GBOM和改進(jìn)條件下SVM的DRGs系列成本預(yù)測(cè)分析

耿洪

關(guān)鍵詞：GBOM ?改進(jìn)條件下SVM ?DRGs病種系列 ?成本預(yù)測(cè) ?模型建立

近幾年，國(guó)內(nèi)外的醫(yī)院不斷在醫(yī)療服務(wù)付費(fèi)制度的改革，常見的病種費(fèi)用和成本預(yù)測(cè)的方式較多，例如作業(yè)成本法，邊際成本法等。這些方式運(yùn)神經(jīng)網(wǎng)絡(luò)，回歸等方式，加強(qiáng)了病種成本預(yù)測(cè)以及因素控制。但是這些模型的預(yù)測(cè)僅僅針對(duì)單疾病的預(yù)測(cè)有效果，對(duì)DRGs的病種預(yù)測(cè)沒有引起重視?，F(xiàn)代研究表明，病種的成本因素控制和選擇方式多依據(jù)成型的模型或者是專家理論，但是缺乏一定的試驗(yàn)樣本，導(dǎo)致成本模型預(yù)測(cè)的選擇和評(píng)估方面依舊存在問題。且強(qiáng)化研究也會(huì)消耗大量的成本，影響模型的精度。經(jīng)過實(shí)踐證明，實(shí)施DRGs能夠有效避免醫(yī)療費(fèi)用的增長(zhǎng)。通過對(duì)DRGs病種系列進(jìn)行成本預(yù)測(cè)，能夠促使醫(yī)院在滿足醫(yī)療質(zhì)量的前提下，通過修改治理方案降低醫(yī)療成本。進(jìn)而推動(dòng)醫(yī)院的成本水平朝著健康的方向發(fā)展，為后期的成本優(yōu)化控制奠定了基礎(chǔ)。

一、影響GBOM病種系列成本的因素

DRGs病種系列內(nèi)的各種信息為成本預(yù)測(cè)提供了參數(shù)，能夠?qū)?shí)例的主要特征反應(yīng)出來，開展識(shí)別、操作，本身具備層次性的特點(diǎn)。病種成本因素屬于主要影響因素，能夠直接影響預(yù)測(cè)結(jié)果。實(shí)施DRGs病種系列成本預(yù)測(cè)，需要制定醫(yī)院臨床病例，以便快速響應(yīng)病人的需求，要求對(duì)應(yīng)的物料單、醫(yī)療項(xiàng)目、藥品清單等必須要清晰。由于DRGs病種系列的診斷種類較多，案例數(shù)量較為龐大，按照傳統(tǒng)的病種結(jié)構(gòu)構(gòu)建BOM將會(huì)導(dǎo)致實(shí)例變化快，會(huì)影響預(yù)測(cè)數(shù)據(jù)的精準(zhǔn)性。

二、改進(jìn)條件下SVM的DRGs病種系列成本預(yù)測(cè)模型建立

本文針對(duì)SVM的病種成本預(yù)測(cè)和成本分析可分為多個(gè)階段。首先，根據(jù)原始數(shù)據(jù)學(xué)習(xí)樣本，再根據(jù)樣本的特點(diǎn)進(jìn)行量化和離散化分析，得到條件構(gòu)成的決策表。其次，借助RS理論強(qiáng)化技術(shù)研究，并得新的學(xué)習(xí)樣本集，在采用PSO的集合算法，優(yōu)化SVM的結(jié)構(gòu)參數(shù)，在針對(duì)優(yōu)化后的SVM病種成本模型進(jìn)行預(yù)測(cè)分析，輸出最小條件屬性集的數(shù)據(jù)形成的測(cè)試樣本集，輸出新的預(yù)測(cè)結(jié)果。

（一）影響因素

粗糙集理論最早是在1982年提出，主要是進(jìn)行應(yīng)用于數(shù)據(jù)理論分析、被廣泛應(yīng)用在機(jī)器、人工智能等領(lǐng)域。粗糙集（RS）能夠有效處理模糊、不確定信息，其中屬性簡(jiǎn)化屬于核心?？梢越柚燃?jí)管理理論，將不必要的信息剔除，簡(jiǎn)化決策表。應(yīng)用于病種成本預(yù)測(cè)模型中，能夠選出有效的病種成本影響因素。

（二）SVM病種成本預(yù)測(cè)

SVM能夠根據(jù)樣本數(shù)據(jù)，將構(gòu)建風(fēng)險(xiǎn)最小化，將不可分的數(shù)據(jù)集中在高特征的空間中，促使樣本在高維空間中得到精準(zhǔn)區(qū)分，有效解決低維空間中的難題。假設(shè)成本影響因素為 ，成本預(yù)測(cè)值為 ，那么SVM的病種成本預(yù)測(cè)步驟如下：

（1）假設(shè)1的訓(xùn)練樣本集合：

（2）高維空間內(nèi)超出平面的表達(dá)式為：

SVM估算回歸函數(shù)中，借助非線性思想，在空間數(shù)據(jù)內(nèi)輸入x，將其映射在高維特征空間內(nèi)，在高維空間內(nèi)開展線性回歸。SVM的預(yù)測(cè)函數(shù)為： ?。

