美国住院患者统计数据库
HCUP NIS是美国大型住院患者样本数据库，包含诊断编码、住院记录及医疗费用信息，广泛用于疾病流行病学分析、医疗资源利用研究及罕见疾病（如血管炎）统计分析。
基本信息
资源简介
美国住院患者统计数据库
【一句话概览】
美国医疗保健研究与质量局（AHRQ）的全国住院患者样本（NIS）是医疗成本与利用项目（HCUP）开发的数据库和软件工具系列的一部分。NIS 是最大的公开可用全付费方住院医院数据库，旨在生成美国区域和全国层面的住院利用、可及性、成本、质量和结果估计。未加权时，它包含每年约 700 万次住院的出院或账单数据；加权后，它估计全国超过 3300 万次住院。HCUP 数据由 AHRQ 赞助的联邦-州-产业伙伴关系开发，为全国、州和社区层面的决策提供信息（来源 hcup-us.ahrq.gov）。
【数据集背景】
本数据集源站标题为《Overview of the National (Nationwide) Inpatient Sample (NIS)》。
【数据内容】
源站原始描述：The Agency for Healthcare Research and Quality''s (AHRQ) National (Nationwide) Inpatient Sample (NIS) is part of a family of databases and software tools developed for the Healthcare Cost and Utilization Project (HCUP) . The NIS is the largest publicly available all-payer inpatient hospital database designed to produce U.S. regional and national estimates of inpatient utilization, access, cost, quality, and outcomes. Unweighted, it contains discharge or billing data from approximately 7 million h…
中文译文（机器翻译，仅供快速理解，请以原文为准）：美国医疗保健研究与质量局（AHRQ）的全国（全美）住院患者样本（NIS）是为医疗成本与利用项目（HCUP）开发的一系列数据库和软件工具的一部分。NIS是最大的公开可用、涵盖所有支付方的住院医院数据库，旨在生成美国区域和全国层面的住院利用、可及性、成本、质量和结果的估计。未加权时，它包含每年约700万次住院的出院或计费数据。加权后，它估计全国超过3300万次住院。HCUP数据由AHRQ赞助的联邦-州-产业合作伙伴关系开发，为全国、州和社区层面的决策提供信息。
【主题与分类】
主题标签：inpatient、hospital stays、discharge data、billing data、HCUP、NIS、AHRQ、utilization、cost、quality。
【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.hcup-us.ahrq.gov/nisoverview.jsp
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://www.hcup-us.ahrq.gov/nisoverview.jsp
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:
数据说明
HCUP NIS是美国最大的住院患者样本数据库，包含医院出院记录、诊断编码及医疗费用信息，可用于疾病负担分析与卫生经济研究。
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。
