2) экстраполяцией (+)
3) сглаживанием
4) корреляцией
Экстраполяция — это оценка неизвестных уровней временного ряда за пределами интервала, в котором фактически получены наблюдения. При прогнозировании будущих значений используется закономерность, выявленная по имеющимся данным: тренд, сезонность, цикличность, автокорреляция или их сочетание. В медицинской кибернетике такой подход применяют, например, для прогноза заболеваемости, потребности в лекарственных препаратах, динамики физиологических показателей или числа обращений за медицинской помощью.
Расчёт может выполняться с помощью линейной или нелинейной регрессии, моделей ARIMA, экспоненциального сглаживания, состояний пространства или нейросетевых методов. Надёжность прогноза зависит от адекватности модели, стабильности выявленной закономерности и длины прогностического горизонта: по мере удаления от последнего наблюдения неопределённость обычно возрастает. Поэтому результат экстраполяции следует сопровождать предиктивным интервалом и проверять на отложенной выборке.
Экстраполяцию необходимо отличать от интерполяции, при которой восстанавливаются значения внутри уже наблюдаемого временного диапазона. Сглаживание уменьшает влияние случайных колебаний и помогает выявить тенденцию, но само по себе не означает расчёт будущих уровней. Корреляция характеризует степень взаимосвязи признаков или рядов и не является самостоятельным методом определения значений за пределами исходных данных.
| Метод или понятие | Где определяется значение | Основной принцип | Пример в медицине | Ключевое ограничение |
|---|---|---|---|---|
| Экстраполяция | За пределами наблюдаемого интервала | Продолжение выявленной закономерности во времени | Прогноз заболеваемости на следующий месяц | Ошибка увеличивается при нарушении тренда или сезонной структуры |
| Интерполяция | Внутри интервала между известными наблюдениями | Оценка пропущенного уровня по соседним данным | Восстановление отсутствующего измерения пульса в середине мониторинга | Не предназначена для прогноза за последней точкой ряда |
| Сглаживание | В пределах анализируемого ряда | Ослабление случайных колебаний с помощью скользящего среднего или взвешивания | Выявление устойчивой динамики артериального давления | Может скрывать резкие клинически значимые изменения |
| Корреляционный анализ | Между двумя или несколькими переменными | Оценка силы и направления статистической взаимосвязи | Связь уровня загрязнения воздуха с частотой госпитализаций | Корреляция не доказывает причинно-следственную связь |
| Регрессионное прогнозирование | Для будущих значений зависимой переменной | Расчёт исхода по временным и внешним предикторам | Прогноз осложнений с учётом возраста, коморбидности и лабораторных показателей | Требует корректного выбора факторов и проверки модели |
| Сезонная модель временного ряда | За пределами ряда при наличии повторяющихся периодических колебаний | Учитывает тренд и регулярную сезонность | Прогноз подъёма заболеваемости ОРВИ в осенне-зимний период | Сезонный паттерн может измениться под влиянием эпидемических факторов |
В практической работе экстраполяционная модель должна учитывать качество исходных данных, пропуски, выбросы и возможные структурные сдвиги. Перед использованием прогноза оценивают точность по историческим данным и сопоставляют расчёт с клиническим или эпидемиологическим контекстом. Особенно осторожно интерпретируют дальние прогнозы, поскольку даже небольшая систематическая ошибка быстро накапливается. Таким образом, признаком экстраполяции является выход оцениваемого значения за границы фактически наблюдавшегося временного ряда.