基于ARIMA模型的临床红细胞类血液需求预测研究.pdf

收稿日期 2021-02-01摇 修回日期 2021-12-31基金项目 苏州市科技计划项目(SS202081);苏州市卫生科技项目(GWZX202004);苏 州 市 医 学 重 点 学 科 项 目(SZXK202118)作者单位 江苏省苏州市中心血站,215000作者简介 谢淑红(1990-),女,助理研究员.通信作者 汤龙海,主任技师.E鄄mail:478562321 文章编号 1000鄄2200(2023)05鄄0633鄄04检验医学基于 ARIMA 模型的临床红细胞类血液需求预测研究谢淑红,张思静,严伟斌,王明元,汤龙海摘要目的:建立适用于苏州市区临床红细胞类血液需求预测的自回归移动平均模型(autoregressive integrated moving averagemodel,ARIMA),从需求出发指导采供血机构对地区血液资源进行合理采集、科学调配。方法:收集区域临床用血历史数据,采用时间序列分析方法,选取苏州市区 2009-2019 年每月红细胞类成分血的临床使用数据,运用 SPSS 26 软件进行数据分析和ARIMA 模型构建,通过模型识别、参数估计及最优模型检验,确定临床红细胞类血液预测的最优模型。运用所得最优模型对2020 年 1-11 月红细胞类成分血临床用量进行预测,将预测值与实际数值对比,验证模型预测效果。结果:最优模型为ARIMA(0,1,1)(0,1,1)12,残差的 ACF 自相关函数值和 PACF 偏自相关函数值均在 95%CI 内,同时杨-博克斯 Q 统计量值为17.992,P 0.05,残差序列不存在自相关,通过白噪声检验。对2020 年1-11 月苏州市区红细胞类成分血临床用量进行预测,预测值与实际值曲线趋势基本相同,且预测值均在 95%CI 内,平均相对误差较小,为 8.21%,模型预测效果较好。结论:苏州地区临床红细胞类血液需求预测研究的最优模型为 ARIMA(0,1,1)(0,1,1)12。关键词 输血;自回归移动平均模型;红细胞类血液;血液需求中图法分类号 R 197;R 457.12 摇 摇 摇 文献标志码 A摇 摇 摇 DOI:10.13898/ki.issn.1000鄄2200.2023.05.019Study on prediction of clinical erythrocyte blood demand based on ARIMA modelXIE Shu鄄hong,ZHANG Si鄄jing,YAN Wei鄄bin,WANG Ming鄄yuan,TANG Long鄄hai(Suzhou Blood Center,Suzhou Jiangsu 215000,China)Abstract Objective:To establish an autoregressive integrated moving average(ARIMA)model for predicting the demand of clinicalerythrocyte blood in the urban area of Suzhou,and to guide the blood collection and supply institutions to reasonably collect andscientifically allocate blood resources in the region based on the demand.Methods:The historical data of regional clinical blood werecombed,and time series analysis method was adopted to select the monthly data of clinical use of erythrocyte blood in Suzhou urban areafrom 2009 to 2019 for modeling.SPSS 26 software was used for data analysis,and the ARIMA model was constructed.The optimal modelof clinical erythrocyte blood prediction was determined by model recognition,parameter estimation and optimal model test.The optimalmodel was used to predict the clinical consumption of erythrocyte blood from January to November 2020,and the predicted value wascompared with the actual value to verify the prediction effect of the model.Results:The optimal model was