山西省某醫(yī)院腦卒中病人住院費(fèi)用的影響因素

周立業(yè)，夏鑫婧，郭志飛，孫夢(mèng)姣，余紅梅

·綜合研究·

山西省某醫(yī)院腦卒中病人住院費(fèi)用的影響因素

周立業(yè)，夏鑫婧，郭志飛，孫夢(mèng)姣，余紅梅*

山西醫(yī)科大學(xué)，山西 030600

:分析腦卒中住院費(fèi)用的分布情況及影響因素，探尋高效的分析方法，為合理控制腦卒中住院費(fèi)用提供理論依據(jù)。:收集山西省某三級(jí)甲等醫(yī)院2017年—2019年腦卒中病人的住院信息，基于隨機(jī)森林、支持向量機(jī)、Logistic回歸3種機(jī)器學(xué)習(xí)算法建立預(yù)測(cè)模型，分析住院費(fèi)用影響因素及其重要程度。:腦卒中病人藥品費(fèi)在住院費(fèi)用中占比較大，住院天數(shù)、腦卒中分型、科室為腦卒中病人住院費(fèi)用的主要影響因素。基于支持向量機(jī)算法構(gòu)建的腦卒中病人住院費(fèi)用預(yù)測(cè)模型性能較優(yōu)。:應(yīng)通過(guò)綜合措施控制腦卒中病人住院費(fèi)用，以減少住院天數(shù)為重點(diǎn)，強(qiáng)化對(duì)可控因素的管理，針對(duì)關(guān)鍵人群采取預(yù)防和控制措施，降低腦卒中病人的經(jīng)濟(jì)負(fù)擔(dān)。

腦卒中；住院費(fèi)用；疾病負(fù)擔(dān)；影響因素；機(jī)器學(xué)習(xí)

腦卒中是一種高患病率、高死亡率、高致殘率、高復(fù)發(fā)率和高經(jīng)濟(jì)負(fù)擔(dān)五大特點(diǎn)的慢性病[1?2]，是我國(guó)成年人死亡和殘疾的首位病因，嚴(yán)重影響病人的生存質(zhì)量[3]。據(jù)推算，我國(guó)心血管病現(xiàn)患人數(shù)3.3億例，其中腦卒中病人1 300萬(wàn)例[4]。全球疾病負(fù)擔(dān)(global burden of disease，GBD)結(jié)果顯示，2016年我國(guó)因腦卒中死亡179.0萬(wàn)人，造成的傷殘調(diào)整壽命年(disability adjusted life year，DALY)達(dá)3 862.3萬(wàn)人年[5]。我國(guó)每年的腦卒中社會(huì)經(jīng)濟(jì)負(fù)擔(dān)達(dá)400億元人民幣，直接經(jīng)濟(jì)負(fù)擔(dān)為每年243億元人民幣[6]，給社會(huì)及家庭帶來(lái)沉重的疾病負(fù)擔(dān)。了解腦卒中的流行病學(xué)分布可以為腦卒中的防治工作提供重要的理論支撐。近年來(lái)，隨著機(jī)器學(xué)習(xí)算法的發(fā)展，越來(lái)越多的學(xué)者開始將機(jī)器學(xué)習(xí)算法應(yīng)用于醫(yī)療費(fèi)用分析中[7?8]，決策樹、隨機(jī)森林（RF）、支持向量機(jī)(SVM)等是使用較為廣泛的機(jī)器學(xué)習(xí)算法，但其中較少應(yīng)用多種機(jī)器學(xué)習(xí)算法進(jìn)行對(duì)比檢驗(yàn)。目前，由于沒(méi)有具體標(biāo)準(zhǔn)劃分住院費(fèi)用的高低，許多研究人員根據(jù)主觀看法劃分住院費(fèi)用，還有研究人員使用中位數(shù)方法將總住院費(fèi)用分為兩類。而聚類法對(duì)住院費(fèi)用的分類比中位數(shù)法更好，而且不同數(shù)據(jù)類別之間的分界點(diǎn)完全不受中位數(shù)大小的影響[9]。因此，選擇K?Means聚類法對(duì)住院費(fèi)用進(jìn)行分類，盡可能地避免人為因素的干擾。本研究以山西省運(yùn)城市某三級(jí)甲等醫(yī)院2017年—2019年腦卒中住院病人為研究對(duì)象，對(duì)腦卒中入院特征和住院費(fèi)用進(jìn)行針對(duì)性的分析，對(duì)腦卒中住院費(fèi)用的影響因素進(jìn)行探究，對(duì)于不同模型中篩選出的影響因素進(jìn)行重要性排序，從而找出最重要的影響因素，旨在為腦卒中防治和減少疾病負(fù)擔(dān)提供實(shí)證分析依據(jù)。

