基于机器学习的成本预测模型,用于中国精神病患者的住院治疗
Yuxuan Ma1, Xi Tu1, Xiaodong Luo2
1School of Health Policy and Management, Chinese Academy of Medical Sciences & Peking Union Medical College, Beijing, China.
BMC psychiatry
|January 9, 2025
概括
准确预测心理健康患者的平均每日住院费用 (ADHC) 对医疗保险报销至关重要. 一个随机森林模型有效地预测了ADHC,确定了影响成本的关键因素,如医疗机构水平和患者特征.
科学领域:
- 卫生经济学 卫生经济学
- 医疗信息学 医疗信息学
- 精神病学是一个精神病学.
背景情况:
- 精神疾病的流行率上升增加了医疗保健支出.
- 准确预测住院费用对于医疗保险退款至关重要.
- 每日住院费用支付模型需要先进的方法来预测平均每日住院费用 (ADHC).
研究的目的:
- 开发和评估机器学习模型,用于预测心理健康住院患者的ADHC.
- 确定影响ADHC改进保险报销策略的关键因素.
- 探索先进算法的实用性,以管理精神疾病的医疗保健成本.
主要方法:
- 利用了来自中国金华市5070名住院精神疾病患者的数据.
- 采用了六个机器学习算法来预测ADHC.
- 使用5倍交叉验证和启动链方法评估模型性能.
主要成果:
- 随机森林 (RF) 模型实现了最佳性能 (R-平方 = 0.6417).
- 影响ADHC的主要因素包括医疗机构水平,年龄,功能和认知分类.
- 具有前11个因素的模型显示性能与使用所有变量相比.
结论:
- 机器学习,特别是射频算法,显著提高了心理健康患者的ADHC预测准确度.
- 调查结果支持建立更公平的保险支付标准.
- 该研究有助于优化心理健康护理临床实践中的资源配置.
