Cobra（重度哮喘）医疗经济数据集
源站描述显示，将依据社会保障视角收集为期两年的直接医疗成本，涵盖住院、门诊、补充检查、药房和交通等费用，并以95%可靠区间估算平均成本，按随访年度计算每位患者的平均照护成本，同时计算个体层面的成本效益关系
基本信息
资源简介
Cobra（重度哮喘）医疗经济数据集
Cobra（Severe Asthma）Medical-economic 是一个聚焦过敏性哮喘的医疗经济性数据集，归类于呼吸系统疾病 / 哮喘方向，数据来源于 clinicaltrials.gov。该数据集围绕为期两年的直接医疗成本收集与成本效益分析展开，从社会保障的视角出发，覆盖住院、门诊、补充检查、药房与交通等多个费用环节，并以95%可靠区间对平均成本进行估算，按随访年度计算每位患者的平均照护成本，同时在个体层面构建成本效益关系。整体而言，该数据集适合用于观察过敏性哮喘患者在两年随访期内的医疗资源消耗与经济负担变化，为哮喘相关的卫生经济学评价提供数据基础。
【数据集背景】
过敏性哮喘是一种常见的呼吸系统疾病，其长期照护涉及住院、门诊、检查、用药与交通等多方面支出，因而医疗经济性评估对该疾病的疾病管理具有现实意义。该数据集以过敏性哮喘为条件背景，关注患者在两年时间跨度内的直接医疗成本，并从社会保障的支付视角组织费用信息，旨在刻画患者照护过程中的经济负担及其与疗效之间的关系。数据集的英文名称中同时包含“Severe Asthma”与“Medical-economic”的表述，主题标签为 Allergic Asthma，分类归属呼吸系统疾病 / 哮喘。
【数据内容】
数据集收集的直接医疗成本涵盖以下类别：住院费用，其估值基于GHS并包含GHS以外的药品；门诊咨询费用，按AM估值；除住院以外的补充（额外）检查费用，按AM估值；药房费用，按AM估值；交通费用，按AM估值。成本收集的时间跨度为两年。数据集将对平均成本进行估算，并给出95%的可靠区间；同时按随访的每一个年度分别计算每位患者的平均照护成本。此外，数据集还包含个体层面的成本效益关系，其计算方式为：（第二年成本－第一年成本）/（第二年效率－第一年效率），并将在不同变量之间考察这些关系是否存在差异。
【采集与来源】
该数据集来源于 clinicaltrials.gov，源站描述中给出的条件为过敏性哮喘。费用收集依据社会保障的视角进行，覆盖为期两年的随访期。各类费用的估值方式在源站描述中已有明确说明：住院费用采用GHS估值并计入GHS以外的药品，门诊咨询、补充检查、药房与交通费用均按AM估值。平均成本的估算采用95%可靠区间。关于具体的采集流程、样本规模、随访安排细节以及数据录入方式，源站未提供。
【适用场景】
该数据集可用于过敏性哮喘相关的卫生经济学研究，例如评估患者在两年随访期内的直接医疗成本构成与年度变化，比较不同随访年度的平均照护成本，以及在个体层面观察成本变化与效率变化之间的对应关系。由于费用覆盖住院、门诊、检查、药房与交通等多个环节，也可用于分析各类费用在总成本中的相对位置。此外，按年度计算的平均成本与95%可靠区间可用于成本估算的不确定性描述。关于该数据集在其他具体研究场景中的适用性，源站未提供。
【使用方法】
使用时可依据随访年度分别计算每位患者的平均照护成本，并结合95%可靠区间对平均成本进行区间估计。个体层面的成本效益关系按（第二年成本－第一年成本）/（第二年效率－第一年效率）计算，并可在不同变量之间比较该关系的差异。费用归类应遵循源站描述的估值口径：住院费用基于GHS并包含GHS以外药品，门诊咨询、补充检查、药房与交通费用按AM估值。关于数据的具体访问方式、文件格式与配套文档，源站未提供。
【质量与限制】
该数据集的成本估算提供了95%可靠区间，按年度计算平均照护成本，并在个体层面计算成本效益关系，这些设计有助于呈现成本估计的不确定性及个体差异。其成本收集限定于两年随访期，且仅覆盖源站描述所列的直接医疗成本类别，即住院、门诊咨询、补充检查、药房与交通。关于样本量、缺失数据处理、数据核查机制以及外部验证情况，源站未提供。
【引用与许可】
该数据集来源于 clinicaltrials.gov。关于引用格式、许可条款与使用限制，源站未提供。
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://clinicaltrials.gov/study/NCT01669681
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:
数据说明
条件：过敏性哮喘。将根据社会保障视角收集以下直接医疗费用，为期2年：* 住院（按GHS+药品估值，GHS除外）· 就诊（按AM估值）* 除住院外的补充（额外）检查（按AM估值）* 药房（按AM估值）* 交通（按AM估值）平均费用的估计将采用95%可靠区间进行。每位患者的平均护理费用将按随访每一年计算。个体成本-效率关系：参照成本-效率比较条款研究，研究者应按如下方式计算个体层面的成本-效率关系：（第2年成本-第1年成本）/（第2年效率-第1年效率）。将通过均值比较检验在各组之间寻找这些关系的差异。患者聚类的构建将依据SARP研究的算法，同时也使用非监督分类统计技术来定义我们自己的算法。
我们算法中使用的变量将包括个体关系成本效率以及临床变量。将分析关系成本效率的时间稳定性。将寻找这种关系改变的风险因素。
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。
