hhs-dab-decisions

该数据集收录了美国卫生与公众服务部（HHS）部门上诉委员会（DAB）发布的所有公开决策，以Parquet格式存储，并解析了文档头部和部分正文为结构化列。数据集包含四个主要文件：dab.parquet（上诉庭及之前的拨款上诉委员会，共3,309条决策，时间跨度1974-03-07至2026-08-21）、alj.parquet（民事救济庭，即行政法官，共6,426条决策，时间跨度1985-05-14至2026-07-28）、council.parquet（医疗保险上诉委员会精选决策，共224条，时间跨度2001-03-21至2015-04-24，注意该文件仅为精选，不代表委员会全部产出）、slices.parquet（类别成员关系，共8,006行，涵盖77个非空类别）。决策内容涉及：ALJ方面主要针对CMS或HHS监察长的案件，包括排除个人参与医疗保险和医疗补助、疗养院执法与民事罚款、撤销账单特权、CLIA实验室制裁、EMTALA罚款、FDA烟草零售商执法等；上诉庭方面，尤其是2000年之前，大量涉及拨款纠纷（如Head Start、TANF、儿童抚养执行、寄养、部落自决合同）。数据字段包括：id、corpus（来源文件名）、decision_no（决策编号）、decision_no_source（编号来源）、docket_nos（案号）、decision_date（决策日期）、year（年份）、tribunal（法庭）、respondent（被诉方）、judges（法官）、reviews_decision_no（被审查的ALJ决策编号）、appealed_in（审查该决策的上诉决策编号）、dispositions（处置结果列表）、disposition_text（处置结果原文）、provider_ids（提供者ID，如CCN、NPI、PTAN、CLIA，可关联CMS数据）、source_url（来源URL）、had_web_chrome（提取标志）、text_layer_ok（文本层提取标志）、clean_guard_tripped（清理保护标志）、text（决策正文，去除网站装饰）。数据集适用于法律分析、行政法研究、医疗保险与医疗补助政策分析、疗养院执法研究、联邦拨款纠纷研究等。注意：处置结果仅是部分标注，appealed_in仅反映已上诉的案件，类别标签为启发式方法生成，切片并非互斥分区，部分文本存在OCR错误。数据集为美国政府作品，不受版权保护。This dataset contains all publicly available decisions issued by the Departmental Appeals Board (DAB) of the U.S. Department of Health and Human Services (HHS), stored in Parquet format, with document headers and partial body text parsed into structured columns. The dataset includes four main files: dab.parquet (Appeals Board and former Grant Appeals Board, 3,309 decisions, spanning from 1974-03-07 to 2026-08-21), alj.parquet (Civil Remedies Division, i.e., Administrative Law Judges, 6,426 decisions, spanning from 1985-05-14 to 2026-07-28), council.parquet (Medicare Appeals Council selected decisions, 224 decisions, spanning from 2001-03-21 to 2015-04-24, note: this file is a selection only and does not represent the full output of the Council), and slices.parquet (category membership, 8,006 rows, covering 77 non-empty categories). Decision content involves: ALJ cases primarily against CMS or HHS Inspector General, including exclusion of individuals from Medicare and Medicaid, nursing home enforcement and civil monetary penalties, revocation of billing privileges, CLIA laboratory sanctions, EMTALA penalties, FDA tobacco retailer enforcement, etc.; Appeals Board cases, especially before 2000, largely involve grant disputes (e.g., Head Start, TANF, child support enforcement, foster care, tribal self-determination contracts). Data fields include: id, corpus, decision_no, decision_no_source, docket_nos, decision_date, year, tribunal, respondent, judges, reviews_decision_no, appealed_in, dispositions, disposition_text, provider_ids, source_url, had_web_chrome, text_layer_ok, clean_guard_tripped, text. The dataset is suitable for legal analysis, administrative law research, Medicare and Medicaid policy analysis, nursing home enforcement research, federal grant dispute research, etc. Note: dispositions are only partially annotated, appealed_in only reflects appealed cases, category labels are generated heuristically, slices are not mutually exclusive partitions, and some text contains OCR errors. The dataset is a U.S. government work and is not subject to copyright protection.

