脓毒症管理模拟器
一款用于管理脓毒症的模拟器数据集，旨在评估医疗决策中反事实效应分解的可解释性，涵盖多种医疗代理和患者情景。
基本信息
资源简介
脓毒症管理模拟器
【数据集背景】
本数据集源站标题为《stelios30/cf-effect-decomposition》。源站首次发布：2024-09-30。
【数据内容】
源站原始描述：ICML 2025 # Counterfactual Effect Decomposition in Multi-Agent Sequential Decision Making This repository contains the code and instructions necessary to replicate the results from the paper "*Counterfactual Effect Decomposition in Multi-Agent Sequential Decision Making*". Reproducibility In this section, we show how to reproduce the results for each of the reported environments. Sepsis Experiment To reproduce the results for the sepsis experiments, you will need to do the following: - Generate…
【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://github.com/stelios30/cf-effect-decomposition
使用许可：MIT。
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
git clone https://github.com/stelios30/cf-effect-decomposition.git
curl -L -o repo.zip https://github.com/stelios30/cf-effect-decomposition/archive/refs/heads/main.zip
unzip repo.zip
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。
