Medicaid GLP-1 使用和支出
美国各州Medicaid项目中GLP-1药物使用与支出的季度数据，2018-2025年，共62,263条记录。
基本信息
资源简介
Medicaid GLP-1 使用和支出
【数据集背景】
本数据集源站标题为《Medicaid GLP-1 Utilization and Spending》。源站首次发布：2026-08-08。
【数据内容】
源站原始描述：OVERVIEW Every GLP-1 prescription that Medicaid paid for between 2018 and 2025, exactly as state Medicaid agencies reported it to CMS. This is the full GLP-1 slice of the CMS State Drug Utilization Data (SDUD) — 17 brand values (Ozempic, Wegovy, Rybelsus, Mounjaro, Zepbound, Trulicity, Victoza, Saxenda, Byetta, Bydureon, Adlyxin, Soliqua, Xultophy, Tanzeum, generic exenatide, and generic liraglutide split into its Victoza- and Saxenda-equivalent packagings), 52 reporting jurisdictions plus CMS''s…
【数据结构与技术规格】
文件数 4 个，合计 18.39 MB。
【主题与分类】
主题标签：tabular、time series analysis、healthcare、public health、drugs and medications。
【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://www.kaggle.com/datasets/kylefengkfeng209/medicaid-glp-1-utilization-and-spending
使用许可：CC BY-NC-SA 4.0。
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。
需登录公开下载
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
方式一：KaggleHub（Python，推荐 AI Agent 使用）
# 前置依赖: pip install kagglehub
import kagglehub
path = kagglehub.dataset_download("kylefengkfeng209/medicaid-glp-1-utilization-and-spending")
print("数据已下载至:", path)
方式二：Kaggle CLI（命令行）
# 前置条件: 注册 Kaggle 账号, Settings > API > Create New Token
# 将 kaggle.json 放到 ~/.kaggle/ 并 chmod 600
pip install kaggle
kaggle datasets download -d kylefengkfeng209/medicaid-glp-1-utilization-and-spending
unzip medicaid-glp-1-utilization-and-spending.zip -d medicaid-glp-1-utilization-and-spending/
数据说明
该数据集包含美国各州医疗补助计划（Medicaid）中GLP-1受体激动剂药物（如Ozempic、Zepbound）的季度使用量和支出数据，时间跨度为2018年至2025年，共62,263条记录。数据模态为表格，可用于药物利用趋势和医疗支出分析。
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。
