基于时间序列模型预测上海某三甲综合医院血制品使用量

乔郑磊， 顾晨晨， 曹敏凤， 朱 巍， 戎瑞明

1.复旦大学附属中山医院输血科，上海 200032 2.复旦大学附属中山医院泌尿外科，上海 200032



基于时间序列模型预测上海某三甲综合医院血制品使用量

乔郑磊1， 顾晨晨1， 曹敏凤1， 朱 巍1， 戎瑞明2*

1.复旦大学附属中山医院输血科，上海 200032 2.复旦大学附属中山医院泌尿外科，上海 200032

目的： 系统地分析临床各种血液成分的使用情况，找出规律并科学地预测需求量，为预测合理的库存血量提供科学依据。方法： 采用IBM SPSS Statistics 23.0软件对上海某三甲综合医院2013年1月—2016年1月临床红细胞和血浆使用情况以及输血人数进行了分析，并使用专家建模器建立模型。结果： 残差均为白噪声序列(P>0.05)，模型提取了原序列中所有数据信息，模型诊断通过。与实际值相比，平均相对误差基本在8%以内，且预测值均在95%可信区间内，预测模型精度较高，预测效果良好。结论： 建立更加适合临床用血的时间序列模型，可克服经验性用血的不足，制定更科学的血液库存计划，实践收到了良好效果。

临床用血；温特斯模型；血制品库存；专家建模器

输血是临床治疗的重要手段，在机体组织供氧、改善凝血功能、挽救患者生命方面具有无法替代的地位和作用。由于各种血液成分的保存方法和保存期各有不同，如悬浮红细胞4℃条件下只能保存28 d或者35 d，而血浆则可在低温条件下至少保存1年，因此系统地分析临床各种血液成分的使用情况，找出规律并科学地预测需求量，才能通过科学有效的措施确保供需平衡，保障临床用血安全与血液库存的充足[1-3]。时间序列模型假定预测对象的变化仅与时间有关，并根据它的变化特征，以惯性原理推测其未来状态，其研究实质是通过处理预测目标本身的时间序列数据，获得事物随时间过程的演变特性与规律，进而预测事物的未来发展[4]，在医疗领域有着广泛的应用。本文采用IBM SPSS Statistics 23.0软件中专家建模器对本院2013年1月—2016年1月临床用血量进行了分析，建立了更加适合本院的时间序列模型，可克服经验性用血的不足，更科学地指导制定血液库存计划，并收到了良好效果。

1 资料与方法

1.1 一般资料 本院从2010年起在全院开展临床合理用血，2012年底在全院范围内得到贯彻与实施，因此本研究统计了本院从2013年1月至2016年1月的每月血制品输注量，包括红细胞制剂(悬浮红细胞、洗涤红细胞、全血、去白红细胞、去微红细胞、解冻红细胞等)输注量和血浆(病毒灭活血浆、冰冻血浆)输注量。临床用血量以单位(U)计算，每200 mL全血制备的各种血液成分均记为1 U。分析各年份临床用血情况以及输血人数，在此基础上建立数据库。

1.2 统计学处理 采用IBM SPSS Statistics 23.0软件中的专家建模器对各种血制品临床输注量建立数学模型[5]，时间区间设置为月，开始时间为2013年1月，记录扩展至2016年1月，临床用血量以及输血人数具有线性上升趋势和季节性趋势，并且季节效应随时间呈现稳定变化，建模结果自动选择为“温特斯加性”，模型的平均绝对百分误差(MAPE)分别为9.120%、8.936%、4.562%，R2分别为0.647、0.697、0.798，模型拟合优度较好。预测模型参数如表1所示。

2 结 果

结果如表1，每个月输注的血制品量为因变量，通过专家建模器，得到较好的模型。残差均为白噪声序列，模型提取了原序列中所有数据信息，模型诊断通过。

表1 各种血制品输注量模型拟合及其参数

2016年2月至5月用血量的实际值都分布在预测值95%的置信区间内(如图1A、1B、1C所示)。模型拟合后残差序列的自相关和偏自相关系数几乎均落入95%的置信区间内，说明该模型合适(如图2所示)。与实际值作比较，采用相对误差做预测误差精度分析(结果如表2)。平均相对误差基本在8%以内，且预测值也均在95%可信区间内(如图1A、1B、1C)，因此所建模型属于较高精度预测模型，预测效果良好。

图1 2013年1月—2015年12月各种血制品输注量以及模型拟合图(温特斯)

图2 模型拟合后残差序列自相关和偏自相关分析

表2 2016年1月—4月临床用血实际值与预测值比较结果 U

3 讨 论

近20年来，临床上血制品的需求量在逐年增加，如在上海中山医院2015年用血量相比于2013年就增加了18.9%，血液供需之间的差距越来越大。临床血液短缺将造成一部分患者延期手术或转院，这对医院形象与社会效益均可能造成影响。临床血液需求量随时间变化的同时，还受许多复合因素的影响，如人口结构、手术患者情况、医疗水平、医疗配置、医院地域分布、突发事件等[6-8]。目前医院用血模式是提前或临时向血站提出用血申请，缺乏对长期的临床用血数量和品种的把握。因此准确预测医院的血液需求量，不但能满足临床用血需求，而且还能避免血液资源浪费。近些年来，有关医院管理工作的时间序列资料分析与预测方法的文献与研究越来越多，合理的统计预测是制定长期规划的基础，也是合理利用现有条件达到最佳的经济效果的保障。本研究运用温特斯模型分析和预测了本院2016年2月至5月的血制品使用量，模型提取了原序列中所有数据信息，平均相对误差基本在8%以内，证明了该模型的有效性和科学性，为今后的本院的合理的库存血量预测提供了科学依据。

本研究表明，利用时间序列模型可以较好地预测本院未来几个月的临床用血需求，避免了高库存造成的血液报废和库存不足造成的血液短缺现象。本文选择专家模型智能建模极大提高了建模的效率，预测精度较高，且模型建立过程并不复杂，不同的医院和地区可根据自身的历史数据，建立起适合自己临床需要的时间序列模型。

但是值得注意的的是，该模型也有一定的缺点，时间序列预测模型受到长期趋势变动、季节性变动、周期性变动、不规则变动等多种共同因素的影响[9-10]，其中不规则变动具有不可预见性，因而对于血液制品的预测以1年期较为恰当。

[ 1 ] 李雪晶. 济南市采供血动态分析及预测[D]. 济南: 山东大学,2014.

