nateraw/prescriptionbasedprediction

该数据集用于Roam博客文章《基于处方的预测》，主要来源于美国开放的健康数据集，大部分数据点来自Medicare Part D和全国提供者标识符数据集。数据集包含239,930名医生的处方向量，这些向量详细描述了医生的特征，包括专业、性别、年龄和地区。数据以JSONL格式存储，每条记录包括医生的品牌和通用处方计数、性别、地区、专业和从业年数等信息。

---
许可协议：
- CC BY-NC-SA 4.0（知识共享署名-非商业性使用-相同方式共享4.0）
转换来源：Kaggle
Kaggle数据集ID：roamresearch/prescriptionbasedprediction
---

# 基于处方的预测任务数据集卡片

## 目录
- [目录](#目录)
- [数据集描述](#数据集描述)
- [数据集概述](#数据集概述)
- [支持任务与排行榜](#支持任务与排行榜)
- [语言](#语言)
- [数据集结构](#数据集结构)
- [数据实例](#数据实例)
- [数据字段](#数据字段)
- [数据划分](#数据划分)
- [数据集构建](#数据集构建)
- [数据集遴选依据](#数据集遴选依据)
- [源数据](#源数据)
- [标注信息](#标注信息)
- [个人与敏感信息](#个人与敏感信息)
- [数据集使用注意事项](#数据集使用注意事项)
- [数据集的社会影响](#数据集的社会影响)
- [偏差讨论](#偏差讨论)
- [其他已知局限性](#其他已知局限性)
- [附加信息](#附加信息)
- [数据集整理者](#数据集整理者)
- [许可信息](#许可信息)
- [引用信息](#引用信息)
- [贡献内容](#贡献内容)

## 数据集描述

- **"主页"**：https://kaggle.com/datasets/roamresearch/prescriptionbasedprediction
- **"代码仓库"**：
- **"相关论文"**：
- **"排行榜"**：
- **"联系方式"**：

### 数据集概述

本数据集用于Roam发布的博客文章《基于处方的预测》（http://roamanalytics.com/2016/09/13/prescription-based-prediction/）。其源自多套美国公开健康数据集，核心数据点主要来自**医疗保险D部分（Medicare Part D）**数据集与**国家提供者标识符（National Provider Identifier, NPI）**数据集。

每位医生的处方向量可丰富展现该医生的多维度属性，包括专科、性别、从业年限与所在地区。本数据集共包含239,930位医生的数据。

本数据集采用JSONL（JSON Lines，每行一条JSON记录）格式存储，数据结构示例如下：

json
{
"provider_variables": {
"brand_name_rx_count": 整数,
"gender": "M" 或 "F",
"generic_rx_count": 整数,
"region": "South"（南部）或 "MidWest"（中西部）或 "Northeast"（东北部）或 "West"（西部）,
"settlement_type": "non-urban"（非城区）或 "urban"（城区）,
"specialty": 字符串,
"years_practicing": 整数
},
"npi": 字符串,
"cms_prescription_counts": {
"drug_name": 整数,
"drug_name": 整数,
...
}
}

其中`brand_name_rx_count`与`generic_rx_count`对应的品牌药/通用药分类是通过启发式方法定义的。如需了解更多细节，可参阅该博客文章，或直接访问关联代码仓库：https://github.com/roaminsight/roamresearch/tree/master/BlogPosts/Prescription_based_prediction。

### 支持任务与排行榜：[需补充更多信息]
### 语言：[需补充更多信息]

## 数据集结构

### 数据实例：[需补充更多信息]
### 数据字段：[需补充更多信息]
### 数据划分：[需补充更多信息]

## 数据集构建

### 数据集遴选依据：[需补充更多信息]
### 源数据
#### 初始数据收集与标准化：[需补充更多信息]
#### 源语言生产者是谁？：[需补充更多信息]
### 标注信息
#### 标注流程：[需补充更多信息]
#### 标注者是谁？：[需补充更多信息]
### 个人与敏感信息：[需补充更多信息]

## 数据集使用注意事项

### 数据集的社会影响：[需补充更多信息]
### 偏差讨论：[需补充更多信息]
### 其他已知局限性：[需补充更多信息]

## 附加信息

### 数据集整理者：本数据集由[@roamresearch](https://kaggle.com/roamresearch)分享
### 许可信息：本数据集的许可协议为CC BY-NC-SA 4.0（知识共享署名-非商业性使用-相同方式共享4.0）
### 引用信息：
bibtex
[需补充更多信息]

### 贡献内容：[需补充更多信息]

原始信息汇总

数据集概述

数据集描述

• 数据集名称: Prescription-based prediction
• 数据集来源: 主要来源于美国开放健康数据，特别是Medicare Part D和National Provider Identifier数据集。
• 数据集概要: 包含239,930名医生的处方数据，每个医生的处方向量包含专业、性别、年龄和地区等信息。

数据集结构

• 数据格式: JSONL格式，每行一个JSON记录。
• 数据字段:
  • provider_variables: 包含品牌药处方数、性别、通用药处方数、地区、定居类型、专业和执业年数。
  • npi: 国家提供者标识符。
  • cms_prescription_counts: 包含多个药物名称及其处方数。

数据集创建

• 数据集共享者: @roamresearch
• 许可证: cc-by-nc-sa-4.0

使用数据集的注意事项

• 数据集限制: 需要进一步信息以评估。
• 数据集偏见: 需要进一步信息以评估。
• 数据集的社会影响: 需要进一步信息以评估。

附加信息

• 引用信息: 需要进一步信息。
• 贡献: 需要进一步信息。