基于数据挖掘技术的儿童哮喘住院预测
基于巴旺地区5-11岁儿童哮喘数据的挖掘研究，用于预测儿童哮喘住院并分析相关因素。
基本信息
资源简介
基于数据挖掘技术的儿童哮喘住院预测
【一句话概览】
一项针对维多利亚州Barwon地区本地数据集的研究，以5至11岁儿童父母/监护人为参与者，采用分割、关联与分类等数据挖掘技术，预测和探索儿童哮喘住院情况。结果显示，内城和都市区儿童可能过度使用急诊服务；有书面哮喘管理计划的儿童，其哮喘住院预测更高。该研究收录于PRIB 2008会议论文集，贡献者包括莫纳什大学信息技术学院等（来源 Research Data Australia）。
【数据集背景】
本数据集源站标题为《Prediction of paediatric asthma hospitalisation using data mining techniques》。源站首次发布：2022-05-05。
【数据内容】
源站原始描述：Research into the prevalence of hospitalisation among childhood asthma cases is undertaken, using a data set local to the Barwon region of Victoria. Participants were the parents/guardians on behalf of children aged between 5-11 years. Various data mining techniques are used, including segmentation, association and classification to assist in predicting and exploring the instances of childhood hospitalisation due to asthma. Results from this study indicate that children in inner city and metropo…
【主题与分类】
主题标签：Bioinformatics Congresses、Computational biology Congresses、Asthma、Epidemiology、Hospitalisation、Data mining、2008、conference paper、1959.1/63716、Bioinformatics。
【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://researchdata.edu.au/prediction-paediatric-asthma-mining-techniques/1948712
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://researchdata.edu.au/prediction-paediatric-asthma-mining-techniques/1948712
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。
