基于BP神經(jīng)網(wǎng)絡(luò)的住院費用建模研究.pdf

1、近年來，醫(yī)療費用急劇上漲，高額的醫(yī)療費用特別是住院費用給老百姓帶來了嚴重的經(jīng)濟負擔，如何有效控制住院費用的上漲成為研究者關(guān)心的問題?？刂谱≡嘿M用應(yīng)該從其影響因素著手，通過建立有效的住院費用擬合模型，對住院費用及其影響因素的關(guān)系進行分析，這是對住院費用進行研究的關(guān)鍵。目前最常用的住院費用建模分析方法為多重線性回歸，但是它對資料有一定的要求，如獨立性、正態(tài)性、方差齊性、線性等，而住院費用及其影響因素之間可能存在非線性關(guān)系，各影響因素之間也可

2、能存在多重共線性，因此應(yīng)考慮采用另外一種適合住院費用數(shù)據(jù)特征的建模方法。 人工神經(jīng)網(wǎng)絡(luò)，簡稱為神經(jīng)網(wǎng)絡(luò)，是一種模擬生物神經(jīng)元工作方式的數(shù)學(xué)模型，在多個學(xué)科領(lǐng)域被廣泛應(yīng)用于模式識別，預(yù)報預(yù)測，數(shù)值逼近等。反向傳播(Backpropagation，BP)神經(jīng)網(wǎng)絡(luò)是神經(jīng)網(wǎng)絡(luò)中的一種，它是一種多層感知機(multilayerperceptron)，因網(wǎng)絡(luò)權(quán)值的調(diào)整規(guī)則采用誤差反向傳播算法，即BP算法而得名，是神經(jīng)網(wǎng)絡(luò)中目前發(fā)展最成熟，應(yīng)

3、用最廣泛的網(wǎng)絡(luò)模型。理論上證明，對于任何在閉區(qū)間內(nèi)的一個連續(xù)函數(shù)都可以用具有一個隱含層的BP神經(jīng)網(wǎng)絡(luò)來實現(xiàn)N維到M維的任意精度的函數(shù)逼近。由于標準的BP算法存在著收斂速度慢，極易陷入局部極小點以及網(wǎng)絡(luò)推廣能力差等缺點，90年代以來，各種針對標準BP算法進行改進的優(yōu)化算法相繼提出，使得BP神經(jīng)網(wǎng)絡(luò)得以在應(yīng)用和推廣性能上更趨完善。 由于BP神經(jīng)網(wǎng)絡(luò)對于資料的類型、分布等無任何要求，且具有一定的容錯性，能通過自我學(xué)習，自我調(diào)整實現(xiàn)輸入

4、變量和輸出變量之間的復(fù)雜映射關(guān)系，因此可以考慮將BP神經(jīng)網(wǎng)絡(luò)用于對住院費用及其影響因素進行建模，實現(xiàn)住院費用及其影響因素之間的關(guān)系擬合。 研究目的在BP神經(jīng)網(wǎng)絡(luò)建模過程中對模型參數(shù)的優(yōu)化進行探討，通過對參數(shù)的合理設(shè)定建立基于BP神經(jīng)網(wǎng)絡(luò)的住院費用擬合模型。并在已建立的神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上，進行影響因素的敏感度分析。利用本研究的建模過程中關(guān)于參數(shù)選擇的一些結(jié)論以及建模結(jié)果，為BP神經(jīng)網(wǎng)絡(luò)建模的方法學(xué)提供一定的參考依據(jù)，并能幫助衛(wèi)生

5、管理決策者和醫(yī)療保險業(yè)者做出正確的決策和分析。 資料與方法本研究資料來自于浙江省兩家綜合性醫(yī)院提供的2002-2003年消化系統(tǒng)惡性腫瘤住院病人的病案首頁，全部資料經(jīng)計算機重新編碼，并剔除有缺失值、治療結(jié)果為“未愈”和不符合邏輯的病例，合計得有效樣本3893份，占全部病例的80.22％。 采用BP神經(jīng)網(wǎng)絡(luò)進行住院費用的函數(shù)擬合建模，在建模過程中采用t檢驗、方差分析、非參數(shù)檢驗等對不同訓(xùn)練算法、不同隱含層神經(jīng)元數(shù)進行比較分

6、析，在已建立的模型基礎(chǔ)上采用敏感度分析進行住院費用的影響因素分析。以上t檢驗、方差分析、非參數(shù)檢驗在SAS8.2中進行，BP神經(jīng)網(wǎng)絡(luò)建模和敏感度分析均通過在MATLAB軟件中進行編程得以實現(xiàn)。 主要結(jié)果一、建模參數(shù)的比較結(jié)果通過對隱含層神經(jīng)元數(shù)分別為5、10、30和60的網(wǎng)絡(luò)均采用LM算法和變尺度共軛梯度算法進行訓(xùn)練，每種網(wǎng)絡(luò)各隨機訓(xùn)練500次，得出隱含層神經(jīng)元數(shù)為5、10、30和60時，LM算法不論在擬合能力還是推廣能力上均優(yōu)

