昆士兰急诊科按日期与时段的繁忙程度
该数据集记录昆士兰州各公立急诊科在一周中不同日期和时段通常的繁忙程度，即昆士兰卫生局繁忙度图表背后的数据。数据由 Queensland Health 发布，采用 CC BY 4.0 许可，当前版本为 2026-10-06，包含 6,720 行、8 个字段，并以 9 种格式提供，同时保留历史版本和查询
基本信息
资源简介
昆士兰急诊科按日期与时段的繁忙程度
Emergency department busyness by day and hour, Queensland
该数据集记录昆士兰州各公立急诊科在一周中不同日期和时段通常的繁忙程度，即昆士兰卫生局繁忙度图表背后的数据。数据由 Queensland Health 发布，采用 CC BY 4.0 许可，当前版本为 2026-10-06，包含 6,720 行、8 个字段，并以 9 种格式提供，同时保留历史版本和查询 API。可用于分析急诊就诊的时间分布规律、评估医院需求波动，为医疗资源调度和公众就医选择提供参考（来源 DOI 解析，Creative Commons Attribution 4.0 International 许可）。
【数据集背景】
源站首次发布：2026。
【主题与分类】
主题标签：Australia、government open data、publicdata.au、emergency department、busy times、hospital demand、ED trends、Queensland Health、QLD ED busyness trends。本站分类：症状、体征与临床所见。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.23173823
使用许可：Creative Commons Attribution 4.0 International。
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://doi.org/10.5281/zenodo.23173823
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:
数据集大小约 1.8 MB。
数据说明
昆士兰州各公立急诊科在一周中每天及各时段通常有多繁忙，即昆士兰卫生部繁忙度图表背后的数据。这是该数据集在publicdata.au上的2026-10-06版本，有6,720行、8个字段。同一版本保存在https://publicdata.au/d/qld-emergency-department-busyness/v/2026-10-06/，提供9种格式，并附有此前所有版本和一个查询API。该记录的每个Zenodo版本对应一个publicdata.au版本。数据由昆士兰卫生部根据CC BY 4.0发布，https://creativecommons.org/licenses/by/4.0/ 。该许可要求以下署名：Queensland Health, Queensland Government, Hospital Performance, sourced 5 October 2026, https://www.data.qld.gov.au/dataset/hospital-performance, licensed under CC BY 4.0。这是一次独立再发布。发布方并未认可本网站。这些行位于data.parquet、data.csv、data.json和data.xlsx中。schema.json描述各字段，publicdata.json标明版本、许可、署名以及发布方文件的SHA-256。
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。
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。
