（厦门市中心血站 361004（1、2）；厦门大学附属中山医院（通讯）361004）
摘要：目的 分析用血趋势，建立红细胞供应量预测模型。方法 收集厦门市中心血站2008-2017年各血液成分供应量，做趋势分析，建立红细胞的预测模型。结果 2008-2017年厦门市各血液成份供应量红细胞年平均增加12.7%，单采血小板年平均增加26%，冷沉淀年平均增加29%。A型、B型、O型、AB型红细胞月供应量预测模型分别为ARIMA（1，1，1）（1，2，1）12，简单季节性，简单季节性，ARIMA（1，1，1）（2，1，2）12。结论 厦门市血液制品供应量总体呈增加趋势，时间序列分析可用于红细胞的月供应量建模，为采供血管理提供支持。
关键词：供血量；趋势；时间序列分析；
Abstract：Objective to analyze the trend of the red blood supply and establish forecasting model.Methods The blood supply of each blood component in Xiamen center blood station from 2008 to 2017 was collected，trend analysis was carried out，and the prediction model of red blood cells was established.Results In 2008-2017，the supply of red blood cells in Xiamen increased by an average annual growth of 12.7%，the platelets of 26%，and the cryoprecipitation of 29%.The prediction models for type A，B，O，and AB red blood cells are ARIMA（1，1，1）（1，2，1）12，simple seasonality，simple seasonality，ARIMA（1，1，1）（2，1，2）12.Conclusion The use of blood products in Xiamen is generally increasing.Time series analysis can be used to analyze the supply of red blood cells and provide support for blood supply and blood management.
Keywords：blood supply；trend；time-series analysis；
输血作为不可替代的治疗手段之一，为现代医学的发展做出了重要贡献。血站是不以营利为目的，采集、提供临床用血的公益性卫生机构[1]，及时有效地为临床医疗机构提供血液制品，对保障医疗机构正常运转起到重要作用。血液制品的保存期又很短，稍有疏忽又易造成血液的过期浪费。如何既能保证充足的临床用血，又能最优利用珍贵的血液资源，本文通过对2008-2017年厦门市供血情况分析，为解决采供血供需平衡提供支持。
1资料与方法
1.1资料来源 2008-2017年的血液供应信息均来自厦门市中心血站。分血型按月收集10年来红细胞、血小板、冷沉淀的临床供应量。
1.2建立数据库。将各血液成分按月分型录入Excel表格，统计年、月供应量等相关信息。
1.3方法 应用Excel表格计算2008-2017每年红细胞、血小板、冷沉淀的临床供应量。应用SPSS19.0统计软件做红细胞供应量的时间序列分析。
2.结果
2.1 2008-2017年厦门市各血液成份供应量总体呈增加的趋势。以冷沉淀使用量增加最为明显，2017年使用总量已增长至2008年在290%，血小板260%，红细胞127%（详见表1-3，图1-3）。
表1.2008-2017年厦门市红细胞供应量
3.讨论
3.1厦门市血液制品供应量情况 从以上结果会发现：第一、厦门市血液制品的供应量总体呈增加趋势，自2008年以来，红细胞年平均增加12.7%，单采血小板年平均增加26%，冷沉淀年平均增加29%，特别是2016、2017增速加快。分析原因：1）动车时代，加速厦漳泉同城化，医疗服务辐射的范围扩大2）2008年厦门医疗机构床位总数9995张，2017年床位总已达15341张，同比增加53.5%。3）近几年厦门新建了数家三级医院，医疗水平不断提高，能够开展更多的高难度诊治。第二、各型红细胞的供应量呈一定的季节趋势。
3.2时间序列分析的结果 时间序列分析是将收集到的动态数据进行处理的统计学方法，研究数据序列所遵从的规律，用于解决具体行业的实际问题。国内外学者就血液的库存和供应管理也做了相关研究[2-3]。近几十年，在流行病学研究[4]、食品安全监督管理领域[5]，都取得很好的成效。单采血小板的有效期过短，数据受不可控因素的影响较大，数据很难达到平稳；而冷沉淀有效有长达1年，建模对实际工作意义不大。红细胞的使用量无作为偿献血招募采集的有效参考指标，对其进行建模，对采供血工作有非常重要的意义。
本研究利用2008-2017年的数据对各型红细胞进行建模，分两种方式进行，一是系统自带的专家建模器，二是通过数据序列分析，确定模型。最后择优选取。对非平稳性的序列，专家建模器虽运用简单，但它主要建模考量指标是拟合值，所建模型参数检验常无法通过，而ARIMA建模效果一般较好，但过程复杂。通过四型红细胞建模结果，发现在统计检验都能通过的情况下，专家建模器的更优。所以在非专业人士进行时间序列分析时，可以先用建模器，如果检验无法通过，再根据数据特点进行其他模型的建立，这样可节约时间，提高研究效率。通过拟合比较，可以看出所选模型能较准确地预测了各型红细胞的供应量，但还是存在一定的偏差，分析原因：1）受重大节假日，特别是所在月份不定，导致涉及月份数据关系的偏差。2）供血量受釆血量及可用库存量影响，加大了其实际值的随机性。3）突发事故，造成数据的急剧变化。4）天气变化，影响疾病发生率和择期手术患者入院率 [6]，影响医院用血需求量。
综上，时间序列分析对供血量的预测是可行的，但非一劳永逸，需要不断更新数据，进行拟合并修正模型，动态地评价模型的适用性，并结合实际，适时纳入一些相关因素如血站采血量，医院床位数、门诊量、手术量，天气等进行分析以期更精确地预测，为血液采集供应管理提供数据支持。
参考文献
[1]中华人民共和国卫生部令第44号.血站管理办法，2005.11.17.
[2]李雪晶.济南市采供血动态分析及预测[D].济南：山东大学，2014
[3].Pereira A.Performance of time-series methods in forecasting the demand for red blood transfusion[J].Transfusion，2004，44：739-746.
[4]黄平，冯慧芬，王斌，赵敬.时间序列分析及模型构建在预测手足口病方面的应用[J].实用医学杂志，2018，34（9）：1554-1556.
[5]张爱红，周培，中铜倩，等。乘积季节 ARIMA 模型在食源性疾病预测中的应用 [J].中国卫生统计学，2014，31（1）：68-69+73
[6]罗焕金，马文军，曾四清，严维娜.低温寒潮对健康影响的流行病学研究进展[J].环境与健康杂志，2014，31（4）：363-366.
论文作者:钟洪珊1 谢金镇2 杨寿琼2 郑志雄2 张程亮
论文发表刊物:《航空军医》2018年12期
论文发表时间:2018/8/29
标签：红细胞论文; 供应量论文; 建模论文; 序列论文; 厦门市论文; 模型论文; 血液论文; 《航空军医》2018年12期论文;