1 資料與方法

1.1資料來(lái)源數(shù)據(jù)來(lái)源于山西省某三級(jí)甲等醫(yī)院2017年1月—2019年12月全年住院病人中疾病診斷編碼為I60～I(xiàn)64開頭的病人2 042例，收集腦卒中住院檔案首頁(yè)的關(guān)鍵信息，包括社會(huì)人口學(xué)特征（住院號(hào)、性別、年齡、婚姻狀況、職業(yè)等）、臨床特征（門診診斷名稱、住院天數(shù)、藥物過(guò)敏等）、醫(yī)療付費(fèi)方式、總費(fèi)用以及各項(xiàng)醫(yī)療服務(wù)費(fèi)用（藥品費(fèi)、治療費(fèi)、護(hù)理費(fèi)、檢查費(fèi)、衛(wèi)生材料費(fèi)等）等。為保證研究數(shù)據(jù)的準(zhǔn)確性，使分析結(jié)果更真實(shí)、可靠，對(duì)數(shù)據(jù)進(jìn)行了預(yù)處理，剔除存在重要變量缺項(xiàng)、漏項(xiàng)以及有邏輯錯(cuò)誤的病例，剔除極端值，如住院總費(fèi)用低于100元或超過(guò)均數(shù)±3個(gè)標(biāo)準(zhǔn)差范圍的病例，剔除病案質(zhì)量為乙、丙或空缺的病例。

1.2研究方法

1.2.1統(tǒng)計(jì)分析方法運(yùn)用SPSS 24.0軟件進(jìn)行統(tǒng)計(jì)學(xué)分析。對(duì)住院費(fèi)用進(jìn)行正態(tài)性分析，發(fā)現(xiàn)其呈偏態(tài)分布，因此對(duì)連續(xù)型變量采用Spearman秩相關(guān)分析進(jìn)行單因素分析，對(duì)分類變量采用非參數(shù)檢驗(yàn)（Mann?Whitney檢驗(yàn)、Kruskal?Wallis檢驗(yàn)）。運(yùn)用R軟件建立隨機(jī)森林、支持向量機(jī)、Logistic回歸模型。

1.2.2模型的構(gòu)建與評(píng)價(jià)指標(biāo)選用3種應(yīng)用較為廣泛的機(jī)器學(xué)習(xí)算法，即隨機(jī)森林、支持向量機(jī)和Logistic回歸，比較3種分類算法基于已有變量信息對(duì)腦卒中住院費(fèi)用高低的分類。為了比較3種分類算法的分類效果，采用分層抽樣，選擇低費(fèi)用組和高費(fèi)用組70%的樣本作為訓(xùn)練集建立模型，其余30%樣本作為測(cè)試集評(píng)估模型性能。將3種方法在同一訓(xùn)練集上構(gòu)建分類預(yù)測(cè)模型，并利用測(cè)試集數(shù)據(jù)進(jìn)行預(yù)測(cè)，探究不同模型中住院費(fèi)用影響因素排序的差異。通過(guò)靈敏度、特異度、準(zhǔn)確度、受試者工作特征曲線下面積（AUC）和G?means對(duì)模型性能進(jìn)行評(píng)價(jià)。