ARIMA(0,1,1)(0,1,1)12,and the values of ACF autocorrelation function and PACF partial autocorrelation function of residual were both within 95%CI.Meanwhile,the Yang Box Q statistic value was 17.992(P 0.05),indicating that there was no autocorrelation of residual sequence,which passed the white noise test.The clinical consumption of erythrocyte blood in Suzhou urban area from January to November 2020was predicted,and the curve trend of the predicted value was basically the same as the actual value,and the predicted value was within95%CI,and the average relative error was small(8.21%),indicating that the prediction effect of the model was good.Conclusions:ARIMA(0,1,1)(0,1,1)12 is the optimal model for the prediction of clinical erythrocyte blood demand in Suzhou area.Key words transfuse blood;autoregressive integrated moving average model;erythrocyte blood;blood demand摇 摇 输血是临床常见的辅助治疗手段,创伤、产后出血、手术、血液病治疗等都需要通过输血帮助病人恢复健康。血液资源目前仅可通过健康人体无偿捐献唯一途径获得,具有不可替代性。据国家卫健委统计1显示,2019 年全国献血率为 11.2译,虽已超过世界卫生组织推荐的标准 10译,但无偿献血相对于总人口基数来说,依然只是少部分人群的爱心行为,因此血液资源仍具有稀缺性。临床血液需求受手术开展情况、床位数、区域人口数量、突发事件等多种外在因素影响,且血液具有储存期短、存在分型等特征,所以采血量往往无法完全匹配临床血液的需求变化,血液整体或某一类/型供给不足或供给过剩的现象时有发生。苏州地区临床常用的、采供血机构提供的血液主要包括红细胞类、血小板类、血浆类三大类,其中336蚌埠医学院学报 2023 年 5 月第 48 卷第 5 期红细胞类成分血临床用量占比最大,年供给量超 12万单位。随着“十四五冶期间本地区医疗卫生事业的发展,临床血液需求量还将继续上升。血液供需平衡的“理想状态冶是采供血机构和用血医疗机构的共同追求,仅凭主观经验估算临床用血需求已无法满足复杂多变的实际需求,因此,需要对区域临床血液需求进行科学测算,在此基础上有针对性地制定无偿献血招募计划和血液库存管理方法。本研究采用时间序列分析方法中的自回归移动平均模型(autoregressiveintegratedmovingaveragemodel,ARIMA)建立苏州市区临床红细胞类血液需求预测模型,通过分析临床红细胞类成分血用量的历史数据规律对未来的临床需求值进行预测。现作报道。1摇 材料与方法1.1摇 数据来源摇 选取苏州市区 2009-2019 年红细胞类成分血的临床用量数据,红细胞类成分血根据制备方式及成分含量不同分为悬浮红细胞、洗涤红细胞、浓缩红细胞、去白红细胞、冰冻红细胞等种类。临床红细胞用量以单位 U 计算,1 U 红细胞类成分血由 200 mL 全血分离制备而成。1.2摇ARIMA 模型构建摇ARIMA 模型根据参数选择的不同,可分为 ARIMA(p,d,q)(P,D,Q)s、ARIMA(p,d,q)、ARMA(p,q)、AR(p)和 MA(q)。ARIMA(p,d,q)模型是时间序列分析中最常用的方法,若时间序列包含了季节性特征,则需建立季节性ARIMA 模型,即 ARIMA(p,d,q)(P,D,Q)s,其中p、q 为自回归和移动平均阶数,P、Q 为季节性自回归和移动平均阶数,d、D 为非季节性和季节性差分次数,s 为季节周期2。建立 ARIMA 模型的基本步骤主要包括:(1)数据平稳化处理,通过绘制时序图初步判断序列是否平稳,若判断为不平稳序列,则针对序列不平稳的趋势性或周期性进行差分或季节性差分处理,实现序列平稳化;(2)模型识别,对平稳序列进行自相关分析,根据所得的自相关函数(ACF)图和偏自相关函数(PACF)图的拖尾、截尾情况判断 p、d、q 值,建立可用的备选模型,根据贝叶斯准则(Bayesian information criterion,BIC)在备选模型中选择最优模型;(3)最优模型检验,根据残差ACF 图与 PACF 图以及杨-博克斯 Q(Ljung=BoxQ)统计量,判断残差序列是否为白噪声序列,若是,则所得模型可用于预测,若不是,则需重新对序列进行识别、选择和检验,以获得最优拟合模型;(4)预测并验证,运用选定的最优 ARIMA 模型预测需求值,计算 95%CI 以及相对误差,并与同期的实际值比较,以验证模型的拟合效果4。