SNAP与儿童特应性皮炎医疗费用延迟关联的横断面分析补充数据

基于NHIS 1999-2018数据的横断面分析补充材料，研究SNAP与儿童特应性皮炎患者费用相关医疗延迟的关联。

Mendeley Data

表格特应性皮炎医疗费用延迟

Association Between Supplemental Nutrition Assistance Program (SNAP) and Cost-Related Medical Care Delays in Pediatric Atopic Dermatitis: A Cross-Sectional Analysis of the National Health Interview Survey, 1999-2018 Supplementary File

基本信息

模态

表格

大小

0.000026251 GB

创建/更新时间

2026-10-08

版本

资源简介

SNAP与儿童特应性皮炎医疗费用延迟关联的横断面分析补充数据

【一句话概览】

本文件为一项横断面分析的补充材料，该分析题为“补充营养援助计划（SNAP）与儿科特应性皮炎中费用相关医疗延误之间的关联：1999—2018年全国健康访谈调查的横断面分析”。补充文件共1个，合计大小26.3 KB，内容为上述研究的补充文件（来源 Mendeley Data）。

【数据集背景】

本数据集源站标题为《Association Between Supplemental Nutrition Assistance Program (SNAP) and Cost-Related Medical Care Delays in Pediatric Atopic Dermatitis: A Cross-Sectional Analysis of the National Health Interview Survey, 1999-2018 Supplementary File》。源站首次发布：2025-03-10。

【数据内容】

源站原始描述：Supplementary File for Association Between Supplemental Nutrition Assistance Program (SNAP) and Cost-Related Medical Care Delays in Pediatric Atopic Dermatitis: A Cross-Sectional Analysis of the National Health Interview Survey, 1999-2018

【数据结构与技术规格】

文件数 1 个，合计 26.25 KB。数据集 DOI：10.17632/thw79mr9cg.1。

【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://data.mendeley.com/datasets/thw79mr9cg

原始链接

https://data.mendeley.com/datasets/thw79mr9cg

访问原始数据

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付，我们提供全链路闭环服务，让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持？联系我们获取定制方案。

帮我联系

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://data.mendeley.com/datasets/thw79mr9cg

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。

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))