摘要：隨著醫(yī)院信息系統(tǒng)的普及和規(guī)模的擴(kuò)大，其中蘊(yùn)藏的大量信息卻并沒(méi)有得到有效利用。對(duì)這些數(shù)據(jù)的挖掘可助醫(yī)院更高效地對(duì)醫(yī)院資源進(jìn)行合理分配、管理，提高醫(yī)療效率和質(zhì)量，并為患者帶來(lái)更及時(shí)、舒適的服務(wù)。本文嘗試使用分類的數(shù)據(jù)挖掘方法，利用R3.2.0軟件對(duì)2013年山西省某三甲醫(yī)院住院病案首頁(yè)信息進(jìn)行分類算法建模，并對(duì)2014年的醫(yī)療費(fèi)用及住院期長(zhǎng)度進(jìn)行預(yù)測(cè)，最終得到相關(guān)結(jié)論及建議。

關(guān)鍵詞：病案首頁(yè) 分類算法 醫(yī)院管理

一、引言

醫(yī)院在運(yùn)營(yíng)過(guò)程中積累了海量病案首頁(yè)數(shù)據(jù)，僅利用簡(jiǎn)單的統(tǒng)計(jì)方法無(wú)法滿足深入研究的需要。而在數(shù)據(jù)庫(kù)基礎(chǔ)上逐步發(fā)展起來(lái)的數(shù)據(jù)挖掘技術(shù)，能夠發(fā)現(xiàn)隱匿在數(shù)據(jù)背后的那些具有醫(yī)療價(jià)值的信息。由此，將數(shù)據(jù)挖掘技術(shù)應(yīng)用在病案首頁(yè)數(shù)據(jù)的處理和分析的過(guò)程中可能會(huì)有新的知識(shí)發(fā)現(xiàn)，故本文采用了分類的挖掘方法對(duì)影響醫(yī)療費(fèi)用與住院期長(zhǎng)度的因素進(jìn)行分類算法建模，并對(duì)2014年的樣本數(shù)據(jù)進(jìn)行預(yù)測(cè)。

二、文獻(xiàn)綜述

劉炳麟（2012）在探究住院費(fèi)用的影響因素時(shí)建立了決策樹(shù)模型，并且在預(yù)測(cè)醫(yī)院門診工作量時(shí)采用Microsoft時(shí)序模型;李鵬（2009）采用結(jié)構(gòu)方程模型對(duì)患者住院費(fèi)用的影響因素進(jìn)行分析;張?jiān)蒲螅?009）結(jié)合數(shù)據(jù)的特點(diǎn)采用改進(jìn)的Apriori算法分析醫(yī)院的醫(yī)療質(zhì)量情況;付學(xué)宇（2009）在選取能夠衡量醫(yī)療質(zhì)量指標(biāo)的基礎(chǔ)上構(gòu)建貝葉斯網(wǎng)絡(luò)模型探究病案首頁(yè)數(shù)據(jù)中潛在的、未知的因果關(guān)系。觀察先前的研究方向發(fā)現(xiàn)，從醫(yī)院管理的角度進(jìn)行挖掘的研究并不多，因此結(jié)合此次研究的數(shù)據(jù)，本文嘗試建立分類算法模型，預(yù)測(cè)醫(yī)療費(fèi)用以及住院期長(zhǎng)度兩個(gè)指標(biāo)，試圖幫助醫(yī)院更高效、合理地配置醫(yī)療資源，提高病患收治效益。

三、數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理是在對(duì)數(shù)據(jù)進(jìn)行主要的處理之前進(jìn)行的一些處理。由于所研究的大多數(shù)數(shù)據(jù)是參差不齊的，所以可能會(huì)導(dǎo)致后續(xù)的數(shù)據(jù)分析出現(xiàn)問(wèn)題，嚴(yán)重時(shí)會(huì)導(dǎo)致結(jié)論偏差較大，故數(shù)據(jù)預(yù)處理是極為必要的，其可以提高數(shù)據(jù)挖掘模式的質(zhì)量和效率。

