CDC WONDER多死因数据库
CDC WONDER可按ICD编码检索球孢子菌病相关死亡数据，适合研究死亡趋势、地区差异和人群风险。 数据包含真实病例或专家标注信息，适用于围绕相关疾病开展模型训练、表型抽取、影像识别、分割、预后评估或临床自然语言处理等研究。
基本信息
资源简介
CDC WONDER多死因数据库
【一句话概览】
CDC WONDER 提供的多死因数据为县级全国死亡与人口数据，基于美国居民死亡证明。每份死亡证明含一个根本死因、最多二十个附加多重死因及人口学信息。可按居住地、年龄组、种族、西班牙裔、性别、死亡年月、死亡星期、死亡地点、尸检状态及根本与多重死因获取死亡数、粗死亡率和年龄调整死亡率。另有两个存档数据集提供这些数据的子集（来源 wonder.cdc.gov）。
【数据集背景】
本数据集源站标题为《Multiple Cause of Death Data on CDC WONDER》。
【数据内容】
源站原始描述：The Multiple Cause of Death data available on CDC WONDER are county-level national mortality and population data. Data are based on death certificates for U.S. residents. Each death certificate contains a single underlying cause of death, up to twenty additional multiple causes, and demographic data. The number of deaths, crude death rates and age-adjusted death rates can be obtained by place of residence (United States national, state, and county), age group, race, Hispanic ethnicity, sex, year…
中文译文（机器翻译，仅供快速理解，请以原文为准）：CDC WONDER 提供的多死因数据是县级全国死亡率和人口数据。数据基于美国居民的死亡证明。每份死亡证明包含一个根本死因、最多二十个附加多死因以及人口统计数据。死亡人数、粗死亡率和年龄调整死亡率可按居住地（美国全国、州和县）、年龄组、种族、西班牙裔族裔、性别、死亡年份和月份、死亡星期几、死亡地点、尸检状态以及根本死因和多死因（4位ICD-10编码、113个选定死因、130个婴儿选定死因、伤害原因或药物/酒精诱导的死因）获取。两个存档数据集提供了这些数据的子集。
【主题与分类】
主题标签：Mortality、Multiple Cause of Death、CDC WONDER、ICD-10、Death Certificates、United States、County-level、Population Data、National Center for Health Statistics。
【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://wonder.cdc.gov/mcd.html
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://wonder.cdc.gov/mcd.html
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
CDC WONDER可按ICD编码检索球孢子菌病相关死亡数据，适合研究死亡趋势、地区差异和人群风险。
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。
