基于可解释机器学习的某三甲医院中医住院服务费用驱动因素识别研究

《Frontiers in Public Health》:Interpretable machine learning for identifying cost drivers of inpatient traditional Chinese medicine services in a tertiary hospital in China

【字体: 大 中 小 】 时间:2026年10月21日 来源:Frontiers in Public Health 4.1

编辑推荐:

  摘要 背景: 中医住院费用是中国医院支出的重要组成部分,然而其费用结构与驱动因素仍缺乏充分描述。本研究旨在利用可解释机器学习,识别某三级医院中医科住院患者中医总费用的驱动因素。 方法: 本研究为回顾性研究,使用来自中国贵阳某三级医院中医科2023—2025年间

  
摘要 背景: 中医住院费用是中国医院支出的重要组成部分,然而其费用结构与驱动因素仍缺乏充分描述。本研究旨在利用可解释机器学习,识别某三级医院中医科住院患者中医总费用的驱动因素。 方法: 本研究为回顾性研究,使用来自中国贵阳某三级医院中医科2023—2025年间的1,532份去标识化住院记录。由于模型将费用构成变量(中医治疗项目总费用和中药总费用)作为预测因子,该模型被明确界定为费用结构解释模型而非前瞻性预测模型,其解释力部分反映了这些费用构成成分。由于结局呈右偏分布,中医总费用经log(1 + x)变换处理。比较了七种算法(线性回归、岭回归、套索回归、弹性网络、决策树、随机森林及XGBoost回归),采用重复5折交叉验证(重复5次)及独立8:2留出测试集。模型性能通过RMSE、MAE和R2评估,并采用置换重要性和Shapley加法解释(SHAP)量化变量贡献。 结果: 该队列中位年龄为61岁,女性患者占61.4%;中医总费用中位数为3,446.72元(IQR 1,616.00–5,324.05)。随机森林模型性能最佳(对数尺度测试集R2 = 0.820;反变换后RMSE = 1,408.6元,R2 = 0.746),优于XGBoost及所有正则化线性模型。置换重要性与SHAP分析一致将中医治疗项目总费用、住院天数和中药总费用列为前三大预测因子(约占SHAP总重要性的81%),而人口学及临床因素贡献甚微。 结论: 中医治疗项目总费用是中医总费用的主导驱动因素,其次为住院天数和中药费用。上述发现支持对中医治疗项目进行精细化成本核算与标准化管理。所报告的贡献反映的是模型内的关联而非因果效应;鉴于单中心设计及仅内部验证,在临床或管理应用前需进行多中心外部验证及入院阶段模型构建。
一、研究背景与问题提出
全球范围内医疗费用的持续增长已成为卫生体系面临的重大挑战。在中国,人口老龄化进程加快、慢性病负担日益加重以及医疗保险支付方式改革不断推进的背景下,这一问题尤为突出。在“健康中国2030”战略以及疾病诊断相关分组(DRG)和病种分值付费(DIP)支付改革的实施下,医院被要求加强成本控制、优化资源配置并维持服务质量。中医药服务在中国应用广泛,并日益融入慢性病管理、康复及住院支持治疗。在医院环境中,中医科的费用结构可能与以西医服务为主的科室存在差异。住院患者接受中医诊疗过程中,可能产生中医特色诊疗服务费用、中药费用、西药费用、检查费用、护理费用及其他住院服务费用。理解各费用构成成分的相对贡献,对于精细化成本核算、支付政策设计及循证管理具有重要意义。然而,既往住院费用研究主要集中于特定疾病、外科手术或西医导向的住院服务,针对综合医院中医科住院患者费用结构与驱动因素的证据十分有限,鲜有研究在同一分析框架内探讨中医治疗项目费用、中药费用、西药费用与患者个体特征的相对贡献。机器学习方法为建模临床与行政数据中复杂的非线性关系提供了灵活工具,随机森林回归尤其能够在不依赖强参数假设的情况下适应非线性关联与交互作用。但需注意,当费用构成变量被用于解释总费用时,模型的高解释性能可能部分反映总费用与其构成成分之间的算术关系,而非真正的前瞻性预测能力。
二、研究目的与意义
