基于聚類和支持向量機(jī)的高血壓患者住院費用分析

李相蓉，韓 穎

(山西醫(yī)科大學(xué)，山西 太原 030600)

高血壓是全球最常見的慢性病之一，也是心血管疾病最主要危險因素。2010年我國高血壓死亡人數(shù)占到全部死亡的24.60%[1]，每年直接醫(yī)療費用高達(dá)366億元[2]，給患者和社會帶來了沉重經(jīng)濟(jì)負(fù)擔(dān)。住院費用作為醫(yī)療費用的主體，是緩解患者就醫(yī)負(fù)擔(dān)的控費關(guān)鍵。本文以2016年山西省某市8所不同級別醫(yī)院的高血壓住院患者為例，擬通過K-means聚類算法和SVM模型來衡量各因素對高血壓住院費用的影響程度，為減輕患者就醫(yī)負(fù)擔(dān)提供政策參考。

住院費用數(shù)據(jù)偏態(tài)、非線性且冗余繁雜，屬于醫(yī)學(xué)大數(shù)據(jù)的一種，利用數(shù)據(jù)挖掘技術(shù)比傳統(tǒng)線性擬合分析更具優(yōu)勢。支持向量機(jī)(support vector machine，SVM)是基于結(jié)構(gòu)風(fēng)險最小化原理提出的一種監(jiān)督統(tǒng)計學(xué)習(xí)法，能夠有效處理復(fù)雜多維非線性數(shù)據(jù)，與其他模型相比泛化能力更強(qiáng)[3]，多項研究表明SVM優(yōu)于其他數(shù)據(jù)挖掘方法[4，5]。因此，本文選用SVM對數(shù)據(jù)進(jìn)行分析，以期克服傳統(tǒng)分析方法局限，為減輕患者負(fù)擔(dān)提供政策參考。

1 資料與方法

1.1 資料來源

1.2 方法

1.2.1 統(tǒng)計學(xué)分析

利用Excel 2010、Stata1 2.0等軟件建立數(shù)據(jù)庫后進(jìn)行統(tǒng)計描述、分析。計數(shù)資料利用構(gòu)成比描述，使用χ2檢驗判斷分布差異；利用Mann-Whitney U檢驗和Kruskal-Wallis H檢驗進(jìn)行住院費用單因素分析。P<0.05被認(rèn)為差異有統(tǒng)計學(xué)意義。

1.2.2 K-means聚類分析

為有效提高SVM模型精度，需要將連續(xù)型住院費用數(shù)據(jù)做離散化處理，將其轉(zhuǎn)換為分類變量[6]。K-means聚類法是最常用的一種經(jīng)典方法，其中心思想是按照給定的類別數(shù)K劃分n個數(shù)據(jù)對象，使每個類別內(nèi)部差異最小化，各類之間的差異最大化，此法僅依靠數(shù)據(jù)本身特性來確定數(shù)據(jù)之間的關(guān)系，能夠有效排除人為干擾。利用R語言scale()函數(shù)對高血壓患者住院總費用數(shù)據(jù)做歸一化處理后，再通過factoextra()程序包下的fviz_nbclust()函數(shù)實現(xiàn)數(shù)據(jù)聚類[7]。

1.2.3 建立SVM模型

以住院費用聚類分析結(jié)果為目標(biāo)變量；結(jié)合非參數(shù)檢驗結(jié)果引入輸入變量，利用SPSS Modeler 18.0建立SVM模型，對各影響因素進(jìn)行重要性排序。核函數(shù)是SVM學(xué)習(xí)性能的關(guān)鍵，包括線性核函數(shù)、多項式核函數(shù)、徑向基(高斯或RBF)核函數(shù)和Sigmoid核函數(shù)四類。由于住院費用數(shù)據(jù)非線性可分，故不采用線性核函數(shù)建模[8]，通過比較其他三類核函數(shù)SVM精度，選用最佳模型。

2 結(jié)果

2.1 基本情況

2.1.1 患者一般情況

2200例患者中男性1004例(45.64%)，女性1196例(54.36%)；平均年齡(63.17±13.53)歲，平均住院天數(shù)(9.79±5.84)天，平均住院費用(6838.52±3880.09)元；高血壓Ⅲ期患者最多(1269例，57.68%)，其次為高血壓Ⅱ期患者(500例，22.73%)，其他類型患者占比均在10%以下；1748例患者有合并癥(79.45%)，其中64.53%為高血壓Ⅲ期患者，占比最高(χ2=488.601，P<0.001)。合并癥型按ICD-10類目碼統(tǒng)計共計185種，圖1顯示了鏈接頻數(shù)高于20的合并癥類別，可見高血壓住院患者主要合并癥包括：E78脂蛋白代謝紊亂和其他脂血癥、I70動脈粥樣硬化、E14糖尿病、I63腦梗死、I25 慢性缺血性心臟病等(線條越粗，鏈接頻數(shù)越高)。

