基于GM(1,1)模型的恶性肿瘤死亡率的预测

马尉瑶

(辽阳市疾病预防控制中心，辽宁 辽阳 111000)

基于GM(1,1)模型的恶性肿瘤死亡率的预测

马尉瑶

(辽阳市疾病预防控制中心，辽宁 辽阳 111000)

目的了解辽阳市辽阳县恶性肿瘤死亡情况，介绍GM(1,1)模型预测辽阳市辽阳县恶性肿瘤死亡率。方法收集辽阳市辽阳县2008-2015年恶性肿瘤死亡数据，并应用GM(1,1)模型对其进行动态预测。结果GM(1,1)预测模型为=6315.220.023Ik-6177.06，预测精度优，预测2016年和2017年辽阳市辽阳县恶性肿瘤死亡率分别为173.50/10万和177.55/10万。结论GM(1,1)模型能够用于恶性肿瘤死亡率预测。

恶性肿瘤；GM(1,1)；模型；预测;死亡率

20世纪70～90年代我国恶性肿瘤死亡率呈上升趋势，死亡率上升了29.42%，年龄调整死亡率上升了11.56%[1]。全国第三次死因回顾抽样调查数据显示，我国恶性肿瘤死亡率属于世界较高水平，而且呈持续增长趋势，已经成为城市居民的第一位死因[2]。随着人口老龄化的到来，恶性肿瘤成为危害人类健康的主要原因。本文收集了2008-2015年辽阳市辽阳县恶性肿瘤死亡数据，并对其进行了动态预测，以期为辽阳市辽阳县恶性肿瘤的预防和控制提供指导依据。

1 资料与方法

1.1 资料来源 辽阳市辽阳县为国家级肿瘤登记点和死因监测点，2008-2015年恶性肿瘤死亡数据来源于人口死亡信息登记管理系统。所有死因均按照国际疾病分类标准第十版[3]进行编码。人口资料来源于辽阳县公安部门。

1.2 GM(1,1)模型建立原理[4]设变量为某一预测值的非负单调原始数据列，对其进行累加生成递增序列：，其中建立白化形式的微分方程，即GM(1,1)模型：(2)，其中α、μ为待辨识参数，α称为发展系数，μ为灰色作用量。设为待估计参数变量，，利用最小二乘法，得到响应方程：，根据响应方程累减生成还原序列，即预测值：。

2 结 果

2.1 GM(1,1)模型的建立 辽阳市辽阳县2008-2015年恶性肿瘤死亡率数据见表1。由公式得α=-0.023 1，μ=142.687 5，所得预测模型如下：=6 15.220.023Ik-6 177.06。

2.2 模型检验 可用后验差比值和小误差概率来检GM(1,1)模型的预测效果，后验差比值为C，小误差概率为P。本模型精度检验结果显示：C=0.349 2，P=1.00，根据模型精度检验判定标准，判定为优。

2.3 模型预测 运用GM(1,1)模型对辽阳市辽阳县恶性肿瘤死亡率拟合预测结果见图1：辽阳市辽阳县恶性肿瘤死亡率呈逐年上升趋势，2016年和2017年预测恶性肿瘤死亡率分别为173.50/10万和177.55/10万。

表1 辽阳市辽阳县2008～2015年恶性肿瘤死亡率(1/10万)

图1 辽阳县2008-2015年恶性肿瘤死亡率的建模值及预测结果

3 讨 论

1982年邓聚龙教授创立了灰色系统理论[5]。GM(1,1)模型是灰色系统模型中应用最为广泛的模型。灰色模型不但方法简单、理论可靠，且对长度短的原始数据系列拟合度也很高，预测效果好。近年来，GM(1，1)模型已经被医学工作者广泛应用到预测传染病和慢性非传染性疾病死亡率等多个方面的预测中[6-7]。但由于模型数据具有时效性，因此在实际应用中，应不断地把新信息样本添加到建模的时间序列中去，更好的提高预测的精度。

本文利用GM(1,1)模型对未来2年辽阳市辽阳县地区恶性肿瘤死亡率进行了预测，研究结果显示，GM (1,1)模型精度检验结果显示模型判定为优，可用于恶性肿瘤死亡率预测。如不采取有效的防治措施，辽阳市辽阳县2008-2015年恶性肿瘤死亡率呈现逐年上升趋势。2016年和2017年预测恶性肿瘤死亡率分别为173.50/10万和177.55/10万。

综上所述，辽阳市辽阳县应当加大恶性肿瘤预防和控制力度，达到降低恶性肿瘤死亡率的目的，提高居民生活质量。针对不同的恶性肿瘤，应根据其特点，开展有效的防控措施。例如：肺癌发病率与环境污染有关[8]，与“二手烟”、油烟、室内空气污染有关[9]。建议相关部门积极治理环境污染，倡导健康生活方式，远离危险因素是预防恶性肿瘤的第一要务。同时提高自我保健意识，加强高危人群筛查，通过“早发现、早诊断、早治疗”，提高恶性肿瘤的治愈水平，增进健康。

[1]李连弟,鲁凤珠,张思维,等.中国恶性肿瘤死亡率20年变化趋势和近期预测分析[J].中华肿瘤杂志,1997,19(1):3-9.

[2]陈竺.全国第三次死因回顾抽样调查报告[M].北京:中国协和医科大学出版社,2008:48-49.

[3]北京协和医院世界卫生组织疾病分类合作中心.疾病和有关健康问题的国际统计分类第十次修订本(ICD-10)[M].北京:人民卫生出版社,2001:307-321.

[4]黄洪福.灰色数列GM(1.1)模型在”EHF”发展趋势测试中的应用[J].现代预防医学,2007,7(1):107.

[5]肖新平,毛树华.灰预测与决策方法[M].北京:科学出版社,2013.

[6]王平,陆金星,聂传春.2004-2009年浙江省嘉善县梅毒流行特征分析[J].中国预防医学杂志,2010,11(10):1030-1032.

[7]李云,穆卫明,陆建方.肺结核发病率的灰色模型预测及时问趋势分析[J].中国疾病控制杂志,2011,15(1):87-88.

[8]Raaschou-Nielsen O,Andersen ZJ,Beelen R,et al.Air pollution and lung cancer incidence in 17 European cohorts:prospective analyses from the European Study of Cohorts for Air pollution Effects(ESCAPE)[J].Lancet Oncology,2013,14(9):813-822.

[9]罗文婷,蔡琳.原发性肺腺癌危险因素病例对照研究[J].中国公共卫生,2012,28(9):1147-1150.

A Study of GM(1,1)model in the prediction of the mortality of malignant tumors.

MA Yu-yao.Center for Disease Control and Prevention of Liaoyang City,Liaoyang 111000,Liaoning,CHINA

ObjectiveTo comprehend the mortality of malignant tumors in Liaoyang County and to predict it with GM(1,1)model.MethodsThe data of the mortality of malignant tumors in Liaoyang County from 2008 to 2015 were collected and predicted with GM(1,1)model.ResultsIt showed the GM(1,1)prediction model was= 6 315.220.023Ik-6 177.06,and the model was advanced by the precision-test.The predictive values of the mortality of malignant tumors were 173.50/100 000 and 177.55/100 000 respectively during 2016 and 2017.ConclusionThe GM(1,1) model can be applied to predict the mortality of malignant tumors.

Malignant tumors;GM(1,1);Model;Prediction;Mortality

R730.7

A

1003—6350（2017）01—0155—02

2016-07-06)

马尉瑶。E-mail：lycdcmbk@126.com

10.3969/j.issn.1003-6350.2017.01.052