用于风险分层的匿名地理空间登革热监测数据集：市级-年度无监督聚类分析资源
该数据集是哥伦比亚加勒比地区2010至2024年共15年的匿名登革热流行病学监测资源，包含来自197个市镇的303,801条统一化病例记录，源自哥伦比亚国家公共卫生监测系统（SIVIGILA），由国立卫生研究院（INS）管理
基本信息
资源简介
用于风险分层的匿名地理空间登革热监测数据集：市级-年度无监督聚类分析资源
An Anonymized Geospatial Dengue Surveillance Dataset for Risk Stratification: A Municipal-Year Analytical Resource for Unsupervised Clustering
该数据集是哥伦比亚加勒比地区2010至2024年共15年的匿名登革热流行病学监测资源，包含来自197个市镇的303,801条统一化病例记录，源自哥伦比亚国家公共卫生监测系统（SIVIGILA），由国立卫生研究院（INS）管理。数据经过严格清洗、地理过滤和标准化，涵盖时间、人口学（年龄、性别）、临床（住院、病死率、诊断分类）和地理空间变量（省、市镇、城乡属性），并提供处理后的表格微观数据与工程化的市级-年度分析数据集，可用于无监督聚类等风险分层分析（来源 DOI 解析，Creative Commons Attribution 4.0 International 许可）。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集提供了哥伦比亚加勒比地区登革热15年（2010–2024）的匿名流行病学监测资源。它包含来自197个市镇的303,801条统一化病例记录，源自哥伦比亚国家公共卫生监测系统（SIVIGILA），由国立卫生研究院（INS）管理。该存储库包括处理后的表格微观数据和工程化的市级-年度分析数据集。数据经过严格清洗、地理过滤和标准化。它包括关键的时间、人口学（年龄、性别）、临床（住院、病死率、诊断分类）和地理空间变量（省、市镇、城乡属性）。
【主题与分类】
主题标签：Public health、Health sciences、Clinical Medicine、Computer and information sciences。本站分类：感染/病毒感染。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.19746161
使用许可：Creative Commons Attribution 4.0 International。
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：https://doi.org/10.5281/zenodo.19746161
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:
数据集大小约 24.4 MB。
数据说明
本数据集提供了一份为期15年（2010–2024年）的哥伦比亚加勒比地区登革热匿名流行病学监测资源。该数据集包含来自197个市镇的303，801条统一化病例记录，数据源自哥伦比亚国家公共卫生监测系统（SIVIGILA），由国立卫生研究院（INS）管理。该数据存储库既包含经过处理的表格型微观数据，也包含经工程化构建的市镇-年度分析数据集。数据经过了严格的清洗、地理筛选和标准化处理，涵盖关键的时间变量、人口学变量（年龄、性别）、临床变量（住院、病死率、诊断分类）以及地理空间变量（省、市镇、城乡属性）。
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。
