季节规律分析算法在痹证发病规律分析与趋势预测中的应用

滕璐灵，宋 尧，李羽翠

甘肃省中医院，甘肃 兰州 730050

季节规律分析算法在痹证发病规律分析与趋势预测中的应用

滕璐灵，宋 尧，李羽翠

甘肃省中医院，甘肃 兰州 730050

对中医医院医疗管理信息系统中痹证患者的数量进行统计分析，发现近几年该病种有明显上升趋势；尽管痹证发病时间数列的趋势和循环成分可以根据分析中医医院历史数据各年的痹证情况而识别，但许多痹证时间数列往往显示在一年内有规则发病。因此利用基于季节指数算法开展的痹证发病规律分析及发病趋势预测算法成为中医医院意义重大的一项工作。

痹证；季节指数；规律分析；发病预测

痹证是指人体肌表、经络因感受风、寒、湿、热等引起的以肢体关节及肌肉酸痛、麻木、屈伸不利，甚或关节肿大灼热等为主症的一类病症［1-3］。临床上有渐进性或反复发作的特点。主要病机是气血痹阻不通，筋脉关节失于濡养［4］。对近几年临床诊断的数据进行筛选分析，发现痹证患者的数量有明显上升趋势，如何针对中医医院信息系统中痹证诊断进行筛选分析，指导医院开展有效的诊治方案成为中医医院管理者实现决策的重要方面［5］。尽管痹证发病时间数列的趋势和循环成分可根据分析中医医院历史数据各年的痹证情况而识别，但许多痹证时间数列往往显示在一年内有规则发病。因此对痹证发病规律进行分析及发病趋势进行预测对中医医院来讲是有必要的。

1 趋势预测算法的基本原理

要分析中医医院就诊患者中痹证发病的季节规律，首先必须从中医医院管理信息系统中将中医诊断为痹证的信息数据进行汇总处理，对初始信息按照诊断日期生成诊断信息表，从中筛选出每日的诊断例数情况汇总表，然后再对每日例数情况按月汇总成每月诊断例数汇总表，最后按照年生成年度诊断例数汇总表。通过采用相关分析方法对每月诊断例数汇总表进行处理，可以研究出中医医院痹证发病的季节变化规律，结合痹证年诊断例数汇总表可以预测出痹证在未来某年的发病趋势［6］。

本研究中论述的中医医院痹证发病季节规律分析与趋势预测算法是依据统计季节分析原理进行的，利用季节指数描述痹证发病现象的季节变化规律，痹证季节指数预测法是根据痹证发病时间序列中的发病例数资料所呈现的季节变动规律性，对预测痹证发病未来状况作出预测的方法。利用季节指数预测法进行预测时，时间序列的时间单位是季或者月，变动循环周期为4季或是12个月。在已知季度平均值的条件下，预测未来某个月(季)痹证发病例数的预测值［7］。季节指数高说明是痹证的高发期，反之说明是痹证的低发期。季节指数的计算可以通过直接同期平均法和先计算趋势值后剔除趋势影响值法来计算，前者适用于季节变化较明显的现象，后者适用于季节变化不明显的现象。考虑到痹证发病情况的季节性较明显，所以中医医院痹证发病的季节规律分析与趋势预测算法采用直接同期平均的方法［8］。

2 趋势预测算法的数据组织

根据中医医院痹证发病的季节规律分析与趋势预测算法的需求，可以从医院医疗管理信息系统查询筛选相关表格信息，在痹证汇总数据表中分别创建名为Z dr q、Z d l s、Y ear、M o n t h、S easo n的字段，经过查询插入操作得到中医医院痹证信息日汇总、痹证信息月汇总、痹证信息季度汇总及痹证信息年度汇总，见表1—4。

表1 痹证信息日汇总

表2 痹证信息月汇总

表3 痹证信息季度汇总

表4 痹证信息年度汇总

3 痹证发病规律分析算法

根据中医医院季节规律分析算法的核心思想，可以设计出中医医院痹证发病季节分析算法流程［9］，见图1。

图1 痹证发病季节分析算法流程

查询中医院医疗管理信息系统，得到中医医院2009—2012年痹证发病情况，见表5。

对表5处理汇总后可得到中医医院2009—2012年痹证发病年度汇总，见表6。

表6 中医医院2009—2012年痹证发病年度汇总

1)计算各年度同一季度中医医院痹证发病月平均例数：

A S L1=(47+44+56+63)/4=52.5

法国是世界上较早开展成人教育的国家之一，尤其是二战以后，法国成人教育得到了迅速发展，逐渐形成了一套由国家、学校、公司及其他社会团体共同参与的成人教育体系。法国成人教育在行政管理、资助体系、实施机构、培训方式及国际合作方面均有自己的独特经验。

A S L2=(32+35+34+46)/4=36.8

A S L3=(23+32+37+41)/4=33.3

A S L4=(53+46+48+66)/4=53.3

2)计算2009—2012年中医医院痹证季度发病月平均例数：

A S L=(155+157+175+216)/16=43.9

3)计算中医医院痹证发病季节指数：

S1=A S L1/A S L=52.5/43.9=1.196

S2=A S L2/A S L=36.8/43.9=0.838

S3=A S L3/A S L=33.3/43.9=0.759

S4=A S L4/A S L=53.3/43.9=1.214

4)根据以上计算结果汇总得到中医医院痹证发病季节指数，见表7。

表7 中医医院痹证发病季节指数

由表7可见，第一季度与第四季度为痹证高发时间段，尤其以第四季度为高发期，根据理论分析，第四季度较其他季度而言气候寒冷，可以诱发痹证的发病，导致该病例数的增加。同时第二季度与第三季度因气候温暖，不宜诱发痹证，从而使发病例数较一、四季度低。

