糖尿病是常见的慢性非传染性疾病之一。随着中国经济的快速发展和人口的老龄化的加剧,中国的糖尿病发病率也在不断上升,过高的糖尿病医疗费用支出给家庭和社会造成了沉重的经济负担。因此,本文开展糖尿病患者诊断相关分组(DRGs)及其住院费用预测的研究。该研究成果对集成学习算法在医疗数据的应用具有理论意义,也对完善和推进我国糖尿病的DRGs付费制度具有实践意义。本研究以澳大利亚AR-DRG为参考,利用北京某三甲医院的主要诊断为糖尿病的患者病案首页数据,在临床相似的基础下,构建了糖尿病DRGs分组模型,并基于DRGs分组结果利用集成学习方法构建了住院费用预测模型,具体研究分述如下。首先,本文利用数据挖掘相关知识对复杂的原始医疗数据进行预处理,包括数据集成、数据规范、数据变换、数据清理。将处理后的糖尿病患者住院费用数据构建数据库,为后续的DRGs分组和住院费用预测奠定基础,保证了分组和住院费用预测的准确性和科学性。其次,以住院的糖尿病患者为研究对象,提出了糖尿病合并症并发症等级划分模型;利用多元线性回归等统计学方法确定了糖尿病住院费用影响较大的因素,得到特征变量。然后将特征变量作为分类节点利用CHAID决策树模型进行DRGs分组,得到了10个DRG细分组,并制定相应的偿付标准和费用范围。利用方差减少量(RIV)以及变异系数(CV)等指标评价分组效果,结果表明:组内费用同质性较高并且组间差异较大,得到的分组方案合理。最后,将前文得到的糖尿病患者DRGs分组结果作为新的特征变量和原始数据构成新的数据集。采用随机森林和XGBoost两种集成学习算法构建住院费用预测模型,并利用网格搜索法分别对两个模型进行参数优化。为实现住院费预测精度的提升,本文提出了一种新型的Stacking模型,将随机森林和XGBoost作为基学习器进行融合,进一步提升模型预测精度。最终本文对糖尿病患者数据对于Stacking模型进行了实例分析,与常用的回归预测模型的对比结果表明:本文构建的Stacking模型具有很好的预测精度。