基于参保人画像和诊疗结果预期的临床路径决策模型

首先，通过贵州省医疗保障事务中心（暨我单位）收集整理的数据，并对数据进行脱密脱敏，并结合各医院的就诊规则等相关数据作为数据集。其次，使用训练数据集对xgboost模型进行训练，使用 numpy 的随机数生成函数，让随机结果可重复；使用xgb 库中的 DMatrix 函数，从 data 中筛选并处理得到的数据部分，将它作为 DMatrix 的主要数据部分。最后，使用训练好的bst模型进行预测操作，模型的输出参数包括但不限于患者年龄、患者性别、医院编号、医院等级、入院病情、就诊病况、使用药物、历史病症、当前病症、历史手术经历、危险等级等等数据。

搜集汇总

背景与挑战

背景概述

该数据集是一个用于临床路径决策的模型，基于参保人画像和诊疗结果预期，数据规模为1T，每月更新。它通过分析参保人信息提供临床决策建议，适用于公共管理和社会保障领域。