1.2.3變量離散化處理采用K?means聚類法將因變量（冠心病住院費(fèi)用）分為低費(fèi)用組和高費(fèi)用組（低費(fèi)用組=0，高費(fèi)用組=1），將年齡、住院次數(shù)和住院天數(shù)進(jìn)行離散化處理，見(jiàn)表1。

表1　腦卒中住院費(fèi)用影響因素的變量賦值情況

2 結(jié)果

2.1腦卒中病人住院費(fèi)用的基本構(gòu)成本研究涵蓋2017年—2019年數(shù)據(jù)，為了減少居民消費(fèi)價(jià)格指數(shù)(consumer price index，CPI)帶來(lái)的影響，根據(jù)中國(guó)國(guó)家統(tǒng)計(jì)局發(fā)布的CPI指數(shù)對(duì)費(fèi)用進(jìn)行調(diào)整，3年的CPI指數(shù)分別是101.6，102.1和102.9。腦卒中病人次均住院費(fèi)用中位數(shù)為20 430.55元，其中藥品費(fèi)和衛(wèi)生材料費(fèi)所占比例排在前2位，分別占總費(fèi)用的47.15%和14.75%，詳見(jiàn)表2。

表2　2017年—2019年腦卒中病人次均住院費(fèi)用情況（M）

2.2腦卒中病人住院費(fèi)用影響因素的單因素分析（見(jiàn)表3）

表3　腦卒中病人住院費(fèi)用影響因素的單因素分析（n=2 042）

2.3K?Means聚類過(guò)程及結(jié)果（見(jiàn)表4）

表4　腦卒中病人總住院費(fèi)用K?means聚類結(jié)果 單位：元

2.4腦卒中病人住院費(fèi)用影響因素的統(tǒng)計(jì)模型擬合結(jié)果在K?means聚類的基礎(chǔ)上，將單因素分析中篩選的13個(gè)自變量納入Logistic回歸模型、隨機(jī)森林和支持向量機(jī)模型。變量中包括4個(gè)二分類變量、9個(gè)多分類變量，處理時(shí)將9個(gè)多分類變量轉(zhuǎn)化成啞變量，采用二元Logistic回歸模型進(jìn)行分析預(yù)測(cè)。隨機(jī)森林模型的建立主要取決于兩個(gè)重要參數(shù)：mtry（隨機(jī)選擇特征的數(shù)目）和ntree（樹的數(shù)目）[8]。經(jīng)驗(yàn)證，本研究中參數(shù)mtry設(shè)置為4，ntree設(shè)置為1 000時(shí)，隨機(jī)森林模型表現(xiàn)最佳。在解決樣本量較少，同時(shí)又是非線性的高維數(shù)據(jù)的分類問(wèn)題時(shí)，支持向量機(jī)模型較其他模型更有優(yōu)勢(shì)，表現(xiàn)出預(yù)測(cè)精度較高的優(yōu)點(diǎn)。針對(duì)不同特征的數(shù)據(jù)集選擇適宜的核函數(shù)，適當(dāng)?shù)臄?shù)據(jù)預(yù)處理以及選擇最優(yōu)的參數(shù)，都可以極大地改善支持向量機(jī)的性能。經(jīng)驗(yàn)證，在本研究選擇sigmoid核函數(shù)，將gamma的值設(shè)為0.01，cost的值設(shè)為100，此時(shí)模型分類效果更優(yōu)秀。比較3個(gè)模型的輸出結(jié)果，發(fā)現(xiàn)腦卒中住院費(fèi)用影響因素的重要性排序在不同模型中存在差異：住院天數(shù)在3個(gè)模型中次序一致，腦卒中分型、是否手術(shù)、科室、職業(yè)、年份、付費(fèi)方式、藥品零加成政策前后在3個(gè)模型中次序基本一致，而科室是否一致、年齡、性別、入院途徑、住院次數(shù)在3個(gè)模型中次序不一致。詳見(jiàn)表5。

