基于聚类方法的医疗费用数据挖掘研究
摘要:
目的 医院病案库内数据正大幅增长,但缺乏数据的集成和分析,更谈不上对医学决策和知识的自动获取,为进一步探索和研究住院病人年龄与平均住院日及平均住院费用之间的联系.方法 我们使用K-means聚类算法,对医院病案库信息系统中病人年龄、住院时间、住院医疗费用数据进行挖掘,分析内在联系,寻找规律.结果 发现30-60岁的住院时间较短,15天以下,但日平均费用并不低,150元以上.而当住院天数超过30天,日平均费用降低至150元以下.说明医疗保险政策还有潜力可挖.结论 可以建立一套完整的、合理的、适用的、医疗治疗体制外的保健、保养政策和机构,尽可能的缩短病人平均住院日,降低医院日平均消耗,加大危险期、急性期病情费用的投入,待病人病情稳定后转入相应的保健、保养机构继续调理.
-
doi:
-
关键词:
K-means聚类
医疗费用
数据挖掘
-
Keyword:
K-means clustering
Medical expenses
Data mining
-
作者:
戴子卿
陈俐
邹郢
邹文
荣霞
王敏
冯洁
-
Author:
Dai Ziqing
Chen li
Zou Ying
Zou Wen
Rong Xia
Wang Min
Feng Jie
-
作者单位:
-
刊名:
中国病案
-
Journal:
-
年,卷(期):
-
所属期刊栏目:
-
基金项目
-
在线出版日期:
-
页码: