某醫院2010年至2014年超聲診斷的六大類致死性畸形發病情況及ARIMA預測模型的建立*

樊 慧,栗河舟,郝長付

1)鄭州大學第三附屬醫院超聲科 鄭州 450052 2)鄭州大學公共衛生學院勞動衛生與職業病學教研室 鄭州 450001

某醫院2010年至2014年超聲診斷的六大類致死性畸形發病情況及ARIMA預測模型的建立*

樊 慧1),栗河舟1),郝長付2)#

1)鄭州大學第三附屬醫院超聲科 鄭州 450052 2)鄭州大學公共衛生學院勞動衛生與職業病學教研室 鄭州 450001

#通信作者，男，1979年10月生，博士，副教授，研究方向：預防醫學，E-mail：haochangfu@126.com

致死性畸形；超聲；發病率；時間序列分析

目的：分析某醫院2010年至2014年超聲診斷的六大類致死性畸形發病情況，并應用自回歸移動平均模型(ARIMA) 建立發病預測模型。方法：收集某醫院2010年1月至2014年12月采用四維超聲系統篩查發現的六大類致死性畸形病例資料，分析其發病規律；采用2010年1月至2013年12月的數據擬合ARIMA 模型，并用該模型對2014 年1月至12月的發病率進行預測。結果：2010年1月至2014年12月共檢查86 018例，篩查出六大類致死性畸形胎兒1 063例，總發病率為12.36‰，其中發病率最高的為嚴重開放性脊柱裂(3.67‰)，其后依次為單腔心(3.39‰)、腹壁裂-內臟外翻(2.06‰)、無腦兒(1.77‰)、致死性骨發育不良(0.79‰)、嚴重腦膨出(0.67‰)。ARI(1，0)模型能夠較好地預測六大類致死性畸形月發病率，具有較高的預測精度(MAD為0.381 7，MAPE為28.01%，MSE為0.061 8)。結論：六大類致死性畸形的發病率仍較高，ARI(1,0)模型能較好地用于其發病率的預測。

胎兒先天性畸形又稱胎兒出生缺陷，發生率占新生兒的4.0‰～6.0‰[1]。由于我國人口基數大，每年出生的缺陷兒總數可高達(80～120)萬人。這不僅給人民健康水平帶來巨大壓力，也給社會、經濟發展造成了沉重負擔。超聲檢查是目前常規的產前檢查手段，其具有操作簡便、重復性好、對胎兒及孕婦無創、花費低等特點，已成為胎兒先天性畸形診斷的首選方法[2]。該研究以某醫院近5年來衛計委規定的六大類致死性畸形(無腦兒、嚴重腦膨出、嚴重開放性脊柱裂、腹壁裂-內臟外翻、單腔心、致死性骨發育不良)的產前超聲診斷情況為依據，對這六大類畸形的發病情況進行回顧性分析，并應用自回歸移動平均模型(auto-regressive integrated moving average，ARIMA) 建立六大類致死性畸形發病率的預測模型，旨在了解胎兒先天性畸形的發病情況，并為制定相應的防控措施提供參考依據。

1 資料與方法

1.1 資料來源 收集2010年1月至2014年12月在某醫院進行四維彩超系統篩查的孕婦資料，共86 018例，孕婦年齡16～49歲，孕周16～40周，共篩查出六大類致死性畸形胎兒1 063例, 診斷結論至少被2～3家市級以上醫院認同，所有診斷結果均經隨訪證實。檢查儀器為高分辨率彩色多普勒超聲儀，包括GE-Voluson 730 Expert四維彩超診斷儀、GE-Voluson 730 Prov四維彩超診斷儀、GE-Voluson E8四維彩超診斷儀，探頭頻率3.5～5.0 MHz。診斷標準參考相關著作[3-6]的有關內容。

