脓毒症监测：参数敏感性与警报可靠性的检验
包含14917名住院患者的1510万临床数据点，用于模拟三种脓毒症监测规则场景，评估参数敏感性与警报可靠性。
基本信息
模态
表格, 时间序列
创建/更新时间
2026-10-07
资源简介
该数据集来自一项多中心观察性队列研究，包含14917名2016年住院成年患者的临床数据（1510万个数据点），用于模拟脓毒症监测系统。研究对比了三种基于专家规则的系统场景（基于SEP-2标准、去除收缩压降低标准、保守场景），评估参数灵敏度、警报可靠性及对患者识别与死亡风险预测的影响。数据模态为表格与时间序列（生理参数），主要分析参数配置与系统性能的权衡关系。
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://datadryad.org/dataset/doi%253A10.5061%252Fdryad.vh380vb
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。
