按患者风险分层预防策略与医疗相关感染有效性：转移矩阵数据集
该数据集包含基于德国下萨克森州患者医疗风险分层的转移概率矩阵，用于模拟患者转移并分析预防策略对医疗相关感染的有效性。
基本信息
资源简介
按患者风险分层预防策略与医疗相关感染有效性：转移矩阵数据集
【一句话概览】
本数据集是 Dataverse 公开的结构化表格数据集，收录 4 个文件、合计 7.87 MB，主题涵盖 healthcare network、epidemiology、healthcare-acquired infections、transfer matrix、Lower Saxony，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《Stratifying preventive strategies by patient risk modifies the observed effectiveness against healthcare-associated infections: transfer matrices》。源站首次发布：2024-06-30。
【数据内容】
源站原始描述：This dataset consists of transfer matrices for patients stratified by their susceptibility to healthcare-acquired infections, distinguishing a group of patients visiting the hospital once in a considered period, for Lower Saxony a region of Germany. The matrices were based on anonymised healthcare records. These matrices are computed separately for each patient group (low- and high-risk groups and one-time patients). Patients are assigned to a risk group due to ICD-10 disease codes included in…
【数据结构与技术规格】
文件数 4 个，合计 7.87 MB。数据集 DOI：doi:10.18150/AQRUHV。
【主题与分类】
主题标签：healthcare network、epidemiology、healthcare-acquired infections、transfer matrix、Lower Saxony、Mathematical Sciences、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://repod.icm.edu.pl/dataset.xhtml?persistentId=doi:10.18150/AQRUHV
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://repod.icm.edu.pl/citation?persistentId=doi:10.18150/AQRUHV
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。
