咨询传染病专家对呼吸机相关性肺炎患者临床效果和经济学的影响
ความเป็นมา: ปอดอักเสบที่สัมพันธ์กับการใช้เครื่องช่วยหายใจ (Ventilator Associated Pneumonia: VAP) เป็นปัญหาการ…
基本信息
资源简介
咨询传染病专家对呼吸机相关性肺炎患者临床效果和经济学的影响
【一句话概览】
本数据集是 NRCT 公开的结构化表格数据集，主题涵盖 แพทย์ผู้เชี่ยวชาญด้านโรคติดเชื้อ、อาการทางคลินิกดีขึ้น、ต้นทุน、VAP、Infectious disease specialist，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《ผลของการปรึกษาแพทย์ผู้เชี่ยวชาญด้านโรคติดเชื้อต่อประสิทธิผลทางคลินิกและด้านเศรษฐศาสตร์ในผู้ป่วยปอดอักเสบที่สัมพันธ์กับการใช้เครื่องช่วยหายใจ》。源站首次发布：2566。
【数据内容】
源站原始描述：ความเป็นมา: ปอดอักเสบที่สัมพันธ์กับการใช้เครื่องช่วยหายใจ (Ventilator Associated Pneumonia: VAP) เป็นปัญหาการติดเชื้อในโรงพยาบาลที่สำคัญและส่งผลกระทบต่อผู้ป่วยและครอบครัว ผู้ป่วยที่เกิดปอดอักเสบที่สัมพันธ์กับการใช้เครื่องช่วยหายใจ มีอัตราการตายสูงถึงร้อยละ 45 การรักษาผู้ป่วยหลังเกิดปอดอักเสบที่สัมพันธ์กับการใช้เครื่องช่วยหายใจ มีความแตกต่างกันในแต่ละแผนก รูปแบบการใช้ยาต้านจุลชีพที่แตกต่างกัน ทั้งมีและไม่มีการขอรับคำปรึกษากับแพทย์โรคติดเชื้อ ซึ่งการรักษามีผลต่อการดำเนินของโรคและการเสียชีวิตของผู้…
【主题与分类】
主题标签：แพทย์ผู้เชี่ยวชาญด้านโรคติดเชื้อ、อาการทางคลินิกดีขึ้น、ต้นทุน、VAP、Infectious disease specialist、Clinically improved、Cost。
【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：http://doi.nrct.go.th/?page=resolve_doi&resolve_doi=10.14457/TU.the.2023.1023
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：http://doi.nrct.go.th/?page=resolve_doi&resolve_doi=10.14457/TU.the.2023.1023
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。
