[目的]:探讨利用数据挖掘技术进行疾病诊断相关分组实践的可行性及可靠性,并通过对研究结果的分析对我国医疗保险费用控制提出合理化建议。[方法]:本研究在大量查阅文献的基础上,以冠心病为例,对某国内大型医院住院数据进行分析。通过数据离散化,将住院病人的住院费用离散为两个不同的费用级别,进而将病人病情、疾病预后、治疗难度、治疗必要性等指标与费用级别进行关联规则挖掘,筛选出主要相关属性,并将这些属性作为分类节点,利用决策树技术对费用级别构建决策树,形成冠心病的疾病诊断相关分组。同时,对得到的分组进行了方差分析,以对分组效果进行评价。[结果]:通过数据挖掘技术得到的疾病诊断相关分组方案有两种,方案一以“是否手术”、“出院诊断状态”、“入院状态”为分类节点,共分为四组;方案二以“是否手术”、“是否接受冠状动脉造影”、“是否接受PTCA支架置放术”为分类节点,共分为三组。两种分组方案均通过方差分析假设检验,组间差异具有显著性,证明利用数据挖掘技术进行疾病诊断相关分组具有合理性。[结论]:利用数据挖掘技术能够有效地构建合理的疾病诊断相关分组,该分组方式能够适应疾病诊治的复杂性和多样性,并且客观、公平地界定医疗效益单元,有利于科学地制定医疗保险费用补偿金额,从而弥补总量控制、单病种收费等费用控制方式的不足。由于本课题资料来源有限,还需扩大研究范围,以探讨更为合理的疾病分组方式。