表5　腦卒中病人住院費(fèi)用影響因素的統(tǒng)計(jì)模型擬合排序結(jié)果

2.53種模型性能比較采用同一訓(xùn)練集構(gòu)建隨機(jī)森林、支持向量機(jī)、Logistic回歸的腦卒中住院費(fèi)用預(yù)測(cè)模型，應(yīng)用于同一測(cè)試集數(shù)據(jù)，比較各模型的預(yù)測(cè)效果，詳見(jiàn)表6。

3 討論

3.1支持向量機(jī)模型的綜合性能優(yōu)于其他2種模型本研究結(jié)果表明，隨機(jī)森林模型和支持向量機(jī)模型比傳統(tǒng)Logistic回歸模型性能更優(yōu)，隨機(jī)森林模型的特異度最高(93.81%)，支持向量機(jī)模型靈敏度、G?means及AUC表現(xiàn)最好。在以往的大多醫(yī)療費(fèi)用研究中，學(xué)者們較多選擇多元回歸分析等傳統(tǒng)統(tǒng)計(jì)方法，但這類統(tǒng)計(jì)方法都有著嚴(yán)格的應(yīng)用條件，如線性、獨(dú)立、正態(tài)、方差一致性。醫(yī)療數(shù)據(jù)的復(fù)雜性和高維性等特點(diǎn)，使其很難達(dá)到正態(tài)性、方差一致性等要求，在多元線性回歸等傳統(tǒng)方法中引入偏態(tài)數(shù)據(jù)，較大可能得出錯(cuò)誤結(jié)論。支持向量機(jī)是近年來(lái)基于統(tǒng)計(jì)理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則而開發(fā)的一種機(jī)器學(xué)習(xí)算法，對(duì)數(shù)據(jù)要求較少，可以很好地處理高維和復(fù)雜的資料，如醫(yī)療數(shù)據(jù)，同時(shí)還具備較好的泛化能力，其模型的建立是一個(gè)核函數(shù)和最佳參數(shù)選擇的過(guò)程，適宜的核函數(shù)選擇和參數(shù)的優(yōu)化能夠顯著提高預(yù)測(cè)精度[10]。本研究結(jié)果證實(shí)，支持向量機(jī)對(duì)住院費(fèi)用的建模分類和預(yù)測(cè)具有有效性和適用性，且分類效率高，模型穩(wěn)定性強(qiáng)，在醫(yī)療領(lǐng)域有較好的推廣前景和發(fā)展空間。

3.2藥品零加成政策小有成效，但結(jié)構(gòu)合理性仍需加強(qiáng)本研究結(jié)果顯示，藥品費(fèi)呈現(xiàn)逐年小幅下降趨勢(shì)，這與國(guó)家的藥品政策密不可分。2017年7月山西省公立醫(yī)院實(shí)行藥品零加成政策，降低藥品費(fèi)用得到有力的政策支持。但藥品費(fèi)在腦卒中住院費(fèi)用中占比仍然最高，與其他學(xué)者研究結(jié)果[11]相似，高于國(guó)外水平[12]。另外，治療費(fèi)3年年均占比約12%，護(hù)理費(fèi)年均占比約5%，遠(yuǎn)低于藥品費(fèi)占比，且治療費(fèi)和護(hù)理費(fèi)呈逐年下降趨勢(shì)，這與公立醫(yī)院的改革方向不一致，可從側(cè)面反映出技術(shù)服務(wù)的價(jià)值認(rèn)可度不高，醫(yī)務(wù)人員勞動(dòng)價(jià)值未能充分體現(xiàn)，費(fèi)用結(jié)構(gòu)不合理，急需探索降低藥費(fèi)比重、合理用藥的措施，應(yīng)在控制住院總費(fèi)用和藥品費(fèi)的基礎(chǔ)上繼續(xù)降低藥占比，避免增加醫(yī)療經(jīng)濟(jì)負(fù)擔(dān)。同時(shí)，需要進(jìn)一步完善補(bǔ)償機(jī)制，提高技術(shù)勞務(wù)收費(fèi)的比重，保障醫(yī)務(wù)人員的合理收入，使其在醫(yī)療行為中的貢獻(xiàn)真正得到體現(xiàn)。本研究結(jié)果還發(fā)現(xiàn)，3年間檢查費(fèi)在占比與數(shù)值均有所上升，與陳積標(biāo)等[13]研究結(jié)果類似。提示醫(yī)院管理者應(yīng)當(dāng)在運(yùn)營(yíng)管理上實(shí)現(xiàn)透明化、信息化，做好醫(yī)院內(nèi)部的成本管控，從粗放管理轉(zhuǎn)為精細(xì)化管理[14]，制定措施規(guī)范檢查和診療方案，避免出現(xiàn)由“以藥養(yǎng)醫(yī)”轉(zhuǎn)換為“以檢驗(yàn)、衛(wèi)生材料養(yǎng)醫(yī)”的現(xiàn)象，進(jìn)一步保障參保利益，提高老百姓的獲得感[15]。

