结果检验与筛查误差的复现数据

本站将其归类于泌尿生殖系统疾病下的良性前列腺增生方向,主题标签涉及社会科学。该复现包可用于重现论文中的分析结果,支撑结果检验与筛查误差相关研究的可重复性验证(来源 DOI 解析)

Harvard DataverseHarvard Dataverse
dataverse
浏览 16
其他Social Sciences
Replication Data for: Outcome Tests and Screening Errors

基本信息

模态
其他
大小
0.000272809 GB
创建/更新时间
2026-10-08

资源简介

结果检验与筛查误差的复现数据

Replication Data for: Outcome Tests and Screening Errors 是一个面向社会科学研究的复现数据包,其英文全称为“Replication Data for: Outcome Tests and Screening Errors”。该数据集由 Pistaferri, Luigi 与 Low, Hamish 共同贡献,存放于 Harvard Dataverse 机构平台,发布时间为 2026 年。从来源站 doi.org 的解析信息看,该复现包对应一篇已被 Journal of Political Economy Microeconomics 于 2026 年接收的论文《Outcome Tests and Screening Errors》。本站将其归入泌尿生殖系统疾病下的良性前列腺增生方向,同时其主题标签涉及社会科学。该数据集的核心用途在于重现论文中的分析结果,为结果检验与筛查误差相关研究的可重复性验证提供支撑。

【数据集背景】

该数据集是论文《Outcome Tests and Screening Errors》的复现包。根据源站描述,该论文已被 Journal of Political Economy Microeconomics 于 2026 年接收。复现包的发布旨在为相关研究提供可重复性验证的基础材料。作者为 Pistaferri, Luigi 与 Low, Hamish。数据集发布于 Harvard Dataverse,发布时间为 2026 年。本站将其归类于泌尿生殖系统疾病下的良性前列腺增生方向,主题标签涉及社会科学。该数据集属于社会科学领域,同时与泌尿生殖系统疾病中的良性前列腺增生方向存在分类关联。

【数据内容】

源站未提供具体的数据内容描述。已知该数据集为复现包,可用于重现论文中的分析结果,支撑结果检验与筛查误差相关研究的可重复性验证。主题标签涉及社会科学。本站分类为泌尿生殖系统疾病 / 良性前列腺增生。除上述信息外,源站未提供关于变量、样本量、文件格式或数据结构的进一步说明。

【采集与来源】

该数据集来源于 doi.org,存放于 Harvard Dataverse 机构平台。作者为 Pistaferri, Luigi 与 Low, Hamish。发布时间为 2026 年。源站描述指出,这是论文《Outcome Tests and Screening Errors》的复现包,该论文已被 Journal of Political Economy Microeconomics 于 2026 年接收。除上述来源信息外,源站未提供关于数据采集方法、采集时间、采集地点或抽样方式的进一步说明。

【适用场景】

该复现包可用于重现论文中的分析结果,支撑结果检验与筛查误差相关研究的可重复性验证。其主题标签涉及社会科学,本站分类为泌尿生殖系统疾病下的良性前列腺增生方向。因此,该数据集适用于与结果检验、筛查误差以及相关社会科学分析有关的可重复性研究场景。除上述用途外,源站未提供关于其他适用场景的说明。

【使用方法】

源站未提供具体的使用方法说明。已知该数据集为复现包,可用于重现论文中的分析结果。除这一用途外,源站未提供关于软件环境、运行步骤、依赖项或操作流程的进一步信息。

【质量与限制】

源站未提供关于数据质量、准确性、完整性、偏差或覆盖范围的说明。已知该数据集为复现包,对应论文已被 Journal of Political Economy Microeconomics 于 2026 年接收。除上述信息外,源站未提供关于数据限制的进一步说明。

【引用与许可】

源站未提供关于引用格式与许可条款的具体说明。已知作者为 Pistaferri, Luigi 与 Low, Hamish,机构为 Harvard Dataverse,发布时间为 2026 年,来源站为 doi.org。除上述信息外,源站未提供关于引用要求或使用许可的进一步说明。

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://doi.org/10.7910/DVN/9LRCPP

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据集大小约 272.8 KB。

数据说明

这是《结果检验与筛选误差》的复现包,该文于2026年被《政治经济学杂志:微观经济学》接收。

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。

获取专属数据定制方案