医疗检测生产力决定因素：医疗强度与资源分配
该数据集包含肺栓塞影像检查的医疗记录数据，涉及医生检测率、测试结果和患者风险特征等多模态临床表格信息，主要用于研究医疗资源分配效率与检测强度对生产力的影响，支持医疗经济学分析和临床决策优化。
基本信息
资源简介
医疗检测生产力决定因素：医疗强度与资源分配
【一句话概览】
本研究考察医疗检测中的低效问题，利用肺栓塞阴性影像检查率的差异，同时评估医生过度使用医疗与资源配置不当两种低效来源。研究发现，在给定患者群体条件下，不同医生的检测率存在巨大异质性，这解释了医生检测率与检测阳性率之间的负相关关系。此外，医生并未将检测集中于最高风险患者，使检测阳性率降低三分之一。校准结果表明，资源配置不当造成的成本高于过度使用（来源 openicpsr.org）。
【数据集背景】
本数据集源站标题为《Replication data for: The Determinants of Productivity in Medical Testing: Intensity and Allocation of Care》。
【数据内容】
源站原始描述：A large body of research has investigated whether physicians overuse care. There is less evidence on whether, for a fixed level of spending, doctors allocate resources to patients with the highest expected returns. We assess both sources of inefficiency, exploiting variation in rates of negative imaging tests for pulmonary embolism. We document enormous across-doctor heterogeneity in testing conditional on patient population, which explains the negative relationship between physicians'' testing r…
中文译文（机器翻译，仅供快速理解，请以原文为准）：大量研究探讨了医生是否存在过度医疗行为。然而，关于在固定支出水平下，医生是否将资源分配给预期回报最高的患者，证据较为有限。我们通过分析肺栓塞阴性影像检查率的变化，评估了这两种效率低下的来源。我们发现，在给定患者群体条件下，医生之间的检测行为存在巨大异质性，这解释了医生检测率与检测阳性率之间的负相关关系。此外，医生并未将检测针对最高风险患者，导致检测阳性率降低了三分之一。我们的校准表明，资源错配的成本高于过度医疗。
【主题与分类】
主题标签：medical testing、productivity、physician behavior、pulmonary embolism、imaging tests、health care markets、health insurance、health policy。
【获取与许可】
源站页面：https://www.openicpsr.org/openicpsr/project/112979/version/V1/view
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。
免登录有偿下载
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.openicpsr.org/openicpsr/project/112979/version/V1/view
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:
数据说明
该数据集旨在研究医疗检测中的生产力决定因素，重点关注医疗资源的使用强度与分配效率。数据基于肺栓塞影像检查的阴性率变化，通过分析不同医生在相同患者群体中的检测行为差异，探讨医疗过度使用与资源错配问题。数据集包含医生层面的检测率、测试结果（如阴性/阳性）、患者风险特征等信息，来源于实际医疗记录。主要应用于医疗经济学、临床决策优化和医疗政策评估等领域，帮助识别和量化医疗系统中的效率损失。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
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。