3.3腦卒中病人住院費(fèi)用的影響因素本研究選用單因素分析篩選出的變量建立隨機(jī)森林、支持向量機(jī)、Logistic回歸模型，對(duì)影響因素進(jìn)行重要程度排序，共13個(gè)變量被引入模型，可大致分為3類不同特征因素：客觀因素（年份、藥品零加成政策前后）、個(gè)體因素（性別、年齡、職業(yè)、付費(fèi)方式、入院途徑、腦卒中分型）以及臨床因素（住院天數(shù)、住院次數(shù)、科室、科室是否一致、是否手術(shù)）。個(gè)體因素大多取決于自身情況及主觀意愿，其中對(duì)于住院費(fèi)用影響較大的為腦卒中分型。出血性腦卒中病情兇險(xiǎn)且常伴有意識(shí)障礙，出血量大于30 mL時(shí)需采取手術(shù)治療[16]，術(shù)后長(zhǎng)期康復(fù)治療以及可能發(fā)生并發(fā)癥（腦室出血伴腦積水、靜脈血栓形成等），同時(shí)還伴隨住院天數(shù)的增加，都是造成費(fèi)用增高的原因，加重了個(gè)人及家庭的經(jīng)濟(jì)負(fù)擔(dān)。職業(yè)在影響因素中的排名也較為靠前，本研究數(shù)據(jù)來(lái)源于運(yùn)城市三級(jí)甲等綜合型醫(yī)院，數(shù)量較多且全面，數(shù)據(jù)分析也具有較好的代表性。根據(jù)職業(yè)分布來(lái)看，農(nóng)民和工人占75.6%，且這類人群的次均住院費(fèi)用高于其他職業(yè)。這類人群的工作生活環(huán)境存在較多的危險(xiǎn)因素，如忽視自身保健、長(zhǎng)期體力勞動(dòng)等，他們普遍缺乏健康意識(shí)，對(duì)于基層衛(wèi)生服務(wù)的利用率不高，部分社區(qū)或鄉(xiāng)鎮(zhèn)衛(wèi)生院的衛(wèi)生服務(wù)可及性也有所缺乏[17]，長(zhǎng)期積累導(dǎo)致病情加重，一定程度上增加了醫(yī)療支出。提示醫(yī)療機(jī)構(gòu)可以依據(jù)本院就診人群的分布特征采取針對(duì)性的措施，加強(qiáng)與社區(qū)服務(wù)中心、鄉(xiāng)鎮(zhèn)衛(wèi)生院的聯(lián)動(dòng)合作，依據(jù)早診早治的方針，深入鄉(xiāng)鎮(zhèn)，安排專家開展專題講座，定期組織巡診義診等。同時(shí)，當(dāng)?shù)匦l(wèi)生部門也要因地制宜，統(tǒng)籌規(guī)劃好各級(jí)醫(yī)療機(jī)構(gòu)的職責(zé)，對(duì)于腦卒中這類慢性病，需要充分發(fā)揮社區(qū)衛(wèi)生中心在腦卒中防治中的作用，加強(qiáng)慢性病的一級(jí)、二級(jí)預(yù)防工作，立足社區(qū)，做好重點(diǎn)人群的健康管理、健康教育工作，加大對(duì)基層護(hù)理人員的培訓(xùn)力度，更好地指導(dǎo)重點(diǎn)人群熟悉日常保健措施以及掌握疾病的應(yīng)急處理措施，盡可能地減少出血性腦卒中這類危急病情的發(fā)生，最大限度地保護(hù)群眾生命健康。

