【技术实现步骤摘要】
基于lasso回归预测治疗费用的方法
本专利技术属于数据预测
，特别是一种基于lasso回归预测治疗费用的方法。
技术介绍
目前医疗保障体系存在“一刀切”、报销比例不合理等问题，在这种情况下，医院为盈利或免亏会出现少开药、滥检查和医院不愿收治慢性病等需长期住院治疗的重症患者的现象。精准预测病人治疗费用，能够对按病情报销的医疗改革方向提供重要的数据基础，促进医疗改革的合理性；能够为院方资源配置与规划提供数据支撑，也能够为病人选择治疗方案提供参考；还能为保险公司成立保险项目，提供相关疾病数据基础。长期以来，我国有不少医疗费用的相关研究，但仍存在定性研究多，用数学方法进行精确研究较少的问题，在应用数学的方法中，又以研究病人发病率居多，研究病人治疗费用较少。目前，针对病人电子病历进行相关预测普遍存在以下问题：(1)病人入院电子病历的文本数据比例偏高，且病历出自医生导致格式和内容不统一，因此如何有效的从病历中提取关键信息便成为了预测的重要前提；(2)由于病历数据来源于某医院，因此数据量整体偏小。在得到预测数据后，需根据数...
【技术保护点】
1.一种基于lasso回归预测治疗费用的方法，所述方法包括以下步骤：/n第一步骤中，获取电子病历样本，基于样本的变量的离散、线性分布将样本数据转换成数值数据生成电子病历的数值特征，作为费用预测的数据集；/n第二步骤中，比较变量的缺失程度，将缺失程度较高的变量删除，然后对缺失程度较低的变量采用聚类方法估算插值，选取距离缺失值最近的k个变量，将k个距离值设置为权重值，通过加权插值方法估算缺失的变量值，得到病历数据集；/n第三步骤中，基于1范数与2范数的变量筛选公式为
【技术特征摘要】
1.一种基于lasso回归预测治疗费用的方法，所述方法包括以下步骤：
第一步骤中，获取电子病历样本，基于样本的变量的离散、线性分布将样本数据转换成数值数据生成电子病历的数值特征，作为费用预测的数据集；
第二步骤中，比较变量的缺失程度，将缺失程度较高的变量删除，然后对缺失程度较低的变量采用聚类方法估算插值，选取距离缺失值最近的k个变量，将k个距离值设置为权重值，通过加权插值方法估算缺失的变量值，得到病历数据集；
第三步骤中，基于1范数与2范数的变量筛选公式为其中，ωj为模型权重参数，α为回归模型中1范数权重，λ为正则化系数，根据数据的正态分布对模型权重进行自适应调整，调整其中，x为变量值，ω为模型参数，σ为数据集分布的对称轴，在迭代过程中根据变量分布位置分配正态函数的权重；
第四步骤中，数据输入模型进行训练，之后通过测试集对模型预测精度进行验证。
2.根据权利要求1所述的方法，其中，优选的，第一步骤中，将所述电子病历按照病种进行分类，基于分类后的文本电子病历数值化，生成电子病历的数据集。
3....
【专利技术属性】
技术研发人员：佟丽莉，谷金波，刘广宣，金硕巍，
申请(专利权)人：辽宁省肿瘤医院，
类型：发明
国别省市：辽宁;21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。