两组序列数据趋势变化特征对比分析的Joinpoint回归模型方法及应用

曾四清 李 艳 刘 珺 谢仕兰 付笑冰 龙其穗 林 鹏

【提 要】 目的 介绍两组序列数据趋势变化特征对比分析的Joinpoint回归(JPR)模型的基本原理和方法，并以2006-2018年广东省HIV/AIDS病例数为实例进行分析。方法 该模型原理和方法主要来源于相关文献和应用软件，实例数据来源于国家艾滋病综合防治信息系统，采用Excel 2013建立数据文件，采用JRP软件进行分析。结果 2006-2018年广东省新发现的经注射毒品感染和经性传播的HIV/AIDS病例数分别拟合对数线性JPR模型的MSE为21.44和16.63，MAPE为9.51%和4.57%；二者的回归方程不平行(P<0.001)。其中，经注射毒品感染的HIV/AIDS病例数在2008年出现1个转折点，其前后分段的APC分别为12.64%和-17.75%，AAPC为-13.31%，呈先升后降和总体下降趋势；而经性传播的HIV/AIDS病例数在2008年和2015年各出现1个转折点，其前后分段APC分别为101.47%、22.26%和1.91%，AAPC为27.02%，呈持续上升趋势，但上升速度逐步下降，2015年后趋于平缓。两组的AAPC差异有统计学意义(z=-9.50，P=0.00)，总体趋势变化方向及速度不一致。结论 该模型的应用拟合效果较好，两组数据拟合的回归方程及其趋势变化特征指标均存在显著统计学差异。研究表明，该模型适用于某些传染病序列数据趋势变化特征量化对比分析。

非参数趋势检验适用于计数资料，只能得出趋势结论，无法得到量化趋势指标，不同组别数据之间无法比较趋势变化大小；线性回归适用于计数资料和计量资料，有丰富的衍生模型，还可控制混杂因素，可计算趋势变化量化指标，不同组别数据之间可以比较趋势变化大小[1-4]。Joinpoint回归(joinpoint regression，JPR)是一种特殊的线性回归衍生模型，除了可以进行趋势变化参数估计量化分析外，还可以分析趋势变化的转折点，从而进行分段趋势变化特征分析；还可以进行两组序列数据趋势变化特征对比分析[5-6]。然而，目前有关该模型在传染病趋势分析中的应用研究文献较少。因此，本文介绍此模型的基本原理和方法，并以2006-2018年广东省HIV/AIDS病例数为实例进行分析，探讨其应用价值。

原理和方法

1.模型及计算原理

JPR模型分析的基本思想是通过模型拟合将一个长期趋势线分成若干有统计学意义的趋势区段，各段用连续的线性进行描述[5]。……