关键词:
日间手术
住院费用
XGBoost
BP神经网络
支持向量机
摘要:
目的 探讨XGBoost、BP神经网络和支持向量机对日间手术患者住院费用的预测价值,选择最优模型,为医院合理优化日间手术医疗资源配置提供科学依据。方法 利用某三甲医院2018年1月—2021年8月日间手术中心患者病案首页共9 064份,通过Excel建立数据库,采用SPSS 21.0软件进行描述性分析。对于日间手术患者住院费用的分析预测,利用Python建立XGBoost、BP神经网络和支持向量机模型,比较评价指标选出最优模型,从而对医院日间手术患者的住院费用作出精准预测。结果 该院患者住院费用的中位数为2 872.11元。XGBoost模型预测住院费用的R方值为0.854,MAPE值为0.209;BP神经网络的R方值为0.837,MAPE值为0.240;支持向量机的R方值为0.730,MAPE值为0.225。综合两个评价指标,XGBoost预测的准确性比BP神经网络和支持向量机更高。结论 XGBoost比BP神经网络和支持向量机在日间手术患者住院费用预测研究中表现更具优势,具有较高的估算精度和可靠性。通过对住院费用的精准预测,可为相关医疗运营管理者提供决策参考,在保证医疗质量的情况下主动控费,从而达到引导医疗行为、提升医院资源使用效率的效果。