范馨月

摘?要?對某精神疾病的?？漆t(yī)院患者數(shù)量及費(fèi)用進(jìn)行分析，采用徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡(luò)模型對精神疾病患者的看病費(fèi)用進(jìn)行擬合及預(yù)測，并比較該預(yù)測模型與BP神經(jīng)網(wǎng)絡(luò)的預(yù)測效果.將貴州省某精神類疾病的專科醫(yī)院2015年1月-2016年12月醫(yī)院HIS系統(tǒng)中的病人處方數(shù)據(jù)作為訓(xùn)練集，建立BP模型、RBF神經(jīng)網(wǎng)絡(luò)模型.分別對2017年1月1日-2017年1月16日病人用以精神類疾病看病費(fèi)用情況進(jìn)行預(yù)測.RBF神經(jīng)網(wǎng)絡(luò)模型均能夠較好地?cái)M合和預(yù)測精神類疾病患者看病費(fèi)用，可以為醫(yī)院管理者了解本院精神病患者看病費(fèi)用的變化趨勢提供依據(jù)，為制定精神病患者疾病負(fù)擔(dān)的相關(guān)政策提供數(shù)據(jù)支撐.

關(guān)鍵詞?精神疾病;統(tǒng)計(jì)分析;RBF神經(jīng)網(wǎng)絡(luò)

中圖分類號??F224.9?文獻(xiàn)標(biāo)識碼?A

Abstract?The number and cost of patients in a specialist hospital of a mental disease were analyzed. The radial basis function （RBF） neural network model was used to fit and predict the cost of the patients with mental illness， and the prediction results of the prediction model and the BP neural network were compared. The patients' prescription data in the hospital HIS system of a psychiatric hospital of Guizhou province from January 2015 to December 2016 were used as the training set， and the BP model and RBF neural network model were established. The patients' mental illness expenses were predicted ?from January 1 to 16， 2017. The RBF neural network model can better fit and predict the cost of patients with mental disease. It can provide the basis for the hospital managers to understand the change trend of the hospital psychiatric patients' medical expenses， and provide data support for the related policies of the disease burden of mental patients.

Key words?mental illness; statistical analysis; RBF neural network

1?引?言

隨著生活節(jié)奏日益加快，現(xiàn)代人的精神壓力日劇增，頻繁出現(xiàn)各種各樣的精神心理問題.精神疾病和精神衛(wèi)生問題成為全球性的重大公共衛(wèi)生問題，也是較為嚴(yán)重的社會問題[1].目前全球約有4.5億人受到精神疾病的困擾，中國疾病預(yù)防控制中心精神衛(wèi)生中心于2009年公布我國各類精神疾病患者人數(shù)在1億人以上.每13個人當(dāng)中就有1人有某種程度的精神問題[2].世界衛(wèi)生組織預(yù)測，到2020年中國精神疾病的負(fù)擔(dān)將占疾病總負(fù)擔(dān)的四分之一以上[3].國內(nèi)的調(diào)查顯示，精神疾病的患病率在不同地區(qū)之間存在很大差異.此外，還有研究表明，癌癥和精神疾病有著密切的相關(guān)性，癌癥患者在診斷、治療、恢復(fù)、死亡等階段均可出現(xiàn)心理危機(jī)，其中焦慮和抑郁性障礙比例高達(dá)70%左右[4].

本文基于貴州省某精神病?？漆t(yī)院的HIS系統(tǒng)數(shù)據(jù)，對精神疾病患者情況進(jìn)行了統(tǒng)計(jì)分析，并利用2015年1月1日-2017年1月16日精神病患者數(shù)據(jù)構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，對該院精神病人看病費(fèi)用數(shù)據(jù)進(jìn)行預(yù)測，并比較模型的預(yù)測效果，提高監(jiān)控效率.為了解當(dāng)?shù)鼐耦惣膊☆愋秃腿藬?shù)提供數(shù)據(jù)支撐，為積極開展社區(qū)防治，規(guī)范精神疾病患者管理提供科學(xué)依據(jù).

2?材料與方法

2.1?材料來源

數(shù)據(jù)來源于貴州省某精神疾病專科醫(yī)院管理系統(tǒng)，2015年1月-2017年1月共747天在研究醫(yī)院的開方監(jiān)測數(shù)據(jù).包含患者的ID，開方類別，開方時間、費(fèi)用、疾病類型等信息.

1.2?研究內(nèi)容

對貴州省某精神疾病專科醫(yī)院的HIS系統(tǒng)中2015年1月-2016年12月門診患者監(jiān)測數(shù)據(jù)進(jìn)行分析，在SQL Server 2012中進(jìn)行數(shù)據(jù)整理與清洗.對精神疾病類型進(jìn)行分類和統(tǒng)計(jì)，建立基于精神類疾病患者看病費(fèi)用的BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)模型并比較擬合效果.利用RBF神經(jīng)網(wǎng)絡(luò)模型預(yù)測2017年1月1日-16日精神類疾病患者看病費(fèi)用.

