面向白内障手术规划的医院级人工晶状体需求与库存数据集
孟加拉国一家医院24个月的白内障手术与人工晶状体库存数据集，包含门诊、手术量及28款IOL产品库存变动，用于手术规划研究。
基本信息
资源简介
面向白内障手术规划的医院级人工晶状体需求与库存数据集
【一句话概览】
本数据集是 Mendeley Data 公开的结构化表格数据集，收录 1 个文件、合计 138.10 KB，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《A hospital-level intraocular lens demand and inventory dataset for cataract surgery planning》。源站首次发布：2026-07-13。
【数据内容】
源站原始描述：This dataset contains 24 months of hospital-level cataract surgery activity, outpatient attendance, and intraocular lens inventory movement from Chevron Eye Hospital & Research Centre, Chattogram, Bangladesh, covering January 2024 to December 2025. For each month it records outpatient numbers, SICS and phacoemulsification surgery counts, and, for 28 IOL products, the opening stock, purchases, units used, closing stock, and unit price. Alongside the two de-identified raw workbooks, it includes pr…
中文译文（机器翻译，仅供快速理解，请以原文为准）：本数据集包含来自孟加拉国吉大港 Chevron Eye Hospital & Research Centre 的 24 个月院级白内障手术活动、门诊就诊量及人工晶状体库存流动数据，覆盖 2024 年 1 月至 2025 年 12 月。它逐月记录了门诊人数、SICS 和超声乳化手术量，并针对 28 种 IOL 产品记录了期初库存、采购量、使用数量、期末库存和单价。除两个去标识化的原始工作簿外，还包括处理后的 CSV 表、数据字典以及用于生成这些表的 Python 脚本，以便结果可复现。数据中不包含任何可识别患者身份的信息。
【数据结构与技术规格】
文件数 1 个，合计 138.10 KB。数据集 DOI：10.17632/tb5dhm3znh.1。
【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://data.mendeley.com/datasets/tb5dhm3znh
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://data.mendeley.com/datasets/tb5dhm3znh
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。
