公共肿瘤医院药品供应链风险数据治理框架数据集与代码

数据集获取

源站：https://doi.org/10.5281/zenodo.18851841

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 4.0 MB。

数据说明

本仓库包含研究《面向可持续药品供应的风险知情数据分析：公立肿瘤医院治理框架》中使用的所有原始运营数据层和可复现代码。此处托管的材料支持对稿件中呈现的分析、图表以及前后库存参数表进行完全透明的端到端复现。内容本仓库包括以下组成部分：1. 原始运营数据集（Excel）这些文件对应一家公立肿瘤医院的真实机构数据，涵盖药品供应链的多个层面：ABC/XYZ分类和机构库存参数（基础sss、SSSSSS、QQQ）月度消耗数据（2023–2024）按采购渠道划分的采购提前期和到货模式库存水平和超储估值库存最大/补货设置（由机构治理定义）物料主数据，包括价格、剂型和子单位缺货、损耗和运营事件记录（如适用）所有数据均为严格运营数据，不包含患者层面或可识别信息。2.

可复现代码 提供了一个最小可执行流程，用于重新生成预处理步骤，以及手稿第7模块中使用的连续审查库存参数(s,SS,Q)(s, SS, Q)(s,SS,Q)的示例性前后对比表。内容包括：zenodo_example_pipeline.py——用于数据协调、合并、优先级排序以及计算示例性(snew,SSnew,Qnew)(s_{new}, SS_{new}, Q_{new})(snew,SSnew,Qnew)的主Python脚本。requirements.txt——精确依赖项（pandas、numpy、openpyxl）。README_zenodo_example.md——执行该流程的说明。可通过Parámetros de stock.xlsx可选合并用户提供的优化参数。该代码设计为对不一致的列名、缺失的可选文件以及异构操作来源具有稳健性。3. 文档 补充说明

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。