按提供者县统计的成年急性呼吸道感染避免不当抗生素处方率（纽约州医疗补助，2010年起）
纽约州医疗补助计划成人急性呼吸道感染避免不当抗生素处方率，按提供者县统计，2010年起，包含观察率和风险调整率。
基本信息
资源简介
按提供者县统计的成年急性呼吸道感染避免不当抗生素处方率（纽约州医疗补助，2010年起）
【一句话概览】
本数据集是 Socrata 开放数据门户 公开的结构化表格数据集，主题涵盖 medicaid、antibiotics、efficiency、respiratory infection、outpatient，可用于统计建模、特征工程与队列分析。
【数据集背景】
本数据集源站标题为《Potentially Avoidable Antibiotic Prescribing Rates for Acute Respiratory Infection by Provider County, Adults Age 18-64 Years, NYS Medicaid: Beginning 2010》。
【数据内容】
源站原始描述：This dataset contains Potentially Avoidable Antibiotic Prescribing observed and risk-adjusted rates for adult Medicaid enrollees by provider county beginning in 2010. Potentially Avoidable Antibiotic Prescriptions are antibiotic prescriptions filled for the treatment of acute respiratory infections for which antibiotics are not indicated, contributing to bacterial drug resistance. Index visits for acute respiratory infections and corresponding prescription fills were identified through the use o…
中文译文（机器翻译，仅供快速理解，请以原文为准）：本数据集包含自2010年起按提供者所在县统计的成人 Medicaid 参保者潜在可避免抗生素处方（Potentially Avoidable Antibiotic Prescribing）的观察率和风险调整率。潜在可避免抗生素处方是指为治疗急性呼吸道感染而配药的抗生素处方，而抗生素对此类感染并无适应证，进而助长细菌耐药性。急性呼吸道感染的索引就诊及相应处方配药通过既往发表的方法进行识别。这些率使用 Medicaid 门诊索赔与就诊记录以及处方药数据计算。观察率和风险调整率按提供者所在县呈现（包括全州总计）。
【主题与分类】
源站学科分类：Health。主题标签：medicaid、antibiotics、efficiency、respiratory infection、outpatient。
【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://health.data.ny.gov/d/vg7a-h5ss
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.opendatanetwork.com/dataset/health.data.ny.gov/vg7a-h5ss
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。
