HemoData：血友病诊断与研究综合数据集
孟加拉国2,788名个体的血友病流行病学数据集，涵盖人口学、严重程度、地区分布和A/B/其他类型患病率，用于诊断与政策研究。
基本信息
资源简介
HemoData：血友病诊断与研究综合数据集
【一句话概览】
HemoData 是一个血友病诊断与研究综合数据集，提供孟加拉国血友病流行病学见解，涵盖2788名个体的人口统计、轻中重严重程度、地区分布及A、B和其他类型患病率。数据与孟加拉国血友病协会合作收集，以确保准确性和相关性。该数据集旨在支持孟加拉国血友病研究，改善诊断、治疗可及性和医疗成果，并指导医疗政策与干预，促进公平护理并提升患者生活质量。共1个文件，合计90.3 KB（来源 Mendeley Data）。
【数据集背景】
本数据集源站标题为《HemoData: A Comprehensive Dataset for Hemophilia Diagnosis and Research》。源站首次发布：2024-11-25。
【数据内容】
源站原始描述：Data Description: This dataset provides comprehensive insights into the epidemiology of haemophilia in Bangladesh, encompassing data from 2,788 individuals. It includes demographic details, severity profiles (mild, moderate, and severe cases), regional distribution, and the prevalence of haemophilia types (A, B, and others). The data was collected in collaboration with the Hemophilia Society of Bangladesh to ensure accuracy and relevance. Purpose: The purpose of this dataset is to support resear…
中文译文（机器翻译，仅供快速理解，请以原文为准）：数据描述：该数据集提供了关于孟加拉国血友病流行病学的全面见解，涵盖 2,788 名个体的数据。它包括人口统计学详细信息、严重程度概况（轻度、中度和重度病例）、地区分布以及血友病类型（A、B 和其他）的患病率。该数据是与 Hemophilia Society of Bangladesh 合作收集的，以确保准确性和相关性。目的：该数据集旨在支持孟加拉国的血友病研究，以改善诊断、治疗可及性和医疗保健结局。它旨在为医疗保健政策和干预措施提供指导，以实现公平护理并提高血友病患者的生活质量。
【数据结构与技术规格】
文件数 1 个，合计 90.34 KB。数据集 DOI：10.17632/962wd8bch4.1。
【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/962wd8bch4
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/962wd8bch4
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。
