基于电子健康记录的高通量医疗成本建模方法
机器学习
2022-06-02 v2
摘要
准确估计医疗成本对于医疗系统规划并与保险公司就患者护理费用的覆盖进行有效谈判至关重要。在估计医疗成本方面更高的准确性将通过使支付模式与患者护理成本更好对齐，为医疗系统及支持这些系统的保险公司带来互利。本研究展示了一种可泛化的机器学习方法预测医疗事件的结果，该方法构建自威斯康星州 Marshfield Clinic 提供的超过 860,000 名患者、涉及超过 6,700 种处方药物的 40 年数据。研究发现，与使用类似研究预测单个药物医师处方相比，使用该方法构建的模型表现良好。除了为大型医疗系统中的所有药物提供全面的预测模型外，本研究采用的方法还具有潜在适用于多种其他医疗事件的优势。
引用
@article{arxiv.2011.09497,
title = {High-Throughput Approach to Modeling Healthcare Costs Using Electronic Healthcare Records},
author = {Alex Taylor and Ross Kleiman and Scott Hebbring and Peggy Peissig and David Page},
journal= {arXiv preprint arXiv:2011.09497},
year = {2022}
}
备注
4 pages, 3 figures