长期护理设施HAI研究结构特征数据集
来自医疗相关感染调查的长期护理设施结构特征表格数据，用于研究设施因素与感染风险的关联。
基本信息
资源简介
长期护理设施HAI研究结构特征数据集
【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 5.63 KB，主题涵盖 sudderth formula proposed、healthcare associated infections、99 &# 8211、38 &# 8211、opposite may occur，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《Structure-level characteristics from long-term care facilities (LTCFs) participating in both the pilot point prevalence survey (PPS) and longitudinal study (H4LS) of healthcare-associated infections (HAIs).》。配套论文《Validation of the prevalence to incidence conversion method for healthcare associated infections in long-term care facilities》发表于 PLOS ONE（2024），DOI：10.1371/journal.pone.0300794。源站首次发布：2024-03-21。
【数据内容】
源站原始描述：Structure-level characteristics from long-term care facilities (LTCFs) participating in both the pilot point prevalence survey (PPS) and longitudinal study (H4LS) of healthcare-associated infections (HAIs)
中文译文（机器翻译，仅供快速理解，请以原文为准）：参与医疗保健相关感染（HAIs）试点点患病率调查（PPS）和纵向研究（H4LS）的长期照护机构（LTCFs）的结构层面特征。
【数据结构与技术规格】
文件数 1 个，合计 5.63 KB。Table 1.xls：application/vnd.ms-excel，5.63 KB。数据集 DOI：10.1371/journal.pone.0300794.t001。
【主题与分类】
源站学科分类：Medicine、Biotechnology、Immunology、Biological Sciences not elsewhere classified、Mathematical Sciences not elsewhere classified、Developmental Biology。主题标签：sudderth formula proposed、healthcare associated infections、99 &# 8211、38 &# 8211、opposite may occur、97 ), whereas、incidence rates calculated、find significant differences、ecdc formula resulted、03 &# 8211。
【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/Structure-level_characteristics_from_long-term_care_facilities_LTCFs_participating_in_both_the_pilot_point_prevalence_survey_PPS_and_longitudinal_study_H4LS_of_healthcare-associated_infections_HAIs_/25455960
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Vicentini, Costanza; Ricchizzi, Enrico; Russotto, Antonino; Bazzolo, Stefano; Bedosti, Catia; Blengini, Valentina; et al. (2024). Structure-level characteristics from long-term care facilities (LTCFs) participating in both the pilot point prevalence survey (PPS) and longitudinal study (H4LS) of heal…
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：Structure-level characteristics from long-term care facilities (LTCFs) participating in both the pilot point prevalence survey (PPS) and longitudinal study (H4LS) of healthcare-associated infections (HAIs).
- DOI：10.1371/journal.pone.0300794.t001
- 发布日期：2024-03-21
- 文件数：1 个
- 文件总体积：5.63 KB
- 源站页面：https://plos.figshare.com/articles/dataset/Structure-level_characteristics_from_long-term_care_facilities_LTCFs_participating_in_both_the_pilot_point_prevalence_survey_PPS_and_longitudinal_study_H4LS_of_healthcare-associated_infections_HAIs_/25455960
命令行下载
curl -L -o "Table 1.xls" "https://ndownloader.figshare.com/files/45197805"
文件清单
Table 1.xls（5.63 KB）
文件总体积 5.63 KB（源站 API 实测）。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据说明
Structure-level characteristics from long-term care facilities (LTCFs) participating in both the pilot point prevalence survey (PPS) and longitudinal study (H4LS) of healthcare-associated infections (HAIs).
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.1371/journal.pone.0300794.t001（source: https://plos.figshare.com/articles/dataset/Structure-level_characteristics_from_long-term_care_facilities_LTCFs_participating_in_both_the_pilot_point_prevalence_survey_PPS_and_longitudinal_study_H4LS_of_healthcare-associated_infections_HAIs_/25455960）。
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。
