SUS中光子加速器总拥有成本

SUS中光子加速器总拥有成本数据集,用于儿童髓母细胞瘤治疗的成本效益分析,包含多类成本表格数据。

NIAID Data Ecosystem
浏览 7
表格成本效益儿童髓母细胞瘤
Custo total de propriedade de um Acelerador de fótons no SUS

基本信息

模态
表格
大小
0.000084735 GB
创建/更新时间
2026-10-08
版本
v1

资源简介

SUS中光子加速器总拥有成本

【一句话概览】

本数据集对应“SUS中光子加速器的总拥有成本”,为开展儿童髓母细胞瘤治疗中质子加速器与光子加速器的成本效果研究而进行估算。数据与电子表格分为运营成本(人力资源)、电力成本、维护成本、购置成本(在维护成本电子表格内)和基础设施工程成本。共4个文件,合计84.7 KB(来源 Mendeley Data)。

【数据集背景】

本数据集源站标题为《Custo total de propriedade de um Acelerador de fótons no SUS》。源站首次发布:2018-04-20。

【数据内容】

源站原始描述:Custo total de propriedade de um acelerador de fótons. Estimativa realizada para executar um estudo de custo-efetividade do acelerador de prótons vs. fótons no tratamento do meduloblastoma em crianças. Os dados e planilhas são divididas em Custo operacional (Recursos Humanos), Custos de energia elétrica, Custos de manutenção, Custo de aquisição (dentro da planilha de custo de manutenção) Custos da obra de infra esrutura

中文译文(机器翻译,仅供快速理解,请以原文为准):光子加速器的总拥有成本。为开展质子加速器与光子加速器治疗儿童髓母细胞瘤的成本效果研究而进行的估算。数据和电子表格分为运营成本(人力资源)、电费、维护成本、购置成本(包含在维护成本电子表格内)以及基础设施工程成本。

【数据结构与技术规格】

文件数 4 个,合计 84.73 KB。数据集 DOI:10.17632/rs5w23nddt.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/rs5w23nddt

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/rs5w23nddt

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