基于時間序列分析的懸浮紅細胞臨床需求預測模型研究

彭榮榮，劉蕓男，楊冬燕，王含柔，趙明烽，楊小麗

（1.重慶醫科大學公共衛生與管理學院，醫學與社會發展研究中心，健康領域社會風險預測治理協同創新中心，重慶 400016；2.重慶市血液中心，重慶 400015）

近年來，隨著地市級醫療機構服務能力的提高，醫院規模不斷擴大，患者更多選擇到中心血站覆蓋的地市級醫療機構接受治療，使地市級醫療機構血液用量迅速增長，中心血站血液供需矛盾突出，區域性、季節性和結構性缺血常常發生［1］。目前，重慶市對臨床血液需求預測主要依據相關人員既往經驗粗略估算，存在較多局限，本研究擬采用差分整合移動平均自回歸（autoregrescive integrated moving average，ARIMA）模型建立臨床血液需求預測模型，以實現血液資源的科學采集和儲備。

1 材料與方法

1.1 數據來源及處理

獲取2006年至2016年重慶市萬州中心血站每月向醫院提供的懸浮紅細胞ABO各血型用量以及懸浮紅細胞總用量的數據；運用Excel軟件建立數據庫，按月統計懸浮紅細胞ABO各血型用量以及總用量；然后運用SPSS 19.0軟件進行統計分析。臨床用量以單位 （U） 計算，1 U懸浮紅細胞由200 mL全血分離制備。

1.2 ARIMA模型建立

ARIMA模型建立的基本步驟： （1） 時間序列分析及平穩處理。對于存在趨勢性和季節周期性的序列分別進行差分和季節差分處理使其平穩。（2） 模型識別與參數估計。觀察經過差分后平穩序列的自相關函數 （autocorrelation function，ACF） 圖和偏自相關函數 （partial autocorrelation function，PACF） 圖，確定模型的階數；然后對模型進行參數估計與假設檢驗，根據t檢驗結果中的P值進行判定，若P＞ 0.05則檢驗未通過，則需重新選定模型；……