2摇 结果2.1摇 数据平稳化处理摇 绘制 2009-2019 年红细胞类成分血的临床用量时间序列图(见图 1),可见红细胞类成分血临床用量存在一定波动幅度,呈整体上升趋势;同时,细胞类成分血临床用量存在较明显的季节周期性,以 12 个月为 1 个周期,每年 3、4、11、12 月的红细胞临床用量相对较高,1、2、6、7 月红细胞临床用量则相对较低,表明红细胞成分血临床用量具有长期趋势性和周期性。针对该时间序列的不平稳特征,对数据采取一次差分及一次季节性差分进行平稳性处理,数据处理后的时间序列图见图2,差分后所得的观测值均围绕 0 值上下随机波动,可认为处理后的序列为平稳序列。2.2摇 ARIMA 模型识别摇鉴于 2009 年 1-12 月红细胞临床用量时间序列存在明显的趋势性和季节性,故选用季节性 ARIMA(p,d,q)(P,D,Q)s 模型。根据实际情况,红细胞临床用量序列的季节周期为12 个月,故取 s=12;因在平稳性处理过程中,对原始序列进行了一阶差分和一阶季节差分,故取 d=1,D=1。绘制红细胞临床用量数据的一阶差分和一阶季节差分后 ACF 图和 PACF 图(见图3 4),ACF 延迟数目在 1 阶之后快速下降为 0,呈一阶截尾,判定q=1,而 PACF 在 1、2、5、12 阶时均有突出,截尾及436J Bengbu Med Coll,May 2023,Vol.48,No.5拖尾特征不明显,判定 p=0;ACF 延迟数目在 12 阶时样本自相关函数显著不为 0,PACF 则是在 12 阶附近显著不为 0,故 P=1 或 0,Q=1。因此,识别的备选模型为 ARIMA(0,1,1)(0,1,1)12 和 ARIMA(0,1,1)(1,1,1)12。比较两个备选模型的正态化BIC 值,ARIMA(0,1,1)(0,1,1)12 模型的 BIC 值为12.924,ARIMA(0,1,1)(1,1,1)12 模型的 BIC 值为 13.013,根据正态化 BIC 值越小,则模型拟合效果越好的准则,确定红细胞临床用量的时间序列最优模型为 ARIMA(0,1,1)(0,1,1)12。采用 SPSS26 中的专家建模型模块进行验证,得出该模型与专家建模器所推荐推荐的模型相同。2.3 摇ARIMA 模 型 检 验 摇对 确 定 的 最 优 模 型ARIMA(0,1,1)(0,1,1)12 的残差序列作 ACF 和PACF 图(见图 5),残差的 ACF 值和 PACF 值在95%CI 内,同时杨-博克斯 Q 统计量值为 17.992,显著性 P 为 0.324,0.05,不存在统计学意义,说明残差序列不存在自相关,通过白噪声检验,可认为该 ARIMA 模型适用于苏州市区的红细胞类成分血的临床需求量的预测。2.4摇 ARIMA 模型运用及预测摇 运用 ARIMA(0,1,1)(0,1,1)12 模型对 2020 年 1-11 月的红细胞血液临床用量进行预测,得出预测值与实际值时序值拟合图(见图 6)。预测值与实际值曲线趋势基本相同,预测值均在 95%CI 内,平均相对误差较小,为8.21%,低于 10%(见表 1),去除受 2020 年新冠肺炎疫情影响导致误差较大的 2 月和 3 月(受疫情影响,市民居家隔离、企业停产停工、大学延迟开学等因素导致献血人数骤减,同时医院暂停或延后部分择期手术控制用血量)及 6 月(高校未开学或未开放,导致往年暑期前的高校集中采血暂停或延后)后的平均相对误差较小,为 5.21%,模型预测效果较好。表 1摇 2020 年 1-11 月预测结果及误差情况时间实际值/U预测值/UUCL控制上限LCL控制下限相对误差平均相对误差/%2020 年1 月9 076.009 887.6211 011.688 763.568.212020 年2 月6 272.008 943.9410 087.997 799.8929.872020 年3 月9 038.5011 215.4812 379.1810 051.7819.412020 年4 月 10 476.0010 826.6512 009.679 643.633.242020 年5 月 10 717.5011 311.8712 513.9010 109.845.252020 年6 月9 542.0010 649.1211 869.869 428.3710.408.742020 年7 月 10 757.5010 984.3712 223.559 745.202.072020 年8 月 10 511.0010 666.7811 924.129 409.451.462020 年9 月9 477.0010 832.4912 107.739 557.251.252020 年10 月 10 693.5010 642.5411 935.449 349.650.482020 年11 月 11 357.5010 995.5412 305.859 685.223.293摇 讨论摇 摇 红细胞是人体血液中主要成分,是人体运送氧气和二氧化碳的最主要媒介。