周美萍，張甲詳，陳保林，文國(guó)新

（1.新疆自治區(qū)人民醫(yī)院醫(yī)務(wù)部預(yù)防保健科，新疆 烏魯木齊 830001；2.烏魯木齊市疾病預(yù)防控制中心，新疆 烏魯木齊 830026)

新疆某三甲醫(yī)院死亡病例時(shí)間序列模型建立與應(yīng)用

周美萍1，張甲詳1，陳保林2，文國(guó)新2

（1.新疆自治區(qū)人民醫(yī)院醫(yī)務(wù)部預(yù)防保健科，新疆 烏魯木齊 830001；2.烏魯木齊市疾病預(yù)防控制中心，新疆 烏魯木齊 830026)

目的 探討某三甲醫(yī)院死亡病例的時(shí)間分布情況，從大體上了解該院死亡病例周期性變化趨勢(shì)，為后期工作開(kāi)展及應(yīng)對(duì)提供參考。方法本次研究收集2011年1月至2015年12月該三甲醫(yī)院的所有死亡患者的數(shù)據(jù)，包括患者的死亡時(shí)間，使用SPSS 21.0對(duì)死亡時(shí)間的分布進(jìn)行分析，并加以預(yù)測(cè)，以2015年實(shí)際觀察值驗(yàn)證模型的預(yù)測(cè)效果。結(jié)果2011-2014年的數(shù)據(jù)變化中存在明顯的季節(jié)因子，周期性變化明顯，其中加法模型R2最高，因此選擇加法模型進(jìn)行擬合，模型擬合效果判定指標(biāo)，RMSE值=8.776；MAPE值=8.368；MAE值=6.552；標(biāo)化后的BIC值=4.586。本次研究結(jié)果中預(yù)測(cè)誤差值在20%以?xún)?nèi)，且實(shí)測(cè)值均落在95%CI的范圍內(nèi)，經(jīng)配對(duì)t檢驗(yàn)發(fā)現(xiàn)實(shí)測(cè)值與預(yù)測(cè)值之間差異無(wú)統(tǒng)計(jì)學(xué)意義(t=0.448，P=0.663)，實(shí)測(cè)值與預(yù)測(cè)值之間相關(guān)系數(shù)r=0.780(P=0.003)。結(jié)論新疆某三甲醫(yī)院的死亡病例的時(shí)間分布符合指數(shù)平滑相加模型，存在明顯的季節(jié)變化周期，可能與選擇性就醫(yī)有關(guān)。本結(jié)果顯示該院在1、5、9月份的死亡數(shù)上升，應(yīng)在工作中做好應(yīng)對(duì)，做好死者家屬的安撫及處理工作。

新疆；三甲醫(yī)院；死亡；時(shí)間序列模型

新疆地處我國(guó)西北邊疆，地廣人稀，醫(yī)療資源配給相對(duì)不足，經(jīng)鄉(xiāng)鎮(zhèn)醫(yī)院轉(zhuǎn)縣級(jí)醫(yī)院之后再轉(zhuǎn)至三甲醫(yī)院的流程時(shí)間相對(duì)較長(zhǎng)，進(jìn)入醫(yī)院時(shí)病情相對(duì)較重，因此三甲醫(yī)院病例死亡發(fā)生情況相對(duì)內(nèi)地而言較高[1]。新疆某三甲醫(yī)院作為新疆重點(diǎn)醫(yī)院，面向各族群眾開(kāi)放，其死亡病例的逐年變化趨勢(shì)及規(guī)律可以為政策制定及后期服務(wù)提供數(shù)據(jù)支持，為此，本文探討了某三甲醫(yī)院死亡病例的時(shí)間分布情況，以了解該院死亡個(gè)案發(fā)生的時(shí)間周期性及變化趨勢(shì)[2]。

1 資料與方法

1.1 資料來(lái)源 本次研究收集2011年1月至2015年12月該三甲醫(yī)院的所有死亡的病例的數(shù)據(jù)，收集患者的死亡時(shí)間數(shù)據(jù)。

1.2 數(shù)據(jù)整理 死亡病例納入標(biāo)準(zhǔn)：(1)已登記入院病例；(2)在治愈或好轉(zhuǎn)出院前死亡。排除標(biāo)準(zhǔn)：(1)死于院前急救病例；(2)出院后死亡病例。2011年1月至2014年12月的每月死亡病例數(shù)用于建立該院死亡隨時(shí)間變化的時(shí)間序列模型，2015年1～12月份的死亡觀測(cè)值(實(shí)際死亡數(shù))用于驗(yàn)證時(shí)間序列模型的預(yù)測(cè)效果。

