精神疾病患者經濟負擔分析及預測

范馨月

摘?要?對某精神疾病的?？漆t院患者數量及費用進行分析，采用徑向基函數（RBF）神經網絡模型對精神疾病患者的看病費用進行擬合及預測，并比較該預測模型與BP神經網絡的預測效果.將貴州省某精神類疾病的?？漆t院2015年1月-2016年12月醫院HIS系統中的病人處方數據作為訓練集，建立BP模型、RBF神經網絡模型.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用情況進行預測.RBF神經網絡模型均能夠較好地擬合和預測精神類疾病患者看病費用，可以為醫院管理者了解本院精神病患者看病費用的變化趨勢提供依據，為制定精神病患者疾病負擔的相關政策提供數據支撐.

關鍵詞?精神疾病;統計分析;RBF神經網絡

中圖分類號??F224.9?文獻標識碼?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

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

本文基于貴州省某精神病?？漆t院的HIS系統數據，對精神疾病患者情況進行了統計分析，并利用2015年1月1日-2017年1月16日精神病患者數據構建神經網絡模型，對該院精神病人看病費用數據進行預測，并比較模型的預測效果，提高監控效率.為了解當地精神類疾病類型和人數提供數據支撐，為積極開展社區防治，規范精神疾病患者管理提供科學依據.

2?材料與方法

2.1?材料來源

數據來源于貴州省某精神疾病?？漆t院管理系統，2015年1月-2017年1月共747天在研究醫院的開方監測數據.包含患者的ID，開方類別，開方時間、費用、疾病類型等信息.

1.2?研究內容

對貴州省某精神疾病?？漆t院的HIS系統中2015年1月-2016年12月門診患者監測數據進行分析，在SQL Server 2012中進行數據整理與清洗.對精神疾病類型進行分類和統計，建立基于精神類疾病患者看病費用的BP神經網絡和RBF神經網絡模型并比較擬合效果.利用RBF神經網絡模型預測2017年1月1日-16日精神類疾病患者看病費用.

2.3?統計方法

本研究在SQL Server 2012中進行統計分析，對疾病類型和人數進行統計.建立RBF神經網絡建模.運用Matlab 2017a軟件，以2015年1月-2016年12月該精神疾病?？漆t院開方數據作為訓練樣本建立BP神經網絡和RBF神經網絡擬合模型，并利用RBF神經網絡預測2017年1月1日-16日醫院精神疾病患者看病費用.

2.4?預測方法

2.4.1?RBF神經網絡模型

徑向基函數（RBF， Radial Basis Function）神經網絡是一類非常重要的神經網絡，具有結構簡單、收斂速度快、逼近能力強、網絡結構易于調整的優點，其在神經網絡的應用廣泛程度僅次于BP神經網絡[5].RBF神經網絡與BP神經網絡同為前向型網絡.對于BP網絡，已經證明了三層網絡結構能夠逼近任意連續函數，而RBF神經網絡能以任意精度逼近任意非線連續函數.到目前為止，已經提出了許多種RBF網絡的訓練算法，RBF神經網絡的優良特性使其成為替代BP網絡的另一種神經網絡，越來越廣泛地應用于各個領域[6].

RBF神經網絡結構由三層組成，第一層為輸入層，由信號源節點組成;第二層為隱含層，采用RBF神經元的轉換函數對輸入結點數據進行非線性變換.第三層是輸出層，采用Purelin作為神經元的轉換函數對隱含層的輸出進行線性變換，產生網絡的最終輸出結果，其網絡結構如圖1[5].需要求解的參數有三個：基函數的中心、方差以及隱含層到輸出層的權值.

2.4.2?建模步驟

RBF神經網絡模型構建的主要過程分為六步：①輸出該精神疾病?？漆t院開方原始數據觀測趨勢;②采用t-1，…，t-N 的數據作為神經網絡的輸入，t時刻的數據作為神經網絡的輸出，生成神經網絡的輸入與輸出及待識別的輸入與輸出;③構建RBF神經網絡，并定義網格的相關參數;④調整隱含層單元數和單元中心，用Gauss函數計算隱含層權值，獲得隱含層輸出;⑤計算訓練誤差并判斷是否小于給定目標，利用最小二乘法調整權值;⑥利用RBF神經網絡進行預測（最大神經元個數不宜過大，神經網絡誤差不宜過小，否則容易過擬合.擴展速度不宜過小，否則影響神經網絡的平滑性）;BP神經網絡模型構建的主要過程第4步則是根據原始數據確定隱含層單元數，用Sigmoid函數計算隱含層權值，獲得隱含層輸出.

3?結?果

3.1?精神疾病患者看病金額日分布特點

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

通過看病科室的統計分析，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據進行統計分析.

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

3.2?模型建立與識別

采用BP神經網絡和RBF神經網絡模型（見圖3）對2015年1月1日-2016年12月31日該精神疾病?？漆t院精神疾病患者看病費用進行擬合，取最大神經元個數為500個，擴展速度為2，誤差為0.00001.

從圖3可以看出，RBF神經網絡能夠較好地擬合實際值，對其利用三類誤差指標進行評價分析：實際值與預測值平均絕對誤差百分比（MAPE）：

由圖3和表3可以看出，RBF神經網絡模型能較好地擬合2015年1月-2016年12月該精神病?？漆t院精神疾病患者看病費用，平均絕對誤差為-1.5313×10-14%，均方根誤差為547.07，對原始數據的擬合效果優于BP神經網絡.

3.3?模型診斷

將該?？漆t院2017年1月1日-16日精神病患者看病費用作為驗證集，采用本文建立的RBF神經網絡模型對該省級精神病?？漆t院2017年1月1日-16日精神病患者看病費用作預測，比較實際值和預測值的誤差，預測相對誤差見表4.

4?結?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.醫療費用近期呈現上升趨勢，2015年1月精神病患者看病人數4288人，平均看病費用達到581.58元，2016年同期5301患者平均門診看病費用564.54元，有所下降.這與新醫改強調適度調整醫療技術服務價格，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，以減輕患者的種種障礙.相比之下，藥物治療的費用會有所下降.

精神病患者作為一類特殊人群，病程長并且會反復發作.精神疾病一方面作為一個醫學問題，需要從生理醫學方面尋求解決方案;另一方面作為一個與社會環境關系密切的問題，需要從社會學方面采取防治措施[7].建立合適的預測模型，準確預測區域精神疾病的發生量，可以為醫院管理者了解本院精神病患者看病費用的變化趨勢提供依據，為掌握醫院醫療質量及精神病患者看病費用上漲或下降趨勢、制定精神病患者疾病負擔的相關政策提供依據，同時對維護社會穩定也有一定的促進作用.

參考文獻

[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分析[J]. 現代預防醫學， 2015，42（1）：4-7.

[2]?李妍. 我們的病人——中國精神病患者報告[J]. 中國經濟周刊， 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. 癌癥相關基因與精神疾病的關聯[J]. 現代腫瘤學， 2017，25（21）：3527-3530.

[5]?周志華， 機器學習[M]， 北京： 清華大學出版社， 2016.

[6]?鄧捷， 陸百川， 劉權富，等.基于RBF神經網絡的交通生成預測模型[J]. 武漢理工大學學報（信息與管理工程版），2014，36（1）：43-47.

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