红细胞类成分血具有较高的纯度、较低的病毒感染风险、较佳的临床疗效,临床上输注红细胞类成分血可以提升机体携氧能力,因此被广泛应用于各种急性失血、慢性贫血、手术普通失血的救治,是临床输血中用量最大的种类之一。血液资源在全国范围内都处于供不应求的紧张状态,一二线城市相对丰富、优质的医疗资源更加剧了这种紧张。红细胞类成分血的特性、献血量的季节性和结构性不稳定性增加了血液供需平衡的不确定因素。为保证输注效果,红细胞类成分血静置在2 6 益环境下最多保存35 d,所以必须在血液有效期内提供给临床。对红细胞类成分血需求进行科学预测,从而指导血液资源的合理采集与科学调配,实现供需平衡,具有较大社会意义。536蚌埠医学院学报 2023 年 5 月第 48 卷第 5 期摇摇ARIMA 模 型 是 博 克 思(Box)和 詹 金 斯(Jenkins)于 70 年代初提出的一个著名时间序列预测方法,所以又称为 Box鄄Jenkins 模型,它是将预测对象随时间推移而形成的时间序列视为一个随机序列,这组随机变量所蕴含的自相关性表明了预测对象发展的连续性。ARIMA 模型的构建借助于计算机 SPSS 软件操作实现,过程较为简单方便,预测结果具备较高的数据精度和较强的实用性。运用ARIMA 模型对临床血液需求进行预测,以血液需求的历史数据规律为依据,综合考虑了序列的趋势性、季节性、周期性及随机波动等变化规律,通过建立数学模型对血液需求进行定量化的描述及表达,模型的拟合度和预测精确度均较为理想。在医疗卫生领域,ARIMA 模型已运用于传染病发病预测(如艾滋病、梅毒、乙肝等)及卫生支出预测,现有研究3表明,在临床血液需求的预测方面,ARIMA 模型较其他预测方法如简易时间序列分析、时间序列周期回归、自回归分析等方法的预测效果更好,准确度相对较优。本研究以解决苏州市区红细胞类血液供需矛盾为主要目的,以本区域红细胞成分血的临床需求预测为研究对象,按月统计收集 2009-2019 年医院红细胞临床用量数据进行分析,采用 ARIMA 时间序列模型进行拟合建模,得出最优模型为 ARIMA(0,1,1)(0,1,1)12,运用该模型对苏州市中心血站 2020年 1-11 月的每月红细胞成分血临床需求量进行预测,得出预测值和实际值的变化趋势基本一致,除2020 年 2 月红细胞预测值外,平均相对误差较小,为 8.21%,去除因疫情影响误差较大的 2 月和 3 月后,平均相对误差较小,为 5.21%,模型预测效果较好。现有研究4-6证实,若所建 ARIMA 模型的预测值与实际数值之间的平均相对误差 10%,则说明模型预测精准性较高,有较好的预测效果,因此,本研究所得 ARIMA(0,1,1)(0,1,1)12 模型可以用于苏州市区未来红细胞临床用量的预测。红细胞类血液临床需求预测模型的构建,以需求为指导,兼顾多影响因素,可为采供血机构制定血源招募计划提供科学依据,帮助其提前部署和适时调整,提升血液供给量和临床需求量的匹配度,缓解本区域血液供需矛盾,使红细胞类血液既满足临床需求,又能避免过期浪费。但同时,依靠历史数据规律构建 ARIMA 模型虽然能较好地进行临床血液需求预测,但也存在一定局限性,如所建模型基于的数据单一,仅为历史血液需求数据,并未考虑人口环境、医疗资源床位变化、突发公共卫生事件等外部因素对血液实际需求量的影响,因此仅可用作短期预测,在一年内预测效果较佳,在使用该模型进行预测、指导实践时,需及时更新参考数据、修正完善模型。后续研究将更加深入地分析影响临床血液需求的因素如人口结构、疾病特征、医疗水平、医院床位数等,采用更加智能精确的模型方法,以期实现中长期血液需求的精确预测。参考文献1摇 我国无偿献血人次数和采血量 22 年连续增长位居全球首位W.http:/ 向颖,郁红月,张维,等.重庆市 HIV 感染和艾滋病新发报告总数预测模型的拟合和比较分析J.第三军医大学学报,2019,41(4):376.3摇 刘芸男,彭荣荣,杨冬燕,等.ARIMA 模型在临床红细胞需求预测中的应用J.安徽医科大学学报,2019,54(10):1611.4摇 樊雯婧,陆群,邹立巍,等.ARIMA 模型在合肥市疟疾发病预测中的应用J.安徽医科大学学报,2013,48(3):252.5摇 黄国军,王乐三,张统宇,等.自回归滑动平均混合模型在红细胞供应量预测中的应用J.中国输血杂志,2016,29(2):140.6摇 PENG Y,YU B,WANG P,et al.Application of seasonal auto鄄regressive integrated moving average model in forecasting theincidence of hand鄄foot鄄mouth disease in Wuhan,ChinaJ.华中科技大学学报(医学英德文版),2017,37(6):842.(本文编辑摇 卢玉清)636J Bengbu Med Coll,May 2023,Vol.48,No.5