2.3?統(tǒng)計(jì)方法

本研究在SQL Server 2012中進(jìn)行統(tǒng)計(jì)分析，對疾病類型和人數(shù)進(jìn)行統(tǒng)計(jì).建立RBF神經(jīng)網(wǎng)絡(luò)建模.運(yùn)用Matlab 2017a軟件，以2015年1月-2016年12月該精神疾病?？漆t(yī)院開方數(shù)據(jù)作為訓(xùn)練樣本建立BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)擬合模型，并利用RBF神經(jīng)網(wǎng)絡(luò)預(yù)測2017年1月1日-16日醫(yī)院精神疾病患者看病費(fèi)用.

2.4?預(yù)測方法

2.4.1?RBF神經(jīng)網(wǎng)絡(luò)模型

徑向基函數(shù)（RBF， Radial Basis Function）神經(jīng)網(wǎng)絡(luò)是一類非常重要的神經(jīng)網(wǎng)絡(luò)，具有結(jié)構(gòu)簡單、收斂速度快、逼近能力強(qiáng)、網(wǎng)絡(luò)結(jié)構(gòu)易于調(diào)整的優(yōu)點(diǎn)，其在神經(jīng)網(wǎng)絡(luò)的應(yīng)用廣泛程度僅次于BP神經(jīng)網(wǎng)絡(luò)[5].RBF神經(jīng)網(wǎng)絡(luò)與BP神經(jīng)網(wǎng)絡(luò)同為前向型網(wǎng)絡(luò).對于BP網(wǎng)絡(luò)，已經(jīng)證明了三層網(wǎng)絡(luò)結(jié)構(gòu)能夠逼近任意連續(xù)函數(shù)，而RBF神經(jīng)網(wǎng)絡(luò)能以任意精度逼近任意非線連續(xù)函數(shù).到目前為止，已經(jīng)提出了許多種RBF網(wǎng)絡(luò)的訓(xùn)練算法，RBF神經(jīng)網(wǎng)絡(luò)的優(yōu)良特性使其成為替代BP網(wǎng)絡(luò)的另一種神經(jīng)網(wǎng)絡(luò)，越來越廣泛地應(yīng)用于各個領(lǐng)域[6].

RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)由三層組成，第一層為輸入層，由信號源節(jié)點(diǎn)組成;第二層為隱含層，采用RBF神經(jīng)元的轉(zhuǎn)換函數(shù)對輸入結(jié)點(diǎn)數(shù)據(jù)進(jìn)行非線性變換.第三層是輸出層，采用Purelin作為神經(jīng)元的轉(zhuǎn)換函數(shù)對隱含層的輸出進(jìn)行線性變換，產(chǎn)生網(wǎng)絡(luò)的最終輸出結(jié)果，其網(wǎng)絡(luò)結(jié)構(gòu)如圖1[5].需要求解的參數(shù)有三個：基函數(shù)的中心、方差以及隱含層到輸出層的權(quán)值.

2.4.2?建模步驟

RBF神經(jīng)網(wǎng)絡(luò)模型構(gòu)建的主要過程分為六步：①輸出該精神疾病專科醫(yī)院開方原始數(shù)據(jù)觀測趨勢;②采用t-1，…，t-N 的數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的輸入，t時刻的數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的輸出，生成神經(jīng)網(wǎng)絡(luò)的輸入與輸出及待識別的輸入與輸出;③構(gòu)建RBF神經(jīng)網(wǎng)絡(luò)，并定義網(wǎng)格的相關(guān)參數(shù);④調(diào)整隱含層單元數(shù)和單元中心，用Gauss函數(shù)計(jì)算隱含層權(quán)值，獲得隱含層輸出;⑤計(jì)算訓(xùn)練誤差并判斷是否小于給定目標(biāo)，利用最小二乘法調(diào)整權(quán)值;⑥利用RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測（最大神經(jīng)元個數(shù)不宜過大，神經(jīng)網(wǎng)絡(luò)誤差不宜過小，否則容易過擬合.擴(kuò)展速度不宜過小，否則影響神經(jīng)網(wǎng)絡(luò)的平滑性）;BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建的主要過程第4步則是根據(jù)原始數(shù)據(jù)確定隱含層單元數(shù)，用Sigmoid函數(shù)計(jì)算隱含層權(quán)值，獲得隱含層輸出.

3?結(jié)?果

3.1?精神疾病患者看病金額日分布特點(diǎn)

2015年1月-2017年1月16日該精神疾病?？漆t(yī)院患者數(shù)106943人，其中精神疾病患者共計(jì)49266人，占醫(yī)院看病人數(shù)的46.07%.每日處方費(fèi)用見表1.

通過看病科室的統(tǒng)計(jì)分析，精神疾病主要有以下幾類：睡眠障礙、精神分裂癥、抑郁癥、焦慮障礙、強(qiáng)迫癥、阿爾茨海默癥、精神障礙、分裂情感性精神病、心境障礙等，有的患者同時患有以上疾病的幾種.下面對觀測期間病人看病數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析.