7、于變尺度共軛梯度算法。 通過對LM算法在隱含層神經(jīng)元數(shù)為5、10、30、60時的網(wǎng)絡(luò)訓(xùn)練時進行比較，經(jīng)兩兩比較發(fā)現(xiàn)隱含層神經(jīng)元數(shù)為5、10時兩者的網(wǎng)絡(luò)推廣能力無差別，增加至30甚至60時，網(wǎng)絡(luò)的推廣能力逐步降低。隱含層神經(jīng)元數(shù)為5、10、30時，隨著隱含層神經(jīng)元數(shù)的增加，網(wǎng)絡(luò)訓(xùn)練集R2增加，網(wǎng)絡(luò)的擬合能力提高，而神經(jīng)元數(shù)為30和60時，網(wǎng)絡(luò)的擬合能力無差別。結(jié)果表明，若采用LM算法進行建模，則應(yīng)該設(shè)定隱含層神經(jīng)元數(shù)在10個左右才

8、能取得較優(yōu)性能。 通過對隱含層神經(jīng)元數(shù)分別為5、7、10的網(wǎng)絡(luò)均采用貝葉斯規(guī)則BP算法進行訓(xùn)練，每種網(wǎng)絡(luò)各隨機訓(xùn)練500次。經(jīng)兩兩比較發(fā)現(xiàn)隨著隱含層神經(jīng)元數(shù)的增加，網(wǎng)絡(luò)推廣能力降低，而擬合能力增加。結(jié)果表明，若采用貝葉斯規(guī)則BP算法進行建模，考慮到滿足網(wǎng)絡(luò)的推廣能力為前提，則應(yīng)該設(shè)定隱含層神經(jīng)元數(shù)在5個左右才能取得較優(yōu)性能。 二、建立的模型性能及相關(guān)參數(shù)設(shè)定根據(jù)模型參數(shù)選擇的比較結(jié)果，選擇隱含層神經(jīng)元數(shù)在10個左右的LM

9、算法，以及隱含層神經(jīng)元數(shù)在5個左右的貝葉斯規(guī)則BP算法進行本研究的BP神經(jīng)網(wǎng)絡(luò)建模。通過嘗試不同算法、不同隱含層神經(jīng)元數(shù)以及不同的初始化權(quán)值和閾值，最終建立了一個消化系統(tǒng)惡性腫瘤住院病人住院費用及其影響因素的BP神經(jīng)網(wǎng)絡(luò)模型。測試集和訓(xùn)練集的殘差圖均顯示殘差基本在0上下隨機波動，模型擬合能力較好。該模型網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)為：單隱含層，隱含層9個神經(jīng)元，輸入層12個神經(jīng)元，輸出層1個神經(jīng)元；網(wǎng)絡(luò)訓(xùn)練參數(shù)為：采用結(jié)合早停止策略的LM算法進行訓(xùn)練，

10、設(shè)定學(xué)習速度為0.01，設(shè)定SSE為網(wǎng)絡(luò)誤差性能指標，網(wǎng)絡(luò)訓(xùn)練停止時共迭代24次，SSE達到1.4906；訓(xùn)練集擬合結(jié)果為：R=0.85744，R2=0.73521，R2adj=0.7201，SSE=1.0146e+012，MSE=4.5929e+008，RMSE=21431；測試集仿真結(jié)果為：R=0.82695，R2=0.68385，R2adj=0.62275，SSE=5.2225e+011，MSE=8.01e+008，RMSE=28

11、302。 三、敏感度分析結(jié)果敏感度分析顯示，各影響因素的敏感度從大到小依次為：住院天數(shù)(0.92113)，手術(shù)情況(0.84083)，搶救次數(shù)(0.83802)，次要診斷(0.60272)，年齡(0.40353)，疾病類別(0.35043)，醫(yī)院代碼(0.34762)，轉(zhuǎn)歸情況(0.32585)，費用類別(0.30425)，入院情況(0.25735)，職業(yè)類別(0.25312)，性別(0.075872)，顯示對住院費用影響最大的

12、因素是住院天數(shù)，最小的是性別。 結(jié)論通過本次研究，可以得出以下結(jié)論：采用BP神經(jīng)網(wǎng)絡(luò)可以實現(xiàn)對住院費用進行擬合建模，通過對不同模型參數(shù)的設(shè)定選擇可以達到優(yōu)化模型的作用；神經(jīng)網(wǎng)絡(luò)的擬合能力和推廣能力不能兩全，當擬合能力很好時，由于學(xué)習過多的訓(xùn)練樣本信息，網(wǎng)絡(luò)的推廣能力就會下降，因此在建模時應(yīng)根據(jù)實際情況對兩者加以權(quán)衡，一個好的神經(jīng)網(wǎng)絡(luò)模型應(yīng)首先具備好的推廣能力，否則即使樣本擬合能力再好卻無法推廣，這樣的模型也是沒有意義的；通過敏感