医疗补助扩展与处方趋势：阿片类药物、成瘾疗法及其他药物（复制数据）
基于2010-2016年Medicaid州级药品数据，利用双重差分法分析阿片类止痛药与成瘾治疗药物在扩围州与非扩围州之间的处方趋势差异。
基本信息
资源简介
医疗补助扩展与处方趋势：阿片类药物、成瘾疗法及其他药物（复制数据）
【一句话概览】
本复制数据对应研究：利用2010-2016年Medicaid州药品利用数据，采用双重差分回归，比较2014年扩大Medicaid州与未扩大州的人均处方量。研究将阿片类止痛药和阿片成瘾治疗与其他五类常用药（抗抑郁药、抗高血压药、糖尿病药、胆固醇治疗药和避孕药）及总处方量对比，并二次比较高、低过量死亡率的州。含1个文件，合计53.5 KB（来源 Dataverse）。
【数据集背景】
本数据集源站标题为《Replication Data for: Medicaid Expansion and Prescription Trends: Opioids, Addiction Therapies, and Other Drugs.》。源站首次发布：2019-03-25。
【数据内容】
源站原始描述：RESEARCH DESIGN: We analyzed the 2010-2016 Medicaid State Drug Utilization Data using a difference-in-differences regression approach, comparing prescriptions per enrollee between states that expanded Medicaid in 2014 and states that did not. We compared opioid pain relievers and opioid addiction therapies to 5 other commonly prescribed drug types important to the Medicaid expansion population (antidepressants, antihypertensives, diabetes medications, cholesterol treatments, and contraceptives)…
【数据结构与技术规格】
文件数 1 个，合计 53.52 KB。数据集 DOI：doi:10.21989/D9/6SEVDX。
【主题与分类】
主题标签：substance use disorder、drug utilization、health policy、Medicaid、Medicine, Health and Life Sciences。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://dataverse.dartmouth.edu/dataset.xhtml?persistentId=doi:10.21989/D9/6SEVDX
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
暂未开放有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://dataverse.dartmouth.edu/citation?persistentId=doi:10.21989/D9/6SEVDX
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
