老年髋部骨折患者延长住院时间预测模型构建数据集

数据集获取（Figshare）

• 源站标题：Construction of a predictive model for extended length of stay of elderly patients with hip fractures
• DOI：10.6084/m9.figshare.29590316.v1
• 发布日期：2025-07-17
• 文件数：340 个
• 文件总体积：437.79 MB
• 源站页面：https://figshare.com/articles/dataset/Construction_of_a_predictive_model_for_extended_length_of_stay_of_elderly_patients_with_hip_fractures/29590316

命令行下载

curl -L -o "00001.xlsx" "https://ndownloader.figshare.com/files/56343854"
curl -L -o "3class.xlsx" "https://ndownloader.figshare.com/files/56343860"
curl -L -o "Construction of a predictive model for extended length of stay of elderly patients with hip fractures undergoing hip arthroplasty based on machine learning.docx" "https://ndownloader.figshare.com/files/56343863"
curl -L -o "dzy表格数据.xlsx" "https://ndownloader.figshare.com/files/56343869"
curl -L -o "Fig 1.pptx" "https://ndownloader.figshare.com/files/56343872"
curl -L -o "Fig 1.tiff" "https://ndownloader.figshare.com/files/56343866"
curl -L -o "figure 2.jpg" "https://ndownloader.figshare.com/files/56343875"
curl -L -o "figure 3aGBM features.jpg" "https://ndownloader.figshare.com/files/56343878"

文件清单

• 00001.xlsx（277.04 KB）
• 3class.xlsx（88.48 KB）
• Construction of a predictive model for extended length of stay of elderly patients with hip fractures undergoing hip arthroplasty based on machine learning.docx（42.99 KB）
• dzy表格数据.xlsx（35.49 KB）
• Fig 1.pptx（36.98 KB）
• Fig 1.tiff（96.02 KB）
• figure 2.jpg（94.82 KB）
• figure 3aGBM features.jpg（28.34 KB）
• figure 3bXGB features.jpg（19.35 KB）
• figure 3cRF features.jpg（28.63 KB）
• figure 4a-gbm shap.jpg（193.05 KB）
• figure 4b-xgb shap.jpg（253.89 KB）
• figure 4c-rf shap.jpg（96.25 KB）
• figure 5ensemble model top 5 features.jpg（27.13 KB）
• figure 6top 5 distribution.jpg（100.47 KB）
• figure 7top 20 heatmap.jpg（293.65 KB）
• figure 8.jpg（120.75 KB）
• hip fracture0.xlsx（975.82 KB）
• hip fracture1.xlsx（282.85 KB）
• hip fracture2.xlsx（247.45 KB）

文件总体积 437.79 MB（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

All the raw and cleaned data, including the code for machine learning

许可

CC BY 4.0

引用

学术使用请引用 DOI 10.6084/m9.figshare.29590316.v1（source: https://figshare.com/articles/dataset/Construction_of_a_predictive_model_for_extended_length_of_stay_of_elderly_patients_with_hip_fractures/29590316）。