用于目标试验模拟的合成电子健康记录及倾向评分匹配队列

数据集获取

源站：https://doi.org/10.5281/zenodo.23072614

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 28.0 MB。

数据说明

用于开发和评估队列构建方法的合成电子健康记录。该数据集涵盖60,000名模拟参与者，不包含任何真实患者数据。它包括四个文件：人口统计学信息（性别、出生年份、教育程度、死亡日期）、体重指数、带日期的ICD-10诊断记录，以及CohortLearn针对一个示例问题（抑郁症与 incident Alzheimer’s disease）生成的匹配队列。数据由scripts/generate_synthetic_data.py（种子42）从https://github.com/ghannamzeinab/CohortLearn 生成。与1.0.0版本相比的变化：记录现在在死亡时停止，并且已添加匹配队列。

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。