To test the hypothesis that time se

To test the hypothesis that time series analysis can provide accurate
predictions of future ambulance service run volume, a prospective
stochastic time series modeling study was conducted at a communitybased
regional ambulance service. For all requests for ambulance
transport during two sequential years, the time and date, total run time,
and acuity code of the run were recorded in a computer database. Time
series variables were formed for ambulance service runs per hour, total
run time, and acuity. Prediction models were developed from one
complete year's data (1994) and included four model types: raw observations,
moving average, means with moving average smoothing, and
autoregressive integrated moving average. Forecasts from each model
were tested against observations from the first 24 weeks of the subsequent
year (1995). Each model's adequacy was tested on residuals by
autocorrelation functions, integrated periodograms, linear regression,
and differences among the variances. A total of 68,433 patients were seen
in 1994 and 32,783 in the first 24 weeks of 1995. Large periodic variations
in run volume with time of day were found (P < .001). A model based on
arithmetic means of each hour of the week with 3-point moving average
smoothing yielded the most accurate forecasts and explained 54.3% of
the variation observed in the 1995 test series (P < .001). Time series
analysis can provide powerful, accurate short-range forecasts of future
ambulance service run volume. Simpler, less expensive models performed
best in this study.

ผลลัพธ์ (ไทย) 1:

การทดสอบสมมติฐานว่าเวลาชุด วิเคราะห์ให้ถูกต้องบริการรถพยาบาลในอนาคตที่คาดคะเนเรียกใช้เสียง การคาดหวังชุดเวลาสโทแคสติกศึกษาการสร้างแบบจำลองวิธีการที่ communitybased การบริการรถพยาบาลภูมิภาค สำหรับคำขอรถพยาบาลทั้งหมดขนส่งระหว่างสองปีต่อเนื่อง เวลา และวัน รวมรันไทม์และรหัส acuity ของรันถูกบันทึกในฐานข้อมูลคอมพิวเตอร์ เวลาตัวแปรชุดถูกก่อตั้งขึ้นสำหรับเรียกใช้บริการรถพยาบาลต่อชั่วโมง รวมเวลาที่ใช้ และ acuity แบบจำลองการคาดการณ์ได้รับการพัฒนาจากกรอกข้อมูลปี (1994) และรวม 4 รุ่นชนิด: สังเกตวัตถุดิบค่าเฉลี่ย เคลื่อนหมายถึงกับย้ายปรับให้เรียบโดยเฉลี่ย และautoregressive รวมค่าเฉลี่ยเคลื่อนที่ คาดการณ์จากแต่ละรุ่นทดสอบกับสังเกตจาก 24 สัปดาห์แรกของการต่อมาปี (1995) เพียงพอของแต่ละรุ่นได้รับการทดสอบในค่าคงเหลือด้วยฟังก์ชัน autocorrelation, periodograms รวม การถดถอยเชิงเส้นและความแตกต่างระหว่างผลต่าง จำนวนผู้ป่วย 68,433 ได้เห็นในปี 1994 และ 32,783 ใน 24 สัปดาห์แรกของ 1995 รูปขนาดใหญ่เป็นครั้งคราวปริมาณการใช้งานกับเวลาพบ (P < .001). แบบจำลองหมายถึงเลขคณิตของแต่ละชั่วโมงในสัปดาห์มีค่าเฉลี่ยเคลื่อนที่ 3 จุดต่อเนื่องผลการคาดการณ์ที่แม่นยำมากที่สุด และอธิบาย 54.3% ของสังเกตการเปลี่ยนแปลงในชุดทดสอบ 1995 (P < .001). ชุดเวลาวิเคราะห์ให้มีประสิทธิภาพ แม่นยำ short-range คาดการณ์อนาคตบริการรถพยาบาลที่ใช้ไดรฟ์ข้อมูล ทำแบบเรียบง่าย ไม่แพงส่วนในการศึกษานี้

ผลลัพธ์ (ไทย) 3:

เพื่อทดสอบสมมติฐานที่ว่า การวิเคราะห์อนุกรมเวลา สามารถให้ความถูกต้อง
คาดคะเนของปริมาณวิ่งบริการรถพยาบาลในอนาคต , อนุกรมเวลาแบบสุ่มในอนาคต

communitybased ศึกษาในระดับภูมิภาคให้บริการรถพยาบาล . สำหรับคำขอทั้งหมดสำหรับการขนส่งรถพยาบาล
ในระหว่างสองต่อเนื่องปี , เวลาและวันที่ , เวลาวิ่งรวม
และรหัสเสียงของรันที่ถูกบันทึกไว้ในคอมพิวเตอร์ฐานข้อมูล ตัวแปร
ชุดเวลาขึ้นให้บริการรถพยาบาลวิ่งต่อ ชม. รวม
เวลาหนี และความฉลาดเฉลียว แบบจำลองทำนายถูกพัฒนาขึ้นจากข้อมูลที่สมบูรณ์ของปี 1
( 1994 ) และรวมสี่รูปแบบชนิด : สังเกตดิบ
ย้ายเฉลี่ย ค่าเฉลี่ยกับค่าเฉลี่ยเคลื่อนที่เรียบและ
ตัวเองรวมเฉลี่ยเคลื่อนที่พยากรณ์จากแต่ละรุ่น
ทดสอบกับการสังเกตจาก 24 สัปดาห์แรกของปีต่อมา
( 1995 ) ของแต่ละรูปแบบเพียงพอได้รับการทดสอบความคลาดเคลื่อนโดย
ฟังก์ชันสหสัมพันธ์แบบ periodograms , การถดถอยเชิงเส้น ,
และความแตกต่างระหว่างพฤติกรรม รวม 68433 ผู้ป่วยเห็น
ในปี 1994 และ 32783 ในช่วง 24 สัปดาห์แรกของปี 1995 ขนาดใหญ่รูปแบบ
เป็นระยะ ๆเสียงวิ่งด้วยเวลาของวันอย่างมีนัยสำคัญ ( p < . 001 ) รูปแบบตาม
ค่าเฉลี่ยของแต่ละชั่วโมงของสัปดาห์เฉลี่ยเคลื่อนที่ 3
เรียบและการคาดการณ์ที่ถูกต้องที่สุด และอธิบายได้ร้อยละ %
การเปลี่ยนแปลงที่พบใน 1995 ชุดทดสอบ ( p < . 001 ) การวิเคราะห์อนุกรมเวลาสามารถให้ประสิทธิภาพ
แม่นยำระยะสั้นคาดการณ์ปริมาณวิ่งบริการรถพยาบาลในอนาคต

ง่ายกว่ารุ่นที่แพงน้อยกว่าการ
ที่ดีที่สุดในการศึกษานี้