10.3969/j.issn.1003-2800.2019.05.010
基于聚类和支持向量机的高血压患者住院费用分析
[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.
高血压、住院费用、K-means、聚类分析、支持向量机
33
R197;R544.1(保健组织与事业(卫生事业管理))
山西省卫生总费用核算课题: 经常性卫生费用核算技术服务;医疗保险精准抗风险研究
2019-06-21(万方平台首次上网日期,不代表论文的发表时间)
共5页
46-50