目的探討有效評價與醫療保險付費總額控制相關的醫療服務能力評價工具和相關評價體系。 方法結合參考文獻，運用德爾菲法對與醫療保險付費總額控制相關評價指標進行篩選和確定；以層次分析法為理論基礎，設計權重調查問卷并計算得出各級指標的權重得分。 結果得出各項指標的權重系數，建立起3項一級指標和17項二級指標的與醫療保險付費總額控制相關的醫療服務能力評價體系。 結論建立醫療機構服務能力評價體系，在一定程度上能客觀反映醫療機構服務能力的整體水平，并為醫保機構對醫療機構的醫保付費總額控制提供參考。
目的對國家醫療保障疾病診斷相關分組中胸部大手術組的醫療保險報銷比例進行數據驅動的輔助預測，為醫療保險經辦機構及醫療機構精準有效地預測按病種分組醫保支付情況提供參考。方法以四川省某大型三甲醫院2020年的胸部大手術病例信息為樣本，通過多元線性回歸模型和基于特征篩選的機器學習改進方法，將全部數據集的70%作為訓練數據集，30%作為測試數據集，對醫保支出情況進行預測。結果隨機森林、Logistic回歸、支持向量機三種機器學習方法在篩選特征數量相同時，預測效果無統計學差異。預測效果最優的模型準確率為78.96%，敏感性為83.93%，特異性為71.27%，精確度為0.818 8，AUC值為0.841 4，Kappa值為0.610 8。結論疾病診斷數量、手術操作數量及患者年齡對報銷比例影響較大。治療費、材料費、手術費及西藥費為住院費用的主要方面。基于特征篩選的機器學習改進方法優于傳統的統計線性模型，且選取合適的特征數量能夠使模型在較高的效率下達到更好的預測效果。