远程医疗对儿科皮肤科失访率的影响：安全网诊所的多中心回顾性分析

比较面对面与远程医疗期间儿科皮肤科患者的人口学特征和诊断，评估远程医疗对失访率的影响。

Mendeley Data

表格远程医疗儿科皮肤科

The Impact of Telemedicine on No-Show Rates in Pediatric Dermatology: A Multicenter Retrospective Analysis of Safety-Net Clinics

基本信息

模态

表格

大小

0.000014213 GB

创建/更新时间

2026-10-08

版本

资源简介

远程医疗对儿科皮肤科失访率的影响：安全网诊所的多中心回顾性分析

【一句话概览】

本数据集是 Mendeley Data 公开的结构化表格数据集，收录 1 个文件、合计 14.21 KB，可用于统计建模、特征工程与队列分析。

【数据集背景】

本数据集源站标题为《The Impact of Telemedicine on No-Show Rates in Pediatric Dermatology: A Multicenter Retrospective Analysis of Safety-Net Clinics》。源站首次发布：2022-01-10。

【数据内容】

源站原始描述：A comparison of the age, sex, insurance class and most common diagnoses during in-person (August 2019-February 2020) and telemedicine (August 2020-February 2021) encounters from the combined patient volume across three dermatology clinic sites. Synchronous/live video was attempted for all telemedicine encounters and patients were encouraged to send in photos of their skin concerns prior to the visit. If a patient was unable to engage in video conferencing, the visit was completed by telephone an…

【数据结构与技术规格】

文件数 1 个，合计 14.21 KB。数据集 DOI：10.17632/23rkrxx466.1。

【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/23rkrxx466

原始链接

https://data.mendeley.com/datasets/23rkrxx466

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

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。

免费样本无法满足模型训练要求？千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

去商城查看获取定制方案

使用方式

数据集获取

源站：https://data.mendeley.com/datasets/23rkrxx466

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))