数学建模-某肿瘤疾病诊疗的经济学分析第一问模型分析

Posted 2021-07-06 Better Bench

相关信息

1【数学建模-某肿瘤疾病诊疗的经济学分析】数据分析
2 【数学建模-某肿瘤疾病诊疗的经济学分析】数据清洗和特征工程
3 【数学建模-某肿瘤疾病诊疗的经济学分析】第一问模型分析
4 【代码下载】

1 思路

（1）背景补充
DRGs(Diagnosis Related Groups)中文翻译为（疾病）诊断相关分类， 它根据病人的年龄、性别、住院天数、临床诊断、病症、手术、疾病严重程度，合并症与并发症及转归等因素把病人分入500-600 个诊断相关组，然后决定应该给医院多少补偿。

DRGs 是当今世界公认的比较先进的支付方式之一。DRGs的指导思想是：通过统一的疾病诊断分类定额支付标准的制定，达到医疗资源利用标准化。有助于激励医院加强医疗质量管理，迫使医院为获得利润主动降低成本，缩短住院天数，减少诱导性医疗费用支付，有利于费用控制。

DRGs的分组原则：（1）逐层细化、大类概括；（2）疾病诊断、手术或操作临床过程相似，资源消耗相近；（3）临床经验与数据验证相结合； （4）兼顾医保支付的管理要求和医疗服务的实际需要。 DRG 分组采用病例组合思想，疾病类型不同，应该通过诊断区分开；同类病例但治疗方式不同，亦应通过操作区分开； 同类病例同类治疗方式，但病例个体特征不同，还应该通过年龄、并 发症与合并症、出生体重等因素区分开，最终形成 DRG 组。 DRGs的分组思路为：（1）以病案首页的主要诊断为依据，以解剖和生理系统为主要 分类特征，参照 ICD-10 将病例分为主要诊断大类（Major diagnostic categories，MDC）。 （2）在各大类下，再根据治疗方式将病例分为“手术”、“非手术” 和“操作”三类，并在各类下将主要诊断和或主要操作相同的病例合并 成核心疾病诊断相关组（ADRG），在这部分分类过程中，主要以临床经验分类为主，考虑临床相似性，统计分析作为辅助。 （3）综合考虑病例的其他个体特征、合并症和并发症，将相近 的诊断相关分组细分为诊断相关组，即 DRG，这一过程中，主要以统 计分析寻找分类节点，考虑资源消耗的相似性 。
在DRGs分组体系中， CHS-DRG 病组的代码由 4 位码构成，均以英文 A-Z 和阿拉伯数字 0-9 表示。DRG 代码各位编码的具体含义如下： 第一位表示主要诊断大类（MDC），根据病案首页的主要诊断确 定，进入相应疾病主要诊断大类，用英文字母 A-Z 表示； 第二位表示 DRG 病组的类型，根据处理方式不同分为外科部分、 非手术室操作部分（接受特殊检查，如导管、内窥镜检查等）和内科 部分，用英文字母表示。其中 A-J 共 10 个字母表示外科部分，K-Q 共 7 个字母表示非手术室操作部分；R-Z 共 9 个字母表示内科部分； 病例 主要诊断大类 主要诊断 主要诊断 主要操作 内科 ADRG 非手术室操作 ADRG 外科 ADRG 考虑病例的其他个体特征（年龄、合并症和并发 症）进行细分组 内科 DRG 非手术室操作 DRG 外科 DRG DRG 分组 临 床 经 验 为 主 ， 统 计 分 析 统 计 分 析 为 主 ， 临 床 经 验 14 第三位表示 ADRG 的顺序码，用阿拉伯数字 1-9 表示； 第四位表示是否有合并症和并发症或年龄、转归等特殊情况。用 阿拉伯数字表示。其中“1”表示伴有严重并发症与合并症；“3”表示表 示伴有一般并发症与合并症；“5”表示不伴有并发症与合并症；“7”表 示死亡或转院；“9”表示未作区分的情况；“0”表示小于 17 岁组；其他 数字表示其他需单独分组的情况。