本研究旨在利用可解释机器学习方法,识别中国贵阳某三级医院中医科住院患者中医总费用的驱动因素。研究通过log(1 + x)变换处理右偏态费用数据,采用重复5折交叉验证(5次重复)进行超参数调优,并保留独立8:2留出测试集进行样本外验证。研究以RMSE、R2和MAE量化模型预测效能,并通过比较训练集、交叉验证与测试集性能筛查过拟合。进一步通过SHAP解释与变量重要性分析,量化费用构成成分及患者社会人口学/临床协变量的相对预测重要性,为中医住院服务的精细化成本核算和针对性成本管理提供证据支持。
三、关键技术与方法
研究人员采用回顾性医院观察性研究设计,数据来源于中国贵阳某三级医院中医科2023—2025年间的住院病案记录,从医院信息系统提取并采用唯一研究编码去标识化处理。初始识别1,583份住院记录,经排除关键变量缺失、费用值不合理、自付比例超出0—1逻辑范围及经统计与临床验证的极端值后,最终纳入1,532份记录。结局变量为每次住院的中医总费用(元),定义为所有中医相关收费之和。候选预测变量包括人口学特征、支付相关变量、住院特征及中医费用构成变量。由于费用构成变量是总费用的组成部分,该模型被界定为费用结构解释模型。统计分析使用R软件(4.4.1版)完成。连续变量先检验分布特征,正态分布变量以均数±标准差表示,偏态变量以中位数和四分位距表示,分类变量以频数和百分比表示。组间比较优先采用非参数检验,Mann–Whitney U检验或Kruskal–Wallis检验用于连续结局,卡方检验或Fisher精确检验用于分类变量,Spearman相关系数评估连续变量与中医总费用之间的单调关联。缺失值在分析前进行插补,结局和两个偏态费用构成预测变量均经log(1 + x)变换。数据集以固定随机种子按8:2比例随机分为训练集和测试集,构建弹性网络、套索回归、线性回归、岭回归、XGBoost、随机森林和决策树七种模型,均通过训练集上重复5折交叉验证(5次重复)进行超参数调优,最终模型在独立测试集上验证,并采用变量重要性图、预测-实际散点图、残差分析和SHAP分析进行模型解释。
四、研究结果
4.1 研究人群与费用分布
最终纳入1,532份住院记录,中医总费用中位数为3,446.72元(IQR 1,616.00–5,324.05)。多数患者为汉族(93.1%),女性占61.4%。最常见的支付类别为城镇职工基本医疗保险(40.0%)、其他支付方式(37.5%)和完全自费(22.4%)。中医总费用在性别(p = 0.016)、婚姻状况、民族、职业和支付方式(均p < 0.001)以及重症状态(p = 0.023)方面存在显著差异。连续变量中,年龄、住院次数、住院天数、中医治疗项目总费用和中药总费用与中医总费用呈正相关,而自付费用比例与中医总费用呈弱负相关。
4.2 随机森林模型与SHAP分析
研究人员测试了七种算法以开发中医总费用的最优解释模型。优化的随机森林模型在内部测试集中表现最佳,对数尺度RMSE最低(0.666)、R2最高(0.820),MAE为0.353,紧随其后的是XGBoost(RMSE = 0.670,R2 = 0.818)。正则化线性模型表现相近(R2 ≈ 0.78–0.79),但逊于树集成模型,单一决策树性能最低(RMSE = 0.813,R2 = 0.732)。重复5折交叉验证中随机森林平均RMSE为0.631,与其测试集RMSE 0.666一致。随机森林训练集R2为0.967,测试集R2为0.820,训练至测试存在适度差距。基于上述评估指标,优化的随机森林被选为最终模型,其反变换测试集RMSE为1,408.6元。基于模型的%IncMSE重要性和聚合SHAP重要性一致将中医治疗项目总费用、住院天数和中药总费用列为三大主导预测因子,人口学与临床因素贡献甚微。前三个特征累计贡献约占SHAP总重要性的81%。SHAP汇总图显示方向性效应:核心费用相关特征值越大,预测中医总费用越高,而其他变量呈异质性非线性关联。预测值与实际值散点图显示点沿1:1线紧密聚集,残差在观测费用范围内均匀分布,表明无实质性系统偏差,模型在不同费用层级均表现稳健。
五、讨论与结论
5.1 主要发现
在1,532份中医科住院病案中,优化的随机森林模型优于正则化线性模型和XGBoost,测试集对数尺度R2达0.820,反变换RMSE为1,408.6元。置换重要性与SHAP分析一致识别中医治疗项目总费用为最主导预测因子,其次为住院天数和中药总费用,人口学与临床因素贡献甚微。
