医疗服务指标体系作为医疗服务水平评价的重要依据受到广泛关注,但目前国内尚未建成成熟的医疗服务指标评价体系,因此筛选具有代表性的指标并构建科学合理的医疗服务指标体系是当前研究的重点。传统的指标筛选方法往往依赖于专家的意见,受主观因素影响较大。为了避免主观因素影响,并选择具有代表性的医疗服务指标,本文提出医疗服务指标的相关性分析研究这一课题。本文提出应用特征选择技术筛选医疗服务指标,旨在为医疗服务指标体系的指标选择提供参考依据。为实现该目标,本文从常见的医疗服务统计指标入手,首先应用基于灰色关联度的可拓聚类分析、灰色关联分析及随机效应对少数医疗服务指标分析研究,以提高对医疗服务指标的认识。最后提出一种特征选择算法,并将其用于筛选医疗服务指标子集。该特征选择算法首先采用本文提出的基于最大信息系数的高维聚类算法MIC-kmeans对医疗服务指标进行初步划分,然后在各特征簇中应用相关性系数筛选指标,最后应用典型相关分析从数据的相关性角度评价候选医疗服务指标子集能否代表原指标集。本文提出的MIC-kmeans算法考虑了数据的相关性,它能够有效解决高维数据中的“维度灾难”问题。在该算法基础上,本文提出了特征选择算法MK-FSA,它能用MIC-kmeans将具有高相关性的特征聚为一簇,从而有效解决“子集搜索”问题。该算法未对特征进行变换,选择出的特征具有较强的可解释性,最终应用其筛选的医疗服务指标与实际情况比较符合,因此可以为医疗服务指标的筛选提供参考依据。