简介:摘要因果推断中,时序(或方向性)的概念尚未完全明确。本文从因果思维出发,以真实因和真实果的发生时间将大自然时间轴划分为3个时域和2个时点,从而锚定了因果推断只能实现于第3时域。测量时序可分为5种类型:跨第1和3时域纵向时序(实验性时序)、跨第2和3时域纵向时序、同时域纵向时序、同时域逆纵向时序和同时域横向时序(观察性时序)。这种分类法适用于首次或多次测量、及时和延后测量等所有测量策略。除了实验中真实因的测量(或干预措施)在其发生之前(第1时域)或观察和实验中真实因的测量在真实果发生之前(第2时域)的情形外,所有其他测量策略类似于历史重建或"考古",测量时序的重要性次于测量的准确性。从研究设计应整合偏倚设计的观点来看,本文提出基于大自然时间轴的测量时序五分类法,概念清楚并将有助于判断研究过程中可能出现的偏倚,为正确进行因果推断研究奠定基础。
简介:摘要目的探讨时序预测模型中的差分自回归滑动平均(ARIMA)和自回归(AR)模型在预测广州市急救调度日出车数量方面的价值。方法采用Matlab仿真软件对广州市2021年1月1日至2021年12月31日的急救调度出车记录分析计算日出车数量时间序列,对该序列进行时序预测模型辨识,得到ARIMA(1,1,1)、AR(4)以及AR(7)模型,利用这些模型对日出车数量做出预测拟合。ARIMA(1,1,1)模型将数据分为训练集和测试集,参数运算采用Prony方法,预测拟合未来的出车数量;AR(4)和AR(7)模型采用均匀系数,预测当天出车数量。结果ARIMA(1,1,1)、AR(4)以及AR(7)都可以实现对日出车数量的有效预测,ARIMA(1,1,1)的预测拟合误差随着预测时间的延长下降。两个月内的急救调度日出车量预测拟合平均绝对百分比误差(MAPE)低于6%,结果基本都位于95%置信区间内,利用模型的残差分析验证了模型显著有效。结论ARIMA模型可以对两个月内的急救调度日出车量做长期预测拟合,AR模型可以对急救调度日出车量做短期有效预测。
简介:摘要目的探讨时序传播图和病例活动轨迹表在描述某地区新型冠状病毒肺炎传播模式方面的优势,为政府相关部门进行疫情防控提供依据。方法将某地区某时段确诊病例按照其发病时间、年龄、性别、密切接触人数及相互关系,绘制时序传播图和发病前14 d的活动轨迹表。结果截至2020年2月10日,该地区报告的63例新型冠状病毒肺炎病例中,确诊57例(含死亡1例),无症状感染者6例;输入性病例57例(占总报告病例数的90.48%),聚集性疫情报告病例36例(占总报告病例数的57.14%),病例间互为亲友关系或同乘乘客,病例代际已传播至第4代。结论确诊病例时序传播图和活动轨迹表提示,该地区新型冠状病毒肺炎疫情以输入性病例为主,聚集性传播成为当地疫情发展的主要构成。确诊病例时序传播图和活动轨迹表简单明了,可一图看懂当地传播模式,值得在重大传染病防控工作中推广。
简介:摘要GJWJ-IV型小电流接地系统单相接地选线装置,该装置采用零序基波时序鉴别选线原理,突破传统思维,直接应用零序基波信号实现消弧线圈接地系统过补偿运行方式下的单相接地准确选线,符合电网实际,能够提高6KV电网运行的稳定性。