目的了解医院2000年-2011年门诊量的趋势,建立预测月门诊量的时间序列模型,为优化医疗资源配置提供科学的统计学依据。方法根据医院2002年1月至2012年12月年门诊量数据,应用SPSS18.0软件建立季节自回归滑动平均模型(Seasonal Auto Regressive Integrated Moving Average model,SARIMA模型),并验证2012年7至12月份的门诊量。结果预测值与实际值的上升下降趋势基本吻合,SARIMA(0,1,1)(0,1,1)12模型为最优模型,标准化贝叶斯信息标准(NormalizedBayesian Information Criteria,BIC)值与平均绝对误差百分比(Mean absolute percentage error,MPE)值最小,BIC值为13.82,MPE为7.70,Box-Ljung检验无统计学意义(Q18=17.93,P=0.3281>0.05)。结论 SARIMA模型能很好的拟合门诊量的变动趋势,在无外界因素影响的情况下,医院门诊量将会继续上涨。
住院量是评价一个医院医疗工作的重要指标，直接或间接地反映出一个医院的规模、医疗质量及医疗水平。因此，了解住院量的变化情况，对于合理安排资源，提高医疗工作效率意义重大。要了解住院量的情况，就要对其进行预测。目前预测的模型及方法主要有线性回归模型、神经网络模型、灰色预测模型、马尔科夫链模型以及时间序列模型等。针对住院量数据的特殊性，本文选用季节自回归滑动平均模型（seasonal auto regressive integrated movong average model，SARIMA模型），分析2000-2011年住院量的历史数据，探讨其发生发展的规律并预测未来半年医院住院量的情况，为医院规划自身发展提供科学的依据。