[ 2 ] Doherty ST, Greaves SP. Time-series analysis of continuously monitored blood glucose: the impacts of geographic and daily lifestyle factors[J]. J Diabetes Res, 2015,2015:804341.

[ 3 ] Jökulsdóttir G. The impact of demographics on future blood supply and demand in Iceland[D]. Iceland： Reykjavik, 2013.

[ 4 ] 叶柱江, 刘赴平. 时间序列自回归移动平均模型在临床红细胞用量预测中的应用[J]. 中国输血杂志, 2013,26(2):131-134.

[ 5 ] 王晓丽, 施天行, 杨思睿,等. 温特斯加法指数平滑法在门急诊人次预测中的应用[J]. 中国卫生信息管理杂志, 2016,13(2):214-216.

[ 6 ] 黄 爽, 安胜利. 广州血液中心库存血量和临床用血量比较分析及启示[J]. 护理学报, 2009,16(12):18-20.

[ 7 ] 孙国栋, 李俊霞, 陈 慧, 等. 基于时间序列模型的邯郸地区临床用红细胞分析及预测的初步研究[J]. 中国输血杂志, 2015,28(11):1361-1363.

[ 8 ] An MW, Reich NG, Crawford SO, et al. A stochastic simulator of a blood product donation environment with demand spikes and supply shocks[J]. PLoS One, 2011,6(7):e21752.

[ 9 ] Currie CJ, Patel TC, McEwan P, et al. Evaluation of the future supply and demand for blood products in the United Kingdom National Health Service[J]. Transfus Med, 2004,14(1):19-24.

[10] Pereira A. Performance of time-series methods in forecasting the demand for red blood cell transfusion[J]. Transfusion, 2004,44(5):739-746.

[本文编辑] 廖晓瑜， 贾泽军

·书 讯·

《泌尿外科住院医师手册》正式出版

《泌尿外科住院医师手册》由王林辉主编，ISBN 978-7-5478-3135-9，开本：16开，定价：118元。

本书由王林辉教授带领其所属的第二军医大学附属长征医院泌尿外科医师团队撰写。本书收集了住院医师在学习和工作中的常见疑问和关注点。在写作时，选择了一种最贴近临床工作的撰写思路。本书内容上面面俱到、重点突出。以患者的收治和疾病的诊疗为明线，围绕泌尿外科手术的术前、术中、术后进行重点阐述。同时，结合住院医师阶段对手术学习的能力和需求，花大量的篇幅来介绍泌尿外科的重要解剖结构和手术要点。并在其中融入了手术中的小技巧和微操作的讲解和详细的手绘示意图。该书还对男科学、肾移植和机器人在泌尿外科新技术等方面都进行了介绍和讲解。希望读者能通过这本书的学习，建立完整的泌尿外科知识框架，培养缜密的泌尿外科诊疗思路，找到适合自己的手术学习方式方法。

本书由上海科学技术出版社出版发行，购买方式如下：

1.上海科学技术出版社天猫旗舰店有售。

2.可通过上海科学技术出版社邮购部邮购。邮购地址：上海钦州南路71号，上海科学技术出版社邮购部收。邮编：200235，联系电话021-64085630。

Prediction of the use of hospital blood products based on time series model

QIAO Zheng-lei1, GU Chen-chen1, CAO Min-feng1, ZHU Wei1, RONG Rui-ming2*

1. Department of Blood Transfusion, Zhongshan Hospital, Fudan University, Shanghai 200032, China 2. Department of Urology Surgery, Zhongshan Hospital, Fudan University, Shanghai 200032, China

Objective： To systematically analyze the clinical use of various blood components, and find out the rules of forecasting demand scientifically, to provide a scientific basis for forecasting reasonable blood inventory volume. Methods： The clinical use of red blood cells and plasma and the number of people who received transfusion in a general hospital in Shanghai from January 2013 to January 2016 were analyzed with IBM SPSS Statistics 23.0 software, and a time series model was established with the Expert Modeler. Results： All of the residuals were white noise sequence. The model extracted all the data in the original sequence, and passed the model diagnosis. Compared with the actual value, the average relative error was basically within 8%, and predictive values were within the 95% confidence interval, so the predicting precision of the model was fine, and the prediction results were good. Conclusions： The establishment of a more suitable time series model for clinical use of blood can overcome the weaknesses of empirical use of blood, develop a more scientific blood inventory plan and receive good effects.

clinical use of blood; Winters model; blood products inventory; expert modeler

2016-06-23 [接受日期] 2016-09-22

乔郑磊，硕士，技师. E-mail: qiao.zhenglei@zs-hospital.sh.cn

*通信作者(Corresponding author). Tel: 021-64041990-2829，E-mail: rong.ruiming@zs-hospital.sh.cn

10.12025/j.issn.1008-6358.2016.20160697

短篇论著

R-33

A