1.3 時(shí)間序列模型簡(jiǎn)介 時(shí)間序列(time series)是指將某種現(xiàn)象某一個(gè)統(tǒng)計(jì)指標(biāo)在不同時(shí)間上的各個(gè)數(shù)值，按時(shí)間先后順序排列而形成的序列。時(shí)間序列法是一種定量預(yù)測(cè)方法，亦稱(chēng)簡(jiǎn)單外延方法[3]。時(shí)間序列分析(time series analysis)是一種動(dòng)態(tài)數(shù)據(jù)處理的統(tǒng)計(jì)方法。該方法基于隨機(jī)過(guò)程理論和數(shù)理統(tǒng)計(jì)學(xué)方法，研究隨機(jī)數(shù)據(jù)序列所遵從的統(tǒng)計(jì)規(guī)律，以用于解決實(shí)際問(wèn)題[4]。

1.4 統(tǒng)計(jì)學(xué)方法 本次研究使用SPSS21.0進(jìn)行統(tǒng)計(jì)分析，預(yù)測(cè)值與實(shí)際值之間的相關(guān)分析使用Perason相關(guān)分析，預(yù)測(cè)值與實(shí)種數(shù)之間的比較使用配對(duì)t檢驗(yàn)，檢驗(yàn)水準(zhǔn)α=0.05，P＜0.05時(shí)認(rèn)為差異有統(tǒng)計(jì)學(xué)意義。模型檢驗(yàn)標(biāo)準(zhǔn)α=0.05，P＜0.05時(shí)認(rèn)為模型顯著，足以解釋變異來(lái)源。

2 結(jié) 果

2.1 模型篩選 由于此次所選數(shù)據(jù)年份僅為3年，以12月為一周期，僅使用了3個(gè)周期的數(shù)據(jù)，即可以定為短期預(yù)測(cè)模型建立，期于數(shù)據(jù)已有的周期性，考慮使用指數(shù)平滑法進(jìn)行模型擬合。指數(shù)平滑法是即根據(jù)歷史資料的上期實(shí)際數(shù)和預(yù)測(cè)值，用指數(shù)加權(quán)的辦法進(jìn)行預(yù)測(cè)。此法實(shí)質(zhì)是由內(nèi)加權(quán)移動(dòng)平均法演變而來(lái)的一種方法，優(yōu)點(diǎn)是只要有上期實(shí)際數(shù)和上期預(yù)測(cè)值，就可計(jì)算下期的預(yù)測(cè)值，是國(guó)內(nèi)外廣泛使用的一種短期預(yù)測(cè)方法。根據(jù)指數(shù)平滑中數(shù)據(jù)是否有周期性，平滑模型又可以分為周期性指數(shù)平滑與簡(jiǎn)單指數(shù)平滑模型兩大類(lèi)。進(jìn)行模型篩選前對(duì)數(shù)據(jù)進(jìn)行判定，分析數(shù)據(jù)變化的長(zhǎng)期趨勢(shì)、季節(jié)變動(dòng)、循環(huán)變動(dòng)、不規(guī)則變動(dòng)；因此使用SPSS進(jìn)行季節(jié)分解。2011-2014年的數(shù)據(jù)變化中存在明顯的季節(jié)因子，周期性變化明顯。見(jiàn)圖1～圖4。因此選擇指數(shù)平滑模型中的周期變化類(lèi)模型。

圖1 死亡數(shù)不規(guī)則變動(dòng)圖

圖2 死亡數(shù)的季性性周期變化規(guī)律

圖3 死亡數(shù)的循環(huán)變動(dòng)序列圖

圖4 死亡數(shù)長(zhǎng)期變化趨勢(shì)變動(dòng)圖

2.2 模型擬合 在已確定的周期性指數(shù)平滑模型中，還存在三種模型可以選擇：(1)簡(jiǎn)單季節(jié)(simple seasonal)；(2)相加模型(winter's additive)；(3)相乘模型(winter's multiplicative)；為選擇較好的模型，擬使用R2作為選擇標(biāo)準(zhǔn)，即R2較大者為優(yōu)質(zhì)模型。從表1的結(jié)果中可以看出，三種模型均有較好地?cái)M合(P＜0.05說(shuō)明模型顯著)，其中加法模型R2最高，因此選擇指數(shù)平滑模型中的加法模型進(jìn)行擬合，見(jiàn)表1。

表1 三種指數(shù)平滑模型擬合結(jié)果比較

2.3 模型參數(shù)及序列圖 模型擬合效果判定指標(biāo)，RMSE值=8.776，MAPE值=8.368，MAE值=6.552；標(biāo)化后的BIC值=4.586；均符合要求，擬合后模型的序列圖見(jiàn)圖5。