原始信息汇总

HHS部门上诉委员会裁决数据集

该数据集收录了美国卫生与公众服务部（HHS）部门上诉委员会（DAB）发布的所有公开裁决，以Parquet格式存储，并将标题和部分正文解析为独立列。

文件结构与规模

文件	审理机构	裁决数量	时间跨度
dab.parquet	上诉庭及前拨款上诉委员会	3,309	1974-03-07 至 2026-08-21
alj.parquet	民事救济庭（行政法官）	6,426	1985-05-14 至 2026-07-28
council.parquet	医疗保险上诉委员会（精选）	224	2001-03-21 至 2015-04-24
slices.parquet	类别归属 — 8,006行，跨越77个非空类别

上诉庭和行政法官语料库与该委员会自身发布的索引完全一致；但医疗保险上诉委员会文件仅为"重大裁决"的精选，仅约占该机构十年产出的1%，不能反映其全部裁决数量。

裁决主题

行政法官层面：多数案件针对CMS或HHS监察长，涉及禁止个人参与医疗保险和医疗补助、养老院执法与民事罚款、撤销计费特权、CLIA实验室制裁、EMTALA处罚及FDA烟草零售商执法。

上诉庭层面：尤其2000年以前，大量涉及拨款争议，包括Head Start、TANF、子女抚养执行、寄养及部落自治合同等。

主要字段说明

• id、corpus：源文件名及所属语料库
• decision_no：裁决编号（如 2740、CR4685）
• docket_nos：案卷编号（一个裁决可对应多个）
• decision_date：裁决日期（缺失时为空而非错误值）
• tribunal、respondent：所属分庭及被诉方
• judges：法官组成（上诉庭60%、行政法官庭76%有记录）
• reviews_decision_no / appealed_in：两级裁决间的关联
• dispositions：处理结果（维持、推翻、发回重审等；43% / 24%）
• provider_ids：医疗服务提供者ID（可关联CMS数据，行政法官庭36%有记录）
• text：去除网页装饰后的裁决全文

使用注意事项

• 处理结果字段具有选择性：仅从裁决结论中的第一人称表述提取，空值仅表示"未明确表述"，不能据此计算比率
• appealed_in 是关联而非普查：和解、撤回或未决上诉不产生上诉裁决
• 类别标签为启发式推断：基于引文出现位置和频率判定，未声称精确率或召回率
• 类别切片非划分关系：9,959件裁决中6,333件（64%）属于至少一个类别，1,419件属于多个类别
• 部分文本存在错误或缺失：个别裁决提取质量差（如DAB No. 88文字乱码），部分被标记，部分无法自动识别
• 裁决编号来源存在优先级：依次为委员会索引、源文件名、标题，其中标题与索引的符合率仅64%

数据来源

原始裁决发布于hhs.gov，因该网站对自动化访问返回403，数据收集经由互联网档案馆及浏览器远程调试协议完成。本数据集源自Kmisener/HHS-DAB-Decisions，并补充了缺失裁决、解析元数据及类别标签。这些裁决为美国政府作品，不受版权保护。

搜集汇总

数据集介绍

构建方式

该数据集以美国卫生与公众服务部（HHS）部门上诉委员会（DAB）公开发布的行政裁判文书为素材，采用自动化采集与结构化解析相结合的方式构建。数据来源包括HHS官方网站、互联网档案馆（Internet Archive）及通过DevTools协议驱动的浏览器抓取，以规避访问限制并覆盖最新发布内容。原始文本经由分栏解析、网页冗余元素剔除和基于规则的类别标注，最终以带类型的Parquet格式存储，形成包含上诉庭、行政法官庭及医疗保险上诉委员会三个层级的裁判文书集合。

特点

数据集收录超过九千份裁判文书，时间跨度自1974年至2026年，涵盖补助金争议、医疗保险与医疗补助排除、养老院执法、临床实验室制裁等行政法核心议题。文书以结构化列存储，包含案号、裁决日期、法官、处置结果、医疗机构标识符等元数据，并支持跨层级关联。数据同时标注提取质量标志与类别切片，但类别标注为启发式方法，非完备划分，且部分历史文本存在OCR讹误，使用时需留意其覆盖范围与精度限制。