繪制該院精神疾病看病患者2015年1月-2017年1月16日費(fèi)用時序圖如圖2所示，精神疾病患者看病人數(shù)在9月至12月明顯高于其他時段，費(fèi)用也有一定幅度的增加.

3.2?模型建立與識別

采用BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)模型（見圖3）對2015年1月1日-2016年12月31日該精神疾病?？漆t(yī)院精神疾病患者看病費(fèi)用進(jìn)行擬合，取最大神經(jīng)元個數(shù)為500個，擴(kuò)展速度為2，誤差為0.00001.

從圖3可以看出，RBF神經(jīng)網(wǎng)絡(luò)能夠較好地?cái)M合實(shí)際值，對其利用三類誤差指標(biāo)進(jìn)行評價分析：實(shí)際值與預(yù)測值平均絕對誤差百分比（MAPE）：

由圖3和表3可以看出，RBF神經(jīng)網(wǎng)絡(luò)模型能較好地?cái)M合2015年1月-2016年12月該精神病?？漆t(yī)院精神疾病患者看病費(fèi)用，平均絕對誤差為-1.5313×10-14%，均方根誤差為547.07，對原始數(shù)據(jù)的擬合效果優(yōu)于BP神經(jīng)網(wǎng)絡(luò).

3.3?模型診斷

將該?？漆t(yī)院2017年1月1日-16日精神病患者看病費(fèi)用作為驗(yàn)證集，采用本文建立的RBF神經(jīng)網(wǎng)絡(luò)模型對該省級精神病?？漆t(yī)院2017年1月1日-16日精神病患者看病費(fèi)用作預(yù)測，比較實(shí)際值和預(yù)測值的誤差，預(yù)測相對誤差見表4.

4?結(jié)?論

從49266例精神病患者種類可以看出，排名前三位的疾病依次為抑郁癥、精神障礙、精神分裂癥，在門診看病患者中占83.09%，抑郁癥有上升趨勢，精神分裂癥呈下降趨勢.醫(yī)療費(fèi)用近期呈現(xiàn)上升趨勢，2015年1月精神病患者看病人數(shù)4288人，平均看病費(fèi)用達(dá)到581.58元，2016年同期5301患者平均門診看病費(fèi)用564.54元，有所下降.這與新醫(yī)改強(qiáng)調(diào)適度調(diào)整醫(yī)療技術(shù)服務(wù)價格，同時，人們也越來越重視行為治療、娛樂治療、心理治療及各方面的疏導(dǎo)，以減輕患者的種種障礙.相比之下，藥物治療的費(fèi)用會有所下降.

精神病患者作為一類特殊人群，病程長并且會反復(fù)發(fā)作.精神疾病一方面作為一個醫(yī)學(xué)問題，需要從生理醫(yī)學(xué)方面尋求解決方案;另一方面作為一個與社會環(huán)境關(guān)系密切的問題，需要從社會學(xué)方面采取防治措施[7].建立合適的預(yù)測模型，準(zhǔn)確預(yù)測區(qū)域精神疾病的發(fā)生量，可以為醫(yī)院管理者了解本院精神病患者看病費(fèi)用的變化趨勢提供依據(jù)，為掌握醫(yī)院醫(yī)療質(zhì)量及精神病患者看病費(fèi)用上漲或下降趨勢、制定精神病患者疾病負(fù)擔(dān)的相關(guān)政策提供依據(jù)，同時對維護(hù)社會穩(wěn)定也有一定的促進(jìn)作用.

參考文獻(xiàn)

[1]?李向青，杜敏霞，李榮. 2005-2012年中國精神疾病死亡率的流行病學(xué)分析[J]. 現(xiàn)代預(yù)防醫(yī)學(xué)， 2015，42（1）：4-7.

[2]?李妍. 我們的病人——中國精神病患者報(bào)告[J]. 中國經(jīng)濟(jì)周刊， 2011，7（28）：24-37.

[3]?DESJARLAIS， ROBERT R. World mental health [M]. New York： Oxford University Press， 1996.

[4]?賈韻博，張陽，韓芳. 癌癥相關(guān)基因與精神疾病的關(guān)聯(lián)[J]. 現(xiàn)代腫瘤學(xué)， 2017，25（21）：3527-3530.

[5]?周志華， 機(jī)器學(xué)習(xí)[M]， 北京： 清華大學(xué)出版社， 2016.

[6]?鄧捷， 陸百川， 劉權(quán)富，等.基于RBF神經(jīng)網(wǎng)絡(luò)的交通生成預(yù)測模型[J]. 武漢理工大學(xué)學(xué)報(bào)（信息與管理工程版），2014，36（1）：43-47.

[7]?陳霞， 王江濤， 杜妍，等. 2010-2013年某三甲醫(yī)院精神疾病患者流行病調(diào)查研究[J]. 國際精神病學(xué)雜志， 2015，42（3）：46-48.