（一）數(shù)據(jù)預(yù)處理

本文數(shù)據(jù)來(lái)自2013與2014兩年山西省太原市某三甲醫(yī)院真實(shí)的住院病案首頁(yè)數(shù)據(jù)，共計(jì)病案數(shù)38181條，涉及近160個(gè)指標(biāo)。本文僅選取與研究目的相關(guān)的一些指標(biāo)，并進(jìn)行隱私過(guò)濾、異常值與極端值的處理、屬性轉(zhuǎn)換與缺失值的處理。

（二）變量離散化

對(duì)于住院期長(zhǎng)度、醫(yī)療費(fèi)用等數(shù)值型變量，本文進(jìn)行離散化處理;對(duì)于付費(fèi)方式、戶籍所在地等類別變量，本文對(duì)其進(jìn)行賦值。

四、模型的構(gòu)建

（一）模型的選擇

選擇模型時(shí)，因?yàn)樨惾~斯分類對(duì)指標(biāo)間獨(dú)立性要求過(guò)高，本文未做考慮。實(shí)際操作過(guò)程中，本文選取了決策樹(shù)、隨機(jī)森林、人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等四種算法來(lái)做研究比較。

（二）訓(xùn)練集的構(gòu)建

機(jī)器學(xué)習(xí)的分類方法需要有一個(gè)已知分類的訓(xùn)練集作為模型學(xué)習(xí)的基礎(chǔ)，為滿足分類模型的訓(xùn)練和測(cè)試要求，本文對(duì)經(jīng)過(guò)預(yù)處理的2013年的樣本構(gòu)造五折交叉驗(yàn)證集。

（三）變量的選取

訓(xùn)練集產(chǎn)生后，本文將匯總離散化產(chǎn)生的11個(gè)變量數(shù)據(jù)集讀入R軟件中，用不同分類模型進(jìn)行了試算，發(fā)現(xiàn)有些變量在有些模型中不參與運(yùn)算或作用很小，說(shuō)明這些變量在分類中作用不大。本文采用信息增益的方法進(jìn)行特征選擇，實(shí)驗(yàn)結(jié)果表明，優(yōu)化后的變量集對(duì)各個(gè)分類模型的分類效果（識(shí)別精度）均有很大改善。

表1 最終使用變量列表

（四）各算法分類結(jié)果比較

1.醫(yī)療費(fèi)用（EIH）為因變量的分類模型結(jié)果比較。本文首先使用已得到的訓(xùn)練集和測(cè)試集在R中分別在不同的分類模型上進(jìn)行了具體實(shí)現(xiàn)，由于分類的水平值較多，本文只列出訓(xùn)練集與測(cè)試集的錯(cuò)分率：

表2 五折交叉驗(yàn)證結(jié)果

從表中可以看出，各個(gè)模型在訓(xùn)練集上和測(cè)試集上的錯(cuò)分率都較低，除決策樹(shù)測(cè)試集以外，均低于10%，且測(cè)試集上的錯(cuò)分率均略高于訓(xùn)練集。其中，隨機(jī)森林的錯(cuò)分率最低。

接著，本文使用以上四種算法對(duì)2014年的樣本數(shù)據(jù)組成的預(yù)測(cè)集進(jìn)行了預(yù)測(cè)，結(jié)果見(jiàn)表3。

表3 各模型預(yù)測(cè)結(jié)果比較（1）

隨機(jī)森林模型預(yù)測(cè)結(jié)果與實(shí)際數(shù)據(jù)最為接近，支持向量機(jī)的預(yù)測(cè)結(jié)果也較優(yōu)于其他兩類。但是二者的錯(cuò)分率都在5%以上。

2.住院期長(zhǎng)度（LOS）為因變量的分類模型結(jié)果比較。與1中的分類方法相同，本文直接列出各分類算法的預(yù)測(cè)結(jié)果比較：

