论文摘要
改革开放30年来随着经济的快速发展,我国医疗费用不断增长,2007和2008年我国卫生总费用分别为10966亿元和14535.4亿元,根据《2009年我国卫生事业发展统计公报》预计2009年全国卫生总费用达16119亿元,人均卫生费用1192元。医疗费用快速增长成为全国普遍存在的问题,如何解决好这一问题,已引起社会各界的高度关注。有效地控制医疗费用上涨,尤其是住院费用的过快上涨,首先需要选择正确的数理统计方法分析住院费用的影响因素。以往对于住院病人住院费用影响因素的研究报道较多,分别运用相应的统计方法对住院费用资料进行多种分析处理,其中包括:采用不同多元统计方法探索住院费用的影响因素,并对住院费用发展趋势进行预测;对不同种类的住院费用进行分类等。传统的多元线性回归方法在分析住院费用中存在某种局限性,而BP神经网络由于其可以对线性或非线性多变量问题在不设前提条件的情况下进行统计分析,同传统的统计方法需要被分析的变量符合一定的条件相比有其自身的优点,故越来越多地应用于住院费用研究。人工神经网络（Artificial Neural Network,ANN）是一种模拟生物神经元工作方式的数学模型,在多个学科领域被广泛应用于模式识别,预报预测,数值逼近等问题。误差逆向传播神经网络模型（Back Propagation ,BP）是神经网络中的一种,因网络权值的调整规则采用误差逆向传播算法,即BP算法而得名,是神经网络中目前发展最迅速,应用最成熟的网络模型。由于BP神经网络对于资料的类型、分布等无任何前提条件,且具有一定的容错性,能通过自我学习,自我调整实现输入变量和输出变量之间的复杂映射关系,因此可以考虑将BP神经网络用于对住院费用及其影响因素进行建模,实现住院费用及其影响因素之间的关系拟合。研究目的:本研究通过对河北联合大学附属医院提供的住院费用病案首页资料,分别建立BP神经网络模型和多重线性回归模型,并对住院费用研究中拟合和推广能力及其适用条件进行比较,分析BP神经网络在不同变异资料中拟合和推广能力的稳定性,进而论证正确的住院费用预测方法。同时对BP神经网络建模过程中模型参数的优化进行探讨。同时以住院费用为例探讨因变量为连续变量,自变量为分类变量或连续变量和分类变量均有的非线性关系问题时统计方法的应用。资料与方法:本研究资料来自于河北联合大学附属医院提供的20062010年的A组急性阑尾炎（ICD10代码为K35）和B组糖尿病（ICD10代码为E11）病人的病案首页资料,共计病例数2317份。采用BP神经网络和多重线性回归分别进行住院费用的函数拟合建模,在建模过程中采用t检验和相对误差对不同统计方法进行比较分析,在己建立的BP神经网络模型基础上采用敏感度分析进行住院费用的影响因素分析。以上多重线性回归和t检验在SPSS13.0软件中进行,BP神经网络建模和敏感度分析均通过在MATLAB软件中进行编程得以实现。主要结果:一、模型性能结果对两组数据分别进行BP神经网络和多重线性回归建模,其结果如下:急性阑尾炎组结果为BP神经网络:训练集R=0.79,R2=0.785;测试集R=0.72,R2=0.704;多重线性回归:训练集R=0.598,R2=0.357。糖尿病组结果为BP神经网络:训练集R=0.96,R2=0.869;测试集R=0.51,R2=0.499;多重线性回归:训练集R=0.685,R2=0.443。二、BP神经网络和多重线性回归结果比较通过相对误差进行比较,配对t检验结果如下:急性阑尾炎组训练集t=3.63,P=0.000;测试集t=1.31,P=0.190,糖尿病组训练集t=9.65,P=0.000;测试集t=-5.29,P=0.000。三、BP神经网络在不同变异数据中的结果比较通过相对误差进行比较,独立样本t检验结果如下:训练集t=1.18,P=0.237;测试集t=-1.34,P=0.181。训练集相对误差均值:急性阑尾炎组0.31±3.60,糖尿病组0.12±1.08,差值估计0.183;测试集相对误差均值:急性阑尾炎组0.364±0.553,糖尿病组0.52±1.54,差值估计-0.156。四、敏感度分析结果敏感度分析显示:各影响因素的敏感度从大到小依次为:急性阑尾炎组:手术情况（0.27）、住院时间（0.224）、治疗结果（0.157）、住院次数（0.14）、次要诊断（0.058）、入院病情（0.048）、年龄（0.037）、职业（0.033）、费别（0.025）、性别（0.008）,显示对住院费用影响最大的因素是手术情况,最小的是性别。