目的:本文基于食源性疾病监测报告系统对江西省内2091家监测医院报告的食源性疾病病例进行分析,探索江西省食源性疾病的整体概况以及流行规律;探索疾病的空间聚集性及高发地区;应用差分自回归移动平均模型（ARIMA）与误差反向传播神经网络模型（BPNN）组合构建食源性疾病预测模型,以期为江西省制定相应的食源性疾病防控措施提供参考依据。方法:本研究采用多种方法对江西省各监测医院报告的食源性疾病病例进行调查研究,运用描述性统计分析方法获取该地区食源性疾病的人口学、时间和地理分布特征。其次利用Geo Da软件进行空间聚集性分析,借助Sa TScan时空扫描软件对其时空分布特征进行探索,并结合Arc GIS软件实现了食源性疾病的发病率地图可视化。最后使用Python软件建立ARIMA模型和BPNN模型,并通过比较各个预测模型的精度筛选出最优预测模型,从而得出对未来食源性疾病流行趋势的预测结果。结果:江西省2016年至2021年食源性疾病病例累计报告73,705例,死亡病例20例,年均报告发病率为27.24/10万,其中2016年报告发病率最低为24.65/10万,2018年最高为28.94/10万;男性病例36,239人,占总病例数的49.17%,女性病例37,466人,占总病例数的50.83%;0～5岁年龄段累计报告病例数量14,262例,占总病例数的19.35%,其次是65岁以上年龄组累计报告11,021例,占总病例数的14.95%;农民、散居儿童、学生处于高风险群体,分别占总病例数的35.24%、15.54%、12.36%;食源性疾病发病季节性特征显著,发病多集中于夏秋季,8月份为高峰期。2017年至于2020年间食源性疾病发病的空间分布存在显著的全局空间自相关关系（P＜0.05）;局部空间自相关分析共检测到88个聚集区域,其中高-高聚集区共有31个,低-低聚集区35个,低-高聚集区14个,高-低聚集区8个,高-高聚类主要集中于江西省西北部,低-低聚类主要集中于江西省中部以及赣州市中部;热点分析检测到冷热点区域共有51个,其中热点区域41个,主要集中于江西省西北部九江市以及赣州市西南部;冷点区域10个主要集中于江西省中部;时空扫描统计分析共扫描探测到六个聚类区域共涵盖32个县区,一类聚集区（RR=1.77,P＜0.001）包含瑞昌市、柴桑区、濂溪区、浔阳区、德安县、庐山市、共青城市、湖口县、都昌县、武宁县、永修县、彭泽县、安义县、靖安县、新建区共15个县区。单一模型中ARIMA（2,1,1）（0,1,1）12以及BPNN（12-8-1）为最优,其中ARIMA模型的预测效果优于BP神经网络模型。而组合模型预测效果均优于单一模型,特别是基于误差修正组合模型表现最佳,MSE为0.097,RMSE为0.311,MAPE为10.97%。预测效果排名依次为:基于误差修正组合模型＞MAPE权重组合模型＞优势矩阵权重组合模型＞ARIMA模型＞BPNN模型,针对未来三年的预测结果显示江西省的食源性疾病发病趋势将较为平稳。结论:江西省的食源性疾病具有季节性特征,其中每年8月份为食源性疾病的高发期,针对这一季节性特征应采取有效预防措施;0～5岁儿童和65岁以上老年人是食源性疾病的易感人群,应加大社区、学校等渠道的宣传教育,以提高公众的认识和预防意识。同时应特别注意农民和散居儿童是食源性疾病的高发人群,应该加强科普宣传教育,提高其食品安全意识和自我保护能力。另外江西省的西北地区和赣州市的西南地区是食源性疾病的重点防治区域,需要科学分配和利用卫生资源,重点加大监管力度,落实监测和报告制度,及时发现和处理食源性疾病疫情。应用组合模型可以提高食源性疾病预测的准确性,基于误差修正的组合预测模型效果最佳。尽管预测结果显示江西省食源性疾病未来发病趋势呈现平稳态势,但仍需保持高度关注和警惕,加强科学研究和探索,不断完善和提高防控措施的效果,进一步降低食源性疾病的发生和传播风险。