贾子舟，张钰嘉，荣书玲，李 保

    冠心病(coronary heart disease，CHD)是指因动脉粥样硬化斑块形成及破裂导致冠状动脉管腔狭窄或闭塞，阻断心肌的血供，进而引起心绞痛、心肌梗死等心肌缺血表现的疾病。随着我国人口老龄化加剧及人们生活方式的改变，冠心病人数持续增加，目前，我国冠心病患病人数约为1100万人[1]。据报道，全球冠心病年死亡人数超过700万人，在全球死亡率单一疾病中排首位[2]。Zhou等[3]2016年在Lancet杂志发表的研究表明，冠心病是中国居民第二大死亡原因。冠心病严重危害我国居民身体健康和生命安全，带来极大的社会及经济负担。目前，关于冠心病发病情况已进行了相关研究[4-7]，但是对月度入院数是否具有变化趋势研究证据较少。随着深度学习的发展，已有部分学者将深度学习LSTM模型应用于传染病预测[8-10]。LSTM模型本质上是一种循环神经网络模型，在拟合和预测传染病时序数据时有较好的效果，但还未有学者将该深度学习模型应用于预测冠心病入院人数。本研究基于太原市某三级甲等综合医院的冠心病月入院人数数据，探究冠心病月入院数的趋势及变化特征，进一步应用深度学习LSTM模型对冠心病月入院人数的时序数据进行训练和预测，并将LSTM模型的预测效果与传统预测模型ARIMA[11]和GM(1，1)模型[12]的预测性能进行对比，验证LSTM模型对冠心病月入院人数预测的有效性，为落实冠心病防治措施提供帮助，同时也为医院合理配置医疗资源、提高救治能力提供科学依据。

    1 资料与方法

    1.1 资料来源 将太原市某三级甲等综合医院心血管内科2015年1月—2021年3月冠心病月入院数作为研究数据，详见表1、图1。

    表1 数据集信息

    图1 2015年1月—2021年3月冠心病月入院人数变化图

    1.2 LSTM模型介绍 LSTM深度学习模型是非线性模型循环神经网络(RNN)的一种形式 ......