S1 Data 结膜炎门诊预测数据
新疆医科大学第一附属医院2017-2019年结膜炎门诊数据，用于LSTM和GRU模型预测门诊就诊量。
基本信息
资源简介
S1 Data 结膜炎门诊预测数据
【一句话概览】
本数据集是 figshare 公开的结构化表格数据集，收录 1 个文件、合计 3.59 KB，主题涵盖 mean absolute error、improving hospital efficiency、hospital outpatient flow、gated recurrent unit、first affiliated hospital，可用于统计建模、特征工程与队列分析，CC BY 4.0 许可开放获取。
【数据集背景】
本数据集源站标题为《S1 Data -》。源站首次发布：2023-09-21。
【数据内容】
源站原始描述：Background Reasonable and accurate forecasting of outpatient visits helps hospital managers optimize the allocation of medical resources, facilitates fine hospital management, and is of great significance in improving hospital efficiency and treatment capacity. Methods Based on conjunctivitis outpatient data from the First Affiliated Hospital of Xinjiang Medical University Ophthalmology from 2017/1/1 to 2019/12/31, this paper built and evaluated Long Short-Term Memory (LSTM) and Gated Recurrent…
中文译文（机器翻译，仅供快速理解，请以原文为准）：背景 合理、准确地预测门诊就诊量有助于医院管理者优化医疗资源配置，促进医院精细化管理，对提高医院效率和诊疗能力具有重要意义。 方法 基于新疆医科大学第一附属医院眼科2017/1/1至2019/12/31的结膜炎门诊数据，本文构建并评估了用于门诊就诊量预测的长短期记忆（LSTM）模型和门控循环单元（GRU）模型。 结果 在预测未来31天结膜炎就诊量时，LSTM模型的均方根误差（RMSE）为2.86，平均绝对误差（MAE）为2.39；GRU模型的RMSE为2.60，MAE为1.99。 结论 GRU方法能够更好地预测医院门诊流量随时间的变化趋势，从而为医护人员和门诊管理提供决策支持。
【数据结构与技术规格】
文件数 1 个，合计 3.59 KB。pone.0290541.s001.csv：text/plain，3.59 KB。数据集 DOI：10.1371/journal.pone.0290541.s001。
【主题与分类】
源站学科分类：Biotechnology、Evolutionary Biology、Information Systems not elsewhere classified、Developmental Biology、Cancer、Infectious Diseases。主题标签：mean absolute error、improving hospital efficiency、hospital outpatient flow、gated recurrent unit、first affiliated hospital、evaluated long short、better predict trends、next 31 days、conjunctivitis outpatient data、xinjiang based。
【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://plos.figshare.com/articles/dataset/S1_Data_-/24175821
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Wang, Yijia; Yi, Xianglong; Luo, Mei; Wang, Zhe; Qin, Long; Hu, Xijian; et al. (2023). S1 Data -. PLOS ONE. Dataset
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（Figshare）
- 源站标题：S1 Data -
- DOI：10.1371/journal.pone.0290541.s001
- 发布日期：2023-09-21
- 文件数：1 个
- 文件总体积：3.59 KB
- 源站页面：https://plos.figshare.com/articles/dataset/S1_Data_-/24175821
命令行下载
curl -L -o "pone.0290541.s001.csv" "https://ndownloader.figshare.com/files/42419349"
文件清单
pone.0290541.s001.csv（3.59 KB）
文件总体积 3.59 KB（源站 API 实测）。
数据说明
Background
Reasonable and accurate forecasting of outpatient visits helps hospital managers optimize the allocation of medical resources, facilitates fine hospital management, and is of great significance in improving hospital efficiency and treatment capacity.
Methods
Based on conjunctivitis outpatient data from the First Affiliated Hospital of Xinjiang Medical University Ophthalmology from 2017/1/1 to 2019/12/31, this paper built and evaluated Long Short-Term Memory (LSTM) and Gated Recurrent Unit (GRU) models for outpatient visits prediction.
Results
In predicting the number of conjunctivitis visits over the next 31 days, the LSTM model had a root mean square error (RMSE) of 2.86 and a mean absolute error (MAE) of 2.39, the GRU model has an RMSE of 2.60 and an MAE of 1.99.
Conclusions
The GRU method can better predict trends in hospital outpatient flow over time, thus providing decision support for medical staff and outpatient management.
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.1371/journal.pone.0290541.s001（source: https://plos.figshare.com/articles/dataset/S1_Data_-/24175821）。
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。
