[发明专利]基于lasso回归预测治疗费用的方法

说明书

本发明公开了一种基于lasso回归预测治疗费用的方法，所述方法中，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以生成电子病历的数值特征；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k个距离当前变量最近的变量，将距离值设置为权重值，通过加权插值估算缺失值，得到病历数据集；根据数据的正态分布对模型权重进行自适应调整，通过在迭代过程中根据变量分布位置分配正态函数的权重形成模型；数据输入模型进行训练得到预测结果。

技术领域

本发明属于数据预测技术领域，特别是一种基于lasso回归预测治疗费用的方法。

背景技术

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，需根据数据特性选取合适的模型，目前常用于预测的方法主要有逻辑回归、机器学习、大数据等方法，但是此类方法往往对数据量提出较高要求；(3)回归模型复杂度较低，在数据集量较小数据维度较高时，预测准确率相对较差，因此选择何种优化方法对模型进行优化也成为一个重要的研究课题。

现有方法对数据进行表征的方法研究相对较少，而研究所用数据也多为指标测量结果，对病历中文本数据利用较低，而病历数据往往参差不齐，因此各方法中对病历的利用率相对不高。

在背景技术部分中公开的上述信息仅仅用于增强对本发明背景的理解，因此可能包含不构成在本国中本领域普通技术人员公知的现有技术的信息。

发明内容

针对现有技术中存在的问题，本发明提出一种基于lasso回归预测治疗费用的方法，针对得到的病历数据量较小并且文本数据比例较高的特点，对文本电子病历的数值化和缺失数据处理，具有更高的预测精度。

本发明的目的是通过以下技术方案予以实现，一种基于lasso回归预测治疗费用的方法包括以下步骤：

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，得到完整的病历数据集；

第三步骤中，基于1范数与2范数的变量筛选公式为其中，ω_j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。

所述的方法中，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。