1.2 ARIMA 模型的建立 ①序列的平穩化：通過對已有時間序列原始數據進行差分或數據變換，使該序列滿足零均值且方差不隨時間變化，根據差分次數確定d和(或)D。②模型識別和檢驗：通過觀察序列的自相關函數(auto-correlation function，ACF)和偏自相關函數(partial auto-correlation function，PACF)圖，確定模型；然后進行殘差檢驗。③預測:以2010年1月至2013年12月的數據作為模型擬合點，對2014年1 月至12 月的六大類致死性畸形發病率進行預測，并根據預測值與實際值的平均絕對誤差(mean absolute deviation，MAD)、平均相對誤差絕對值(mean absolute percentage error，MAPE)和預測誤差的方差(mean square error，MSE)來衡量模型的預測精度。

1.3 統計學處理 應用SPSS 12.0對數據進行分析，各畸形年度發病率的比較采用χ2檢驗；建立ARIMA預測模型并對模型的擬合效果進行檢驗。檢驗水準α=0.05。

2 結果

2.1 六大類致死性畸形的發病情況 2010年1月至2014年12月在某醫院超聲科進行四維彩超系統篩查的孕婦共86 018例，共篩查出六大類致死性畸形胎兒1 063例，總發病率為12.36‰，其中發病率最高的為嚴重開放性脊柱裂(3.67‰)，其后依次為單腔心(3.39‰)、腹壁裂-內臟外翻(2.06‰)、無腦兒(1.77‰)、致死性骨發育不良(0.79‰)、嚴重腦膨出(0.67‰)。各種畸形年度發病率之間的差異均有統計學意義，如表1所示。

表1 2010至2014年某醫院六大類致死性畸形年度發病情況 例(‰)

2.2 六大類致死性畸形發病率的時間序列分析

2.2.1 模型識別 2010年1月至2013年12月某醫院六大類致死性畸形發病情況見表2，其時間序列圖(圖1)顯示數據總體趨于平穩，也沒有明顯的周期性變化，呈現出一種近似平穩過程，符合ARIMA模型對數據平穩性的要求。根據數據序列的ACF及PACF圖(圖2)，可初步判定模型為ARI(1,0)，該模型符合建模要求(Ljung-BoxQ=10.817，P=0.821)。

表2 2010至2013年某醫院六大類致死性畸形月發病率 ‰

圖1 2010至2013年某醫院六大類致死性畸形月發病率時間序列分布圖

圖2 ACF(上)及PACF圖(下)

2.2.2 模型預測 以2010年1月至2013年12月的數據作為模型擬合點(MAPE為17.72%)，運用模型ARI(1,0)對2014年1 月至12月的六大類致死性畸形月發病率進行預測。結果(圖3、表3)顯示，該模型對2010年1月至2013年12月的六大類致死性畸形月發病率數據的擬合值和95%可信區間的動態趨勢與實際發病率基本一致；該模型對2014年1 月至12 月六大類致死性畸形月發病率的預測值與實際值的MAD 為0.381 7，MAPE為28.01%，MSE為0.061 8。

圖3 2010年1月至2014年12月某醫院六大類致死性畸形月發病率實際值與預測值時序圖

月份實際值/‰預測值/‰預測值95%CI誤差相對誤差/%11.520.830.46～1.200.6945.3921.230.880.46～1.290.3528.4630.881.030.57～1.49-0.15-17.0540.790.920.43～1.41-0.13-16.4651.770.810.29～1.340.9654.2461.230.830.27～1.390.432.5271.281.090.50～1.680.1914.8481.330.990.38～1.610.3425.5691.771.100.46～1.750.6737.85101.371.130.46～1.800.2417.52110.881.170.47～1.86-0.29-32.95121.281.110.39～1.830.1713.28

3 討論

目前，出生缺陷不僅是一個嚴重的公共衛生問題，而且已經成為影響人們正常生活和經濟發展的社會問題。有效預防出生缺陷，降低出生缺陷率，不僅可以提高優生質量和人口素質，還具有重要的社會和經濟價值。無腦兒、嚴重腦膨出、嚴重開放性脊柱裂、腹壁裂-內臟外翻、單腔心和致死性骨發育不良是六大類嚴重的致死性畸形，衛計委規定在產前超聲檢查時必須對其進行篩查。

