罗马涅AUSL卒中网络转运溶栓与母船模式对比数据集

该数据集对比了卒中网络中的转运溶栓与母船模式,包含新冠疫情期间不同时段的转运时间和创伤患者急诊耗时数据。

Mendeley Data
2024-03-27 更新
浏览 16
表格StrokeMedicineHealth and Life SciencesCOVID-19
Drip-and-ship vs Mothership - Stroke network AUSL Romagna

基本信息

模态
表格
大小
0.000040054 GB
创建/更新时间
2024-03-27
版本
v1

资源简介

罗马涅AUSL卒中网络转运溶栓与母船模式对比数据集

【一句话概览】

本数据来自AUSL Romagna卒中网络的Drip-and-ship与Mothership比较。DAS时段为2019年Q2、2021年Q1(COVID-19第二波疫情);MS时段为2020年Q2(COVID-19第一波疫情)。另含2019年Q2和2020年Q2创伤至ED运输时间数据。共3个文件,合计40.1 KB,标签为Stroke、Medicine, Health and Life Sciences(来源 Dataverse)。

【数据集背景】

本数据集源站标题为《Drip-and-ship vs Mothership - Stroke network AUSL Romagna》。源站首次发布:2021-10-11。

【数据内容】

源站原始描述:Drip-and-ship vs Mothership data from the stroke network AUSL Romagna. DAS period: Q2 2019, Q1 2021 (COVID-19 second pandemic wave) MS period: Q2 2020 (COVID-19 first pandemic wave) As additional data: trauma transportation time to ED Q2 2019 and Q2 2020

【数据结构与技术规格】

文件数 3 个,合计 40.05 KB。数据集 DOI:doi:10.7910/DVN/BROSVG。

【主题与分类】

主题标签:Stroke、Medicine, Health and Life Sciences。

【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://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/BROSVG

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://dataverse.harvard.edu/citation?persistentId=doi:10.7910/DVN/BROSVG

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