SISPED软件验证复制数据（CEMAR, 2018-2020）
本数据集包含298例2型糖尿病患者的临床与足风险表格数据，用于验证SISPED软件对糖尿病足风险的分类准确性。
基本信息
资源简介
SISPED软件验证复制数据（CEMAR, 2018-2020）
【一句话概览】
本数据集是 Dataverse 公开的结构化表格数据集，收录 1 个文件、合计 54.58 KB，主题涵盖 Diabetes Mellitus、Pé diabético、Atenção primária à saúde、Risco de úlcera、SISPED，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《Replication data for: “Validação do software SISPED (CEMAR, 2018–2020)”》。源站首次发布：2025-11-17。
【数据内容】
源站原始描述：Este conjunto de dados contém informações clínicas, sociodemográficas e antecedentes de 298 pessoas com diabetes mellitus tipo 2 avaliadas no Centro de Especialidades Médicas de Aracaju (CEMAR), Sergipe, Brasil, entre 2018 e 2020. Os dados incluem variáveis relacionadas ao risco de úlceras nos pés, histórico de complicações, parâmetros metabólicos, uso de medicamentos e fatores comportamentais. O banco foi utilizado para validar a acurácia do software SISPED na classificação de risco do pé diabé…
中文译文（机器翻译，仅供快速理解，请以原文为准）：该数据集包含2018年至2020年间在巴西塞尔希培州阿拉卡茹医学专科中心（CEMAR）接受评估的298名2型糖尿病患者的临床信息、社会人口学信息和病史。数据包括与足部溃疡风险相关的变量、并发症史、代谢参数、药物使用和行为因素。该数据库用于验证SISPED软件在初级卫生保健背景下对糖尿病足风险分类相较于传统临床检查的准确性。所有数据均已完全匿名化，并遵循伦理准则和个人数据保护规定。
【数据结构与技术规格】
文件数 1 个，合计 54.58 KB。数据集 DOI：doi:10.25824/redu/MESJ9Y。
【主题与分类】
主题标签：Diabetes Mellitus、Pé diabético、Atenção primária à saúde、Risco de úlcera、SISPED、Saúde pública、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://redu.unicamp.br/dataset.xhtml?persistentId=doi:10.25824/redu/MESJ9Y
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://redu.unicamp.br/citation?persistentId=doi:10.25824/redu/MESJ9Y
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。