使用方法

研究者可借助DuckDB等工具直接查询Parquet文件，例如按处置结果聚合统计上诉庭的裁决分布。数据支持通过reviews_decision_no与appealed_in字段连接行政法官与上诉庭的文书，实现审级追踪。使用者亦可利用provider_ids与CMS外部数据对接，开展医疗机构层面的实证分析。需注意处置结果字段仅反映明确表述的结论，空值不代表未发生处置，类别标签亦不构成完整分类，分析时应结合disposition_text原文与提取标志进行校验。

背景与挑战

背景概述

美国卫生与公众服务部（HHS）内部设有行政裁判机构——部门上诉委员会（Departmental Appeals Board, DAB），其下属的民事救济司（ALJ）与上诉司分别承担初审与复审职能，长期裁决涉及联邦医疗保险（Medicare）、医疗补助（Medicaid）、拨款争议及监管处罚等案件。该数据集由研究者基于既有语料库 Kmisener/HHS-DAB-Decisions 扩充构建，完整收录了委员会公开发布的全部裁决文书，并将页眉与部分正文解析为结构化列，辅以证据驱动的类别标签与类型化模式，于2026年发布。它为行政法、卫生政策与司法裁判的实证研究提供了可计算的一手文本资源，使跨年份、跨审级的裁决模式得以系统考察。

当前挑战

该数据集所应对的领域问题，是行政裁判文书长期以非结构化网页形式分散发布、难以批量检索与量化分析的困境，其价值在于将两级裁判机构的裁决整合为可关联的结构化语料。构建过程中的挑战集中于数据完整性与质量：Medicare 上诉委员会仅公开少量“重要”裁决，该文件仅占同期产出的约百分之一，故计数不代表实际裁判总量；裁决编号需从索引、文件名与页眉三源推断，而页眉与索引的一致率仅64%，旧扫描件的 OCR 讹误与解析失败会引入错误编号；部分文本提取后严重残缺或乱码且未被标记，少数裁决甚至以空白页面发布；处置结果与类别标签均为启发式判定，缺乏人工标注样本，切片之间亦非互斥划分，这些局限共同约束了基于该语料的统计推断效力。

常用场景

经典使用场景

在行政法与医疗卫生政策交叉的研究领域中，hhs-dab-decisions数据集充当着美国卫生与公众服务部行政裁决实践的核心语料库。其最经典的使用场景在于对裁决文书进行结构化检索与实证分析：研究者可借助duckdb等工具，围绕裁决日期、争议类型、处置结果、法官构成等字段，快速勾勒某一类案件（如护理机构民事罚款、医保计费权限撤销、FDA烟草零售商执法）的裁决模式与历时演变，亦可经由reviews_decision_no与appealed_in字段，重建 ALJ 初审与上诉庭复审之间的层级关联，形成对同一争端完整审级链条的追踪。

解决学术问题

该数据集有效回应了行政裁决研究中长期存在的语料零散、元数据缺失与文本不可计算等难题。通过对9,000余份裁决进行标头解析、网页冗余剔除、类别标注与类型化建模，它为学者考察行政法官与上诉机构的裁量逻辑、处置倾向及审级互动提供了可复现的数据基础。其意义在于将原本深藏于政府网站、难以批量获取的裁决文本转化为可量化分析的经验材料，从而推动行政法研究从判例注释走向大规模实证检验，并为卫生政策评估提供可追溯的裁决证据链。

衍生相关工作

该数据集直接衍生自Kmisener/HHS-DAB-Decisions的原始收集与文本抽取工作，并在其基础上增添了缺失裁决、解析元数据、网站装饰剔除、基于证据的类别标签以及类型化模式。其构建代码与方法沉淀于abigailhaddad/HHS_DAB_Collect-Sort仓库，形成可复用的采集与整理流程。围绕该语料，后续工作可扩展至行政裁决结果的预测建模、处置文本的自动分类、审级关联网络的构建，以及与CMS提供者数据的跨库链接分析，从而为行政法与卫生政策计算研究提供持续演进的资源基础。