醫(yī)療因素中各因素排名均較靠前，其中住院天數(shù)排第1位，與王婷婷等[18?19]研究結(jié)果一致。有研究表明，將三級(jí)醫(yī)院的平均住院日從20 d減少到7 d，可以降低49%的住院費(fèi)用[20]。住院天數(shù)的不必要延長(zhǎng)，例如等待檢查或手術(shù)的住院天數(shù)，都會(huì)伴隨著護(hù)理、診查、床位等費(fèi)用的增加，可能導(dǎo)致住院總費(fèi)用上升。醫(yī)療機(jī)構(gòu)應(yīng)當(dāng)采取綜合性的措施提高臨床科室和檢查科室之間的有效配合，合理減少住院天數(shù)，長(zhǎng)期住院會(huì)增加醫(yī)院感染和并發(fā)癥的風(fēng)險(xiǎn)，病情反復(fù)，遷延不愈。另外，腦卒中這類慢性病的特征決定了大部分病人出院后都要進(jìn)行一段時(shí)間的康復(fù)治療，康復(fù)治療可以在一級(jí)、二級(jí)醫(yī)院或社區(qū)、鄉(xiāng)鎮(zhèn)衛(wèi)生服務(wù)中心完成，體現(xiàn)出分級(jí)診療的重要性，需要上級(jí)醫(yī)院與下級(jí)醫(yī)療機(jī)構(gòu)保持良好的配合和溝通，上級(jí)醫(yī)院把控好出院指標(biāo)，下級(jí)醫(yī)院做好護(hù)理、康復(fù)的配套工作，不僅可以減輕病人的經(jīng)濟(jì)負(fù)擔(dān)，同時(shí)也加快了三級(jí)醫(yī)院的病床周轉(zhuǎn)率，緩解病床緊張現(xiàn)象，提高資源利用效率。

[1] 趙慶,吳茜,孫曉,等.腦卒中患者延續(xù)性護(hù)理質(zhì)量評(píng)價(jià)指標(biāo)體系的構(gòu)建[J].中華護(hù)理雜志,2020,55(2):171-176.

[2] 費(fèi)囡.腦卒中再住院患者病恥感對(duì)健康促進(jìn)生活方式的影響研究[J].中國(guó)醫(yī)院統(tǒng)計(jì),2020,27(1):55-58;63.

[3] 王隴德,劉建民,楊弋,等.我國(guó)腦卒中防治仍面臨巨大挑戰(zhàn)——《中國(guó)腦卒中防治報(bào)告2018》概要[J].中國(guó)循環(huán)雜志,2019,34(2):105-119.

[4] 中國(guó)心血管健康與疾病報(bào)告編寫組.中國(guó)心血管健康與疾病報(bào)告2020概要[J].中國(guó)循環(huán)雜志,2021,36(6):521-545.

[5] GBD Causes of Death Collaborators.Global,regional,and national age-sex specific mortality for 264 causes of death,1980-2016:a systematic analysis for the Global Burden of Disease Study 2016[J].Lancet,2017,390(10100):1151-1210.

[6] 吳亞哲,陳偉偉.中國(guó)腦卒中流行概況[J].心腦血管病防治,2016,16(6):410-414.

[7] 高峰,鄭二維,張清芝,等.基于決策樹模型腦卒中患者住院費(fèi)用DRG分組實(shí)證研究[J].中國(guó)衛(wèi)生經(jīng)濟(jì),2020,39(4):33-35.

