经皮冠状动脉介入治疗按心脏病医生统计：2008年起
2008-2010年纽约州心脏病医生PCI手术的风险调整死亡率统计数据集，包含病例数和死亡数。
基本信息
资源简介
经皮冠状动脉介入治疗按心脏病医生统计：2008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 cardiac、pci、cabg、coronary artery bypass graft、valve，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《Percutaneous Coronary Interventions by Cardiologist: Beginning 2008》。
【数据内容】
源站原始描述：This dataset contains the number of cases, number of in hospital/30 day deaths, observed, expected and risk- adjusted mortality rates for Percutaneous Coronary Interventions (PCI) by cardiologist. Physician information is presented for each physician who a) performed 200 or more procedures during the three year analysis and/or b) performed at least one PCI in each of the three years. The results for physicians not meeting the above criteria are grouped together and reported as “All others” in th…
中文译文（机器翻译，仅供快速理解，请以原文为准）：本数据集包含按心脏科医生列出的经皮冠状动脉介入治疗（Percutaneous Coronary Interventions, PCI）病例数、院内/30天死亡数、观察死亡率、预期死亡率和风险调整死亡率。对于符合以下条件之一的每位医生，均提供其医生信息：a）在三年分析期间实施200例或以上手术；和/或 b）在三年中每年至少实施1例PCI。未达到上述标准的医生，其结果会合并在一起，并在其实施手术的医院中报告为“All others”。区域代表医院所在位置。初始的 Health Data NY 数据集包含2008年1月1日至2010年12月31日期间出院的患者。提供了2008年至2010年三年期间风险调整死亡率及相关风险因素的分析。纳入全部病例和非急诊病例（占手术的大多数）的分析。后续年度报告数据将追加到
【主题与分类】
源站学科分类：Health。主题标签：cardiac、pci、cabg、coronary artery bypass graft、valve、coronary、revascularization、cardiac surgery、consumer resources、community health and chronic disease。
【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/ekig-i57g
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/ekig-i57g
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。
