圖1 墨西哥和美國(guó)的禽流感疫情

此外，再結(jié)合地理信息系統(tǒng)的內(nèi)容，我們可以更廣泛地了解此次禽流感疫情在全球范圍內(nèi)的變化規(guī)律。圖2就是進(jìn)一步運(yùn)用JMP軟件中的“地圖”功能繪制而成的動(dòng)態(tài)圖形。我們可以輕而易舉地跨越時(shí)空的局限，將世界各地的禽流感疫情一覽無(wú)遺。

圖2 世界各地的禽流感疫情

案例二——國(guó)內(nèi)某省丙肝發(fā)病的預(yù)測(cè)

丙肝，全名為丙型病毒性肝炎。雖然丙肝的“知名度”不如乙肝，但近幾年丙肝的發(fā)病率逐年上升。丙肝不像乙肝癥狀明顯，因而多數(shù)丙肝患者本身并不知情。但是，在未來(lái)20年內(nèi)與HCV感染相關(guān)的死亡率(肝衰竭及肝細(xì)胞癌導(dǎo)致的死亡)將繼續(xù)增加，對(duì)患者的健康和生命危害極大，已成為我國(guó)嚴(yán)重的社會(huì)和公共衛(wèi)生問(wèn)題。

利用某省2005-2013年的丙肝報(bào)告發(fā)生數(shù)預(yù)測(cè)該省2014年的丙肝情況。圖3中展示了108個(gè)月的該省丙肝報(bào)告發(fā)生數(shù)。

圖3 某省2005-2013年的丙肝病例報(bào)告數(shù)

觀察上圖發(fā)現(xiàn)，該數(shù)據(jù)具備趨勢(shì)性、周期性和隨機(jī)性的特點(diǎn)，適合用時(shí)間序列分析中的ARIMA(p,d,q)模型來(lái)進(jìn)行分析預(yù)測(cè)。但是，如何確定其中的參數(shù)p,d,q呢?這需要具備一定的統(tǒng)計(jì)學(xué)背景知識(shí)，花費(fèi)相當(dāng)?shù)奶剿髋c嘗試時(shí)間。幸運(yùn)的是，在JMP軟件的智能化分析幫助下，這一切變得很簡(jiǎn)單，因?yàn)榭梢栽跇O短的時(shí)間內(nèi)對(duì)大量的候選模型進(jìn)行地毯式搜索，并根據(jù)其擬合效果的優(yōu)劣進(jìn)行排序，最后甄選出一個(gè)預(yù)測(cè)誤差最小的模型供我們參考使用。本例中最終確定的參數(shù)為p=1,d=1,q=1，因此對(duì)應(yīng)的ARIMA模型為ARIMA(1,1,1)。用該模型對(duì)源數(shù)據(jù)進(jìn)行擬合及預(yù)測(cè)，如圖4所示，該模型曲線的擬合效果還是不錯(cuò)的。

圖4 ARIMA(1,1,1)模型

相信大家從這些案例中可以感受到：工欲善其事，必先利其器。借助于現(xiàn)代化的數(shù)據(jù)分析利器JMP，無(wú)論是定性預(yù)測(cè)，還是定量預(yù)測(cè)，都能夠簡(jiǎn)便高效地完成。未來(lái)這些方法和技術(shù)在傳染病預(yù)測(cè)預(yù)警方面還會(huì)有更好的應(yīng)用前景。

zhoujianding