澳大利亚普查报告糖尿病城乡差异复现数据与代码
结局为2021年Census报告的长期确诊糖尿病。本站分类：内分泌、营养和代谢疾病/糖尿病。本数据集为内分泌、营养和代谢疾病领域公开数据集，由Zenodo提供，主题涵盖diabetes。
基本信息
资源简介
澳大利亚普查报告糖尿病城乡差异复现数据与代码
Replication data and code for "National gradients, local heterogeneity: Most settlement-level variation in Census-reported diabetes lies within Australian remoteness categories"
该数据集是论文《National gradients, local heterogeneity: Most settlement-level variation in Census-reported diabetes lies within Australian remoteness categories》的可复现档案，包含1,743个至少200名常住居民的Urban Centres and Localities分析数据集、变量码本、ABS ASGS Edition 3偏远程度分配文件、原始Stata与Python分析及绘图代码、独立Python复现检查、生成的图表与数值核验结果台账。结局为2021年Census报告的长期确诊糖尿病。
【数据集背景】
源站首次发布：2026。
【主题与分类】
主题标签：diabetes、Census、geographic health inequality、rural health、remoteness、small towns、ecological study、health service planning、Australia、Urban Centres and Localities。本站分类：内分泌、营养和代谢疾病/糖尿病。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.22783233
使用许可：Creative Commons Attribution 4.0 International。
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/10.5281/zenodo.22783233
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:
数据集大小约 8.6 MB。
数据说明
随稿《国家梯度、地方异质性：人口普查报告的糖尿病中，大多数定居点层面的变异位于澳大利亚偏远类别之内》的可复现性档案（Alexeev、Gwynne、Henson & Kirwan；已投稿至《Diabetology》）。包含UCL级分析数据集（1,743个至少有200名常住居民的城镇与地方），变量代码本，公开的ABS澳大利亚统计地理标准第3版偏远分配文件，原始Stata与Python分析/图表代码，一个独立的Python复现检查，生成的图表，以及用于数值验证的生成表格/结果台账。结局指标为人口普查报告的经诊断长期糖尿病（2021年人口普查），而非临床患病率。数据来源于澳大利亚统计局2021年人口普查TableBuilder输出；ABS被承认为数据来源。PHIDU提供的补充住院/死亡材料及具名定居点残差诊断未包含在内；有关来源与排除项，请参见README.md。
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。
