资源匮乏环境下肿瘤学电子健康记录需求引发与优先级排序的数据

包含低收入国家肿瘤学电子病历需求陈述聚类结果的表格数据。

NIAID Data Ecosystem
浏览 12
表格肿瘤学表格
Data for: Elicitation and prioritization of requirements for electronic health records for oncology in low resource settings

基本信息

模态
表格
大小
0.000031819 GB
创建/更新时间
2026-10-08
版本
v1

资源简介

资源匮乏环境下肿瘤学电子健康记录需求引发与优先级排序的数据

【一句话概览】

该数据集对应“低资源环境下肿瘤学电子健康记录需求获取与优先级排序”的数据。其内容为低收入和中等收入国家肿瘤学电子病历系统需求陈述的聚类数据,形式为行列对应的矩阵;矩阵中的数字表示行陈述与列陈述被归入同一聚类的次数。聚类工作由LMIC肿瘤学利益相关者完成。数据集含1个文件,合计31.8 KB(来源 Mendeley Data)。

【数据集背景】

本数据集源站标题为《Data for: Elicitation and prioritization of requirements for electronic health records for oncology in low resource settings》。源站首次发布:2019-12-24。

【数据内容】

源站原始描述:This dataset contains clustering data for statements of requirements for an electronic medical records system for oncology in low and middle income countries (LMICs). It is a matrix with similar rows and columns. The numbers indicate how often the statement in the row was put in the same cluster as the statement in the column. The clustering exercise was completed by stakeholders in oncology in LMICs

中文译文(机器翻译,仅供快速理解,请以原文为准):该数据集包含低收入和中等收入国家(LMICs)肿瘤学电子病历系统需求陈述的聚类数据。它是一个行与列相似的矩阵。数字表示行中的陈述与列中的陈述被归入同一聚类的频率。聚类工作由LMICs的肿瘤学利益相关者完成。

【数据结构与技术规格】

文件数 1 个,合计 31.82 KB。数据集 DOI:10.17632/cf7cy84ydy.1。

【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://data.mendeley.com/datasets/cf7cy84ydy

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

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://data.mendeley.com/datasets/cf7cy84ydy

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。

获取专属数据定制方案