30K Synthea合成患者的医疗记录
由Synthea生成的3万名合成患者的医疗记录（CSV格式），涵盖诊断、用药等，用于肺癌风险预测。
基本信息
资源简介
30K Synthea合成患者的医疗记录
【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 EHR、EMR、Synthea、Medicine, Health and Life Sciences、Synthetic patient，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《Medical records of 30K Synthea synthetic patients》。
【数据内容】
源站原始描述：The dataset has 2 populations of Synthea synthetic patients generated by Synthea tool. Each population has 15K patients with original medical records in CSV files. Because the total file size is >3GB in each population, the files are compressed in zip file. Synthea records are in domains similar to those in real EMR, including patients, encounters, conditions (diagnosis), observations, medications, and procedures. The data was first used in building ML models for lung cancer risk prediction. For…
中文译文（机器翻译，仅供快速理解，请以原文为准）：该数据集包含由Synthea工具生成的两个Synthea合成患者群体。每个群体有1.5万名患者，其原始医疗记录以CSV文件形式存储。由于每个群体的文件总大小超过3GB，因此文件被压缩为zip文件。Synthea记录所属的域与真实EMR中的域相似，包括患者、就诊、病症（诊断）、观察、药物和操作。该数据最初用于构建肺癌风险预测的机器学习模型。更多信息请参见发表在Nature Scientific Reports上的论文（https://www.nature.com/articles/s41598-022-23011-4）。
【主题与分类】
主题标签：EHR、EMR、Synthea、Medicine, Health and Life Sciences、Synthetic patient。
【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:c9a020e30a5de0ff560de5632fd916ed13cbabd8219a304f67b817b742e5afb3
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 3.0 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。
