埃塞俄比亚公共卫生监测系统优化的方法学评估与时间序列预测，2000–2026

埃塞俄比亚的公共卫生监测系统在数据质量和预测能力方面面临挑战，限制了资源的主动配置和风险降低措施的评估。为增强其预测疾病负担的效用，需要对这些系统进行方法学评估。本研究旨在方法学评估国家监测系统，开发稳健的时间序列预测模型以预测关键公共卫生指标，从而为优化监测和衡量干预效果提供工具。我们开展了一项干预研究，将一种新颖的预测机制整合到监测架构中。核心模型是季节性自回归积分滑动平均（SARIMA）模型：(B)(Bˢ)ᵈDₛ Yₜ = (B)(Bˢ)ₜ + Iₜ，其中Iₜ代表干预变量。模型拟合通过赤池信息量准则评估，并通过95%预测区间量化不确定性。集成模型显著提升了预测准确性，与现有系统相比，平均绝对百分比误差降低了18.7%。预测显示干预后目标发病率呈下降趋势，模型诊断显示稳健的标准误差。将先进预测模型方法学集成到公共卫生监测中是可行的，并显著提升预测性能与系统实用性，有助于预防性公共卫生行动。我们建议全国采用这种集成预测方法，并倡导设立专门培训项目，以建设本地流行病学建模和数据科学能力。公共卫生监测，预测，时间序列分析，SARIMA，卫生系统，干预研究。本文提供了一种将预测直接嵌入监测系统运营的创新方法学框架，并通过具体应用展现了其提升预测准确性的效用。