目的 本研究旨在探讨时间序列模型在院前急救出车车次变化趋势预测中的应用价值，并开发构建了LPro集成模型，以便准确地预测急救出车车次趋势，整合区域医疗资源，提高邯郸市急救服务质量。方法 研究基于2019年至2023年邯郸市院前急救站点28.99万条有效出车数据，采用ARIMA模型、线性趋势季节模型、指数模型、Prophet模型等，以及新开发的LPro集成模型，通过2019-2022年出车数据优化训练模型，对2023年急救站点的出车情况进行预测，并与实际出车数据进行验证，评估各模型的预测效果。结果 邯郸市院前急救出车车次呈现上升趋势，月出车次数呈现周期性；在现有模型中，预测结果均表现不佳，LPro集成模型在所有评估指标中表现最优，其中，平均绝对百分比误差（MAPE）为7.05%，均方根误差（RMSE）为491，平均绝对误差（MAE）为393，决定系数（R²）为0.6570。结论 LPro集成模型在预测邯郸市院前急救出车车次的准确性和可靠性方面有显著提高，尤其在解释数据变异性上表现突出。在复杂数据环境下，综合使用多种预测技术的重要性和效益得以体现。

田丰,毕程程,李朋辉,张海方,赵婷婷,杨振杰,王贤,谷佳璇,周世涛,靳增军,王珍,赵菲菲,苏县辉,张龙强,路赛丛. 基于LPro集成模型的邯郸市院前急救出车车次预测分析[J]. 中华急诊医学杂志, 2025,34(11): 1530-1537.
DOI号:10.3760/cma.j.cn114656-20250421-00307

基金项目：河北省社会科学发展研究项目（20230203066）；邯郸市哲学社会科学规划研究课题（2024201）；河北省重大科技支撑计划项目（242W7712Z）

关键词： 时间序列模型 LPro集成模型 院前急救 趋势预测