医疗时间序列预测文献计量分析底层书目数据集

数据集获取

源站：https://doi.org/10.5281/zenodo.23527862

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 3.7 MB。

数据说明

本仓库包含一项医疗保健领域时间序列预测研究的文献计量分析与系统综述所依据的文献数据集，该研究已提交至F1000Research。内容如下：1. Scopus_bibliographic_export_319records_25July2025.csv &mdash； 2025年7月25日从Scopus数据库检索获得的319篇出版物的完整文献元数据，检索式为：Forecasting AND (Drug OR Medicine OR Health OR Healthcare) AND “Time Series”。检索限定于标题、摘要和关键词字段。纳入标准为：医学学科领域、文章类型、英语语言和开放获取。初步检索获得4,556条记录，经筛选后纳入319篇出版物。2. Supplementary_data_ABCD.xlsx &mdash； 四个补充数据集分别组织在独立的工作表中：工作表A列出被排除的文章及排除原因；工作表B呈现国家层面的引用指标；工作表C提供用于关键词合并的叙词表文件；工作表D记录文献耦合分析中跨六个聚类识别出的38篇文献。

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。