【摘要】：目的:乙型肝炎病毒(Hepatitis B virus,HBV)感染是全球主要的公共衛(wèi)生問題之一,不僅嚴重危害著人類健康,而且給患者造成了沉重的經(jīng)濟負擔。合理配置醫(yī)療衛(wèi)生資源,降低患者、家庭和社會經(jīng)濟負擔是醫(yī)療保障工作解決的重點問題之一。因此,科學精準地預測醫(yī)療費用是開展工作的重要前提�；卺t(yī)院電子病歷系統(tǒng)的數(shù)據(jù),具有易獲得,能反映真實醫(yī)療環(huán)境等特點,已成為衛(wèi)生經(jīng)濟學評價過程較為理想的數(shù)據(jù)來源。但醫(yī)療費用分布呈現(xiàn)出“偏峰”“厚尾”的特征,而且影響費用分布的因素較為復雜,這些因素在患者中的分布也呈現(xiàn)出高維度,類型復雜,多重共線等特點,如臨床治療決策包括多種藥物的單用及聯(lián)用,實驗室指標種類繁多,且有很強的相關性。因此,采用傳統(tǒng)統(tǒng)計分析方法條件受限,且單純的根據(jù)某些可觀測的變量進行分組來分析患者的醫(yī)療費用,難以完整反映患者群體特征。如若能在有效識別患者群體異質性的基礎上進行費用預測,將有可能提高預測準確性。本研究基于SOM神經(jīng)網(wǎng)絡聚類分析,探測患者入院狀態(tài)、住院治療方式的群體異質性,同時,建立住院總費用的BP神經(jīng)網(wǎng)絡預測模型分析其影響因素,并與線性回歸模型的預測情況作對比,評估SOM與BP神經(jīng)網(wǎng)絡模型在慢乙肝相關疾病住院患者醫(yī)療費用預測的可行性。為慢乙肝相關疾病的診療、費用控制提供科學合理的數(shù)據(jù)佐證,并為神經(jīng)網(wǎng)絡方法在臨床費用數(shù)據(jù)的應用提供方法學支持。方法:本研究基于廣州市某傳染病醫(yī)院信息系統(tǒng),納入分析2014和2015年慢乙肝及其相關疾病患者5194人次(2014年:2522;2016年:2672),描述兩年患者的人口學特征、入院時實驗室檢查結果、住院期間治療方案及醫(yī)療費用情況。并采用無監(jiān)督的SOM神經(jīng)網(wǎng)絡方法分別對兩年住院患者的住院期間治療方案和入院時實驗室檢查結果進行聚類分析,探索住院患者的群體異質性。再者,通過與有監(jiān)督的BP神經(jīng)網(wǎng)絡方法相結合,建立住院總費用的預測模型并分析其影響因素。根據(jù)納入預測變量的不同,建立住院患者總費用的BP神經(jīng)網(wǎng)絡預測模型(NN-cost-1、NN-cost-2、NN-cost-3和NN-cost-4),相應的建立線性回歸預測模型(LR-cost-1、LR-cost-2、LR-cost-3和LR-cost-4);同時建立住院患者對數(shù)(lg)費用的BP神經(jīng)網(wǎng)絡模型(NN-lgcost-1、NN-lgcost-2、NN-lgcost-3和NN-lgcost-4),相應的建立線性回歸模型(LR-lgcost-1、LR-lgcost-2、LR-lgcost-3和LR-lgcost-4)。隨后,比較模型間與模型內的預測性能。上述過程均將2014年慢乙肝及其相關疾病住院患者作為訓練集,以2015年住院患者為驗證集。結果:本研究納入分析的5194人次慢乙肝及其相關疾病住院患者中,其中以男性為主(78.17%),平均年齡46.0±14.2歲;自費患者占比最高(60.74%),醫(yī)保患者占35.79%;且以慢乙肝患者為多(40.62%);平均住院15.2±13.0天;有17.50%的患者前一年有過住院記錄。2014和2015年慢乙肝及其相關疾病住院患者的次均總費用分別為10837.8和10873.8元。其中,藥物費用最高,分別為4510.9和4024.7元,其次為檢驗檢查費,分別為3499.2和3626.9元。SOM聚類探究患者住院治療方式的異質性顯示,患者住院治療方式主要包括4類,分別為:1.抗病毒聯(lián)合對癥聯(lián)合并發(fā)癥治療模式;2.對癥聯(lián)合并發(fā)癥治療模式;3.抗病毒聯(lián)合保肝治療模式;4.保肝為主治療模式。此四種模式患者2014年的次均住院總費用分別為20618.7、13393.3、8743.4和6043.0元,2015年分別為:21096.6、13801.3、9107.7和5626.0元,且各類費用成分的差異有統(tǒng)計學意義。經(jīng)SOM聚類的患者入院疾病狀態(tài)有4類,分別為:1.肝功異常伴肝臟合成功能障礙伴高HBV-DNA病毒載量;2.肝功異常伴肝臟合成功能障礙;3.肝功異常伴高HBV-DNA病毒載量;4.肝功異常。此四種入院狀態(tài)患者2014年均次住院費用分別為:18012.9、14380.1、8194.6和7527.8元,2015年分別為:16810.1、11934.7、8610.1和6093.8元。且在其他費用成分上差異有統(tǒng)計學意義。神經(jīng)網(wǎng)絡模型在預測總費用方面(NN-cost),模型預測準確性在訓練集和驗證集分別約為83%和77%。將經(jīng)SOM聚類后形成的用于反映患者入院時檢驗狀態(tài)和住院治療方式的變量作為預測變量(NN-cost-2、NN-cost-3、NN-cost-4),較NN-cost-1提高了預測準確性,同時減少了MAPE。神經(jīng)網(wǎng)絡模型在預測對數(shù)總費用方面(NN-lgcost),四個模型的預測性能也呈現(xiàn)出相同的結果。本研究發(fā)現(xiàn),NN-cost模型均優(yōu)于LR-cost模型,預測準確性提高了約3%,同時減少MAPE,說明本研究中,神經(jīng)網(wǎng)路模型在預測住院總費用方面優(yōu)于線性回歸模型。同樣的,NN-lgcost模型均優(yōu)于LR-lgcost模型,提示在對數(shù)總費用預測上,神經(jīng)網(wǎng)絡也顯示較強的優(yōu)勢。本研究還發(fā)現(xiàn),NN-lgcost的四個模型較相應的NN-cost模型均提高了模型的預測準確性(約3%),提示對住院總費用進行對數(shù)轉換后,提高了模型預測的準確性。同樣的,LR-lgcost模型也均優(yōu)于LR-cost模型,說明將經(jīng)對數(shù)轉化后的費用作為預測目標,提高了線性回歸模型的預測準確性。此外,分析神經(jīng)網(wǎng)絡模型中預測變量重要性發(fā)現(xiàn),經(jīng)SOM聚類后形成反映群體異質性的變量作為預測變量,在費用預測中重要程度較高。采用神經(jīng)網(wǎng)絡模型預測醫(yī)療費用,有效地避免了線性回歸過程中自變量間相關等諸多問題,改善了線性回歸過程中自變量的影響作用,而且提高了預測準確性。結論:經(jīng)SOM神經(jīng)網(wǎng)絡聚類分析探測患者治療方式及入院狀態(tài)上的群體異質性發(fā)現(xiàn),異質性患者在住院總費用及費用成分上的差別有統(tǒng)計學意義。說明經(jīng)SOM聚類能較好的區(qū)分患者的群體異質性,為后續(xù)住院費用的預測提供前提。采用BP神經(jīng)網(wǎng)絡預測住院總費用的模型優(yōu)于線性回歸模型�；赟OM神經(jīng)網(wǎng)絡聚類分析后,將生成的用于反映患者群體異質性的變量作為預測變量,提高了預測性能。與總費用的預測相比,在預測對數(shù)轉化后的總費用方面,無論神經(jīng)網(wǎng)絡模型還是線性回歸模型,預測性能均顯著提高。
【圖文】：

