数据集概述
本数据集为美国CMS 2022财年家庭医疗保健机构（HHA）成本报告的清洗与验证版本，包含10564行、201列的结构化数据，覆盖机构基本信息、成本数值等内容，同时提供验证指标、处理脚本及说明文档，支持可复现分析。
文件详解
- 核心数据文件：
- CostReporthha_Final_22_clean.csv：CSV格式，清洗后的主数据集，包含10564行、201列，字段覆盖机构ID、名称、地址、成本数值等
- targets_long.csv：CSV格式，机构年度运营成本表，字段包括provider_id（机构ID）、fiscal_year（财年）、measure_name（指标名称）、value（数值）、unit（单位）
- DATA_DICTIONARY.csv：CSV格式，数据字典，字段包括column（列名）、type（类型）、role_if_any（角色）、description（描述）
- labels.csv：CSV格式，标签文件
- 验证文件：
- VALIDATION/hha22_validation.json：JSON格式，验证指标文件，包含roles、metrics、inputs等键
- VALIDATION/hha22_issues.csv：CSV格式，验证问题样本文件
- 处理与说明文件：
- PROCESSING/目录：包含数据清洗、验证的Python脚本及配置文件
- README.md：Markdown格式，数据集说明文档
- LICENSE.txt：文本格式，CC BY 4.0许可文件
- 可选文件：
- fig_total_operating_expenses_hist.png：PNG格式，运营成本直方图
数据来源
CMS Provider Data Catalog
适用场景
- 卫生经济学分析：开展机构年度成本、运营效率等健康经济学研究
- 数据处理基准：作为清洗与验证流程的基准数据集，评估数据处理方法
- 教学应用：用于可复现数据管理、卫生数据处理等课程的教学案例
- 医疗服务评估：分析家庭医疗保健机构的成本结构与服务特征
