糖尿病和周围动脉疾病队列研究：比较逻辑回归与随机森林模型
基于2015年医疗保险受益人的糖尿病合并周围动脉疾病队列，包含人口统计、预防措施和结局的表格数据，用于比较逻辑回归与随机森林模型。
基本信息
资源简介
糖尿病和周围动脉疾病队列研究：比较逻辑回归与随机森林模型
【一句话概览】
本数据集是 Dataverse 公开的结构化表格数据集，收录 16 个文件、合计 1.38 MB，主题涵盖 random forest、machine learning、critical limb ischemia、diabetes、amputation，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《Using a cohort study of diabetes and peripheral artery disease to compare logistic regression and machine learning via random forest modeling》。源站首次发布：2024-04-05。
【数据内容】
源站原始描述：Background: This study illustrates the use of logistic regression and machine learning methods, specifically random forest models, in health services research by analyzing outcomes for a cohort of patients with concomitant peripheral artery disease and diabetes mellitus. Methods: Cohort study using fee-for-service Medicare beneficiaries in 2015 who were newly diagnosed with peripheral artery disease and diabetes mellitus. Exposure variables include whether patients received preventive measures i…
【数据结构与技术规格】
文件数 16 个，合计 1.38 MB。数据集 DOI：doi:10.21989/D9/AZVRN4。
【主题与分类】
主题标签：random forest、machine learning、critical limb ischemia、diabetes、amputation、reintervention、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://dataverse.dartmouth.edu/dataset.xhtml?persistentId=doi:10.21989/D9/AZVRN4
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://dataverse.dartmouth.edu/citation?persistentId=doi:10.21989/D9/AZVRN4
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))
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
