论文部分内容阅读
我国如今的医疗面临着老百姓“看病难,看病贵”、紧张的医患关系以及治疗同一种情况的疾病在不同医院,不同医生那里支付的费用都是不一样的等诸多问题。而费用的巨大差异来源于没有一个统一的疾病治疗路径,各个医院甚至各个医生都有自己的对同一种疾病的治疗方式。我国近几十年来采用了多种医疗付费制度,但依然不能有效的改善所面临的问题。鉴于DRGs(疾病诊断分组)在国际上广泛和有效的应用,本文面向诊断分组来制定治疗疾病的费用,预测疾病的费用,以此方式来规范乃至统一疾病的治疗路径,来改善我国所面临的诸多医疗问题。首先,本文采用四川省某市部分医院的病案首页数据作为数据源,应用数据分析和数据挖掘相关知识对数据进行必要的数据预处理,包括数据清理、数据规约、数据集成和数据变换。使得数据符合数据分析和数据挖掘的要求,提高研究结果的准确性和有效性。其次,研究北京DRGs的分组原理和分组逻辑方法,并且应用其分组逻辑和分组方式对数据进行分组,并对分组进行命名;研究数据挖掘中的决策树算法CART和CHAID,应用算法对数据进行分组,并对分组进行命名。以此得到两种方式建立的模型分组,形成了两个对照组。再次,研究北京DRGs的分组费用制定方式,应用该方式对分组数据进行医疗费用的计算和制定;研究决策树算法对分组医疗费用的制定并以此制定各组的费用。用测试数据对两种模型下分组费用的合理性和准确性进行测试,并对比两种方式下的费用预测效果。同时提出了DRGs付费制度的实施方案。最后,采用Structs2框架技术和JavaWeb编程实现一个简单的费用预测系统,该系统支持应用北京DRGs和决策树DRGs分组模型对医疗费用进行预测。数据挖掘中对连续值的预测一般采用回归等方式,而决策树分组一般应用于目标变量为离散值的预测。本文采用决策树来预测医疗费用这样的连续值,旨在形成DRGs分组,规范医疗费用,规范治疗路径,以此来改善我国面临的诸多医疗问题。最终得到的决策树DRGs分组对医疗费用的预测比北京DRGs分组费用预测效果好。