發(fā)癥治療、抗纖維化、調節(jié)免疫、退黃和活血化瘀、其他治療的藥費，信息均按每年 5%貼現(xiàn)率至 2015 年。表 2.1 患者入院時實驗室生化檢查指標分類說明說明1：<40U/L(正常)，2：40-80U/L，3：≥80U/L1：<50U/L(正常)，2：50-100U/L，3：≥100U/L1：<22.2μmol/L（正常），2：22.2-44.4μmol/L，，3：≥44.4μmol/L1：<75%（異常），2：75-100%（正常）1：正常（35.0-55.0g/L），2：異常（>55.0g/L 或<35.0g/L）1：正常（1.5-2.5），2：異常（>2.5 或<1.5）NA1：<1000cps/ml（正常），2：[1000,10000)cps/ml，3：[10000,100000)cps/ml，≥100000cps/mlg 1：陰性（<1.00COI），2：陽性（≥1.00COI）b 1：陰性（>1.00COI），2：陽性（≤1.00COI）1：陰性（0-50ug/L），2：陽性（>50ug/L）

圖 2.2 SOM 網(wǎng)絡的拓撲結構 網(wǎng)絡聚類的學習算法具體步驟[38]：樣本含量為 p，每個輸入樣本包含 m 個變量的資料，基本 S下：層含有 m 個神經(jīng)元，即輸入樣本向量的維度為 m，輸出層輸入層和輸出層各神經(jīng)元的權向量連接數(shù)目為 m×n 個。 ,…,xmT表示，wijt 表示迭代次數(shù)為 t 次時從輸入層神經(jīng)元權重系數(shù)向量。計合理的網(wǎng)絡結構。初始化 t = 0,賦予wij0 一個較小的隨的隨機數(shù)，圍繞輸出層神經(jīng)元 j 建立半徑為Nj0 的初始鄰數(shù) T（T＞m）和目標誤差。一個樣本進入輸入層，按公式(1.1)計算輸入向量 X = x1,x2經(jīng)元之間的歐氏距離和dj，其中xi為樣本第 i 維度的分量。
【學位授予單位】：廣東藥科大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：R512.62

【參考文獻】

相關期刊論文 前10條

1 張維璐;吉兆華;付婷;張磊;蘇海霞;閆永平;;中國2007-2016年59歲以下普通人群HBsAg陽性率的Meta分析[J];中華流行病學雜志;2017年09期

2 馬起山;梁森;肖和衛(wèi);張順祥;莊貴華;鄒宇華;譚紅專;劉近春;張毓洪;徐愛強;張麗;馮向先;胡東生;王富珍;崔富強;梁曉峰;;中國12個地區(qū)乙型肝炎相關疾病住院患者經(jīng)濟負擔調查[J];中華流行病學雜志;2017年07期

3 王貴強;王福生;成軍;任紅;莊輝;孫劍;李蘭娟;李杰;孟慶華;趙景民;段鐘平;侯金林;賈繼東;唐紅;盛吉芳;彭R

本文編號：2588223