基于数据挖掘算法的慢病住院费用预测模型分析

摘要

目的 以研究医保住院费用报销的合理性为目的,分析慢性传染性疾病门诊费用结构、门诊治疗情况及患者静态特征等因素对住院费用的影响,并通过数据挖掘算法构建住院费用的预测模型.方法 在构建模型的过程中,分别使用了决策树、Naive Bayes、Adaboost等算法,并比较了这些算法的准确度.结果 以上采用的模型算法可以使得预测模型的准确度达到93％ 以上,能够较好地预测住院费用的合理性.肾衰竭/尿毒症的门诊特病费用与住院费用呈负相关趋势(r=-0.10,P<0.05),高血压、冠心病、糖尿病、脑血管病均呈正相关趋势(r=0.11、0.10、0.12、0.11,P<0.05).结论 根据不同类别疾病的特点,可以调整部分住院治疗项目到门诊,以实现对住院费用的调控.