圖5 模型序列圖

2.4 預(yù)測(cè)結(jié)果驗(yàn)證 本次研究結(jié)果中預(yù)測(cè)誤差值在20%以?xún)?nèi)，且實(shí)測(cè)值均落在95%CI的范圍內(nèi)，經(jīng)配對(duì)t檢驗(yàn)發(fā)現(xiàn)實(shí)測(cè)值與預(yù)測(cè)值之間差異無(wú)統(tǒng)計(jì)學(xué)意義(t=0.448，P=0.663)。實(shí)測(cè)值與預(yù)測(cè)值之間相關(guān)系數(shù)r=0.780，P=0.003，見(jiàn)表2。

表2 預(yù)測(cè)結(jié)果與實(shí)際數(shù)值間比較

3 討 論

死亡對(duì)個(gè)體而言是生命的結(jié)束，對(duì)家庭而言均是最為承重的打擊，如何避免死亡、了解死亡發(fā)生規(guī)律是國(guó)內(nèi)外學(xué)者一直以來(lái)的研究熱點(diǎn)。導(dǎo)致死亡的原因眾多，環(huán)境、個(gè)體、社會(huì)等因素都有可能導(dǎo)致死亡，一般而言是受到社會(huì)、環(huán)境、自身等多重因素的相互作用導(dǎo)致的死亡，就某一城市而言、地域而言是有自身一定的人群死亡規(guī)律的，如胡夢(mèng)玨等[5]研究就顯示，社會(huì)經(jīng)濟(jì)經(jīng)濟(jì)與環(huán)境溫度的變化就對(duì)南方城市人群的死亡有重要影響。新疆地處祖國(guó)西部，生活環(huán)境、習(xí)慣、氣候變化等均與內(nèi)地城市不同，人群的死亡特點(diǎn)是否會(huì)存在不同尚不得知，為了解新疆某三甲醫(yī)院死亡病例的時(shí)間分布情況，為更進(jìn)一步了解死亡個(gè)案發(fā)生的周期性因素及變化趨勢(shì)，給死亡預(yù)測(cè)及預(yù)防提供方法學(xué)及數(shù)據(jù)參考。

此次研究結(jié)果顯示，新疆某三甲醫(yī)院的死亡病例的時(shí)間分布符合指數(shù)平滑相加模型，均存在明顯的季節(jié)變化周期，結(jié)果顯示，每年1月、5月、9月份存在季節(jié)性死亡上升，而在2月份與12月份存在兩個(gè)死亡低谷，筆者認(rèn)為，出現(xiàn)此結(jié)果的原因主要有：(1)與12月份及2月份的相應(yīng)節(jié)假日有關(guān)，即低等級(jí)醫(yī)院向該三甲醫(yī)院轉(zhuǎn)院患者數(shù)量下降而導(dǎo)致該醫(yī)院在12月份及2月份的死亡病例數(shù)下降，具體原因可以在后期的研究中做進(jìn)一步調(diào)查。(2)就醫(yī)選擇性因素，醫(yī)院的接診為被動(dòng)接診，因此，就醫(yī)選擇可能是死亡時(shí)間變化的誤差項(xiàng)；(3)季節(jié)及氣候等因素導(dǎo)致死亡病例的變化，研究顯示，冬季空氣污染嚴(yán)重，導(dǎo)致呼吸系統(tǒng)疾病致死占比增加[6-7]，夏季高熱與循環(huán)系統(tǒng)病致死增加有關(guān)[8-9]。此結(jié)果給醫(yī)院工作的提示是，1、5、9月份的死亡數(shù)上升，應(yīng)在工作中加以提前應(yīng)對(duì)，做好死者家屬的安撫及處理工作。

本研究的不足：(1)此次研究選擇了時(shí)間序列對(duì)單個(gè)醫(yī)院的所有病種的死亡病例的時(shí)間分布進(jìn)行分析，未對(duì)不同性別、不同民族、不同年齡段的死亡的時(shí)間規(guī)律進(jìn)行分析，后期可以加以補(bǔ)充；(2)此研究為單一中心的研究，后期可以考慮聯(lián)合多家三甲醫(yī)院，或者對(duì)比多家基層醫(yī)院死亡規(guī)律，為探討死亡病例的就醫(yī)選擇規(guī)律提供參考；(3)此次研究所選的死亡病例未按死因進(jìn)行分類(lèi)，后期研究中可以針對(duì)該醫(yī)院的不同類(lèi)型的死亡進(jìn)行時(shí)間序列分解，從而更有實(shí)際意義。

本研究結(jié)果顯示，新疆某三甲醫(yī)院的死亡病例的時(shí)間分布符合指數(shù)平滑相加模型，具有明顯的季節(jié)變化周期，可能與就醫(yī)選擇和氣候、節(jié)假日等因素共同作用有關(guān)，醫(yī)院在1、5、9月份的死亡數(shù)上升時(shí)，建議應(yīng)在工作中加以提前應(yīng)對(duì)，做好死者家屬的安撫及處理工作。

[1]Astell-Burt T,Liu Y,Feng X,et al.Health reform and mortality in China:Multilevel time-series analysis of regional and socioeconomic inequities in a sample of 73 million[J].Sci Rep,2015,5:15038.

