跨性别和性别多元成人电子病历数据集
内分泌系统疾病领域表格公开数据集，来源：openicpsr.org。
基本信息
资源简介
跨性别和性别多元成人电子病历数据集
【一句话概览】
该数据集为一项回顾性研究，基于犹他大学医疗系统内接受性别肯定照护的18岁及以上跨性别与性别多元成年人的去标识化电子病历数据。性别肯定照护包括性别肯定激素治疗（即以雌激素或睾酮为基础的药物）及性别肯定手术。创建该数据集旨在为不断增长的跨性别与性别多元人群相关文献作出贡献，以促进应对健康差异的公共卫生工作，并回答具有临床意义的问题（来源 openicpsr.org）。
【数据集背景】
本数据集源站标题为《PLOS ONE - Transgender Gender Diverse Dataset》。
【数据内容】
源站原始描述：This dataset is a retrospective study of de-identified electronic-medical record data of transgender and gender-diverse (TGD; i.e. those whose gender identity does not align with their sex assigned at birth) adults 18 years and older who receive gender-affirming care within the University of Utah healthcare system. Gender-affirming care includes gender-affirming hormone therapy (i.e. estrogen- or testosterone-based medications) and gender-affirming surgeries. The goal of creating this dataset is…
中文译文（机器翻译，仅供快速理解，请以原文为准）：该数据集是一项回顾性研究，基于去标识化的电子病历数据，研究对象为在犹他大学医疗系统内接受性别肯定医疗服务的18岁及以上跨性别与性别多元（TGD；即其性别认同与出生时指定性别不一致者）成年人。性别肯定医疗包括性别肯定激素治疗（即基于雌激素或睾酮的药物）及性别肯定手术。创建该数据集的目标在于为日益增长的TGD人群相关文献作出贡献，以促进旨在解决健康差异的公共卫生工作，并回答具有临床影响力的问题。
【主题与分类】
主题标签：transgender、gender-diverse、electronic medical records、gender-affirming care、retrospective study、United States、Utah。
【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://www.openicpsr.org/openicpsr/project/200141/version/V1/view
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://www.openicpsr.org/openicpsr/project/200141/version/V1/view
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
openICPSR数据集包含接受性别肯定照护的跨性别和性别多元成人去标识化电子病历数据。
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。
