在使用机器学习的单级腰椎关节切除术后,预测初级入院总费用
Paul G Mastrokostas1,2, Leonidas E Mastrokostas1,2, Abigail Razi2
1Department of Orthopaedic Surgery, SUNY Downstate Health Sciences University, Brooklyn, NY, USA.
Global spine journal
|April 17, 2025
概括
机器学习确定了影响单层腰椎关节节术成本的关键因素. 医院的大小,地区和住院时间对总费用产生了重大影响,随机森林模型显示出高预测准确度.
科学领域:
- 卫生经济学 卫生经济学
- 医疗信息学 医疗信息学
- 脊柱外科手术 脊柱外科手术
背景情况:
- 脊柱手术的医疗费用是一个重大问题.
- 预测单层腰椎关节节的总负荷是复杂的.
- 了解成本驱动因素对于医疗保健的财务管理至关重要.
研究的目的:
- 为了确定影响单层腰部关节位治疗的初级入院期间总负荷的关键因素.
- 利用机器学习模型提高医疗保健成本的预测准确性.
- 分析影响手术成本的患者特异性和医院相关变量.
主要方法:
- 从国家住院样本 (NIS) 数据库 (2016-2020年) 来回顾分析了78,022例单级腰椎关节形病例.
- 机器学习模型的应用,包括随机森林,梯度增强树木和物流回归.
- 多变量线性回归用于识别与电荷相关的变量.
主要成果:
- 单层腰椎关节骨修术的平均总费用为145,600美元±102,500美元.
- 重要的成本预测因素包括住院时间,医院规模,医院所有权和地区.
- 随机森林模型实现了更高的预测准确性 (AUC = .866).
结论:
- 医院的特点,区域因素和患者的特点显著影响单层腰椎关节位治疗费用.
- 机器学习,特别是随机森林,为预测医疗保健成本提供了强大的工具.
- 研究结果支持在脊柱外科手术成本管理方面改善资源配置和决策.
