在使用机器学习的椎盘关节整形术后,预测初级入学总费用
Paul G Mastrokostas1, Leonidas E Mastrokostas2, Ahmed K Emara3
1Department of Orthopaedic Surgery, SUNY Downstate Health Sciences University, Brooklyn, NY, USA; Department of Orthopaedic Surgery, Maimonides Medical Center, Brooklyn, NY, USA.
The spine journal : official journal of the North American Spine Society
|September 27, 2024
概括
医院的大小和地区显著影响椎椎间板关节整形术 (CDA) 的成本. 机器学习准确地预测这些费用,帮助在脊柱手术中做出经济决策.
科学领域:
- 脊柱手术经济学 脊柱手术经济学
- 医疗服务研究 医疗服务研究
- 医疗器械的利用 医疗器械的利用
背景情况:
- 宫椎间盘关节整形术 (CDA) 是脊柱融合的一个越来越多的替代方案.
- 了解CDA的成本驱动因素对于医疗保健经济学至关重要.
- 患者和医院因素影响CDA的入院费用.
研究的目的:
- 评估医院规模,地区和患者因素如何影响CDA入院费用.
- 为了确定宫椎间盘关节整形术中经济结果的关键预测因素.
- 评估机器学习在分析CDA成本方面的实用性.
主要方法:
- 国家住院患者样本 (NIS) 数据 (2016-2020年) 的回顾性分析.
- 机器学习模型 (逻辑回归,随机森林,梯度增强) 用于电荷预测.
- 多变量线性回归分析了电荷决定因素.
主要成果:
- 大型私人医院和美国西部地区的CDA费用较高.
- 梯度增强模型在预测电荷方面实现了85.6%的准确性.
- 居留时间增加和工资指数提高与成本上升有显著的相关性.
结论:
- 医院的特点和地理位置是CDA成本的重要预测因素.
- 机器学习有效地模拟和预测手术费用.
- 整合预测模型可以优化脊柱手术中的医疗保健支出.
