时间序列模型在门诊患者抗菌药物使用率预测中的应用

摘要

目的 探讨时间序列模型在门诊患者抗菌药物使用率预测中的应用，为医院的管控提供参考。方法 基于2014年1月—2020年12月的门诊患者抗菌药物使用率数据构建求和自回归移动平均（ARIMA）模型和指数平滑模型，利用2021年1—9月数据验证两种模型的预测效果。结果 拟合最佳的ARIMA模型为ARIMA（0，1，0），（0，1，1）12模型，模型的R~2为0.827，RMSE为2.400，MAPE为9.351，MAE为1.933，BIC为1.811，Ljung-Box Q=14.373，P=0.641，残差符合白噪声序列，验证2021年1—9月平均预测误差为11.20%。拟合最佳的指数平滑法模型为Holt-Winters加法模型，模型的R~2为0.932，RMSE为1.919，MAPE为6.926，MAE为1.523，BIC为1.461，模型残差序列的Ljung-Box统计量Q=18.320，P=0.246，验证2021年1—9月平均相对误差为10.15%。结论 Holt-Winters加法模型能更好地模拟医院门诊患者抗菌药物使用率趋势，可为决策提供预测数据支持。