研究目的：　　鉴于发达国家支付方式改革的经验，基于我国实际，从后付制向预付制的转型势在必行。然而限于我国临床路径仍未规范化运行，医疗费用结构仍然不尽合理，成本核算会有虚高偏倚，中国的支付方式改革首先尝试了“简化版”的按病种付费，即单病种支付，虽然2017年开始大力推行按病种付费，但具体实施方案中定价的标准仍是固化的首诊及主要手术操作，并未将病人特征等因素动态考察到标准的制定中来，因此，本次研究创新性的提出绕过复杂的临床路径和成本核算，逆向应用数据挖掘的方式将同系统疾病医疗费用进行多规则聚类，进而综合首诊、合并症并发症、病人特征等要素进行定价标准动态拟合制定，以期为我国推行按病种付费改革提供理论借鉴与实践支撑。　　研究方法：　　1、本研究采用了数据挖掘技术、文献循证分析和专家咨询论证等研究方法，对国内外按病种付费的理论研究和实践予以剖析。　　2、在明确问题的基础上，尝试逆向思维，在不考虑精确的诊断分类、复杂的疾病编码以及完善的临床路径的前提下，对以病人为单位的医疗费用进行数据挖掘聚类进行聚类分层定价，再运用数据挖掘分类方法，从实际各层中寻找每类疾病分组定价的主要影响因素，以病种付费与患病人群的特征关系为基础，构建出按病种付费模式。　　3、考虑到仅用公式和模型表达难以在实践中推广该模式，本研究使用了SPSS MODELER软件实现住院费用的影响因素的决策树。　　研究结果：　　1、认识到我们在建立自己的按病种付费制度时要在认清国情的基础上，建立适合自己的制度模式。我国现行的医疗服务体系中应用按病种付费在各个环节中都还存在不少问题。目前，我国已尝试过两种过渡方式，其中一种是在北京地区部分医院开展按病种付费试点，但此试点以开展许多年，仍未向全国范围内推广，原因就在于当前我国技术水平并未达到这种层次。　　2、随着我国病案首页系统的逐步完善，本文选用基于数据挖掘的按病种付费模式。反推的聚类方法规避了DRG-PPS制定过程中的临床路径和成本核算问题，发挥了数据挖掘聚类对于大量数据甚至不规则数据的整理处理能力的优势，为研究者处理偏态等不规律数据提供了新的途径。本研究将基于数据挖掘的按病种付费模式的实施路径分为：数据选择、数据预处理、特征选择、聚类分析、分类分析和结果解释六个部分。其中，需要突破的关键技术包括基于数据挖掘的住院费用关键影响因素特征选择、基于数据挖掘聚类的按病种付费定价标准聚类分析模型和基于数据挖掘分类的按病种付费疾病分组决策树模型。　　3、本研究选用了上海市某三级医院2016年全部住院患者的病案首页数据，对该模型进行实证分析，在对住院费用进行数据收集和预处理后，通过文献选择、费用特征选择和数据挖掘选择三个方面，对变量进行选择，最终确定模型关键特征为入院病情等级、是否手术、住院天数、入出诊断符合程度、是否专科、保险情况、并发症数量、病人性别、是否退休、主诊断出院情况、病人年龄。通过11个聚类变量对医疗费用进行聚类，明确每个类别的平均费用标准，最终将6千余样本数据分为2、3、4、5类。其中聚类结果为5类的结果最为理想，聚类中心分别为8395.43元、22304.62元、15259.45元、11519.63元和18792.58元，类别数目分别为频数9357、14064、8511、15211、13219，模型的预测精度达到98.41%。本研究从循环系统数据中分别选择10例病例，将其带入到上述通过聚类分析和决策树分析所形成的规则集中，结果发现检验结果相差不大。　　研究结论：　　1、本研究提出的预付制按病种付费过渡策略具有较强的操作性和推广性，也能够有效的缓解看病贵问题，同时有效提升医院管理效率，但是也存在许多可以预见的阻力。　　2、基于数据挖掘逆向思维按病种付费模式的创新点使其绕过了临床路径和成本核算的技术难题。然而，在推行的过程中仍旧需要克服各类阻力，防范推诿行为的发生；制定科学的临床诊疗规范和临床路径，有效监督杜绝医疗机构盲目节约成本；提供自费特需服务，建立多层次的医疗保障体系，满足多样化的需求。　　3、在提出新思路探索解决“看病难”问题的过程中，无法穷尽对样本地区和病种的数据挖掘，存在一定的局限性。除此之外，本次研究并未对最终研究出来的模式效果开展实证验证。　　4、在未来的研究中，将在已有研究成果的基础上，继续分析本研究方案的控费效果，致力于为中国医疗卫生事业提出切实可行、高效的支付方式。