高胜春 吴红梅

温州市人民医院感染管理科，325000浙江 温州

近年来，随着人口老年化及碳青霉烯类抗生素的过度使用，耐碳青霉烯类铜绿假单胞菌（carbapenemresistant pseudomonas aeruginosa，CRPA）菌株逐渐增多，已对临床控制医院获得性感染构成了严重威胁［1］。耐药性监测数据显示，我国2005—2014年对亚胺培南和美罗培南总的耐药率分别为31.8% 和28.6%，远高于欧美等国家［2-3］。监测的目的之一是预测，而现有的关于CRPA的研究大多集中于描述性研究。因CRPA数据存在较大的波动性，无法凭经验判断下一周期的数据，容易出现耐药菌传播或抗生素过度使用的情况。因此，运用数学模型对CRPA数据进行分析，预测其流行动态，对更好地掌握该耐药菌流行趋势具有重要意义。在传染病的短期预测中，常采用自回归移动平均模型（autoregressive integrated moving average model，ARIMA），它具有对复杂因素适应性强、模型结构简单、操作方便、经济实用等优点［4-5］。ARIMA既适用于平稳时间序列，也适用于非平稳时间序列。因此，它被广泛应用于季节性和周期性感染的预测。

本研究利用2016年1月至2019年12月浙江省某三级甲等医院CRPA感染率的监测数据建立ARI-MA时间序列模型，并利用模型对2020年1月至2020年9月的数据进行验证，为CRPA的管理和预警提供线索和科学依据。

1 资料与方法

1.1 资料来源与ARIMA乘积季节模型的建立

利用该院2016年1月至2019年12月的CRPA感染数据建立ARIMA时间序列模型，后利用模型对2020年1月至2020年9月的数据进行预测，以确定模型的平稳性和可用性。ARIMA时间序列模型基本结构为ARIMA（p，d，q）×（P，D，Q）s。其中，p为自回归阶项；q为移动平均项；d和D分别为提取原序列确定性信息和季节性的差分次数；……