聚类分析在医疗费用数据挖掘中的应用_沈培.pdf

·18·华南预防医学2012年2月第38卷第1期SouthChinaJPrevMed，February2012，Vol38，No.1·论著·聚类分析在医疗费用数据挖掘中的应用沈培1，2，张吉凯3【摘要】目的建立一种预处理方法，在进行医疗费用数据挖掘时，将因变量（呈偏态分布的连续性变量）转换为分类变量，从而得到更加科学合理的研究结果。方法以广东省甲型病毒性肝炎医疗费用调查取得的115例患者为研究对象，分别采用中位数的分类方法和K-means聚类的方法作为预处理方法，对医疗费用这一呈偏态分布的因变量进行分类，然后建立支持向量机数学模型，采用支持向量机进行医疗费用影响因素分析；通过比较模型的预测精度、模型收益以及影响因素的筛选结果，确定最优的预处理方法。结果115例甲肝病人甲肝总住院费用中位数为2744.69元，呈偏态分布。应变量以中位数方法分类，采用支持向量机模型筛选影响因素结果显示，对医疗费用影响最大的有7个变量（前3位为医院等级、性别、疾病类型）；采用聚类分析进行数据预处理时筛选影响因素结果显示，对医疗费用影响最大的有7个变量（前3位为医院等级、住院天数、支付方式）。与中位数方法的分类方法比较，采用聚类分析进行数据预处理时，支持向量机模型结果得到的预测精度由91.30%上升到97.39%；收益图表陡峭地升高到100.00%然后渐渐变得平缓，显示模型收益更好；影响因素筛选结果更加科学合理，符合实际情况。结论聚类分析是一种优秀的数据挖掘预处理方法，具有良好的应用性。【关键词】数据挖掘；聚类分析；卫生保健费用中图分类号：R197.323文献标识码：A文章编号：1671－5039（2012）01－0018－05ApplicationofclusteringanalysisinmedicalexpensesdataminingSHENPei*，ZHANGJi-kai．*SchoolofManagement，HuazhongUniversityofScienceandTechnology，Wuhan430074，China【Abstract】ObjectiveInthemedicalexpenseresearch，establishapretreatmentmethodtotrans-formthecontinuousdependentvariabletocategoricalvariabletogetmorereasonableresult．MethodsDataof115patientswereobtainedfromthesurveyofmedicalcostsforpatientswithviralhepatitisinGuangdongProvince．TheclassificationofthemedianandK-meansclusteringmethodwereusedasapre-treatmentmethodtoclassifytheskeweddistributiondependentvariablesofmedicalexpensesforhepatitis．Then，asupportvectormachinemathematicalmodelwasestablishedtoanalyzetheinfluencefactorsofmed-icalexpensesbysupportvectormachine．Bycomparingtheforecastingaccuracy，modelgain，andselectionofdependentvariables，theoptimalpretreatmentmethodwasdetermined．ResultsThemedianofmedicalexpensesofhospitalizationfor115patientswithviralhepatitiswas2774.69yuan，showingaskeweddistri-bution．Usingsupportvectormachinemodelselectioninfluencefactors，theresultshowedthatsevenvaria-bleshadgreatestimpactonmedicalcosts（Thetopthreewerehospitallevel，gender，anddiseasetype．）．Whileusingclusteranalysisasdatapretreatmentmethod，theinfluencefactorsselectionshowedthatsevenvariableshadgreatestimpactonthemedicalexpenditure（The