出生损伤的估计与预测索赔
出生损伤索赔的估计与预测数据，含统计显著性。
基本信息
资源简介
出生损伤的估计与预测索赔
【一句话概览】
本数据集包含1个文件，合计5.6 KB，主题为出生损伤导致的索赔估计与预测。内容涉及医疗不当行为索赔、保险公司与协变量，采用两阶段回归模型。原始描述说明：星号表示5%水平显著，⋆表示δ在5%水平也显著异于1，括号内给出2012年（P2012）和2013年（P2013）预测索赔的标准差。源站分类为Biotechnology与Science Policy，许可CC BY 4.0（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
本数据集源站标题为《Estimates and predicted claims due to injuries at birth.》。源站首次发布：2016-04-14。
【数据内容】
源站原始描述：The asterisk indicates significance at 5% level, the star ⋆ indicates that δ is also significantly different from 1 at the 5% level. In brackets, we provide the standard deviations of the predicted claims in 2012 (P2012) and 2013 (P2013)
中文译文（机器翻译，仅供快速理解，请以原文为准）：星号（*）表示在5%水平上显著，星形符号（⋆）表示δ在5%水平上也与1存在显著差异。括号中给出了2012年（P2012）和2013年（P2013）预测索赔的标准差。
【数据结构与技术规格】
文件数 1 个，合计 5.63 KB。Table 11.xls：application/vnd.ms-excel，5.63 KB。数据集 DOI：10.1371/journal.pone.0153362.t011。
【主题与分类】
源站学科分类：Biotechnology、Science Policy。主题标签：claim、Medical Malpractice Claims、two-stage regression model、insurance companies、malpractice、covariate。
【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://plos.figshare.com/articles/dataset/Estimates_and_predicted_claims_due_to_injuries_at_birth_/3951609
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Bonetti, Marco; Cirillo, Pasquale; Tanzi, Paola Musile; Trinchero, Elisabetta (2016). Estimates and predicted claims due to injuries at birth.. PLOS ONE. Dataset
【使用注意】
· 源站最后修改于 2023-06-01，引用时请注意版本时效。
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：Estimates and predicted claims due to injuries at birth.
- DOI：10.1371/journal.pone.0153362.t011
- 发布日期：2016-04-14
- 文件数：1 个
- 文件总体积：5.63 KB
- 源站页面：https://plos.figshare.com/articles/dataset/Estimates_and_predicted_claims_due_to_injuries_at_birth_/3951609
命令行下载
curl -L -o "Table 11.xls" "https://ndownloader.figshare.com/files/6180039"
文件清单
Table 11.xls（5.63 KB）
文件总体积 5.63 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
The asterisk indicates significance at 5% level, the star ⋆ indicates that δ is also significantly different from 1 at the 5% level. In brackets, we provide the standard deviations of the predicted claims in 2012 (P2012) and 2013 (P2013).
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.1371/journal.pone.0153362.t011（source: https://plos.figshare.com/articles/dataset/Estimates_and_predicted_claims_due_to_injuries_at_birth_/3951609）。
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。
