肌肉骨骼疾病风险因素排序调查数据

该数据集来自 data.mendeley.com,收录了一项关于肌肉骨骼疾病风险因素严重程度排序的专家调查数据。调查要求专家对 25 项风险因素按 1 至 25 的数值量表进行严重程度评分,其中 1 表示最严重、25 表示最轻,从而获得各因素的感知严重性排序

google_dataset
2024-04-02 更新
浏览 8
表格回归肌肉骨骼系统疾病风险因素专家调查严重程度排序职业健康
Survey Data on Ranking of Musculoskeletal Disorder Risk Factors

基本信息

模态
表格
大小
0.000079068 GB
任务类型
回归
创建/更新时间
2024-04-02
版本
v1

资源简介

肌肉骨骼疾病风险因素排序调查数据

Survey Data on Ranking of Musculoskeletal Disorder Risk Factors

该数据集来自 data.mendeley.com,收录了一项关于肌肉骨骼疾病风险因素严重程度排序的专家调查数据。调查要求专家对 25 项风险因素按 1 至 25 的数值量表进行严重程度评分,其中 1 表示最严重、25 表示最轻,从而获得各因素的感知严重性排序。数据包含 labels.xlsx 与 merged.csv 两个文件,可用于分析专家对风险因素严重程度的认知分布,并支持风险因素排序相关的回归或比较研究(来源 Mendeley Data)。

【数据集背景】

源站首次发布:2024-04-02。

【数据内容】

源站描述(机器翻译,仅供参考):该调查旨在征求专家对每个风险因素被认为有多严重的意见。使用 1 到 25 的量表,其中 1 表示最高严重程度,25 表示最低严重程度,参与者可以对每个因素的严重程度进行数值评分。他们收到一份包含 25 个风险因素的列表,并被要求为每个因素分配严重程度评分,设计确保基于感知的清晰理解和知情排序。

【数据结构与技术规格】

文件数 2 个,合计 79.07 KB。数据集 DOI:10.17632/kr33mvtw63.1。

【主题与分类】

主题标签:肌肉骨骼系统疾病、风险因素、专家调查、严重程度排序、职业健康。本站分类:肌肉骨骼系统疾病。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/kr33mvtw63

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://data.mendeley.com/datasets/kr33mvtw63/1

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据集大小约 79.1 KB。

数据说明

Md Abrar Jahin (2024). Survey Data on Ranking of Musculoskeletal Disorder Risk Factors [Dataset]. http://doi.org/10.17632/kr33mvtw63.1

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。

需要用于商业化训练或医疗器械注册(NMPA/FDA)?

公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。