基于BP神经网络和支持向量机的支气管肺炎患者住院总费用预测及影响因素分析

作者：孔晓岚^*

来源：华西医学, 2021, 36(01): 55-60.

• BP神经网络
• 支持向量机
• 两步聚类法
• 支气管肺炎
• 住院总费用
• 预测

目的通过BP神经网络模型和支持向量机模型对四川省某三级甲等医院支气管肺炎患者的住院总费用进行预测,并对其影响因素进行分析。方法收集并整理四川省某三级甲等医院2017年1月-12月出院的749例支气管肺炎患者的病案首页信息,利用SPSS 20.0和Clementine软件,分别模拟BP神经网络模型和支持向量机模型,进行住院总费用的预测和影响因素的分析。结果 BP神经网络模型预测住院总费用的准确率为81.2%,前3位影响因素及其重要性分别为住院天数(0.477)、年龄(0.154)和出院科室(0.083);支持向量机模型的预测准确率为93.4%,前3位影响因素及其重要性分别为住院天数(0.215)、年龄(0.196)和婚姻状况(0.172),经Mantel-Haenszel分层分析后,婚姻状况与住院总费用的相关性不具有统计学意义(χ2=0.137,P=0.711)。结论 BP神经网络模型和支持向量机模型均能较好地运用于支气管肺炎患者住院总费用的预测,但支持向量机的预测效果优于BP神经网络模型。住院天数是影响支气管肺炎住院总费用的重要因素,因此,缩短住院天数能明显减轻患者的经济负担。

• 单位
  成都中医药大学附属医院