| 中文摘要 | 第1-10页 |
| 英文摘要 | 第10-14页 |
| 正文 | 第14-105页 |
| 前言 | 第14-16页 |
| 第一章 TB/HIV 双重感染流行病学监测随访记录表的设计与修订 | 第16-19页 |
| 1. 研究背景 | 第16页 |
| 2. TB／HIV 双重感染者监测信息设计内容 | 第16-18页 |
| 3. 小结 | 第18-19页 |
| 第二章 稀有事件Logistic 回归在HIV/AIDS结核感染风险中的应用 | 第19-37页 |
| 1. 研究背景 | 第19页 |
| 2. 原理与方法 | 第19-27页 |
| ·logistic 回归分析原理与方法 | 第19-21页 |
| ·稀有事件logistic 回归理论 | 第21-25页 |
| ·非嵌套模型 Vuong 检验 | 第25-27页 |
| 3. 实例分析 | 第27-33页 |
| 4. 软件实现 | 第33-36页 |
| 5. 小结 | 第36-37页 |
| 第三章 广义线性混合效应模型在HIV/AIDS结核感染风险中的应用 | 第37-49页 |
| 1. 研究背景 | 第37页 |
| 2. 原理与方法 | 第37-42页 |
| ·随机效应logistic 回归 | 第38-40页 |
| ·限制伪似然估计 | 第40-42页 |
| 3. 实例分析 | 第42-46页 |
| 4. 软件实现（SAS 程序） | 第46-47页 |
| 5. 小结 | 第47-49页 |
| 第四章 贝叶斯估计理论在HIV/AIDS结核感染风险中的应用 | 第49-60页 |
| 1. 研究背景 | 第49页 |
| 2. 原理与方法 | 第49-54页 |
| ·随机效应logistic 回归的边际似然函数 | 第51-52页 |
| ·随机效应logistic 回归的贝叶斯估计简介 | 第52-53页 |
| ·Metropolis 算法 | 第53-54页 |
| 3. 实例分析 | 第54-57页 |
| 4. 小结 | 第57-60页 |
| 第五章 山西省涂阳结核病例数动态预测模型 | 第60-89页 |
| 1. 研究背景 | 第60页 |
| 2. 时间序列分析模型的原理与方法 | 第60-69页 |
| ·ARMA 模型 | 第61-66页 |
| ·ARIMA 模型 | 第66-69页 |
| 3. ARIMA 模型的实例分析 | 第69-78页 |
| 4. 数据挖掘模型-Microsoft 时序算法的基本原理 | 第78-82页 |
| ·决策树生成算法 | 第78-80页 |
| ·自回归模型 | 第80页 |
| ·Microsoft 时序算法 | 第80-81页 |
| ·SSAS 软件中 Microsoft 时序算法的参数设置 | 第81-82页 |
| 5. Microsoft 时序算法的操作流程与结果分析 | 第82-87页 |
| 6. ARIMA 模型与 Microsoft 时序算法的输出结果评价 | 第87页 |
| 7. 小结 | 第87-89页 |
| 参考文献 | 第89-94页 |
| 附录 | 第94-105页 |
| 综述 | 第105-128页 |
| 传染病预测方法的研究现状与发展趋势 | 第105-125页 |
| 参考文献 | 第125-128页 |
| 作者简历 | 第128-130页 |
| 致谢 | 第130页 |
