国家COVID-19队列协作数据库
N3C数据库整合美国多机构电子健康记录数据，提供统一分析环境，用于疾病风险预测、流行病学研究及包括免疫系统疾病在内的多种复杂疾病建模分析。
基本信息
资源简介
国家COVID-19队列协作数据库
【一句话概览】
N3C 是由 NCATS 管理、90 多家机构共同建设的全国性真实世界数据资源，系统采集不同机构的电子健康记录数据并整合至中央安全区，供协作研究使用。区内数据可与其他数据集连接，更完整呈现患者健康历程。NCATS 正利用原有基础设施拓展至新疾病领域，并满足研究者的真实世界数据培训需求。作为数据管理者，N3C 采取综合措施保障安全区安全并保护患者隐私（来源 ncats.nih.gov）。
【数据集背景】
本数据集源站标题为《National Clinical Cohort Collaborative (N3C)》。
【数据内容】
源站原始描述：N3C is a national resource of real-world data that researchers are using to speed medical research. With stewardship from NCATS, more than 90 institutions worked together to build N3C. N3C systematically collects electronic health record (EHR) data from different institutions and harmonizes them into a central enclave. The enclave offers spaces for collaborative research. In addition, EHR data within the enclave can connect to other data sets, which creates a more complete picture of patients’ h…
中文译文（机器翻译，仅供快速理解，请以原文为准）：N3C是一个全国性的真实世界数据资源，研究人员正利用它来加速医学研究。在NCATS的管理下，90多家机构携手共建了N3C。N3C系统性地收集来自不同机构的电子健康记录（EHR）数据，并将其整合到一个中央安全区中。该安全区为协作研究提供了空间。此外，安全区内的EHR数据可与其他数据集连接，从而更全面地呈现患者的健康历程。NCATS正在以新的方式利用N3C的原有基础设施，将其拓展至新的疾病领域，并满足研究人员对真实世界数据培训的需求。我们深知安全区中的数据代表着一个个真实的人。作为数据的管理者，我们严肃对待保护这些数据安全的责任。我们的综合方案涵盖了N3C安全区的安全性，并保护患者隐私。
【主题与分类】
主题标签：Real-World Data、Electronic Health Records、COVID-19、Long COVID、Chronic Kidney Disease、Cancer、Clinical Research、National Resource。
【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://ncats.nih.gov/n3c
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:
数据说明
N3C整合美国多机构电子健康记录数据，构建统一临床数据仓库，用于大规模疾病分析与临床预测研究，支持多种疾病标签分析。
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。
