基于聚类和支持向量机的高血压患者住院费用分析

作者：李相蓉; 韩颖^*

来源：卫生软科学, 2019, 33(05): 46-50.

• 高血压
• 住院费用
• K-means
• 聚类分析
• 支持向量机

[目的]利用数据挖掘方法衡量各因素对高血压患者住院费用的影响程度,克服传统分析方法局限,为减轻患者负担提供政策参考。[方法]以某市8所不同级别医院2016年2200例高血压住院患者为样本,将住院费用K-means聚类结果作为目标变量,结合单因素分析结果选择输入变量,构建支持向量机模型,评估各影响因素重要性。[结果]多项式核函数支持向量机模型分类准确率最高(93. 84%),住院天数、医院级别、有无合并症及合并症类别、是否手术、性别、付款方式的重要度大于0. 02,对高血压患者的住院费用起主要影响。[结论]数据挖掘方法能够对住院费用进行有效预测;高血压住院负担的控费关键是加强对药费和检查费的监管、缩短住院天数,根本上应充分发挥基层优势,筑起高效的高血压防治体系。

• 单位
  山西医科大学