基于数据挖掘技术的妇科肿瘤病人住院费用研究

论文摘要

目的近年来,随着医疗费用的急剧增长,如何有效控制住院费用的上涨已成为当前我国医疗卫生改革的重点之一。妇科恶性肿瘤病死率高,医疗资源消耗大,目前对于妇科恶性肿瘤单病种费用的研究较少,缺少合理可行的费用参照体系,而医疗保险预付款制度以及医院卫生经济管理都需要相关的费用数据,因此研究妇科恶性肿瘤单病种医疗费用具有重要意义。方法数据挖掘是近年来刚兴起的一门新技术,其在医疗卫生方面的应用不管在国内还是国外都是一个新的领域。本研究选择河南省某肿瘤专科医院2003-2008年有关妇科恶性肿瘤的ICD-10编码病案首页资料,共计7650份。通过剔除异常值和处理缺失值,并参考卫生经济学方法和国家官方统计数据对相关数据进行校正；分析不同影响因素下住院费用情况；对变量进行正态性转换以及筛选住院费用的主要影响因素；分别利用决策树方法和人工神经网络技术建立住院费用的影响因素模型。数据分析过程在软件Microsoft Excel 2003以及SPSS Clementine中实现。结果对处理后的数据进行描述性统计分析,得出妇科恶性肿瘤患者住院费用的影响因素,包括入院诊断、年龄、婚姻、术前住院天数、住院天数、入院情况、出院情况、手术方式以及麻醉方法。在数据挖掘部分,将妇科恶性肿瘤病例分为经手术治疗病例和未经手术治疗病例,并应用特征选择节点的方法筛选出住院费用的主要影响因素,得出经手术治疗病例住院费用的主要影响因素为入院诊断、手术名称、住院天数、术前住院天数和年龄；未经手术治疗病例住院费用的主要影响因素为入院诊断、住院天数、出院情况和年龄。建立决策树模型和人工神经网络模型。其中经手术治疗病例与未经手术治疗病例的决策树模型分别为三层12分类模型和两层7分类模型,并得出了各个类别的百分比及住院费用参考范围；而人工神经网络模型均为输入层、隐藏层1和输出层分别有25个、3个和4个神经元。经过评估,决策树模型和人工神经网络模型预测的正确率均达到了80%以上。结论本研究运用决策树模型对住院费用进行了建模分类,并给出了各类别的百分比和住院费用参考范围。相关部门在对妇科肿瘤病例住院费用分析时,可以将此参考范围用于医疗资源消耗的评价和制定医疗费用标准范围。同时本研究对于客观评价医疗的产出,建立国家或医保对医院的偿付标准,合理使用医疗资源及制定合理的医疗资源消耗标准具有重要意义。

论文目录

• 摘要
• Abstract
• 目录
• 图和附表清单
• 图和附表清单
• 英文缩略词表
• 1 引言
• 2 材料与方法
• 2.1 研究资料
• 2.2 研究方法
• 3 结果
• 3.1 描述性统计分析
• 3.2 数据挖掘
• 4 讨论
• 5 结论
• 参考文献
• 综述
• 参考文献
• 个人简历、在学期间发表的学术论文与研究成果
• 致谢