[8] 于大海,李金,羅艷虹,等.隨機(jī)森林模型和決策樹模型在肝硬化上消化道出血預(yù)后中的應(yīng)用[J].中國(guó)衛(wèi)生統(tǒng)計(jì),2019,36(2):162-166.

[9] YAN X,CHOWDHURY N A.Mid-term electricity market clearing price forecasting:a multiple SVM approach[J].International Journal of Electrical Power & Energy Systems,2014,58:206-214.

[10] 王婭玲,張鐸齡,張譯丹,等.多種統(tǒng)計(jì)模型在冠心病醫(yī)療費(fèi)用影響因素中的應(yīng)用與比較[J].中國(guó)衛(wèi)生事業(yè)管理,2017,34(3):198-200；204.

[11] 錢治軍,趙艷芳,何倩,等.上海市6所三級(jí)甲等醫(yī)院腦卒中住院患者費(fèi)用分析[J].解放軍醫(yī)院管理雜志,2014,21(10):978-980.

[12] YONEDA Y,UEHARA T,YAMASAKI H,.Hospital-based study of the care and cost of acute ischemic stroke in Japan[J].Stroke,2003,34(3):718-724.

[13] 陳積標(biāo),況杰,易應(yīng)萍,等.2015—2019年江西省缺血性腦卒中患者特征及住院費(fèi)用分析[J].現(xiàn)代預(yù)防醫(yī)學(xué),2021,48(8):1515-1519.

[14] 王俊嬌,夏敬軒.公立醫(yī)院管理信息化探索與研究[J].中國(guó)管理信息化,2020,23(18):97-98.

[15] 王予,徐沛瑤,朱敏.高血壓患者住院費(fèi)用及其影響因素研究[J].中國(guó)衛(wèi)生統(tǒng)計(jì),2019,36(4):574-577.

[16] 陳若青,馬再鴻,王漫云.腦卒中首發(fā)病人住院費(fèi)用分析[J].中國(guó)衛(wèi)生經(jīng)濟(jì),2008,27(11):52-54.

[17] 馬婧,徐愛(ài)軍.四種基本醫(yī)療保險(xiǎn)制度下高血壓患者衛(wèi)生服務(wù)利用狀況研究[J].中國(guó)全科醫(yī)學(xué),2018,21(28):3518-3522.

[18] 王婷婷,于麗華,郎婧婧,等.基于結(jié)構(gòu)方程模型的肺癌手術(shù)患者住院費(fèi)用影響因素分析[J].中國(guó)衛(wèi)生經(jīng)濟(jì),2019,38(6):61-63.

[19] 譚禮萍,吳曉云,鄭銀雄,等.腦卒中患者住院費(fèi)用影響因素的通徑分析[J].中國(guó)衛(wèi)生統(tǒng)計(jì),2012,29(4):574-575.

[20] WEI J W,HEELEY E L,JAN S,.Variations and determinants of hospital costs for acute stroke in China[J].PLoS One,2010,5(9):e13041.

Influencing factors of hospitalization costs of stroke patients in a hospital in Shanxi province

ZHOULiye, XIAXinjing, GUOZhifei, SUNMengjiao, YUHongmei

Shanxi Medical University, Shanxi 030600 China

stroke； hospitalization costs； disease burden； influencing factors； machine learning

YU Hongmei, E?mail: yu@sxmu.edu.cn

10.12102/j.issn.1009-6493.2023.03.025

國(guó)家自然科學(xué)基金項(xiàng)目，編號(hào)：81973154

周立業(yè)，副教授，博士

余紅梅，E?mail：yu@sxmu.edu.cn

周立業(yè),夏鑫婧,郭志飛,等.山西省某醫(yī)院腦卒中病人住院費(fèi)用的影響因素[J].護(hù)理研究,2023,37(3):517?521.

（收稿日期：2022-04-02；修回日期：2023-01-18）

（本文編輯 蘇琳）