圖1 2016年某市高血壓住院患者合并癥信息網(wǎng)狀圖

2.1.2 住院費用的構(gòu)成情況及新灰色關(guān)聯(lián)法分析

由表1可見，除診查費和手術(shù)費外，其余各項費用的關(guān)聯(lián)序與其構(gòu)成比的順位一致；藥品費占比最高，其次為檢查費，兩項費用占比均大于20%，關(guān)聯(lián)度分別為0.9455、0.8486，對住院費用的影響較大；護(hù)理費、手術(shù)費和診查費的關(guān)聯(lián)序排在末三位，對住院費用的影響較小。

表1 2016年某市高血壓患者住院費用構(gòu)成與關(guān)聯(lián)度

2.2 住院費用單因素分析

非參數(shù)檢驗結(jié)果顯示性別、年齡、首要診斷、有無合并癥等10個變量均對住院費用有影響。男性患者花費略高于女性；年齡越大、住院天數(shù)越長，住院費用越高；高血壓并發(fā)癥患者住院費用高于單純性高血壓患者；手術(shù)治療患者費用高于無手術(shù)患者；三級醫(yī)院高于二級醫(yī)院；職工醫(yī)保和公費患者顯著高于其他付款方式患者，見表2。

2.3 K-means聚類

利用肘部法則確定最優(yōu)K值的核心指標(biāo)是誤差平方和(sum of the squared errors，SSE)。隨著聚類數(shù)K的增大，樣本劃分會更加精細(xì)，每個簇的聚合程度會提高，SSE逐漸變小。當(dāng)K小于真實聚類數(shù)時，由于K的增大會大幅增加每個簇的聚合程度，故SSE的下降幅度會很大，而當(dāng)K到達(dá)真實聚類數(shù)時，再增加K所得到的聚合程度回報會迅速變小，所以SSE的下降幅度會驟減，而這個肘部對應(yīng)的K值就是數(shù)據(jù)的真實聚類數(shù)。圖2可見，肘部點為K=4，聚類結(jié)果見表3。

圖2 肘部法則確定最優(yōu)K值

表2 2016年某市高血壓住院患者單因素分析

注：*表示P<0.05

表3 高血壓住院總費用K-means聚類結(jié)果

2.4 建立SVM模型

以K-means聚類結(jié)果為目標(biāo)變量，結(jié)合單因素分析結(jié)果確定輸入變量，構(gòu)建SVM模型。隨機(jī)選取樣本數(shù)據(jù)的80%為訓(xùn)練集，20%為測試集，分別利用RBF、多項式、Sigmoid核函數(shù)建模，由表4可見，多項式核函數(shù)效果最佳，RBF稍次，Sigmoid最差。多項式核函數(shù)SVM模型結(jié)果顯示除機(jī)構(gòu)類型、首要診斷和年齡外，其余7項因素重要度均大于0.02[9]，是高血壓患者住院費用的主要影響因素，其中住院天數(shù)的影響最大，見圖3。

表4 不同核函數(shù)SVM效果對比

圖3多項式核函數(shù)SVM模型影響因素重要性排序

3 討論

3.1 藥品費和檢查費是高血壓患者住院費用內(nèi)部構(gòu)成的主要影響因素

從住院費用構(gòu)成和灰色關(guān)聯(lián)分析結(jié)果來看，藥品費和檢查費是高血壓患者最主要的經(jīng)濟(jì)負(fù)擔(dān)來源，關(guān)聯(lián)度分別達(dá)到了0.9455、0.8486，是高血壓患者住院費用內(nèi)部構(gòu)成的主要影響因素；而護(hù)理費、診查費、手術(shù)費等體現(xiàn)醫(yī)務(wù)人員工作價值的費用占比低且影響較小，這與其他研究的結(jié)果一致[10，11]。高額藥占比一方面是因為高血壓患者以藥物治療為主；另一方面也與醫(yī)務(wù)人員大量使用昂貴進(jìn)口和高檔藥品有關(guān)[12]，當(dāng)前降壓藥物種類繁多、經(jīng)濟(jì)學(xué)差異大，中高價位藥物并非血壓控制效果更優(yōu)[13]，提示醫(yī)院管理部門應(yīng)通過行政干預(yù)等方式強(qiáng)化醫(yī)生合理用藥理念，選擇有效、經(jīng)濟(jì)、安全的品種，減輕患者藥費負(fù)擔(dān)；相關(guān)部門應(yīng)建立和完善醫(yī)院大型設(shè)備的使用標(biāo)準(zhǔn)，減少不必要的檢查項目，避免醫(yī)療機(jī)構(gòu)將盲目引進(jìn)新技術(shù)的成本轉(zhuǎn)嫁給患者；此外應(yīng)逐步提高醫(yī)事服務(wù)收費，激勵醫(yī)務(wù)人員憑借自身技術(shù)和服務(wù)創(chuàng)收，保證醫(yī)院的正常利益，防止“以藥養(yǎng)醫(yī)”“以檢查補(bǔ)醫(yī)”現(xiàn)象的發(fā)生。

