文献类型：期刊文章

作　　者：陈默[1] 蔡苗[2] 黄阿红[1] 沈梦雪[1] 吴其[1] 张泽苗[1] 乐虹[1]

CHEN Mo;CAI Miao;HUANG A-hong(School of Medicine and Health Management,Tongji Medical College,Huazhong University of Science and Technology,Wuhan,Hubei,430030,China)

机构地区：[1]华中科技大学同济医学院医药卫生管理学院,湖北武汉430030 [2]圣路易斯大学公共卫生与社会正义学院流行病与生物统计系,美国圣路易斯63103

出　　处：《中国医院管理》

基　　金：国家自然科学基金重点资助项目(71333005);国家社会科学基金重大项目(15ZDC037)

年　　份：2019

卷　　号：39

期　　号：5

起止页码：45-47

语　　种：中文

收录情况：BDHX、BDHX2017、JST、NSSD、RCCSE、ZGKJHX、核心刊

摘　　要：目的探寻有效方法分析大病患者住院费用的主要影响因素,为控制住院费用提供合理对策。方法样本选取2016年1月—2017年5月湖北省某市城镇居民基本医疗保险大病患者住院信息,采用K-means聚类和支持向量机进行分析。结果聚类优度检验提示将住院费用分为3类最佳,基于RBF核函数的支持向量机模型的预测准确度最高,住院费用的主要因素为主诊断疾病、住院日、医院级别、医保业务类别和医院类型。结论 K-means聚类与支持向量机模型可作为分析大病患者住院费用的有效方法,为控制住院费用提供策略。

关 键 词：住院费用 聚类 支持向量机 数据挖掘

分 类 号：R197.322]