况比较,分析各特征人群医疗消耗情况多元线性回归分析人群特征对于费用和住院天数的影响,分析主要影响因素DRGs分类操作DRGs分类操作数据分类——分类方法选择决策树(DecisionTrees)是当前世界流行、使用频率最高的数据挖掘方法,决策树是解决分类问题比较常用的方法之一,是一种用来实现分类以及预测功能的建立模型的方法。常见的决策树有卡方自动互动捡验法CHAID、ExhaustiveCHAID、分类与回归树CART和QUEST等方法。CHAID可以有效处理连续变量,并且实现对树的自动剪枝,顾多选择此方法进行分类。数据分类——CHAID简介DRGs分类操作构建决策树获取的多因素基础上构建决策树设置分类节点、决策树停止条件最大分层、父节点最小样本数、子节点最小样本数、拆分合并的置信度设定。剪枝采取后剪枝方法:允许决策树充分生长然后修剪掉多余的树枝。被修剪的结点就成为一个叶结点,并将其标记为它所包含样本中类别个数最多的类别。DRGs分类操作数据分类——CHAID之前粗分类按照ICD-10(主诊断编码)将所获得数据按照三位数类目表分类。方法一根据ICD-10编码类目的频数分布挑选构成前N位的疾病,即N种常见疾病。将排除常见疾病后的剩余的病例按ICD-10编码类目结合解剖部位、病因学、临床特征等因素分成M个非常见疾病。也就是将整个数据集划分成N+M个子集方法二方法一,根据有无手术分为手术组、非手术组。再按照有无并发症二次分类。方法三数据分类——确定CHAID决策树分类轴心住院费用和住院日都可以反映医疗资源消耗量,两者呈正相关关系。由于住院费用的变异程度小于住院日,因而选择住院费用作为分组轴心。DRGs分类操作数据分类——确定CHAID决策树分组变量根据住院费用影响因素分析的结果结合文献知识,选择年龄分段、入院情况、护理、手术、手术、次要诊断、抢救、出院情况等变量作为分类的解释变量。
全文预览