3.2 高血壓患者住院費用受多種因素共同影響

多項式核函數(shù)SVM結(jié)果顯示住院天數(shù)、醫(yī)院級別、合并癥的發(fā)生與類別對高血壓患者的住院費用起最主要影響(重要度>0.04)[8]；手術(shù)、性別和付款方式重要度均高于0.02，也是高血壓患者住院費用的重要影響因素。

住院天數(shù)的重要度高達(dá)0.3818，影響最為顯著，這與多項研究結(jié)果一致[14，15]。杭州等地實踐發(fā)現(xiàn)，對高血壓患者采取臨床路徑管理不僅能夠有效縮短住院時間，還可以顯著提高護(hù)理質(zhì)量，改善患者預(yù)后[16，17]。住院天數(shù)的增加與各項費用的上漲直接相關(guān)，這提示醫(yī)院應(yīng)積極推行臨床路徑的管理模式，在保證醫(yī)療服務(wù)質(zhì)量的基礎(chǔ)上合理加快病床周轉(zhuǎn)速度，壓縮低效和無效住院日，降低患者花費。

本研究中三級醫(yī)院平均住院費用達(dá)到了二級醫(yī)院的2倍以上，這與高級別醫(yī)院因為在治療過程中較多地使用高新設(shè)備和昂貴藥物有關(guān)[18]。但相關(guān)研究發(fā)現(xiàn)三級醫(yī)院血壓控制率與低級別醫(yī)院并無顯著差異[2]，反而在社區(qū)進(jìn)行治療的患者不僅血壓控制率和服藥依從性更優(yōu)，而且花費更低[19]。這提示有關(guān)部門應(yīng)加強(qiáng)分級診療和雙向轉(zhuǎn)診制度的政策宣傳，逐步建立起以社區(qū)為主的慢性病管理體系，通過建立健康檔案、簽約家庭醫(yī)生等服務(wù)提高患者自我管理能力，減少或避免患者無序就醫(yī)引起的不必要的住院花費。

高血壓是一種以動脈血壓持續(xù)升高為特征的慢性病，相關(guān)研究表明，心腦血管的患病風(fēng)險會隨著血壓水平的上升而增加[20]。正如診斷分布網(wǎng)狀圖和χ2檢驗結(jié)果所示，高血壓Ⅲ期病人患高血脂、動脈粥樣硬化、糖尿病等合并癥的概率更高。合并癥的出現(xiàn)會使治療難度加大，治療時間延長，從而使住院花費上漲[18]。高血壓不能被根本治愈，積極控制血壓達(dá)標(biāo)是治療的重要環(huán)節(jié)；由于高血壓患者的健康行為與健康知識存在正相關(guān)[21]，對此在治療過程中應(yīng)做好健康宣教工作，引導(dǎo)患者養(yǎng)成健康的生活習(xí)慣，從而降低合并癥發(fā)病率，從根本上減輕患者經(jīng)濟(jì)負(fù)擔(dān)。

接受手術(shù)治療的患者因住院時間延長、手術(shù)費和材料費等費用的額外增加，比無手術(shù)患者花費高[18]，對此醫(yī)院可以通過縮短術(shù)前住院日、推行日間手術(shù)等方式減少患者花費；男性患者住院費用略高于女性，原因可能在于男性不良生活習(xí)慣多、病情更嚴(yán)重[22]，對此應(yīng)在配合藥物治療的同時，適當(dāng)加強(qiáng)男性患者的健康教育，戒煙限酒、合理膳食、加強(qiáng)鍛煉，減少合并癥的發(fā)病風(fēng)險；不同醫(yī)保的報銷政策能夠引起不同的醫(yī)療、消費行為，最終引起費用差別，公費患者和職工醫(yī)?；颊吒菀资茚t(yī)生誘導(dǎo)追求高精尖的材料、技術(shù)和收費較高的治療方案[12，23]，這提示有關(guān)部門應(yīng)加強(qiáng)疾病治療標(biāo)準(zhǔn)化，約束不必要的醫(yī)療行為，減輕醫(yī)保負(fù)擔(dān)。

綜上，住院費用數(shù)據(jù)包含了海量信息，而傳統(tǒng)統(tǒng)計學(xué)方法由于對數(shù)據(jù)要求嚴(yán)苛存在一定局限，數(shù)據(jù)挖掘技術(shù)可以在海量數(shù)據(jù)中有效提取出有價值的信息。SVM建模方法對樣本類型無嚴(yán)格要求，本研究利用2200例高血壓住院患者信息，在充分考慮多種因素的基礎(chǔ)上，結(jié)合K-means聚類算法構(gòu)建了多項式核函數(shù)SVM模型，預(yù)測精度高達(dá)93.84%，充分體現(xiàn)了數(shù)據(jù)挖掘技術(shù)的優(yōu)勢，后續(xù)可以在制定高血壓住院病例費用參考值、篩檢費用異常值等方面推廣，以充分發(fā)揮數(shù)據(jù)挖掘技術(shù)在醫(yī)學(xué)領(lǐng)域的潛力。