目的：　　随着深化医药卫生体制改革的稳步推进，医保患者在医院病人中所占的比例不断升高，医保收入在医院营业收入中所占的比重越来越大，对医保患者医疗费用的分析已经成为了医院医保科日常工作的重点。目前医院对于医保费用的分析主要采用手工整合各项数据，作简单统计分析，存在滞后性和不科学性，在学术领域应用数据挖掘的方法对医保费用进行分析的研究也较少，本研究旨在使用数据挖掘技术，建立挖掘模型，探讨其在医保患者住院费用分析的有效性，并挖掘出影响因素和知识规则，协助医院医保科对医保费用进行分析。　　方法：　　首先使用OLAP技术，建立科室、患者医保类型、疾病、转科、性别、年龄六个维度，与费用事实表作关联，采用星型结构模型构建医保费用多维数据集，在Microsoft SQL Server2008提供的Analysis Services进行统计分析；然后在SPSS Clementine数据挖掘工具中建立挖掘数据流，以是否超定额作为输出，构建C5.0决策树、CART决策树及BP神经网络算法模型，以各项费用作为输入分析其对超定额影响程度的大小，并以常见指标为输入，挖掘出超定额人群分类规则集；最后针对单病种，肺炎，选取9个临床特征，以住院总费用及住院天数作为输出分别建模，对两个模型作对比评价以及输入因素的敏感度分析。　　结果：　　OLAP多维分析方法，能为管理层分析超定额费用、制定单病种定额等提供数据展现与数据支持；对于是否超定额分析主题，发现控制西药费、治疗费和护理费对控制超定额会较为有效，三个模型的对比评价中，C5.0对训练数据集拟合效果较好，BP神经网络则在预测上准确率更高，所运用的常见指标共建立7个规则可判定患者超定额；对于单病种分析主题，住院总费用的神经网络模型效果较好，住院天数、住院科室、起付标准和定额标准为费用的主要影响因素。　　结论：　　OLAP多维分析方法有助于为医保费用分析人员提供一种根据行业主观经验和分析需要做多角度多方式灵活分析的方法，而建立挖掘模型对医保费用进行分析，证明其具有一定的有效性，所得到的知识规则是合理和可解释的，算法模型对比医保科所使用的统计方法能发现更深入的信息，尤其面对庞大业务数据时效果将会更显著。