贵州省卫生项目管理办公室

企业

贵州省卫生项目管理办公室，位于贵州省。主要经营范围包括为城镇职工和城乡居民基本医疗保险、生育保险和医疗救助等工作提供服务、贯彻执行城镇职工和城乡居民基本医疗保险、生育保险以及医疗救助的基本方针、政策指导全省城镇职工、城乡居民基本医疗保险、生育保险和医疗救助经办工作参与拟订医疗保险、生育保险经办工作业务规划、工作规范并组织实施负责办理等。

正常事业单位

成立时间暂未披露贵州省

数据集列表

基于参保人诊疗经历的住院费用预测模型

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训练用数据集；对数据集中的特征和目标变量进行分割，并将特征标准化，把所有特征的数据都调整到相同的“尺度”，一般变成均值为0，标准差为1的形式，使模型更容易学习数据之间的关系。其次，将训练用数据集分为训练集和测试集，使用训练数据集对ANN（Artificial Neural Network）模型进行训练，使用测试集进行测试。最后，使用训练好的ANN模型进行预测操作，模型的输入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、收费规则、住院时长等等。

贵州省数据知识产权登记平台2025-03-20 更新110

基于参保人画像和诊疗经历的诊疗效果评价模型

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，让模型使用 xgb_train 数据进行 num_round 轮的训练，在训练过程中使用 watchlist 进行监控，且增加正则化权重，提高节点采样比例，提高特征采样比例。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姓名、患者年龄、患者性别、医院编号、医院等级、上次住院时间、住院次数、入院病情、就诊病况、使用药物、历史病症等等。

贵州省数据知识产权登记平台2025-03-20 更新140

基于参保人诊疗经历的住院时长预测模型

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训练用数据集；对数据集中的特征和目标变量进行分割，并将特征标准化，把所有特征的数据都调整到相同的“尺度”，一般变成均值为0，标准差为1的形式，使模型更容易学习数据之间的关系。其次，将训练用数据集分为训练集和测试集，使用训练数据集对ANN（Artificial Neural Network）模型进行训练，使用测试集进行测试。最后，使用训练好的ANN模型进行预测操作，模型的输入参数包括但不限于患者姓名、患者年龄、患者性别、医院编号、医院等级、上次住院时间、住院次数、入院病情、就诊病况、使用药物、历史病症等等。

贵州省数据知识产权登记平台2025-03-20 更新330

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。

贵州省数据知识产权登记平台2025-03-20 更新140

基于参保人画像的就诊医院推荐模型

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，让模型使用 xgb_train 数据进行 num_round 轮的训练，在训练过程中使用 watchlist 进行监控，并且当发现性能不再提升时会提前停止训练，训练完成后将结果存储在 bst 中。最后，使用训练好的bst模型进行预测操作，模型的输入参数包括但不限于参保人年龄、性别、就诊历史、疾病历史、医院等级、医院类型、医院部门病患情况等信息。

贵州省数据知识产权登记平台2025-03-20 更新140

基本医保参保人参保行为预测模型

通过贵州省医疗保障事务中心（暨我单位）收集整理的数据，对数据进行脱密脱敏后，对参保人行为进行预测，模型采用了xgboost模型，使用了 xgb 库中的 DMatrix 函数，专门用来存储数据，以便在 xgboost 算法中使用。train_t 作为 DMatrix 的主要数据部分。利用 params字典存储一系列的键值对，并利用这些键对值来设置 xgboost 算法的各种参数。使用收集并整理的数据对模型进行训练，让模型使用 xgb_train 数据进行 num_round 轮的训练，在训练过程中使用 watchlist 进行监控，并且当发现性能不再提升时会提前停止训练，训练完成后将结果存储在 bst 中，最后使用训练好的bst模型进行预测操作。

贵州省数据知识产权登记平台2025-01-22 更新170