您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览279 | 下载176

目的:利用支持向量机建模,对医院住院费用的主要影响因素进行分析,探讨有效的医疗费用影响因素分析方法。方法随机抽取浙江省6家医院,利用各医院电子病历系统,选取3种典型内外科疾病,建立支持向量机模型、BP 神经网络模型、多元线性回归模型,分别对住院费用影响因素及其影响程度进行分析。利用支持向量机模型,分别对3个病种进行分析。结果基于径向基核函数的支持向量机模型对住院费用预测准确度最高,达到96.07

作者:张颖;孙统达;李利杰;刘海容;朱绥

来源:中华医院管理杂志 2015 年 5期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:279 | 下载:176
作者:
张颖;孙统达;李利杰;刘海容;朱绥
来源:
中华医院管理杂志 2015 年 5期
标签:
住院费用 支持向量机 影响因素 神经网络 多元线性回归 Hospitalization expense Support vector machine Influencing factor Neural network Multivariate linear regression
目的:利用支持向量机建模,对医院住院费用的主要影响因素进行分析,探讨有效的医疗费用影响因素分析方法。方法随机抽取浙江省6家医院,利用各医院电子病历系统,选取3种典型内外科疾病,建立支持向量机模型、BP 神经网络模型、多元线性回归模型,分别对住院费用影响因素及其影响程度进行分析。利用支持向量机模型,分别对3个病种进行分析。结果基于径向基核函数的支持向量机模型对住院费用预测准确度最高,达到96.07