基于对数线性分析的住院费用模型正则化：通过诊断代码合并方法

医疗研究中的费用模型必须在可解释性、准确性和参数一致性之间进行平衡。然而，可解释模型往往难以同时实现准确性和一致性。对于高维回归的普通最小二乘（OLS）模型在使用高度细化的ICD-10诊断代码作为预测变量时，虽然可以提高准确性，但会导致回归系数随时间不稳定。这一不稳定性源于许多ICD-10代码在医疗数据集中出现频率较低。虽然正则化方法如Ridge可以解决此问题，但风险在于丢弃重要的预测变量。本文演示了通过诊断代码的细化程度降低（即合并ICD-10代码）作为OLS中的有效正则化策略，可保留所有诊断代码类别的表征。通过将ICD-10代码从七个字符截断到六个字符或更少，我们在降低回归问题的维度的同时，保持了模型的可解释性和一致性。数学上，OLS中预测变量的合并导致Hessian矩阵迹增大，从而降低系数估计的方差。我们的发现解释了为何在现实世界的风险调整和费用模型中，更倾向于使用诊断分组（如DRG和HCC代码），而非高度细化的ICD-10代码。