外科坏死性小肠结肠炎的欧洲决策数据
该数据集来自一项针对外科坏死性小肠结肠炎的离散选择实验,记录了专家在假设病例中于手术治疗与姑息治疗之间作出的决策。病例由胎龄、血流动力学状态和脑超声解读等预先设定的变量构成

基本信息
资源简介
外科坏死性小肠结肠炎的欧洲决策数据
European decision making for surgical NEC
该数据集来自一项针对外科坏死性小肠结肠炎的离散选择实验,记录了专家在假设病例中于手术治疗与姑息治疗之间作出的决策。病例由胎龄、血流动力学状态和脑超声解读等预先设定的变量构成。数据可用于分析临床决策差异,并借助 Behavioral Artificial Intelligence Technology (BAIT) 开展相关研究,涉及早产儿重症消化道疾病、临终决策与人工智能应用等方向(来源 DOI 解析)。
【数据集背景】
源站首次发布:2026。
【数据内容】
源站描述(机器翻译,仅供参考):坏死性小肠结肠炎(NEC)是一种主要影响早产儿的严重胃肠道疾病。在晚期阶段,手术干预可能是生存的唯一可行选择。然而,高围手术期死亡率和术后并发症发生率使得在手术与姑息治疗之间作出决策在伦理和临床上都很复杂。我们使用外科NEC的假设病例进行了一项离散选择实验。这些病例由若干预先确定的变量组成,包括胎龄、血流动力学状态和脑超声解读。对于每个病例,我们要求专家在手术治疗和姑息治疗之间作出选择。每种情况下的决策都存储在当前数据库中。使用Behavioral Artificial Intelligence Technology (BAIT),我们利用这些数据来确定临床决策中的差异
【主题与分类】
主题标签:Medicine, Health and Life Sciences、Artificial Intelligence、Necrotizing Enterocolitis、Choice Experiment、Palliative care、End-of-life decisions。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://dataverse.nl/citation?persistentId=doi:10.34894/MPQ3H4
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://doi.org/10.34894/MPQ3H4
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
坏死性小肠结肠炎(NEC)是一种主要影响早产儿的严重胃肠道疾病。在晚期阶段,手术干预可能是唯一可行的生存选择。然而,较高的围手术期死亡率和术后并发症率,使得在手术与姑息治疗之间做出决定在伦理和临床上都很复杂。我们使用需要手术的NEC假设病例开展了一项离散选择实验。这些病例由若干预先确定的变量构成,包括胎龄、血流动力学状态和脑超声解读。对于每个病例,我们要求专家在手术治疗和姑息治疗之间做出选择。针对每种情况的决定都存储在当前数据库中。使用行为人工智能技术(BAIT),我们利用这些数据来确定欧洲从业者在临床决策中的差异。
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。




