基于数据挖掘算法的慢病住院费用预测模型分析

作者：汤羽; 袁炜; 芮磊; 吴薇薇; 林迪; 陈立波

来源：现代医药卫生, 2019, 35(04): 481-485.

• 数据挖掘
• 预测模型
• 住院费用
• 门诊费用

目的以研究医保住院费用报销的合理性为目的,分析慢性传染性疾病门诊费用结构、门诊治疗情况及患者静态特征等因素对住院费用的影响,并通过数据挖掘算法构建住院费用的预测模型。方法在构建模型的过程中,分别使用了决策树、Naive Bayes、Adaboost等算法,并比较了这些算法的准确度。结果以上采用的模型算法可以使得预测模型的准确度达到93%以上,能够较好地预测住院费用的合理性。肾衰竭/尿毒症的门诊特病费用与住院费用呈负相关趋势(r=-0.10,P<0.05),高血压、冠心病、糖尿病、脑血管病均呈正相关趋势(r=0.11、0.10、0.12、0.11,P<0.05)。结论根据不同类别疾病的特点,可以调整部分住院治疗项目到门诊,以实现对住院费用的调控。

• 单位
  电子科技大学