糖尿病患者医院再入院风险数据集

包含10万余例糖尿病患者的医院再入院风险表格数据,用于预测30天再入院。

auphong2707auphong2707
HuggingFace
2025-11-29 更新
浏览 10
表格糖尿病再入院预测

基本信息

模态
表格
大小
0.68 GB
创建/更新时间
2025-11-29

资源简介

该数据集包含101,766名糖尿病患者的医院再入院风险数据,经过预处理,共113个特征,用于预测30天内是否再入院。数据模态为结构化表格数据,任务为二分类预测。

原始链接

https://huggingface.co/datasets/auphong2707/hospital-readmission-risk-data

访问原始数据

官方服务

如需原始数据获取支持或标注服务,请联系我们。

帮我联系

下载信息

注册下载

Tips: 该数据集需要在对应的数据源网站注册通过后,才能进行数据下载,注册有对应要求,或者需要收费。

暂未开放

公开下载

Tips: 该数据集属于公开下载,应该可以免费公开下载。

免登录

有偿下载

Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务,注意,服务不针对数据相关产权,只是技术服务费。

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

千方医数集,医疗数据集部分,是为社区服务的公开医疗数据集搜索引擎,并不存储或者下载原始的任何数据。 如果您有其他医疗数据需求,可以和客服联系,或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。

使用方式

数据集获取与加载(Hugging Face datasets)

# 前置依赖: pip install datasets
from datasets import load_dataset

ds = load_dataset("auphong2707/hospital-readmission-risk-data")
print(ds)  # 查看 splits 与字段结构
# 国内网络可先设镜像: import os; os.environ["HF_ENDPOINT"]="https://hf-mirror.com"
git lfs install && git clone https://hf-mirror.com/datasets/auphong2707/hospital-readmission-risk-data

仓库文件结构

  • .gitattributes
  • README.md
  • dataset_info.json
  • hospital_readmission_full.csv
  • scaler.pkl
  • test.csv
  • test_demographics.csv
  • train.csv
  • train_demographics.csv
  • validation.csv
  • validation_demographics.csv

数据集卡片摘录(源站说明)

Hospital Readmission Risk - Preprocessed Dataset

Dataset Description

This dataset contains preprocessed hospital readmission data for diabetic patients.
The goal is to predict 30-day hospital readmissions to enable proactive interventions.

Dataset Summary

  • Total samples: 101,766
  • Features: 113
  • Target: Binary (0=No readmission, 1=Readmission within 30 days)
  • Class distribution: No readmission: 90,409 (88.8%), Readmission: 11,357 (11.2%)

Data Splits

  • Training: 71,236 samples
  • Validation: 15,265 samples
  • Test: 15,265 samples

Preprocessing Applied

  1. Missing Value Handling: Median/mode imputation with group-wise strategies
  2. Data Validation: Value ranges, data types, and domain constraints checked
  3. Outlier Treatment: IQR-based winsorization
  4. Feature Engineering:
    • Diagnosis code aggregation into clinical categories
    • Utilization features (group-by statistics)
    • Medication complexity scores
    • Age/BMI categorical buckets
    • Interaction features
  5. Encoding: One-hot (low-cardinality) + CV-safe target encoding (high-cardinality)
  6. Normalization: StandardScaler applied

Usage

import pandas as pd

# Load full dataset
data = pd.read_csv(''hospital_readmission_full.csv'')
X = data.drop(''target'', axis=1)
y = data[''target'']

# Or load splits
train = pd.read_csv(''splits/train.csv'')
val = pd.read_csv(''splits/validation.csv'')
test = pd.read_csv(''splits/test.csv'')

Citation

Original Dataset: Diabetes 130-US Hospitals for Years 1999-2008
UCI Machine Learning Repository
https://archive.ics.uci.edu/dataset/296/diabetes-130-us-hospitals-for-years-1999-2008

License

See original dataset license from UCI Machine Learning Repository.

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))

完整数据卡:huggingface.co/datasets/auphong2707/hospital-readmission-risk-data

精度瓶颈?数据缺失?

当前公开数据无法满足您的算法精度?千方提供针对 糖尿病 的高质量、多模态真实临床数据定制解决方案。

获取专属数据定制方案