基于醫(yī)保數(shù)據(jù)的疾病預測和轉(zhuǎn)診行為分析.pdf

1、醫(yī)療保險在人們的醫(yī)療行為中扮演著非常重要的作用，醫(yī)保數(shù)據(jù)記錄了病人疾病、費用、就診時間、就診地點及人口統(tǒng)計學等方面的諸多信息。通過對醫(yī)保數(shù)據(jù)的分析和挖掘，可以做很多有意義的研究，如發(fā)現(xiàn)疾病的發(fā)病模式，預測疾病的發(fā)展趨勢，分析病人的就診模式，評估醫(yī)療政策在實際中的效果等等。這一方面可以為醫(yī)療專業(yè)領(lǐng)域的人提供進一步研究的啟示，另一方面可以提示人們在面對疾病時的注意事項，也可以從政策層面，為醫(yī)療管理者提供有借鑒意義的參考。
　　本文針對

2、醫(yī)保數(shù)據(jù)，主要從兩方面來進行研究。一個是疾病之間的潛在關(guān)系，通過數(shù)據(jù)中相似病人的發(fā)病歷程，尋找疾病之間的關(guān)聯(lián)性，從而為疾病的預防控制和治療提供指導。這是從疾病的防控方面來進行論述。另一方面，由于該研究使用的數(shù)據(jù)是全樣本數(shù)據(jù)，可以對病人在觀察期內(nèi)的所有就診記錄進行分析，從而找到影響病人就診行為的因素。這是從病人就診治療的過程方面來進行論述。
　　傳統(tǒng)的疾病預測主要是集中研究某一種或某幾種疾病將來的預后狀況，而且是寬泛的研究，并不能針

3、對病人自身，進行個性化的預測。另一方面，傳統(tǒng)的研究方法需要進行長期的觀察和實驗，對病人的狀況進行跟蹤和記錄，需要消耗大量的人力和物力成本。本研究提出的CAC方法，將數(shù)據(jù)挖掘中的幾種算法結(jié)合起來，僅僅利用醫(yī)保數(shù)據(jù)中人口統(tǒng)計學和疾病相關(guān)的信息，可以對多病種進行分析，還可為病人進行個性化的預測。本文根據(jù)慢性病人和急性病人的不同特征，分別進行了預測，對急性疾病的預測準確率達到了71％，對慢性疾病的預測準確率則達到了82％。這種對多病種個性化的預

4、測方法在文獻中很少出現(xiàn)，本文的結(jié)果比僅有的少數(shù)研究都有所提高。針對本研究的預測方法，本文利用測試集數(shù)據(jù)做了案例分析，病人的實際狀況與本研究的預測結(jié)果吻合度非常高。將預測結(jié)果與病人的不同特征相結(jié)合，本研究發(fā)現(xiàn)病人的醫(yī)療費用并沒有反映其病情的真實狀況，由此對醫(yī)療政策給出相關(guān)的建議，并引出第二個研究點。
　　本文這里研究的病人就診行為主要是病人就診時的轉(zhuǎn)診行為。我國的醫(yī)療體系是一個龐大而復雜的層級系統(tǒng)。理論上來講，病人對醫(yī)療機構(gòu)的選擇是

5、不受限制的。但是，在實際就醫(yī)的過程中，針對不同的醫(yī)療群體，又存在政策、醫(yī)院和病人自身因素等多方面的影響。在多種因素的綜合作用下，病人會如何選擇，哪些因素對病人的選擇會產(chǎn)生怎樣的影響，這是政府層面、醫(yī)院方面以及病人都非常關(guān)注的問題。本研究化繁為簡，對病人就診時的不同選擇行為進行歸類，對病人的就診行為（本文稱之為廣義轉(zhuǎn)診，簡稱轉(zhuǎn)診）進行了清晰的定義，并以此為基礎(chǔ)，提出細致化的轉(zhuǎn)診模型，考慮到了多次轉(zhuǎn)診的情況，對轉(zhuǎn)診模式進行了全面分析。提出換