利比里亚埃博拉病例与卫生系统需求
利比里亚埃博拉疫情病例与卫生系统需求数据集，包含病例数及医院容量等表格数据。
基本信息
资源简介
利比里亚埃博拉病例与卫生系统需求
【一句话概览】
本数据集是 DataONE 公开的结构化表格数据集，主题涵盖 epidemic model、method of plausible parameter sets、latin hypercube sampling、simulation model、Branching Process，可用于统计建模、特征工程与队列分析。
【数据集背景】
本数据集源站标题为《Ebola cases and health system demand in Liberia》。
【数据内容】
源站原始描述：In 2014, a major epidemic of human Ebola virus disease emerged in West Africa, where human-to-human transmission has now been sustained for greater than 12 months. In the summer of 2014, there was great uncertainty about the answers to several key policy questions concerning the path to containment. What is the relative importance of nosocomial transmission compared with community-acquired infection? How much must hospital capacity increase to provide care for the anticipated patient burden? To…
中文译文（机器翻译，仅供快速理解，请以原文为准）：2014年，西非爆发了严重的埃博拉病毒病疫情，人际传播至今已持续超过12个月。2014年夏季，关于遏制疫情路径的几个关键政策问题，其答案存在极大的不确定性。与社区获得性感染相比，院内传播的相对重要性如何？医院容量必须增加多少才能为预期的患者负担提供救治？埃博拉传播将对哪些干预措施最为敏感？要实现遏制必须采取哪些措施？近年来，流行病学模型已被用于指导公共卫生干预。然而，基于模型的决策依赖于对传播的高质量因果理解，包括是否具备合适的动态传播模型，以及用于模型拟合的病例发病序列的可靠报告，而这些在此次疫情中均有所欠缺。为探究潜在的……
【主题与分类】
主题标签：epidemic model、method of plausible parameter sets、latin hypercube sampling、simulation model、Branching Process、Ebolavirus、Ebola。
【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://search.dataone.org/view/sha256:c184dc323a3a4b68838096e132e58971b8cd8f93ca12197d1e271a25b3e50868
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
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 5.0 KB。
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。
