实时患者数据与需氧量
急性呼吸综合征患者实时需氧量数据集，用于分析氧气需求模式。
基本信息
资源简介
实时患者数据与需氧量
【数据集背景】
本数据集源站标题为《Real-time Patient Data with Oxygen Demand》。源站首次发布：2022-12-23。
【数据内容】
源站原始描述：This dataset consists of 5 features and 1 target column. The dataset is a synthetic dataset synthesized using CTGAN of SVD package The features: 1. **Age** - The exact age of the patient concerned 2. **Gender** - The exact gender of the patient concerned 3. **SPO2** - The instantaneous oxygen saturation percentage of the patient concerned 4. **PR** - The instantaneous pulse rate of the patient concerned 5. **C/NC** - A categorical data categorizing the patient as infected with SARS nCoV2(1.0) or…
【数据结构与技术规格】
文件数 1 个，合计 4.35 MB。
【主题与分类】
主题标签：tabular、health conditions、categorical、gender、gradient boosting。
【适用方向】
时序数据适用于疾病进展预测、生理信号监测与事件发生的时序建模。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/dibyasankhapal/realtime-patient-data-with-oxygen-demand
使用许可：Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)。
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。
需登录公开下载
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。
暂未开放有偿下载
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
方式一：KaggleHub（Python，推荐 AI Agent 使用）
# 前置依赖: pip install kagglehub
import kagglehub
path = kagglehub.dataset_download("dibyasankhapal/realtime-patient-data-with-oxygen-demand")
print("数据已下载至:", path)
方式二：Kaggle CLI（命令行）
# 前置条件: 注册 Kaggle 账号, Settings > API > Create New Token
# 将 kaggle.json 放到 ~/.kaggle/ 并 chmod 600
pip install kaggle
kaggle datasets download -d dibyasankhapal/realtime-patient-data-with-oxygen-demand
unzip realtime-patient-data-with-oxygen-demand.zip -d realtime-patient-data-with-oxygen-demand/
数据说明
该数据集包含急性呼吸综合征（acute respiratory syndromes）患者的实时需氧量数据，记录为表格形式，用于分析患者氧气需求模式，支持医疗监测与决策。
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。