[2]夏蘭芳,孟郁潔,李迎迎,等.ARMA模型在非意外死亡率動(dòng)態(tài)預(yù)測(cè)中的應(yīng)用[J].中國(guó)數(shù)字醫(yī)學(xué),2014,4:35-37,46.

[3]Chang HH,Fuentes M,Frey HC.Time series analysis of personal exposure to ambient air pollution and mortality using an exposure simulator[J].J Expo Sci Environ Epidemiol,2012,22(5):483-488.

[4]楊曉明,沈冰,王妍敏,等.上海市靜安區(qū)居民意外跌落死亡率時(shí)間序列分析與預(yù)測(cè)[J].中國(guó)公共衛(wèi)生,2015,31(11):1450-1452.

[5]胡夢(mèng)玨,馬文軍,張永慧,等.社會(huì)經(jīng)濟(jì)因素對(duì)南方城市溫度-死亡暴露反應(yīng)關(guān)系的影響分析[J].中華預(yù)防醫(yī)學(xué)雜志,2014,48(5): 401-405.

[6]Lopez-Villarrubia E,Ballester F,Iniguez C,et al.Air pollution and mortality in the Canary Islands:a time-series analysis[J].Environ Health,2010,9:8.

[7]Daumas RP,Mendonca GA,Ponce DLA.Air pollution and mortality in the elderly in Rio de Janeiro:a time-series analysis[J].Cad Saude Publica,2004,20(1):311-319.

[8]Linares C,Martinez-Martin P,Rodriguez-Blazquez C,et al.Effect of heat waves on morbidity and mortality due to Parkinson's disease in Madrid:Atime-series analysis[J].Environ Int,2016,89-90:1-6.

[9]Lin H,Zhang Y,Xu Y,et al.Temperature changes between neighboring days and mortality in summer:a distributed lag non-linear time series analysis[J].PLoS One,2013,8(6):e66403.

Establishment and application of time series model of deaths in a tertiary Hospital in Xinjiang.

ZHOU Mei-ping1, ZHANG Jia-xiang1,CHEN Bao-lin2,WEN Guo-xin2.1.Department of Prevention and Health,Division of Medical Affairs, People's Hospital of Xinjiang Autonomous Region,Urumqi 830001,Xinjiang,CHINA;2.Urumqi Center for Disease Control and Prevention,Urumqi 830026,Xinjiang,CHINA

ObjectiveTo explore time distribution of deaths in tertiary hospital for a better understanding of cyclical factors and trends of hospital deaths occurred,and to provide reference for the further development of targeted policies.MethodsThe data of the death of patients in a tertiary hospital from January 2011 to December 2015 were collected.SPSS21.0 was used to analyze the distribution of the time of death.The effect of forecast model was verified by actual observed value in 2015.ResultsThere were obvious seasonal factors in the change of data from 2011to 2014,and there was significant periodic change.Among them,the additive model R2was the highest,which was chosen for fitting,with the effect determination indexes,of RMSE=8.776,MAPE=8.368,MAE=6.552,BIC after standardization=4.586.The predicted error values were within 20%,and the measured values were within the range of 95%CI. There was no significant difference between the measured and the predicted values by the paired t test(r=0.448,P= 0.663).Correlation coefficient between measured value and predicted value was r=0.780(P=0.003).ConclusionTime distribution of deaths of tertiary hospital in Xinjiang is in line with the exponential smoothing additive model,with obvious seasonal change,which may be related to selective treatment.The results show that the number of deaths risen in the January,May,September,and it is suggested that corresponding measures should be taken to deal with the deceased and to appease their families.

Xinjiang;Tertiary hospital;Deaths;Time series model

R339.3+9

A

1003—6350（2016）18—2981—03

10.3969/j.issn.1003-6350.2016.18.019

2016-03-22)

新疆維吾爾自治區(qū)人民醫(yī)院院內(nèi)科研項(xiàng)目(編號(hào)：20140301)

文國(guó)新。E-mail：wgxxjbc@sina.com