一种基于决策树算法的疾病诊断分组的实现方法与流程

技术特征：

1.一种基于决策树算法的疾病诊断分组的实现方法，其特征在于，包括如下步骤：

步骤S1，获取疾病种类的基础数据，将所述疾病种类的基础数据按照人体解剖系统分为多个疾病诊断分组解剖大类；

步骤S2，根据预设的手术类型及操作的难易程度数据，将每个疾病诊断分组解剖大类进一步划分为多个疾病诊断操作子类；

步骤S3，针对每个所述疾病诊断操作子类，设置因变量和自变量，运用决策树算法选取符合预设条件的因素，将病例样本细分为诊断相关组，包括：利用所述决策树算法对每个所述疾病诊断操作子类的变量值进行切分，并分别计算切分前误差平方和SSE1以及切分后误差平方和SSE2，选取SSE2与SSE1差值的最大值对应的变量属性作为最佳切分选择，重复上述步骤，直至按针对该变量特征划分后节点各数值相同或达到规定的切分层数，则停止算法迭代；

步骤S4，在决策树选取的切分特征变量中，将切分后节点费用均值低于预设阈值的并发症确定为一般并发症，将切分后节点均值费用高于预设阈值的并发症确定为重要并发症，以此划分诊断相关组。

2.如权利要求1所述的基于决策树算法的疾病诊断分组的实现方法，其特征在于，所述多个疾病诊断分组解剖大类，包括：神经系统疾病组、消化系统疾病组、骨科系统疾病组。

3.如权利要求1所述的基于决策树算法的疾病诊断分组的实现方法，其特征在于，在所述步骤S3中，所述因变量为该疾病诊断操作子类对应的治疗总费用，自变量为并发症、患者年龄以及是否死亡，所述预设条件为影响治疗费用的因素。

4.如权利要求1所述的基于决策树算法的疾病诊断分组的实现方法，其特征在于，在所述步骤S3中，所述决策树算法采用分类回归决策树算法。

5.如权利要求1所述的基于决策树算法的疾病诊断分组的实现方法，其特征在于，

$SSE1={\Σ}_{i=1}^n(vi-v)*(vi-v),$

$SSE2={\mathrm{\Σ}}_{i=1}^n({\mathrm{vi}}^{\′}-v)*({\mathrm{vi}}^{\′}-v),$

其中，vi是变量Xi切分前的具体值，vi'是变量Xi切分后的具体值，i＝1,2,…n。

6.如权利要求1所述的基于决策树算法的疾病诊断分组的实现方法，其特征在于，在所述步骤S4之后，还包括如下步骤：根据划分的诊断相关组，进行保险支付、保险欺诈异常识别、医保控费和医疗绩效评价操作。