安博大学转诊医院哮喘急诊就诊去标识化最小数据集（2024-2025）
埃塞俄比亚安博大学转诊医院2024-2025年成人哮喘急诊就诊去标识化表格数据集，用于分析哮喘比例及严重因素。
基本信息
资源简介
安博大学转诊医院哮喘急诊就诊去标识化最小数据集（2024-2025）
【一句话概览】
本数据集是 OSF 公开的结构化表格数据集，收录 3 个文件、合计 18.38 KB，主题涵盖 Ambo university referral hospital、Asthma、Emergency medicine、Ethiopia、project，可用于统计建模、特征工程与队列分析。
【数据集背景】
本数据集源站标题为《De-identified minimal dataset for asthma ED presentations at Ambo University Referral Hospital (2024–2025)》。源站首次发布：2026-01-16。
【数据内容】
源站原始描述：This OSF project contains the de-identified minimal dataset and accompanying metadata for the manuscript “Proportion of adult emergency department visits attributable to asthma and factors associated with severe presentation in Ambo University Referral Hospital, Ethiopia (2024–2025).” Files include: (1) de-identified minimal dataset (CSV), (2) data dictionary, (3) README describing de-identification and variable coding, and (4) analysis outputs used to generate the reported tables/figures. These…
中文译文（机器翻译，仅供快速理解，请以原文为准）：该 OSF 项目包含手稿“埃塞俄比亚安博大学转诊医院成人急诊科就诊中归
主表 PLOS_ONE_Minimal_Dataset_Deidentified (1).csv 含 20 列、样本前 152 行结构完整。
文件 PLOS_ONE_README_Deidentification (1).txt 为文本内容，开头为：De-identified minimal dataset for PLOS ONE submission Source: Kobo export (151 adult asthma ED cases). De-identification steps: 1) Removed direct identifiers…
【数据结构与技术规格】
文件数 3 个，合计 18.38 KB。
【主题与分类】
主题标签：Ambo university referral hospital、Asthma、Emergency medicine、Ethiopia、project。
【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。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://osf.io/x4v3t/
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
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。
