换一批基于K-means聚类和Apriori算法的高额住院费用研究
Research on High Hospitalization Expenses Based on K-means Clustering and Apriori Algorithm
摘要目的 对北京市某三甲中医医院中高额住院费用病例进行分析,为提高医疗资源使用效率、控制医疗费用不合理增长提供数据支持.方法 收集 2022 年 1 月 1 日-2023 年 12 月 31 日出院的住院病案首页信息,应用 K-means聚类将住院费用分为高额和非高额两类,在此基础上使用Apriori算法挖掘高额住院费用的强关联规则.结果 高额住院费用患者共 6435例(12%),住院费用累计占比 41%.以高额住院费用为规则后项,Apriori算法共挖掘出 8条强关联规则,最高可信度为 66.69%,最高提升度为 5.42.手术、年龄≥60岁、高水平材料占比、非中医为主治疗和住院天数≥14天与高额住院费用之间存在强关联关系.结论 强关联因素会增加发生高额住院费用的风险,在保证医疗质量的前提下,医疗机构应加快完善医联体和"双向转诊"制度建设,加强对耗材使用的精细化管控,同时积极探索中医诊疗特色的发挥路径并将控费机制纳入院内日常管理,避免医疗费用的不合理增长.
更多相关知识
栏目名称
DOI
10.3969/j.issn.1672-2566.2025.10.007
发布时间
2025-11-03（万方平台首次上网日期，不代表论文的发表时间）
基金项目
中国中医科学院西苑医院管理人才培养工程项目（GLRC(MP)202208）
- 浏览3
- 被引0
- 下载6
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