該研究中，通過四維彩超系統篩查共檢出六大類致死性畸形1 063例，總發病率為12.36‰，其中嚴重開放性脊柱裂(3.67‰)發病率最高，其后依次為單腔心(3.39‰)、腹壁裂-內臟外翻(2.06‰)、無腦兒(1.77‰)、致死性骨發育不良(0.79‰)、嚴重腦膨出(0.67‰)。這與以往報道的數據[1]相比略有增高，可能原因如下。①大氣污染：某醫院位于河南省鄭州市，該市空氣質量指數經常處于污染前列，可能對孕婦造成損害，但需進行專門研究。②孕婦來源：該醫院為省級婦幼專科醫院，面向全省提供醫療服務，檢查對象中的高危孕婦會較一般醫院集中，可能是畸形檢出率較高的一個重要原因。③技術原因：該研究中篩查時使用了高分辨率彩色多普勒超聲儀，診斷醫師經驗也較豐富，相對其他研究來說，技術力量可能更強，因而也會造成疾病檢出率較高。研究還發現，隨著年度的變化，各類致死性畸形的發病率有差異，盡管年度發病順位與整體趨勢基本吻合，但各類畸形的年度發病率存在變化，其原因有待進一步研究。

[1]熊奕,王慧芳,林琪,等.規范超聲篩查胎兒臍膨出的價值[J].中國超聲醫學雜志,2006,22(3):224

[2]吳海燕,王瑩,王偉偉.三維超聲在胎兒唇腭裂診斷中的應用[J].中國現代醫生,2009,47(36):99

[3]李勝利.胎兒畸形產前超聲診斷學[M].北京:人民軍醫出版社,2004.

[4]謝紅寧.婦產科超聲診斷學[M].北京:人民衛生出版社,2005.

[5]嚴英榴,楊秀雄,沈理.產前超聲診斷學[M].北京:人民衛生出版社,2003.

[6]Michael Entezami,李輝,李勝利,等.胎兒異常超聲診斷圖譜[M].濟南:山東科學技術出版社,2009.

[7]孫振球.醫學統計學[M].北京:人民衛生出版社,2006.

[8]于林鳳,吳靜,周鎖蘭,等.ARIMA季節模型在我國丙肝發病預測中的應用[J].鄭州大學學報:醫學版,2014,49(3):344

[9]孫錦峰,耿云亮,郭奕瑞,等.Elman神經網絡與ARIMA模型對流感發病率預測效果的比較[J].鄭州大學學報:醫學版,2013,48(5):584

(2015-01-05 收稿 責任編輯王 曼)

Incidence of six categories of fatal malformation diagnosed by ultrasound detection in a hospital from 2010 to 2014 and establishment of ARIMA prediction model

FANHui1)，LIHezhou1),HAOChangfu2)

1)DepartmentofUltrasound,theThirdAffiliatedHospital，ZhengzhouUniversity，Zhengzhou450052 2)DepartmentofOccupationalHealthandOccupationalDisease,CollegeofPublicHealth，ZhengzhouUniversity，Zhengzhou450001

fatal malformation;ultrasound;incidence;time series analysis

Aim: To analyze the incidence of six categories of fatal malformation diagnosed by ultrasound detection in a hospital, and apply auto-regressive integrated moving average(ARIMA) to establish the prediction model. Methods: The data of six categories of fatal malformation diagnosed by ultrasound detection in a hospital from 2010 January to 2014 December were collected and analyzed. ARIMA model was established by fitting the incidence from 2010 January to 2013 December, then was used to predict the incidence from 2014 January to December. The predicted and actual values were compared in order to test the predicting effect. Results: A total of 1 063 cases of six categories of fatal malformation were detected from 86 018 fetuses, the total incidence was 12.36‰, and the highest was severe open spina bifida(3.67‰), followed by single chamber(3.39‰), abdominal fissure-visceral valgus(2.06‰), anencephaly(1.77‰), thanatophoric dysplasia (0.79‰), and severe encephalocele(0.67‰). ARI (1,0) model could better forecast the incidence of six categories of fatal malformation, and had higher prediction accuracy(MAD=0.381 7，MAPE=28.01%，MSE=0.061 8). Conclusion: The incidence of six categories of fatal malformation is still high, and ARI(1,0) model can better predict it.

10.13705/j.issn.1671-6825.2015.03.011

*國家自然科學基金面上項目 81472954

R726.2