MRSA感染逻辑回归模型数据集
包含两个逻辑回归模型数据，用于识别MRSA感染的风险因素，涉及人口学、保险状态等变量，样本量分别为184和455。
基本信息
资源简介
MRSA感染逻辑回归模型数据集
【数据集背景】
本数据集源站标题为《(a) Logistic regression Model 1. including variables demonstrating significant association with MRSA infection on bivariate analysis (n = 184); (b) Logistic regression Model 2. same as Model 1. excluding variable for ever been incarcerated (n = 455).》。源站首次发布：2013-02-20。
【数据内容】
源站原始描述：*African American (n = 139) compared with all others of known race (n = 45). †Public Insurance or uninsured (n = 131) compared with privately insured (n = 53). ‡Indicates odds ratio for every additional person in the household. ∫African American (n = 353) compared with all others of known race (n = 102). ¶Public Insurance or uninsured (n = 333) compared with privately insured (n = 122). Abbreviations: SSTI, skin or soft tissue infection
【数据结构与技术规格】
文件数 1 个，合计 9.73 KB。Table_5.xls：application/vnd.ms-excel，9.73 KB。数据集 DOI：10.1371/journal.pone.0018217.t005。
【主题与分类】
源站学科分类：Microbiology、Genetics、Infectious Diseases、Biotechnology。主题标签：logistic、regression、variables、demonstrating、mrsa、bivariate、been、incarcerated。
【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/_a_Logistic_regression_Model_1_including_variables_demonstrating_significant_association_with_MRSA_infection_on_bivariate_analysis_n_184_b_Logistic_regression_Model_2_same_as_Model_1_excluding_variable_for_ever_been_incarcerated_n_455_/453726
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Z. David, Michael; Boyle-Vavra, Susan; L. Zychowski, Diana; S. Daum, Robert (2015). (a) Logistic regression Model 1. including variables demonstrating significant association with MRSA infection on bivariate analysis (n = 184); (b) Logistic regression Model 2. same as Model 1. excluding variable for…
【使用注意】
· 源站最后修改于 2023-05-31，引用时请注意版本时效。
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：(a) Logistic regression Model 1. including variables demonstrating significant association with MRSA infection on bivariate analysis (<i>n</i> = 184); (b) Logistic regression Model 2. same as Model 1. <i>excluding</i> variable for ever been incarcerated (<i>n</i> = 455).
- DOI：10.1371/journal.pone.0018217.t005
- 发布日期：2013-02-20
- 文件数：1 个
- 文件总体积：9.73 KB
- 源站页面：https://plos.figshare.com/articles/dataset/_a_Logistic_regression_Model_1_including_variables_demonstrating_significant_association_with_MRSA_infection_on_bivariate_analysis_n_184_b_Logistic_regression_Model_2_same_as_Model_1_excluding_variable_for_ever_been_incarcerated_n_455_/453726
命令行下载
curl -L -o "Table_5.xls" "https://ndownloader.figshare.com/files/783366"
文件清单
Table_5.xls（9.73 KB）
文件总体积 9.73 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
*African American (n = 139) compared with all others of known race (n = 45).
†Public Insurance or uninsured (n = 131) compared with privately insured (n = 53).
‡Indicates odds ratio for every additional person in the household.
∫African American (n = 353) compared with all others of known race (n = 102).
¶Public Insurance or uninsured (n = 333) compared with privately insured (n = 122).
Abbreviations: SSTI, skin or soft tissue infection.
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.1371/journal.pone.0018217.t005（source: https://plos.figshare.com/articles/dataset/_a_Logistic_regression_Model_1_including_variables_demonstrating_significant_association_with_MRSA_infection_on_bivariate_analysis_n_184_b_Logistic_regression_Model_2_same_as_Model_1_excluding_variable_for_ever_been_incarcerated_n_455_/453726）。
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。
