公共文化服务平台

共 5 条记录，以下是 1-5

全选清除导出

排序方式：

中国人口出生性别比空间聚集性及影响因素被引量：4: 2017年; 目的:采用空间回归模型分析中国人口出生性别比的影响因素。方法:收集2010年全国31个省、自治区、直辖市出生男婴数和女婴数及经济、教育和医疗等数据,拟合多重线性回归模型和空间回归模型。结果:空间相关分析显示中国人口出生性别比存在空间聚集性(Moran's I=0.281,Z=4.093,P<0.001)。多重线性回归模型和空间回归模型均显示少数民族人口比例(%)、平均每千人卫生机构床位数(张)、人口出生率(‰)和二胎及以上胎次比例(%)是中国人口出生性别比的影响因素;多重线性回归模型4个变量的β分别为-0.201、-6.237、2.458和-0.507(P均<0.05),模型R^2为0.760;空间回归模型4个变量的β分别为-0.199、-6.314、2.451和-0.504(P均<0.05),模型R^2为0.816。结论:中国人口出生性别比呈现空间聚集性;影响中国人口出生性别比的因素为少数民族人口比例、平均每千人卫生机构床位数、人口出生率和二胎及以上胎次比例。; 靳慧鸣毛赛彩王莹施学忠杨永利; 关键词：出生性别比影响因素

河南省艾滋病示范区HIV筛查项目数据质量评价被引量：2: 2016年; 目的评价河南省艾滋病示范区人类免疫缺陷病毒(human immunodeficiency virus,HIV)筛查人群样本代表性和数据质量,以便准确估计HIV阳性率和新发感染率。方法采用多阶段随机整群抽样方法,于2012年9月~2013年6月,在河南省5个项目县抽取居民约200万人,对其进行问卷调查和健康体检,从样本代表性、数据完整性、录入及时性和准确性四个方面评价数据质量。结果此次抽样的样本与2010年第六次人口普查户籍人口构成相同(X^2=8.202,P=0.879);数据整体完整率为82.356%;个人信息表和健康体检表的重复录入率分别为0.132%和0.510%,逻辑错误率在10%以下;从体检日期到数据录入的时间间隔为0~386 d。结论河南省艾滋病示范区样本人群代表性好,而调查数据完整性、准确性和录入及时性有待提高。; 惠晓庆杨永利王莹毛赛彩贾晓灿王兰兰张猛靳慧鸣施学忠; 关键词：获得性免疫缺陷综合征数据收集问卷调查

成年人脉压差影响因素及脉压差变化特点被引量：2: 2016年; 目的探讨成年人脉压差影响因素及其变化特点,为制定脉压差异常的防治措施提供参考。方法收集2011年到河南省郑州市某医院进行常规健康体检的1242名18岁及以上成人的资料并对其随访,用HLM 6.08建立两水平模型。结果纳入相关的人口学特征、基线血压或不同单位来源等指标建立脉压差的截距项预测模型和斜率项预测模型;脉压差随着基线年龄或基线收缩压的增加而增加,β分别为0.17(P<0.001)和0.55(P<0.001);脉压差随着身高或基线舒张压增加而降低,β分别为-0.10(P=0.002)和-0.55(P<0.001);年龄越大或基线舒张压越高的人脉压差随时间增加越快,β分别为0.08(P<0.001)和0.07(P=0.005);基线收缩压越高的人脉压差随时间增加越慢(β=-0.22,P<0.001)。结论在制定脉压差的防控措施时,应多关注年龄较大、基线收缩压高或基线舒张压低以及身高较低的人群,动态监测其脉压差,防止脉压差的异常升高。; 王兰兰杨永利贾晓灿王莹施学忠丁素英; 关键词：脉压差多层线性模型影响因素成年人

ARIMA模型在河南省AIDS疫情预测中的应用被引量：4: 2015年; 目的:探讨ARIMA模型在河南省AIDS疫情预测中的可行性。方法:收集河南省2005年至2013年AIDS发病率和病死率数据,分别建立ARIMA模型,通过模型拟合优度统计量筛选最优模型,采用平均误差率评估模型预测效果,并用所构建的模型预测2014年至2016年河南省AIDS疫情。结果:河南省AIDS发病率和病死率的最优ARIMA模型分别为ARIMA(0,1,1)和ARIMA(0,2,1);模型的拟合值均符合其实际流行趋势,平均误差率分别为0.16和0.25;预测2014年至2016年河南省AIDS发病率分别为3.40/10万、3.91/10万和4.50/10万,病死率分别为15.34%、8.82%和7.64%。结论:ARIMA模型很好地模拟了河南省AIDS疫情的演变趋势,可用于河南省AIDS发病率和病死率的预测。; 万燕丽杨永利施念王曼王小丽王莹惠晓庆毛赛彩施学忠; 关键词：获得性免疫缺陷综合征 ARIMA模型

几种预测模型对中国梅毒发病率预测效果的比较被引量：7: 2015年; 目的:比较3种预测模型在中国梅毒疫情预测中的效果,筛选最优预测模型。方法:收集2004年至2012年中国梅毒发病率数据,构建灰色模型[GM(1,1)]、趋势外推模型和求和自回归滑动平均(ARIMA)模型,比较预测值和实际值的吻合程度;用2013年发病率数据回代验证,选择相对误差最小的模型预测2014年至2016年的梅毒发病率。结果:中国梅毒发病率呈整体上升趋势,年平均发展速度为1.173,但环比增长速度逐年降低。趋势外推模型中Cubic函数的拟合效果优于GM(1,1),二者对历史数据拟合的平均相对误差分别为1.431%和7.560%。梅毒年发病率序列为白噪声序列(χ2=7.990,P=0.239),不适合用ARIMA模型来预测。采用Cubic函数预测2014年至2016年中国梅毒的发病率,分别为29.553/10万、26.293/10万和20.831/10万。结论:Cubic函数对中国梅毒发病率的预测效果最好。; 王小丽杨永利施学忠万燕丽毛赛彩王莹惠晓庆田翔宇; 关键词：梅毒发病率

全选清除导出

共1页<1>

王莹