项目成员：关佳雪

指导教师：闫岩

作品简介：主要利用Python技术，对大连P医院冠心病患者住院费用进行细致分析，明确各项费用的占比及其变化趋势，为医院管理层提供清晰的费用构成视图。基于历史数据和机器学习算法，建立冠心病患者住院费用的预测模型，为医院未来的冠心病患者住院费用管理提供预测和决策支持，提高费用控制的精准度和效率。

项目创新点：

（1）技术创新：混合方法学框架的构建，创新性地整合描述性统计（基线分析）、多元线性回归（关键驱动因素归因）与机器学习算法（随机森林、XGBoost预测模型），形成“结构分析-归因挖掘-动态预测”的闭环研究路径。突破传统单一统计方法的局限，通过模型对比（线性回归 R²=0.90 vs随机森林 R²=0.86）验证非线性关系的存在，证明机器学习在复杂医疗费用预测中的优越性。通过特征重要性分析量化关键变量贡献（材料费权重52%、住院天数权重31%），为费用控制提供精准干预靶点。

（2）应用创新：费用控制策略的实践转化，提出“耗材集采+临床路径标准化”双轨策略：

基于材料费占比38%的发现，建议通过区域联合采购降低耗材成本10%-15%；设计“2.5天快速住院方案”，通过门诊预检、线上康复缩短住院时长，削减衍生费用（如床位费）。建立住院日动态监测机制，将非必要住院时长压缩20%-30%。

项目视频：