基于K-means聚类与支持向量机的大病患者住院费用影响因素与控制策略研究

作者：陈默; 蔡苗; 黄阿红; 沈梦雪; 吴其; 张泽苗; 乐虹^*

来源：中国医院管理, 2019, 39(05): 45-53.

• 住院费用
• 聚类
• 支持向量机
• 数据挖掘

目的探寻有效方法分析大病患者住院费用的主要影响因素,为控制住院费用提供合理对策。方法样本选取2016年1月—2017年5月湖北省某市城镇居民基本医疗保险大病患者住院信息,采用K-means聚类和支持向量机进行分析。结果聚类优度检验提示将住院费用分为3类最佳,基于RBF核函数的支持向量机模型的预测准确度最高,住院费用的主要因素为主诊断疾病、住院日、医院级别、医保业务类别和医院类型。结论 K-means聚类与支持向量机模型可作为分析大病患者住院费用的有效方法,为控制住院费用提供策略。

• 单位
  华中科技大学同济医学院