© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15沪公网安备31010402336585号
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主营为城镇职工和城乡居民基本医疗保险、贯彻执行城镇职工和城乡居民基本医疗保险等。面向医疗数据分析、住院时长预测、医疗保健行为等领域提供数据服务，开放基于参保人诊疗经历的住院时长预测模型（医疗数据分析、住院时长预测）、基本医保参保人参保行为预测模型（医疗保健行为、机器学习预测）、基于参保人画像和诊疗经历的诊疗效果评价模型（医疗健康保险、医疗数据分析），支撑诊疗分析与医疗质控。
医疗数据分析住院时长预测医疗保健行为
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140
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190
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350
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170
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190
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180