通过程序编码与调试，中医医院痹证发病季节规律分析最后运行的界面截图，通过折线图的直观方式，呈现出痹证在年内各季度的发病走向趋势，见图2。

图2 痹证发病季节规律分析功能编码实现后的运行界面截图

4 痹证发病趋势预测算法的实现

对于有明显季节性变化的痹症发病规律而言，由月资料或季资料构成的时间序列较难看出该疾病长期变化发展趋势，而年资料往往有较为稳定的增长或减少的长期趋势，为预测未来某个季度或月份的中医医院痹证发病趋势，可以先预测全年痹证的发病趋势，然后依据季节指数预测每个季度或月份的痹证发病情况。年发病趋势的预测方法可以采用水平指标、速度指标、趋势曲线法来实现［10］，根据中医医院痹证发病趋势预测算法的核心思想［11］，可以设计出痹证发病趋势预测算法流程，见图3。

图3 痹证发病趋势预测算法流程

预测△A年以后某年全年痹症的发病例数：

根据某中医院2009—2012年痹证发病年度汇总表(表7)，得知N=5，A0=155，A n=216，△A=15.25

按照上述公式［12-13］预测2013年各季度痹证发病例数，见表8。

表8 某中医院2013年各季度痹证发病季度预测汇总

某中医院痹证发病季度预测模块编码后运行界面截图，见图4。

图4 某中医院2013年痹证发病季度预测功能编码实现后的运行界面截图

5 指定病种发病趋势预测算法比对分析

从中医医院医疗管理信息系统数据库中查询统计出2013年前两个季度痹证发病例数与痹证发病季度预测算法结果进行对比，见图5。

图5 某中医院2013年度痹证预测结果与实际数据对比结果

从图5可以看出，使用某中医院痹证发病季度预测算法得到2013年各季度痹证发病例数的结果与中医医院医疗管理信息系统中2013年各季度痹证发病实际例数偏差率基本保持在7%左右，属于可接受范围，因此中医医院痹证发病季度预测算法能够较准确地应用于痹证季度发病的预测。

通过对中医医院痹证发病规律及发病季节预测算法的实现，可以进一步扩展分析范围，类似的分析与预测方法可以应用于其他中医诊断的疾病，在实现过程中只需要将中医诊断由指定的诊断I D变换为可选择的模块即可［14］。

［1］ 张光明.中西医结合治疗痹证临床辨证论治［J］.中国医药科学，2012，2(10):107-108.

［2］ 王瑞红，郭文山，刘玉军.加味麻黄附子细辛汤治疗痹证50例疗效观察［J］.中国当代医药，2011，18(10):95.

［3］ 杨国栋，蒲朝晖.祛风活血化淤通络法治疗风寒湿痹病188例分析［J］.甘肃中医，2001，14(5):32-33.

［4］ 徐志刚.痹证的诊疗［J］.内蒙古中医药，2010：29(1)：46-47.

［5］ 余加席，娄培安，张雷，等.趋势季节模型在腹泻症候群监测信息分析中的应用［J］.中国医院统计，2011，18(1)：7-9.

［6］ 汪文新，刘晋洪，赵梅桂，等.我国结核病发病情况季节性分析［J］.现代预防医学，2012，39(15)：3773-3774.

［7］ 佡思维，王岩，何兰，等.应用趋势季节模型在痢疾发病中预测的研究［J］.医学信息，2013，26(1)：101-102.

［8］ 于洪江，柳国洪，孙爱峰，等.时间序列资料季节变动分析方法的比较［J］.中国卫生统计，2011，28(5):599.

［9］ 刘冰凌.某科室住院患者季节变动预测分析［J］.中国卫生产业，2012：2.

［10］彭月霞.门诊就诊季节分析加强门诊工作管理［J］.中外医学研究，2012，10(17)：66.

［11］谢漫，王莹，何兰，等.趋势季节模型在体检人数预测中的应用［J］.中国卫生统计，2013，30(3)：4340.

［12］何琦.传染病住院患者的季节趋势预测［J］.中国医院统计，2011，18(3)：201-202.

［13］刘洁，曲波，何钦成.应用时间序列模型对全国2004—2009年疟疾疫情分析及预测［J］.中国媒介生物学及控制杂志，2011，22(2)：134-136.

［14］苏缔熙.季节变动的一种检验方法［J］.经营管理者，2011，131：383.

The App lication of SeasonalRhythm Algorithm on AnalysesofArthralgia Syndrom eOccurrence Regularity and Its Trend Prediction

TENG Luling,SONG Yao,LIYucui
Gansu Hospital of Chinese Medicine,Lanzhou 730050,China

The statistical analyses of arthralgia syndrome patients'numbers inmedical informationmanagementsystems of Chinesemedicalhospitals conducted,a strong uptrend of this kind of diseasewas showed in recent years;although the trend of its onset time seriesand cyclic components can be differentiated by analyzing arthralgia syndrome conditions from the years historical data in Chinesemedical hospitals,the time series ofmany arthralgia syndromesoften indicate the regularoccurrence of the disease.Therefore the analyses of arthralgia syndrome occurrence regularity and algorithm of onset trend prediction by seasonal rhythm algorithm are of great significance in Chinesemedicalhospitals.

arthralgia syndrome;seasonal index;regularity analysis;disease prediction

R222.3

A

1004-6852(2015)03-0069-04

2014-02-27

滕璐灵(1982—)，女，硕士学位，网络工程师。研究方向：信息管理与信息系统。