（3）在 SVM中采用結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理，通過使用 ，對(duì)風(fēng)險(xiǎn)進(jìn)行衡量，衡量式子為：

（4）若是借助回歸預(yù)測(cè)將上述式子的風(fēng)險(xiǎn)最小化，用SVM對(duì)病種系列的成本回歸預(yù)測(cè)可以轉(zhuǎn)化為最小值，即K（xi，x）為核函數(shù)。針對(duì)非線性情況，在特定的核函數(shù)內(nèi)，可以在樣本中選定任何一個(gè)樣本作為支持向量w，其回歸預(yù)測(cè)函數(shù)為：

綜上所述，使用SVM需要確定不敏感值、核函數(shù)、懲罰因子。

（三）借助POS算法實(shí)現(xiàn)SVM參數(shù)優(yōu)化

由于SVM成本預(yù)測(cè)的精準(zhǔn)度與之間有著較大的關(guān)系，在優(yōu)化算法時(shí)，需要先對(duì)各類參數(shù)組合進(jìn)行優(yōu)化，確保預(yù)測(cè)性能的最優(yōu)化。粒子算法屬于一種群體優(yōu)算法，主要是對(duì)隨機(jī)粒子進(jìn)行初始化，借助迭代選擇最優(yōu)解，接著進(jìn)行適應(yīng)度評(píng)估。若是粒子處于最優(yōu)位置，就按照相應(yīng)的格式更新粒子的速度，若是未處于最優(yōu)位置，就替換出位置偏差的粒子，在粒子達(dá)到迭代次數(shù)時(shí)，就停止迭代，進(jìn)而將最優(yōu)解輸出。

三、DRGs病種系列成本預(yù)測(cè)案例

考慮到SVM在解決測(cè)試中的問題、成本測(cè)算優(yōu)勢(shì)，選擇30組病例作為預(yù)測(cè)數(shù)據(jù)。

藥費(fèi)構(gòu)成比例使用等頻率離散法對(duì)連續(xù)性屬性進(jìn)行離散，在遺傳算法的計(jì)算下，得到的屬性集合為{診斷、年齡、住院天數(shù)、麻醉方式、用藥占比}，將獲得的原始數(shù)據(jù)進(jìn)行重新構(gòu)建，形成新的訓(xùn)練樣本，接著輸入數(shù)據(jù)進(jìn)行SVM訓(xùn)練，輸入測(cè)試數(shù)據(jù)開展成本預(yù)測(cè)。其中PSO的規(guī)模群體為40、迭代次數(shù)為400，加速常數(shù)為C1=1.5、C2=1.7，得到參數(shù) ?。通過對(duì)比以上算法得知，改進(jìn)之后的SVM測(cè)試方法得到的MAPE值最小，平均絕對(duì)百分比誤差公式為：

其中R（i）為實(shí)際值、F（i）為預(yù)測(cè)值，N代表樣本的數(shù)量。在整個(gè)預(yù)測(cè)過程中，BP神經(jīng)網(wǎng)絡(luò)的計(jì)算時(shí)間為15.98s、SVM計(jì)算時(shí)間為1.35s，改進(jìn)后SVM的計(jì)算時(shí)間為5.71s，PSO-SVM 的計(jì)算時(shí)間為7.53s。以此可見，經(jīng)過改造之后的SVM相比其他幾種預(yù)測(cè)方法在速度、精準(zhǔn)度上具備較高的優(yōu)勢(shì)，因此，在DRGs病種系列成本預(yù)測(cè)上的應(yīng)用前景較為顯著。

四、結(jié)束語

綜上所述，本文通過建立GBOM基礎(chǔ)上的DRGs病種系列成本影響因素模型，在改進(jìn)SVM數(shù)據(jù)挖掘上的DRGs病種系列成本預(yù)測(cè)方法。通過分析了病種的成本多因素和非線性特點(diǎn)，結(jié)合醫(yī)院的醫(yī)療配置相似性進(jìn)行了分析，對(duì)醫(yī)院病種成本因素進(jìn)行預(yù)測(cè)，充分考慮各項(xiàng)影響因素，線性（非）特點(diǎn)，通過實(shí)際案例證明，基于BGOM和改進(jìn)SVM的DRGs病種系列成本預(yù)測(cè)適用性較強(qiáng)，針對(duì)一些新實(shí)例因素，能夠在最小條件屬性集內(nèi)進(jìn)行成本預(yù)測(cè)。具備顯著的應(yīng)用情景，能夠有效輔助醫(yī)院病種系列的成本預(yù)測(cè)。

參考文獻(xiàn)

[1]徐靖，劉子先，李竹梅，李惠.基于GBOM和改進(jìn)SVM的DRGs病種系列成本預(yù)測(cè)[J].工業(yè)工程與管理，2013，18（02）：92-99.

[2]楊迎春，巢健茜.單病種付費(fèi)與DRGs預(yù)付模式研究綜述[J].中國(guó)衛(wèi)生經(jīng)濟(jì)，2008，（06）：66-70.

[3]郭富威，任苒. DRGs在美國(guó)的發(fā)展及在我國(guó)的應(yīng)用對(duì)策[J].中國(guó)醫(yī)院管理，2006，（02）：32-35.