坎皮纳斯卫生中心‘黄色警报’项目失败因素分析
巴西坎皮纳斯地区新生儿胆汁淤积筛查“黄色警报”项目失败因素调查问卷数据。
基本信息
资源简介
坎皮纳斯卫生中心‘黄色警报’项目失败因素分析
【一句话概览】
本数据集是 Dataverse 公开的结构化表格数据集，收录 2 个文件、合计 22.30 KB，主题涵盖 Colestase neonatal、Icterícia neonatal、Atresia biliar、Medicine, Health and Life Sciences，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《Análise dos fatores associados ao insucesso do programa ‘alerta amarelo’ nos Centros de Saúde de Campinas》。源站首次发布：2025-02-02。
【数据内容】
源站原始描述：A atresia biliar é uma das causas mais importantes de colestase neonatal que pode levar à cirrose hepática precoce e necessidade de transplante hepático. O tratamento proposto inicialmente é a cirurgia de Kasai com resultado satisfatório principalmente quando realizada antes dos 60 dias de vida. Em 2010, foi proposto o “Alerta Amarelo”, cujo objetivo é orientar os profissionais da saúde e famílias sobre a persistência de icterícia além dos 14 dias devido necessidade de investigação. Infelizmente…
中文译文（机器翻译，仅供快速理解，请以原文为准）：胆道闭锁是新生儿胆汁淤积最重要的原因之一，可导致早期肝硬化和需要肝移植。最初提出的治疗是Kasai手术，尤其是在出生后60天内进行时，效果令人满意。2010年，提出了“黄色警报”（
【数据结构与技术规格】
文件数 2 个，合计 22.30 KB。数据集 DOI：doi:10.25824/redu/JM2MO1。
【主题与分类】
主题标签：Colestase neonatal、Icterícia neonatal、Atresia biliar、Medicine, Health and Life Sciences。
【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://redu.unicamp.br/dataset.xhtml?persistentId=doi:10.25824/redu/JM2MO1
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://redu.unicamp.br/citation?persistentId=doi:10.25824/redu/JM2MO1
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。