总结：

DRGS是细分后的最终的分组，DRGS编码是一个四位数的编码
DRG分组，是DRGS的上一级，还不是最细的分组
ADRG编码是DRG组的编码，是DRGS编码的前三位

（2）思路分析
通过数据分析，发现，各个ADRG组中，费用分布都有高有底，各组之间并没有高低之分。
比如BU1的费用区间是【1414.0, 144079.32】，GR1的费用区间是【107.9，214868.54】，都是由交集的。
而且通过ADRG费用的箱线图知道，整体分布式没有规律的。如果用多元线性回归去做回归预测，并不能得到什么线性或非线性的关系。

所以，本人大胆提出了一种想法。结合DRGS分组原则，建立这个分组原则的原因就是为了更好的归类疾病并估计费用，正好利用该规则。把ADRG组分为三个类别，每个类别都用一个平均值代替预测费用，这样预测的费用一定会有很大误差，但是在未知具体收费标准的情况下，能预测出一个大概的费用区间，就是成功的。

2 模型实现

def decision_tree(X,Y):
    
    X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.2, random_state=0) 
    clf = tree.DecisionTreeClassifier()
    clf = clf.fit(X_train, y_train)
    # 模型预测
    y_pred = clf.predict(X_test)
    # 计算准确率
    score = accuracy_score(y_test, y_pred)
    print(score)
    classes = [1,2,3]
    # 获取混淆矩阵
    cm = confusion_matrix(y_test, y_pred)
    plot_confusion_matrix(cm,classes, 'confusion_matrix.png', title='confusion matrix')
    print()
    fn=['是否手术','ADRG','并发症']
    cn=['低','中', '高']
    # fig, axes = plt.subplots(nrows = 1,ncols = 1,figsize = (4,4), dpi=300)
    # tree.plot_tree(clf,
    #             feature_names = fn, 
    #             class_names=cn,
    #             filled = True)
    # 决策树可视化
    # fig.savefig('imagename.png')
    # dot_data = tree.export_graphviz(clf,
    #             feature_names = fn, 
    #             class_names=cn,
    #             out_file=None)
    # graph = pydotplus.graph_from_dot_data(dot_data)
    # graph.write_pdf('iris.pdf')
    print()
if __name__ =="__main__":
    # 读取清洗后的数据
    train_data_file = './clear_data.csv'
    t_data = pd.read_csv(train_data_file)#, names=['id', 'sex','born','intime','outtime','maindiag','elsediag','surgery','fee','days','drgsid','drgs','adrgid','adrg','highfee'])
    # 数据标准化
    sc = StandardScaler()
    data = pd.read_csv('main_label3.csv',index_col=None)
    X_i = data[['surgery','adrgid','complication']]
    sc.fit(X_i)
    X = sc.transform(X_i)
    Y = data['label']
    decision_tree(X,Y)

3 模型分析

是训练集中每组ADRG中费用分布比例是2:5:3和2:4:4的模型测试混淆矩阵，在左图中，类别为1的最多，类别3样本最少，类别1判断出错的数量占比是(24+1)/(24+1+3150) = 0.7%，类别2判断数量占比是(304)/(304+46) =86.8%，类别3判断错误的数量占比是(14+5)/(14+5+1)=95%，最终分类准确率为90.18%。类别1判断出错的数量占比是(3+2)/(3+2+3359) = 0.1%，类别2判断数量占比是(159+1)/(159+1+1) =99.3%，类别3判断错误的数量占比是(17)/(17+3)=85%，右图预测准确率达到94.78%，当比例为4:4:2时，模型准确率只有79.63%，所以在高、中、低划分比例为2：4：4，符合费用分布时该模型预测效果最佳。

分类决策树的模型预测混淆矩阵图