COVID-19各州住院床位占用估计时间序列
包含美国各州COVID-19住院床位占用估计时间序列数据，用于分析疫情对医院资源的影响。
基本信息
资源简介
COVID-19各州住院床位占用估计时间序列
【一句话概览】
本数据集是 opendatanetwork.com 公开的结构化表格数据集，主题涵盖 covid、covid-19、covid19、hhs covid-19，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《COVID-19 Estimated Inpatient Beds Occupied by State Timeseries》。
【数据内容】
源站原始描述：Deprecated report . This report was created early in the response to the COVID-19 pandemic. Increased reporting and quality in hospital data have rendered the estimated datasets obsolete. Updates to this report will be discontinued on July 29, 2021 . The following dataset provides state-aggregated data for estimated patient impact and hospital utilization . The source data for estimation is derived from reports with facility-level granularity across two main sources: (1) HHS TeleTracking, and (2…
中文译文（机器翻译，仅供快速理解，请以原文为准）：已弃用报告。本报告创建于COVID-19大流行应对的早期。医院数据报告的增加和质量提升已使这些估算数据集过时。本报告的更新将于2021年7月29日停止。以下数据集提供按州汇总的数据，用于估算患者影响和医院利用情况。估算的源数据来自具有机构级细粒度的报告，涵盖两个主要来源：(1) HHS TeleTracking，以及(2) 由州/领地卫生部门代表其医疗机构直接向 HHS Protect 提供的报告。估算依据：这些文件是每个州的代表性估算，每周更新。这些预测基于我们从报告者处获得的信息。随着更多医院更频繁地报告，我们的预测会变得更准确。这些数据点的实际数据每天更新一次，在 healthdata.gov 上每天更新一次，而这些是可下载的数据集。
【主题与分类】
主题标签：covid、covid-19、covid19、hhs covid-19。
【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://datahub.hhs.gov/d/jjp9-htie
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://www.opendatanetwork.com/dataset/datahub.hhs.gov/jjp9-htie
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。
