赵钦康 李越

    住院患者量是评价一个医院或专业科室医疗工作的重要指标，直接或间接地反映出一个医院或专业科室的规模、医疗质量及医疗水平[1]。因此，了解一个医院或专业科室住院患者量的变化情况并进行有效预测，对于合理安排资源、提高医疗工作效率意义重大。季节性自回归移动平均(seasonal autoregressive integrated moving average, SARIMA)模型广泛应用于疾病发病率及医院患者量的预测[2]，且可针对患者量数据的特殊性进行分析[3]。国内目前已有关于将SARIMA模型用于医院住院患者量的研究，且具有良好的预测效果，能够帮助捕捉住院患者数量月份变化的低谷和高峰[1]。本研究将SARIMA模型运用于骨折住院患者量的短期预测，探索山西省汾阳医院骨折住院患者量的季节变动规律及未来趋势，并将其与实际患者量比较，以评估SARIMA模型能否预测“未来”骨折住院患者量，为合理安排医疗资源和提高工作效率提供参考，同时也可为骨折防治措施的制定提供依据。

    1 资料与方法

    1.1 研究对象

    选择2017年6月至2022年3月山西省汾阳医院收治的骨折住院患者。纳入标准：以骨折为主要诊断或多发性损伤包括骨折的患者。排除标准：①临床资料不完整的患者；②复诊患者。

    1.2 基本情况分析

    收集研究对象的人口学资料和临床资料，对研究对象的人口学资料和临床资料进行统计描述。分类变量用例数(百分比，%)表示，组间比较用卡方检验；年龄作为连续型变量，用均数±标准差表示，采用t检验比较多组间差异。

    1.3 时间序列研究

    根据时间绘制住院患者量的时间序列图，通过tseries包的stl()函数将原时间序列分解为长期趋势(trend)、季节变动(seasonal fluctuation)、不规则波动(irregular variations)并绘图展示。使用单位根检验进行时间序列的平稳性分析，非平稳序列时进行转换后分析。根据平稳时间序列，识别绘制新序列自相关函数(auto-correlation function, ACF)图和偏自相关函数(partial auto-correlation function, PACF)图，判断模型类型。

    1.4 SARIMA模型构建和评价

    将2018年1月至2021年7月的数据作为训练集，建立SARIMA (p,d,q)(P,D,Q)s模型，对2021年8月至2022年3月收治的患者量进行短期定量预测 ......