TB FastTrack患者成本数据
包含99名HIV阳性结核病患者的就医成本、时间及收入等经济负担数据。
基本信息
资源简介
TB FastTrack患者成本数据
【一句话概览】
本数据集是 LSHTM Data Compass 公开的结构化表格数据集，收录 7 个文件、合计 1.83 MB，主题涵盖 South Africa、Tuberculosis、HIV、Patient costs、income，可用于统计建模、特征工程与队列分析，CC BY 许可开放获取。
【数据集背景】
本数据集源站标题为《TB Fast Track patient cost data》。源站首次发布：2018-08-29。
【数据内容】
源站原始描述：A tabular dataset containing information provided by 99 HIV-positive individuals – men and women aged 18 or above who had a low CD4 count and were not yet on TB or HIV treatment - enrolled in the TB FastTrack trial, a cluster randomised trial to establish the direct and indirect costs of illness incurred at the patient/household level. Data was collected through patient interviews conducted at the health facility where they were receiving treatment in North West Limpopo and Gauteng provinces bet…
【数据结构与技术规格】
文件数 7 个，合计 1.83 MB。TBFT_DataCollection_questionnaire.pdf：application/pdf，260.10 KB。TBFT_PIS_Consent_English.pdf：application/pdf，512.26 KB。TBFT_PIS_Consent_Sepedi.pdf：application/pdf，469.63 KB。
【主题与分类】
源站学科分类：EPAA、ITAA、PHGH。主题标签：South Africa、Tuberculosis、HIV、Patient costs、income。
【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://datacompass.lshtm.ac.uk/id/eprint/815/
使用许可：CC BY。
【使用注意】
· 源站最后修改于 2026-07-30，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。
暂未开放有偿下载
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://datacompass.lshtm.ac.uk/id/eprint/815
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。
