基于粗糙集與分類回歸樹的“病例組合”分類研究.pdf

1、基于粗糙集與分類回歸樹的“病例組合”分類研究這個課題，是在數(shù)據(jù)挖掘技術(shù)迅速發(fā)展的基礎(chǔ)上，針對國內(nèi)外對“病例組合”研究的深入及我國的醫(yī)療費用呈急劇上升的趨勢的情況下提出來的。基于“病例組合”的付費方式作為控制和緩解醫(yī)療費用的方法己經(jīng)在世界各國得到廣泛的注意和研究，并且在世界多個國家開始應(yīng)用。基于“病例組合”的付費方式被公認為是緩解醫(yī)療費用最有效的方法，它在衛(wèi)生政策、醫(yī)療管理以及衛(wèi)生經(jīng)濟等很多領(lǐng)域都有應(yīng)用意義。我國自1990年代起開始研究“

2、病例組合”，出現(xiàn)了AID算法及病例分型等幾種“病例組合”的方法，這些研究從不同角度對DRGs機制進行了探討，對促進我國醫(yī)療保健制度的改革，充分合理地利用現(xiàn)有衛(wèi)生資源具有一定的理論價值和實用價值。但由于我國對這些研究起步晚及醫(yī)療條件的局限性，目前我國對“病例組合”的統(tǒng)計分類尚無系統(tǒng)的研究。 首先介紹了國內(nèi)外對“病例組合”研究的現(xiàn)狀及在我國進行“病例組合”研究的必要性。然后列舉了兩種國內(nèi)常用的“病例組合”方法：AID算法和病例分型方

3、法，并分析了它們的優(yōu)缺點。AID算法的優(yōu)點是：具有篩選指標的功能；能根據(jù)設(shè)定的規(guī)則，用最優(yōu)二分割法自動選定分類截點，并且該截點對于分類來說是最好的；該方法每次只分裂一個指標變量，使計算十分方便。但是，AID算法主要用于對連續(xù)變量進行分析，病例組合研究中的數(shù)據(jù)多為離散數(shù)據(jù)，用處理連續(xù)變量的方法來處理離散數(shù)據(jù)效果不好；并且AID算法每次只分裂一個指標變量，如果變量之間存在交互作用時，用AID算法效果不好。病例分型的方法將普通病例與復(fù)雜疑難病

4、例區(qū)分后進行分析評價，其優(yōu)點在于各病例分型組組內(nèi)的病例在衛(wèi)生資源消耗上具有相當?shù)囊恢滦?，從而使醫(yī)療質(zhì)量評價能科學(xué)、客觀地反映醫(yī)療單位的實際，使質(zhì)量費用管理發(fā)揮正面導(dǎo)向作用。但病例分型方法缺乏一種共同認知的界定標準，不同級別醫(yī)院對危重度的認知程度不同；醫(yī)生對病情危重度的判斷受本人技術(shù)水平的影響；由于病情危重度與費用掛鉤，不排除第一診斷受利益因素的干擾；選擇ICD－9或10前3位數(shù)類目編碼進行分類，存在分類不精確的弊病。 根據(jù)粗糙集

5、和決策樹技術(shù)兩種理論的的互補性，研究一種新的“病例組合”分類模型：將粗糙集與分類回歸樹相結(jié)合的“病例組合”分類模型。該模型既具有粗糙集的一些優(yōu)點：通過屬性約簡，可以成功地剔除知識庫中的冗余屬性，發(fā)現(xiàn)知識中隱藏的關(guān)聯(lián)和規(guī)則，幫助人們做出正確簡潔的決策；又具有決策樹的分類精度高，有良好的學(xué)習(xí)能力和簡單的樹形結(jié)構(gòu)。并且該模型可以有效處理連續(xù)變量與離散變量的分類，并給出了精確而又穩(wěn)健的分析方法，能夠處理非線性、具有交互作用及數(shù)據(jù)缺失信等較為復(fù)雜

6、的數(shù)據(jù)，且易于掌握，結(jié)果解釋也簡單。該模型包括粗糙集屬性約簡和分類回歸樹以及二次優(yōu)化程序三大模塊。粗糙集部分對屬性向量集進行維數(shù)約簡。在分類回歸樹部分，介紹了分類回歸樹的生長算法、用最小代價-復(fù)雜度的二叉樹剪枝算法以及最優(yōu)樹選擇等算法。在二次優(yōu)化程序部分主要是根據(jù)“病例組合”的特點對最優(yōu)樹重新組合得出最合適的“病例組合”。 利用系統(tǒng)實現(xiàn)了該模型，以廣西桂林醫(yī)學(xué)院附屬醫(yī)院提供的數(shù)據(jù)在該系統(tǒng)上運行，利用方差分析方法對得出的病例組合給