基于GBOM和改进SVM的DRGs病种系列成本预测

摘要：

面向诊断相关组(DRGs)的病种成本预测是医院成本管理的重要环节.针对病种成本预测的多因素、非线性特点以及病种系列中医疗服务配置的相似性,提出了一种基于GBOM和改进SVM的DRGs病种系列成本预测方法.首先,提出了基于类物料清单(GBOM)的病种系列成本影响因素表达模型；然后,针对SVM区分样本属性重要性差以及参数选择对预测结果影响较大的问题,提出了一种粗糙集属性(成本影响因素)约简与粒子群算法(PSO)参数寻优相结合的改进SVM病种系列成本预测模型.最后,以阑尾炎病种系列进行了实证研究,预测精度和速度优于BP神经网络、标准SVM和PSO-SVM,进而证明了该方法的有效性和优越性,为病种成本提供了有效的预测方法并显著提高了医院成本控制的准确性.

关键词：诊断相关组、病种系列、成本预测、类物料清单、粗糙集、粒子群算法、支持向量机

所属期刊栏目：18

分类号：F270;TP18(企业经济)

资助基金：国家自然科学基金资助项目70871086

在线出版日期：2013-07-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：92-99