Nghiên cứu này tập trung vào việc ứng dụng mô hình ARIMA (Autoregressive Integrated Moving Average) để phân tích và dự báo các chỉ số y tế dưới dạng dữ liệu chuỗi thời gian. Dữ liệu y tế thường có tính biến động cao và phụ thuộc vào thời gian, đòi hỏi các phương pháp thống kê chuyên biệt. Luận văn tiến hành thu thập, tiền xử lý và kiểm định tính dừng của chuỗi dữ liệu, sau đó xác định các tham số phù hợp cho mô hình ARIMA dựa trên các tiêu chí AIC và BIC. Kết quả thực nghiệm cho thấy mô hình ARIMA có khả năng nắm bắt tốt các xu hướng và tính mùa vụ trong dữ liệu y tế, từ đó đưa ra các dự báo ngắn hạn với độ chính xác cao. Nghiên cứu khẳng định tính hiệu quả của mô hình ARIMA như một công cụ hỗ trợ đắc lực cho các nhà quản lý y tế trong việc hoạch định chính sách, phân bổ nguồn lực và giám sát dịch bệnh dựa trên các dự báo định lượng đáng tin cậy.