典型文献
小波去噪后极端学习机模型在医院感染发病率预测中的应用
文献摘要：
目的 采用小波去噪后极端学习机模型预测某三甲医院的医院感染发病率,并与原极端学习机模型和神经网络模型的预测效果进行比较.方法 将2014年1月-2019年6月某三甲医院的医院感染发病率数据作为训练集构建小波去噪后极端学习机模型、原极端学习机模型和神经网络模型,分别对2019年7月-12月医院感染发病率进行预测.用三类误差分析指标刻画三种模型的拟合效果,并比较其预测效果.选用较优预测模型预测2020年1月-12月该院感染发病率.结果 该院2014-2019年各年医院感染发病率比较,差异有统计学意义(P<0.05),且存在下降趋势(P<0.05);小波去噪后极端学习机模型、原极端学习机模型和神经网络模型预测误差评价值MAPE分别为0.89％、2.99％和5.28％,MRE分别为0.01、0.03和0.05,RSE分别为0.02、0.04、0.05;选用小波去噪后极端学习机模型对2020年1-12月该院感染发病率进行预测,预测值均在95％CI范围内.结论 小波去噪后极端学习机模型预测医院感染发病率的各项误差指标均低于原极端学习机模型和神经网络模型,具有较好的拟合与预测效果,可为预防与控制医院感染的发生提供一定的理论参考.
文献关键词：
小波去噪后极端学习机;医院感染;发病率;预测模型
中图分类号：
作者姓名：
王清青;范馨月;查筑红
作者机构：
贵州医科大学附属医院医院感染管理科,贵州 贵阳 550004;贵州大学数学与统计学院,贵州 贵阳 550025
文献出处：
引用格式：
[1]王清青;范馨月;查筑红-.小波去噪后极端学习机模型在医院感染发病率预测中的应用)[J].医学信息,2022(08):8-12
A类：
小波去噪后极端学习机
B类：
医院感染,染发,发病率预测,三甲医院,训练集,误差分析,分析指标,拟合效果,该院,各年,预测误差,评价值,MAPE,MRE,RSE,误差指标,预防与控制
AB值：
0.115575
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
