基于GM(1,1)模型的惡性腫瘤死亡率的預測

馬尉瑤

(遼陽市疾病預防控制中心，遼寧 遼陽 111000)

基于GM(1,1)模型的惡性腫瘤死亡率的預測

馬尉瑤

(遼陽市疾病預防控制中心，遼寧 遼陽 111000)

目的了解遼陽市遼陽縣惡性腫瘤死亡情況，介紹GM(1,1)模型預測遼陽市遼陽縣惡性腫瘤死亡率。方法收集遼陽市遼陽縣2008-2015年惡性腫瘤死亡數據，并應用GM(1,1)模型對其進行動態預測。結果GM(1,1)預測模型為=6315.220.023Ik-6177.06，預測精度優，預測2016年和2017年遼陽市遼陽縣惡性腫瘤死亡率分別為173.50/10萬和177.55/10萬。結論GM(1,1)模型能夠用于惡性腫瘤死亡率預測。

惡性腫瘤；GM(1,1)；模型；預測;死亡率

20世紀70～90年代我國惡性腫瘤死亡率呈上升趨勢，死亡率上升了29.42%，年齡調整死亡率上升了11.56%[1]。全國第三次死因回顧抽樣調查數據顯示，我國惡性腫瘤死亡率屬于世界較高水平，而且呈持續增長趨勢，已經成為城市居民的第一位死因[2]。隨著人口老齡化的到來，惡性腫瘤成為危害人類健康的主要原因。本文收集了2008-2015年遼陽市遼陽縣惡性腫瘤死亡數據，并對其進行了動態預測，以期為遼陽市遼陽縣惡性腫瘤的預防和控制提供指導依據。

1 資料與方法

1.1 資料來源 遼陽市遼陽縣為國家級腫瘤登記點和死因監測點，2008-2015年惡性腫瘤死亡數據來源于人口死亡信息登記管理系統。所有死因均按照國際疾病分類標準第十版[3]進行編碼。人口資料來源于遼陽縣公安部門。

1.2 GM(1,1)模型建立原理[4]設變量為某一預測值的非負單調原始數據列，對其進行累加生成遞增序列：，其中建立白化形式的微分方程，即GM(1,1)模型：(2)，其中α、μ為待辨識參數，α稱為發展系數，μ為灰色作用量。設為待估計參數變量，，利用最小二乘法，得到響應方程：，根據響應方程累減生成還原序列，即預測值：。

2 結 果

2.1 GM(1,1)模型的建立 遼陽市遼陽縣2008-2015年惡性腫瘤死亡率數據見表1。由公式得α=-0.023 1，μ=142.687 5，所得預測模型如下：=6 15.220.023Ik-6 177.06。

2.2 模型檢驗 可用后驗差比值和小誤差概率來檢GM(1,1)模型的預測效果，后驗差比值為C，小誤差概率為P。本模型精度檢驗結果顯示：C=0.349 2，P=1.00，根據模型精度檢驗判定標準，判定為優。

2.3 模型預測 運用GM(1,1)模型對遼陽市遼陽縣惡性腫瘤死亡率擬合預測結果見圖1：遼陽市遼陽縣惡性腫瘤死亡率呈逐年上升趨勢，2016年和2017年預測惡性腫瘤死亡率分別為173.50/10萬和177.55/10萬。

表1 遼陽市遼陽縣2008～2015年惡性腫瘤死亡率(1/10萬)

圖1 遼陽縣2008-2015年惡性腫瘤死亡率的建模值及預測結果

3 討 論

1982年鄧聚龍教授創立了灰色系統理論[5]。GM(1,1)模型是灰色系統模型中應用最為廣泛的模型。灰色模型不但方法簡單、理論可靠，且對長度短的原始數據系列擬合度也很高，預測效果好。近年來，GM(1，1)模型已經被醫學工作者廣泛應用到預測傳染病和慢性非傳染性疾病死亡率等多個方面的預測中[6-7]。但由于模型數據具有時效性，因此在實際應用中，應不斷地把新信息樣本添加到建模的時間序列中去，更好的提高預測的精度。

本文利用GM(1,1)模型對未來2年遼陽市遼陽縣地區惡性腫瘤死亡率進行了預測，研究結果顯示，GM (1,1)模型精度檢驗結果顯示模型判定為優，可用于惡性腫瘤死亡率預測。如不采取有效的防治措施，遼陽市遼陽縣2008-2015年惡性腫瘤死亡率呈現逐年上升趨勢。2016年和2017年預測惡性腫瘤死亡率分別為173.50/10萬和177.55/10萬。

綜上所述，遼陽市遼陽縣應當加大惡性腫瘤預防和控制力度，達到降低惡性腫瘤死亡率的目的，提高居民生活質量。針對不同的惡性腫瘤，應根據其特點，開展有效的防控措施。例如：肺癌發病率與環境污染有關[8]，與“二手煙”、油煙、室內空氣污染有關[9]。建議相關部門積極治理環境污染，倡導健康生活方式，遠離危險因素是預防惡性腫瘤的第一要務。同時提高自我保健意識，加強高危人群篩查，通過“早發現、早診斷、早治療”，提高惡性腫瘤的治愈水平，增進健康。

[1]李連弟,魯鳳珠,張思維,等.中國惡性腫瘤死亡率20年變化趨勢和近期預測分析[J].中華腫瘤雜志,1997,19(1):3-9.

[2]陳竺.全國第三次死因回顧抽樣調查報告[M].北京:中國協和醫科大學出版社,2008:48-49.

[3]北京協和醫院世界衛生組織疾病分類合作中心.疾病和有關健康問題的國際統計分類第十次修訂本(ICD-10)[M].北京:人民衛生出版社,2001:307-321.

[4]黃洪福.灰色數列GM(1.1)模型在”EHF”發展趨勢測試中的應用[J].現代預防醫學,2007,7(1):107.

[5]肖新平,毛樹華.灰預測與決策方法[M].北京:科學出版社,2013.

[6]王平,陸金星,聶傳春.2004-2009年浙江省嘉善縣梅毒流行特征分析[J].中國預防醫學雜志,2010,11(10):1030-1032.

[7]李云,穆衛明,陸建方.肺結核發病率的灰色模型預測及時問趨勢分析[J].中國疾病控制雜志,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]羅文婷,蔡琳.原發性肺腺癌危險因素病例對照研究[J].中國公共衛生,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)

馬尉瑤。E-mail：lycdcmbk@126.com

10.3969/j.issn.1003-6350.2017.01.052