瓦朗加尔地区院外心脏骤停注册表 (WACAR)
该数据集为印度瓦朗加尔地区院外心脏骤停注册表（WACAR），包含814名推测为心源性院外心脏骤停患者的临床表格数据，具体涵盖人口统计学、风险因素、病史、症状、复苏过程、急救服务使用及预后等多维度信息，主要用于研究印度特定地区院外心脏骤停的流行病学特征、评估公众对心血管疾病风险因素的认知水平，并分析影响救治效果的相关障碍，为制定公共卫生干预措施提供数据支持。
基本信息
资源简介
瓦朗加尔地区院外心脏骤停注册表 (WACAR)
【数据集背景】
本数据集源站标题为《Data of "Epidemiology of Out-of-Hospital Cardiac Arrests,Knowledge of Cardiovascular disease and Risk Factors in a regional setting in India: The Warangal Area out-of -hospital Cardiac Arrest Registry (WACAR)》。源站首次发布：2020-10-30。
【数据内容】
源站原始描述：Out-of-Hospital Cardiac Arrest (OHCA) is a global public health problem.While several OHCA registries are developed based on the Utstein template, there is limited data on OHCA from India.The Warangal Area out-of-hospital Cardiac Arrest Registry (WACAR) was designed to gain a better understanding of OHCA in a regional setting in India. The WACAR is a prospective one-year observational study of OHCA in Warangal area in the State of Telangana, India.OHCA cases were obtained from a regional Governm…
【数据结构与技术规格】
文件数 14 个，合计 1.14 MB。数据集 DOI：10.17632/cwc9v4p56s.1。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/cwc9v4p56s
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://data.mendeley.com/datasets/cwc9v4p56s
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
瓦朗加尔地区院外心脏骤停注册表（WACAR）是一项针对印度特伦甘纳邦瓦朗加尔地区院外心脏骤停（OHCA）的前瞻性一年期观察性研究。该数据集收集了2018年1月1日至12月31日期间，在二级地区总部医院——马哈特玛·甘地纪念医院就诊的、年龄在18岁以上、推测为心源性非创伤性OHCA的814名患者数据。数据采用基于Utstein模板设计的标准收集表进行采集，并补充了临床特征信息。内容包括人口统计学特征、患者特征、风险因素、心脏病史、合并症、先兆症状、复苏特征、事件时间、急救医疗服务（EMS）使用情况和预后结果。数据来源于医院记录审查、急诊室填写的表格以及对目击者（包括患者亲属和陪护人员）的电话访谈。该数据集旨在深入了解印度地区性OHCA的流行病学特征，评估公众对心血管疾病风险因素的认知水平，并揭示在数据收集和医疗可及性方面存在的障碍，为改善印度OHCA救治提供依据。
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。
