缺血性心脏病住院费用预测:使用网络分析进行可解释特征提取
Kaidi Gong1, Yajun Xue2, Lingyun Kong2
1Department of Industrial Engineering, Tsinghua University, Beijing, 100084, China.
Journal of biomedical informatics
|May 8, 2024
概括
准确预测缺血性心脏病 (IHD) 的医疗保健成本至关重要. 一个新的网络增强的机器学习模型准确地预测了IHD住院费用,并确定了高成本的诊断和程序.
科学领域:
- 医疗信息学 医疗信息学
- 机器学习 机器学习
- 卫生经济学 卫生经济学
背景情况:
- 缺血性心脏病 (IHD) 是一个重大的全球健康和经济挑战.
- 准确预测医疗保健成本对于IHD管理中的有效资源配置至关重要.
研究的目的:
- 开发一种可解释的机器学习模型,用于预测IHD住院费用.
- 为了确定特定的诊断和程序,有助于高的医疗保健支出在IHD患者.
主要方法:
- 开发了一个网络增强的机器学习模型,集成网络分析和图形内核技术.
- 从诊断程序竞争网络中提取可解释的特征,以捕捉复杂的医疗代码关系.
- 利用时间验证数据集来评估模型性能.
主要成果:
- 网络增强模型实现了0.804 ± 0.008的R2和17,076 ± 420元人民币的RMSE.
- 性能与较不易解释的模型相比,在准确性和可解释性之间取得了平衡.
- 确定关键诊断 (例如,急性损伤) 和程序 (例如,临时心脏起器安置) 与成本增加有关.
结论:
- 拟议的模型为IHD住院费用提供了预测准确性和可解释性之间的平衡.
- 它提供了有关成本驱动因素的见解,支持IHD的智能管理.
- 可解释性质有助于在IHD护理途径中识别特定的高成本医疗事件.