糖尿病组:住院时间（0.348）、手术情况（0.162）、年龄（0.131）、住院次数（0.073）、治疗结果（0.072）、次要诊断（0.062）、职业（0.051）、费别（0.045）、入院病情（0.038）、性别（0.019）,显示对住院费用影响最大的因素是住院时间,最小的是性别。结论:本次研究采用BP神经网络实现对住院费用进行拟合建模,通过对不同模型参数的设定选择可以达到优化模型的作用。BP神经网络与多重线性回归相比拟合和推广能力更优,性能更稳定。在变异较大的数据中BP神经网络由于学习过多的样本细节,预测能力下降。神经网络的拟合能力和推广能力不能两全,在建模时应根据实际情况对两者加以权衡。基于BP神经网络模型的敏感度分析可以用于住院费用影响因素的分析。基于理论分布的统计方法对资料类型要求严格,而应用BP神经网络来处理非线性问题能克服传统统计方法的弱点,为非线性问题的预测和影响因素分析提供一种较优的分析方法。由于本研究所选择的病案首页信息有限,因此建立的模型对住院费用预测的精度有限,可以提供一定的理论参考。BP神经网络由于不同的参数设定对网络的结果有不同的影响,如不同隐含层神经元数、不同初始权值和阈值等,目前仍缺乏理论上的支持,有待进一步研究。
论文目录
相关论文文献
- [1].基于优化神经网络的地质灾害监测预警仿真[J]. 计算机仿真 2019(11)
- [2].基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J]. 轻工机械 2019(06)
- [3].时频联合长时循环神经网络[J]. 计算机研究与发展 2019(12)
- [4].几种典型卷积神经网络的权重分析与研究[J]. 青岛大学学报(自然科学版) 2019(04)
- [5].基于GA-BP神经网络异纤分拣机检测参数优化[J]. 棉纺织技术 2020(01)
- [6].基于集成神经网络的织物主观风格预测研究[J]. 纺织科技进展 2020(01)
- [7].试析神经网络技术在机械工程中的应用及发展[J]. 网络安全技术与应用 2020(02)
- [8].一种深度小波过程神经网络及在时变信号分类中的应用[J]. 软件 2020(02)
- [9].不同结构深度神经网络的时间域航空电磁数据成像性能分析[J]. 世界地质 2020(01)
- [10].基于深度神经网络的航班保障时间预测研究[J]. 系统仿真学报 2020(04)
- [11].基于生成对抗网络和深度神经网络的武器系统效能评估[J]. 计算机应用与软件 2020(02)
- [12].基于循环神经网络的双轴打捆机智能换挡策略研究[J]. 安徽工程大学学报 2020(01)
- [13].基于图神经网络的实体对齐研究综述[J]. 现代计算机 2020(09)
- [14].基于改进的循环神经网络深度学习跌倒检测算法[J]. 电脑编程技巧与维护 2020(03)
- [15].神经网络探索物理问题[J]. 物理 2020(03)
- [16].基于GA-BP神经网络的城市用水量预测[J]. 现代电子技术 2020(08)
- [17].基于深度神经网络的药物蛋白虚拟筛选[J]. 软件工程 2020(05)
- [18].基于轻量级神经网络的人群计数模型设计[J]. 无线电工程 2020(06)
- [19].高效深度神经网络综述[J]. 电信科学 2020(04)
- [20].含磁场耦合忆阻神经网络放电行为研究[J]. 广西师范大学学报(自然科学版) 2020(03)
- [21].基于神经网络及特征运算的老年人平衡能力分析[J]. 重庆工商大学学报(自然科学版) 2020(04)
- [22].神经网络技术在机械工程中的应用及发展探析[J]. 科技创新与应用 2020(18)
- [23].基于竞争神经网络的变电站巡视周期分类[J]. 科技创新与应用 2020(18)
- [24].基于双向循环神经网络的语音识别算法[J]. 电脑知识与技术 2020(10)
- [25].结合相似日与改进神经网络的短期光伏发电预测[J]. 广西电业 2020(04)
- [26].基于神经网络的流感大数据分析[J]. 中华医学图书情报杂志 2020(03)
- [27].长短时记忆神经网络在地电场数据处理中的应用[J]. 地球物理学报 2020(08)
- [28].基于门控循环单元神经网络的公交到站时间预测[J]. 南通大学学报(自然科学版) 2020(02)
- [29].鼠脑神经网络的同步辐射3D成像研究[J]. 核技术 2020(07)
- [30].基于长短记忆神经网络的短期光伏发电预测技术研究[J]. 华北电力大学学报(自然科学版) 2020(04)