基于机器学习的冠心病住院费用预测研究

• 作者: 夏涛 徐辉煌 郑建立
• 来源期刊: 智能计算机与应用
• 学科: 医学
• 关键词: 冠心病 住院费用 集成学习 随机森林 极端梯度提升
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 学术研究与应用
• 页码范围: 35-39
• 页数: 5页
• 分类号: R197.1
• 字数: 4728字
• 语种: 中文

摘要

冠心病是一种常见的心血管疾病,具有高发病率的特点.因此,冠心病住院费用的预测对于控制医疗费用有着重要意义.本文基于机器学习方法,通过将总的住院费用划为8个分项费用,以患者特征作为输入,结合随机森林与极端梯度提升算法,并使用十折交叉验证确定最佳的分项费用预测模型.再根据分项费用的预测值进行求和得出总的预测住院费用.总费用预测模型的拟合优度(R2)为0.825,平均绝对百分比误差(M4PE)为29.16％.以此预测模型测试新的数据集,结果R2为0.769,MAPE为29.13％.结果 表明,本文建立的费用预测模型能够有效地预测冠心病住院费用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑建立	上海理工大学医疗器械与食品学院	45	167	8.0	10.0
2	夏涛	上海理工大学医疗器械与食品学院	2	2	1.0	1.0
3	徐辉煌	上海理工大学医疗器械与食品学院	2	4	2.0	2.0