英格兰胆囊手术全国分析补充数据
英格兰胆囊手术全国分析的补充数据，包含2000-2019年四种手术的表格和图表，用于研究良性胆囊疾病管理变化。
基本信息
资源简介
英格兰胆囊手术全国分析补充数据
【一句话概览】
本数据集是 Mendeley Data 公开的结构化表格数据集，收录 1 个文件、合计 1.42 MB，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《Supplemental Data Content to ''A nationwide analysis of gallbladder surgery in England between 2000 and 2019''》。源站首次发布：2023-01-09。
【数据内容】
源站原始描述：This is the supplementary material for the paper titled “A nationwide analysis of gallbladder surgery in England between 2000 and 2019”. We aimed to generate a reliable report on four gallbladder surgeries – cholecystolithotomy, cholecystostomy, subtotal cholecystectomy and total cholecystectomy – in England to allow cross-procedure comparisons and highlight changes in the management of benign gallbladder disease over time. It adheres to the Strengthening the Reporting of Observational Studies i…
中文译文（机器翻译，仅供快速理解，请以原文为准）：本文是题为“2000年至2019年英格兰胆囊手术的全国性分析”论文的补充材料。我们旨在生成一份关于英格兰四种胆囊手术——胆囊切开取石术、胆囊造口术、次全胆囊切除术和全胆囊切除术——的可靠报告，以便进行跨术式比较，并突出随着时间推移良性胆囊疾病管理的变化。它遵循《加强观察性流行病学研究报告》（STROBE）声明和清单。该分析为英格兰的胆囊手术提供了有价值的见解，并突显了2000年至2019年间英格兰对次全胆囊切除术和胆囊造口术使用增加的重大转变。这份面向M
【数据结构与技术规格】
文件数 1 个，合计 1.42 MB。数据集 DOI：10.17632/gp9vfvs76n.2。
【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://data.mendeley.com/datasets/gp9vfvs76n
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/gp9vfvs76n/2
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。
