《表1 初筛模型变量：基于数据挖掘算法的慢病住院费用预测模型分析》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于数据挖掘算法的慢病住院费用预测模型分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

基于以上形成的基础表，通过文献查阅，与业务部门沟通后，确定模型的因变量是二分类的日均住院费用，并筛选出32个与住院费用可能相关的自变量（已去除全为空的变量），参保人静态属性包括性别（X1）、年龄（X2）[6]。参保人动态属性主要包括费用结构（药品费、治疗费、检查费、手术费等）[7-8]、报销结构（统筹基金报销、大病互助报销、现金支付等），以及来访方式[9]。其中，门特的费用结构（药品费、治疗费、检查费、手术费等）（X12～X16） 、报销结构情况（统筹基金报销、大病互助报销、现金支付等）（X3～X11） 、门特来访方式（X31）等变量间接反映了参保人在门特的治疗和给药情况，以及参保人病情。同理，住院的费用结构（药品费、治疗费、检查费、手术费等）（X26～X30） 、报销结构情况（统筹基金报销、大病互助报销、现金支付等）（X17～X25） 、住院方式（X32）等变量则间接反映了参保人住院期间的治疗和给药情况，以及参保人的病情。初筛模型变量见表1。针对初筛的连续型变量进行重新分档，自变量分档的公认标准见表2，分档的规则见表3。