5.2 费用构成重要性的解释
中医治疗项目总费用是中医总费用最重要的预测因子,提示针灸、推拿、艾灸、穴位贴敷等非药物中医服务构成所研究医院住院中医支出的主要部分。由于这些费用构成本身是中医总费用的组成部分,其高重要性反映中医服务的内部费用结构而非独立因果效应。该发现具有操作层面的信息价值:指明了中医支出变异产生的来源,支持在医疗服务价格改革和DRG/DIP支付改革背景下对中医治疗项目进行更精细的成本核算和标准化管理。
5.3 住院天数与费用变异
住院天数保持第二大预测因子,与既往住院时长是住院费用主要相关因素的证据一致。较长住院时间可能通过床位使用、护理、重复治疗、用药及日常服务收费累积增加费用。但住院天数不应仅被视为可干预的因果因素,它也可能反映疾病严重程度、治疗复杂性、康复延迟或出院计划约束。成本控制策略应在确保临床安全和护理连续性的前提下减少不必要的住院。
5.4 支付方式、自付负担与患者特征
支付方式和自付负担对中医总费用作出较小但不可忽视的预测贡献,可能反映报销规则、患者支付能力和医疗服务利用的差异。然而详细报销比例、福利包、患者收入或社会经济状况未纳入本研究,观察到的关系应解释为预测关系而非因果证据。描述性分析显示中医总费用在性别、婚姻状况、民族、职业和重症状态方面存在差异,可能源于未测量的社会经济、地理、文化、就医行为和医疗可及性因素,受单中心设计和有限临床协变量限制,这些发现应视为探索性的。
5.5 模型性能、偏态处理与过拟合
与医疗费用右偏分布一致,结局和偏态费用构成预测变量经log(1 + x)变换,模型性能在对数尺度和反变换元尺度上均有报告。树集成模型优于正则化线性模型,与其捕捉费用数据非线性和异质结构的能力一致。针对树模型过拟合问题,研究采用重复5折交叉验证(5次重复)进行超参数调优和性能估计,保留独立留出测试集,并分别报告训练、交叉验证和测试性能。随机森林交叉验证RMSE(0.631)与测试集RMSE(0.666)一致,表明测试集估计稳定。
5.6 SHAP结果的解释
SHAP值量化每个变量对模型预测的贡献,反映模型习得的关联而非因果关系。由于两个主导预测因子本身是费用构成成分,其高SHAP重要性部分反映中医总费用与其构成成分之间的算术关系。
5.7 对中医服务管理的启示
研究结果具有多项实践意义。第一,中医治疗项目应纳入中医科成本核算和内部成本监测系统的关键组成部分。第二,医院应加强对中医特色服务的标准化管理,减少服务使用和费用的不合理变异。第三,在DRG/DIP支付改革下,支付和定价政策应考虑中医服务的独特费用结构,避免不考虑服务特征的统一成本控制逻辑。第四,医院管理者可在模型经过外部验证和恰当解释的前提下,将基于真实世界数据的分析工具作为成本监测和高成本模式识别的辅助手段。
5.8 优势与局限
本研究基于中医科真实世界住院记录构建优化的随机森林模型解释中医总费用,分析遵循可复现的工作流程,包括偏态结局的log(1 + x)变换、七种算法比较、重复交叉验证调优与性能估计、独立留出测试集及正式过拟合评估,并结合SHAP解释阐明核心影响因素的作用模式。局限性包括:单中心回顾性设计限制结论外推性;模型纳入直接费用构成指标作为预测因子,适用于解释费用结构而非入院前瞻性预测;诊断、疾病严重程度、合并症及中医证候辨证等主要临床指标未纳入分析;仅进行内部验证,随机森林模型因费用分布偏态和服务利用异质性面临潜在过拟合风险;机器学习特征重要性仅代表预测相关性而非因果关联;未排除同一患者的重复入院,可能影响统计样本独立性。研究人员计划在独立多中心队列及时间上不同的验证集中评估模型后再进行临床或管理应用。
结论: 本研究建立了优化的随机森林模型以解释中国某三级医院住院患者的中医总费用。中医治疗项目总费用主导了中医总费用的预测,其次为住院天数和中药总费用。上述结果证明了中医相关服务对住院支出的显著贡献,提示对中医治疗进行精细化成本核算和标准化管理的必要性。鉴于费用构成成分作为预测因子纳入模型且缺乏外部验证,未来研究应利用基线临床变量构建基于入院状态的模型,并进行多中心验证以促进实际应用。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号