影响，表现出某些时间段呈上升趋势，某些时间段呈下降趋势，从而得到与实际较为吻合的预测效果。

本研究结果表明，对医院出院人数预测方面，ARIMA预测模型绝对误差0～180，平均52.92；相对误差绝对值0～38.63%，平均8.1%。ARIMA预测模型预测出院人数的精确度较高，较适合，可以为医院今后工作的发展规划提供一定的依据。