巴西圣保罗兽医教学医院公猫尿道梗阻时间序列分析：ARIMA、Holt-Winters与线性回归模型的预测效能比较

本研究针对公猫尿道梗阻(UO)这一临床急症，通过分析2010-2020年巴西圣保罗州立大学兽医学院教学医院的5230例病例数据，首次采用ARIMA、Holt-Winters和线性回归三种时间序列模型进行流行病学趋势预测。研究发现UO患病率达7.4%（95% CI:6.7-8.1%），在表现下尿路症状的猫中发病率达36.0%。线性回归模型显示UO病例以2.6%/年的速率显著增长(p=0.042)，为兽医临床资源规划提供了重要数据支持。

　　

在猫咪的急诊病例中，尿道梗阻(Urethral Obstruction, UO)是困扰公猫健康的头号杀手。这种下尿路疾病不仅会导致排尿困难、血尿等痛苦症状，严重时更可能引发急性肾衰竭甚至死亡。近年来，巴西圣保罗州立大学兽医学院教学医院的兽医们发现，前来就诊的UO病例似乎呈现逐年增多的趋势，但这一现象究竟是真实发病率上升，还是诊断意识提高所致？更关键的是，未来几年UO病例会持续增加吗？这些问题的答案对医院资源配置和预防策略制定至关重要。

为了解开这些谜团，圣保罗州立大学（UNESP）兽医学院的研究团队开展了一项跨越11年的大规模回顾性研究。他们分析了2010-2020年间5230只猫咪的医疗记录，最终筛选出386例确诊UO的公猫病例。研究团队创新性地将医学领域常用的时间序列分析方法引入兽医流行病学研究，比较了ARIMA(自回归综合移动平均)、Holt-Winters指数平滑和线性回归三种统计模型在预测UO趋势方面的表现。这项开创性成果发表在《Scientific Reports》期刊上。

研究人员主要采用了三种关键技术方法：首先通过严格的纳入排除标准建立回顾性队列（来自教学医院2010-2020年的医疗记录）；其次运用ARIMA模型分析时间序列数据的自相关结构；最后采用Holt-Winters指数平滑和线性回归模型进行趋势预测。所有分析均在R语言环境中完成，使用"stats"、"tseries"和"forecast"等软件包。

研究结果部分显示：

"Study population data"部分揭示了重要流行病学特征：在386例UO公猫中，绝育比例高达60.94%，平均体重4.24±1.11 kg，且绝育猫的体况评分显著高于未绝育猫(p<0.0001)。在明确病因的59例中，猫特发性膀胱炎(Feline Idiopathic Cystitis, FIC)占比最高。

"Prevalence and incidence"数据显示：UO在总猫群中的平均年患病率为7.4%(95% CI:6.7-8.1%)，而在出现下尿路症状的猫中发病率高达36.0%(95% CI:33.19-38.93%)，显著高于北美地区2-13%的报道。

"Time series analysis"部分呈现了关键模型比较结果：ARIMA模型虽能拟合历史数据，但预测未来呈平稳直线；Holt-Winters模型预测2021-2024年UO率将从0.70升至1.09，但置信区间过宽；线性回归则显示UO病例以2.6%/年的速率显著增长(p=0.042)，可解释38%的变异度，被认为是最可靠的预测模型。

讨论部分指出，这项研究首次量化了UO在巴西猫群中的流行病学负担，并建立了有效预测模型。特别值得注意的是，2019-2020年COVID-19疫情期间UO病例激增，可能与居家隔离导致的猫应激反应有关，这一发现支持了应激在FIC发病中的关键作用。线性回归模型预测的长期增长趋势提示，兽医医院需要为UO病例增加做好资源准备，同时应加强针对绝育公猫的预防措施。

该研究的创新点在于将人类医学中的时间序列分析方法成功应用于兽医领域，为动物疾病预测提供了新思路。研究也存在医疗记录不完整等局限，未来可结合机器学习方法提高预测精度。总的来说，这项研究不仅为临床实践提供了数据支持，也为理解环境因素对猫泌尿健康的影响提供了新证据，对改善猫福利和优化兽医服务具有重要意义。