S1 数据集：烧伤入院时间模式研究数据
该数据集来自 plos.figshare.com，为一项单中心烧伤外科服务的回顾性队列观察研究的补充数据，覆盖 2016 年 7 月 1 日至 2021 年 3 月 31 日的全部烧伤入院病例
基本信息
资源简介
S1 数据集：烧伤入院时间模式研究数据
S1 Dataset -
该数据集来自 plos.figshare.com，为一项单中心烧伤外科服务的回顾性队列观察研究的补充数据，覆盖 2016 年 7 月 1 日至 2021 年 3 月 31 日的全部烧伤入院病例。数据收集了人口学信息、烧伤特征以及入院时间数据，并对符合纳入标准的患者进行双变量绝对频数和相对频数分析及热图可视化。该数据可用于分析烧伤入院在一天中不同时段、一周中不同日期和一年中不同季节的时间分布规律，进而为医疗资源调配和临床人员排班提供参考（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
源站首次发布：2023-06-08。
【数据内容】
源站描述（机器翻译，仅供参考）：背景：非择期外科服务的入院模式差异此前已被识别，但关于烧伤入院的数据极少。更好地理解烧伤入院的时间模式可为资源利用和临床人员配置提供信息。我们假设烧伤入院在就诊的时段、星期几和一年中的季节方面具有可预测的时间分布。研究设计：对一家烧伤中心 2016 年 7 月 1 日至 2021 年 3 月 31 日期间烧伤外科服务的所有入院患者进行了一项回顾性、队列观察性研究。收集了人口学、烧伤特征和烧伤入院的时间数据。对符合纳入标准的所有患者捕获并绘制了双变量绝对频数和相对频数数据。创建热图以直观呈现相
【数据结构与技术规格】
文件数 1 个，合计 119.49 KB。数据集 DOI：10.1371/journal.pone.0286154.s001。
【主题与分类】
源站学科分类：Medicine、Cell Biology、Biotechnology、Evolutionary Biology、Developmental Biology、Marine Biology。主题标签：though individual holidays、met inclusion criteria、frequency analysis grouped、elective surgical services、cohort observational study、single burn center、burn surgery service、identifying temporal variations、relative admission frequency、burn admission distribution。本站分类：创伤与损伤/烧伤。
【适用方向】
源站学科分类标注为 Medicine、Cell Biology、Biotechnology、Evolutionary Biology、Developmental Biology、Marine Biology。
【获取与许可】
源站页面：https://plos.figshare.com/articles/dataset/S1_Dataset_-/23404970
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Beyene, Robel T.; Stonko, David P.; Gondek, Stephen P.; Morrison, Jonathan J.; Dennis, Bradley M. (2023). S1 Dataset -. PLOS ONE. Dataset
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（Figshare）
- 源站标题：S1 Dataset -
- DOI：10.1371/journal.pone.0286154.s001
- 发布日期：2023-06-08
- 文件数：1 个
- 文件总体积：119.49 KB
- 源站页面：https://plos.figshare.com/articles/dataset/S1_Dataset_-/23404970
命令行下载
curl -L -o "pone.0286154.s001.xlsx" "https://ndownloader.figshare.com/files/41129147"
文件清单
pone.0286154.s001.xlsx（119.49 KB）
文件总体积 119.49 KB（源站 API 实测）。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据说明
背景
此前已在非择期手术服务中发现了入院模式的差异，但关于烧伤入院的相关数据极少。更好地理解烧伤入院的时间模式可为资源利用和临床人员配置提供参考。我们假设烧伤入院在就诊的每日时段、每周日期和每年季节方面具有可预测的时间分布。研究设计
对2016年7月1日至2021年3月31日期间某单一烧伤中心烧伤外科服务的所有入院患者进行了一项回顾性、队列观察性研究。收集了人口统计学资料、烧伤特征和烧伤入院的时间数据。对所有符合纳入标准的患者，采集双变量绝对频率和相对频率数据并绘制图表。制作热图以直观呈现按每日时段和每周日期划分的相对入院频率。进行了按总体表面积与每日时段分组、以及相对就诊次数与每年日期分组的频率分析。结果
共分析了2213例烧伤患者就诊记录，平均每天1.28例烧伤。
烧伤入院的最低谷出现在07：00至08：00之间，随后一天中入院率逐渐上升。入院高峰出现在15：00时段，之后至午夜保持平稳（p<0.05），尽管周末入院时间略偏晚（p=0.025）。未发现烧伤入院存在年度或周期性趋势，提示烧伤入院没有可预测的季节性，但未对个别节假日进行评估。结论
烧伤入院存在时间上的变化，包括傍晚时段的入院高峰。此外，我们未发现可用于指导人员配置和资源分配的可预测年度模式。这与创伤领域的研究结果不同，后者发现入院高峰出现在周末，且存在春季和夏季达到高峰的年度周期。
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.1371/journal.pone.0286154.s001（source: https://plos.figshare.com/articles/dataset/S1_Dataset_-/23404970）。
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。