表4 各模型預(yù)測(cè)結(jié)果比較（2）

支持向量機(jī)與隨機(jī)森林的預(yù)測(cè)結(jié)果與實(shí)際數(shù)據(jù)最為接近，但是二者也都具有5%以上的錯(cuò)分率。就醫(yī)情況隨著年份的增長(zhǎng)變化較大，如人們的收入增高，對(duì)就醫(yī)與醫(yī)療效果的質(zhì)量更為看重，因此投入更多;亦或因?yàn)楝F(xiàn)行醫(yī)療體制存在不健全的地方，過(guò)度醫(yī)療的現(xiàn)象屢禁不止。

五、本文的不足與建議

（一）本文的不足

1.本文所采用的數(shù)據(jù)均來(lái)自于病案首頁(yè)的信息，數(shù)據(jù)不夠豐富，得到的分類模型并不能更高效地對(duì)未分類樣本進(jìn)行預(yù)測(cè)。

2.醫(yī)療情況隨著技術(shù)的進(jìn)步以及人們對(duì)待醫(yī)療的態(tài)度變化較快，故采用前一年的數(shù)據(jù)建模，泛化能力并不強(qiáng)，分類預(yù)測(cè)結(jié)果一般偏低。

3.數(shù)據(jù)量不足。本文只取一家三甲醫(yī)院的數(shù)據(jù)，各醫(yī)院的專長(zhǎng)以及構(gòu)成的不同可能影響對(duì)總體的判斷，因此預(yù)測(cè)僅限于同一醫(yī)院。

4.部分變量缺失。本文數(shù)據(jù)取自某三甲醫(yī)院的病案首頁(yè)，其一些關(guān)鍵信息雖在病案首頁(yè)體現(xiàn)，但本文研究時(shí)并未得到這些數(shù)據(jù)，在一定程度上影響了結(jié)果的可靠度與深度。

5.對(duì)患者及醫(yī)院的行為分析還不夠深入，一定程度上影響了變量的構(gòu)建。

這些問(wèn)題都有待在今后更深入的研究中逐步完善、改進(jìn)。

（二）對(duì)分類算法在醫(yī)院管理中運(yùn)用的建議

1.通過(guò)對(duì)大量病例信息的統(tǒng)計(jì)與挖掘，建立病例組合，對(duì)已有的大量相似病案聚類，當(dāng)有新患者入院時(shí)，可找到與其最相似的病案，因此可以提前告知患者大概的費(fèi)用、住院時(shí)間和治療過(guò)程等，可起到輔助診斷的作用，并在一定程度上可有效監(jiān)督醫(yī)療費(fèi)用的上漲問(wèn)題。

2.逐步建立基于山西省的病案管理系統(tǒng)，并結(jié)合數(shù)據(jù)挖掘技術(shù)實(shí)現(xiàn)輔助診斷以及合理管理醫(yī)院資源、提高病患收治效益的目的。

3.完善現(xiàn)有的法律、法規(guī)、制度，并對(duì)所研究的數(shù)據(jù)進(jìn)行加密處理，以保護(hù)被調(diào)查者的隱私。

參考文獻(xiàn)：

[1]劉炳麟.數(shù)據(jù)挖掘技術(shù)在病案信息管理中的應(yīng)用研究[D].山東大學(xué)，2012.

[2]張文彤，竺麗明，王見(jiàn)義，鮑培芬.基于BP神經(jīng)網(wǎng)絡(luò)的中醫(yī)醫(yī)院住院費(fèi)用影響因素分析[J].中華醫(yī)院管理雜志，2005（03）：20-24.

[3]陳虹.某軍醫(yī)大學(xué)附屬醫(yī)院住院費(fèi)用結(jié)構(gòu)、影響因素及費(fèi)用標(biāo)準(zhǔn)研究[D].第三軍醫(yī)大學(xué)，2008.

[4]羅仁夏，吳彬.醫(yī)療保險(xiǎn)住院費(fèi)用調(diào)查及多因素分析[J].中國(guó)醫(yī)院統(tǒng)計(jì)，2006（01）：47-49.

（作者單位：山西財(cái)經(jīng)大學(xué)統(tǒng)計(jì)學(xué)院）