马里兰州社区中风幸存者预先指示调查（2021）
马里兰州社区中风幸存者预先指示横断面调查数据，包含预先指示、姑息知识、治疗态度等变量，用于分析预先指示决定因素。
基本信息
资源简介
马里兰州社区中风幸存者预先指示调查（2021）
【一句话概览】
该研究通过2021年在马里兰州开展的横断面调查，旨在识别社区居住的卒中幸存者订立预立医疗指示的决定因素。调查对象为居住在马里兰州的成年社区卒中幸存者，内容涉及预立医疗指示、姑息治疗知识及对维持生命治疗的态度。结果显示，年龄、既往与医生进行预立照护规划讨论、姑息治疗知识以及对维持生命治疗的态度，均与预立医疗指示独立相关（来源 ICPSR）。
【数据集背景】
本数据集源站标题为《Advance Directives Among Community-Dwelling Stroke Survivors, Maryland, 2021》。源站首次发布：2026。
【数据内容】
源站原始描述：This study sought to identify determinates of advanced directives made by stroke survivors through a cross-sectional survey in the state of Maryland. Adult community-dwelling stroke survivors living in Maryland were surveyed on advance directives, palliative care knowledge, and attitudes towards life-sustaining treatments. Age, prior advance care planning discussion with a physician, palliative care knowledge, and attitudes towards life-sustaining treatments were independently associated with ad…
中文译文（机器翻译，仅供快速理解，请以原文为准）：本研究旨在通过 Maryland 州的横断面调查，识别卒中幸存者做出预立医疗指示的决定因素。对居住在 Maryland 的成年社区居住卒中幸存者进行了调查，内容涉及预立医疗指示、姑息治疗知识以及对维持生命治疗的态度。年龄、既往与医生进行的预立医疗照护计划讨论、姑息治疗知识以及对维持生命治疗的态度均与预立医疗指示独立相关
【主题与分类】
主题标签：treatment、hospices、terminal care、health planning、medical care、palliative care、stroke。
【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://www.icpsr.umich.edu/web/ICPSR/studies/38968
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。
暂未开放有偿下载
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://www.icpsr.umich.edu/web/ICPSR/studies/38968
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。
