Burn Model System 全国纵向公共访问数据集 2026

严重烧伤是最复杂的创伤性损伤类型之一。烧伤患者往往需要长期康复。烧伤幸存者常面临广泛的生理与心理社会问题,这些问题可能影响其生活质量

ICPSR - Interuniversity Consortium for Political and Social ResearchICPSR - Interuniversity Consortium for Political and Social Research
datacite
浏览 17
其他预测烧伤康复损伤中毒及外因纵向随访NIDILRR
Burn Model System National Longitudinal Public Access Dataset 2026

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-09
版本
V0

资源简介

Burn Model System 全国纵向公共访问数据集 2026

Burn Model System National Longitudinal Public Access Dataset 2026 是一个聚焦严重烧伤及其长期康复结局的纵向公开数据集,由 Andrew Humbert、Haig Yenikomshian、Karen Kowalske、Jeffrey C Schneider、Barclay Stewart 等作者参与,机构为 ICPSR - Interuniversity Consortium for Political and Social Research,发布时间为 2026 年,来源站为 doi.org。该数据集归属于损伤、中毒及外因 / 其他类别,主题标签为 BMS National Longitudinal Database Public Access Dataset 2026。严重烧伤是最复杂的创伤性损伤类型之一,烧伤患者往往需要长期康复,幸存者常面临广泛的生理与心理社会问题,这些问题可能影响其生活质量。该数据集旨在为相关研究与康复实践提供可公开获取的纵向数据资源。

【数据集背景】

严重烧伤是最复杂的创伤性损伤类型之一。烧伤患者往往需要长期康复。烧伤幸存者常面临广泛的生理与心理社会问题,这些问题可能影响其生活质量。Burn Model System(BMS)项目始于 1994 年,由美国国家残疾、独立生活与康复研究所(NIDILRR)资助,隶属于社区生活管理局和美国教育部。BMS 项目致力于通过研究改善烧伤患者的护理与结局。其研究项目设于临床烧伤中心,这些中心提供协调一致的多学科康复护理体系,涵盖急诊医疗、急性医疗、急性后期以及长期随访服务。此外,在 NIDILRR 的资助下,每个 BMS 中心还承担相应工作。该数据集正是这一长期研究体系下形成的全国性纵向公开数据资源。

【数据内容】

该数据集为全国纵向公开访问数据集,主题标签为 BMS National Longitudinal Database Public Access Dataset 2026。其内容围绕烧伤患者的长期康复与结局展开,涉及烧伤幸存者可能面临的广泛生理与心理社会问题,以及这些问题对生活质量的影响。数据集所属分类为损伤、中毒及外因 / 其他。关于具体的变量字段、样本量、随访时间点、测量工具等详细内容,源站未提供。

【采集与来源】

该数据集来源站为 doi.org,作者包括 Andrew Humbert、Haig Yenikomshian、Karen Kowalske、Jeffrey C Schneider、Barclay Stewart,机构为 ICPSR - Interuniversity Consortium for Political and Social Research,发布时间为 2026 年。其研究背景与 BMS 项目相关,该项目始于 1994 年,由 NIDILRR 资助,隶属于社区生活管理局和美国教育部。BMS 研究项目设于临床烧伤中心,提供协调一致的多学科康复护理体系,包括急诊医疗、急性医疗、急性后期和长期随访服务。关于数据采集的具体流程、招募方式、随访机制等,源站未提供。

【适用场景】

该数据集适用于烧伤康复与结局相关的研究场景,可支持对烧伤幸存者长期生理与心理社会问题及其生活质量影响的探索。由于 BMS 项目致力于通过研究改善烧伤患者的护理与结局,该数据集可用于与多学科康复护理体系相关的分析,涵盖急诊医疗、急性医疗、急性后期及长期随访等环节。此外,也可用于损伤、中毒及外因领域的公开数据再利用。关于具体的研究设计类型、统计分析方法或应用案例,源站未提供。

【使用方法】

该数据集为公开访问数据集,名称中明确标注为 Public Access Dataset。使用者可通过来源站 doi.org 获取。关于数据格式、下载方式、访问权限、是否需要注册或申请、配套文档等具体使用信息,源站未提供。

【质量与限制】

该数据集由 ICPSR - Interuniversity Consortium for Political and Social Research 作为机构参与,作者包括 Andrew Humbert、Haig Yenikomshian、Karen Kowalske、Jeffrey C Schneider、Barclay Stewart,发布时间为 2026 年。其背景依托于 BMS 项目,该项目自 1994 年起由 NIDILRR 资助,研究项目设于临床烧伤中心,提供多学科康复护理体系。关于数据质量评估、缺失值情况、样本代表性、随访完整性、使用限制或伦理约束等,源站未提供。

【引用与许可】

该数据集英文名称为 Burn Model System National Longitudinal Public Access Dataset 2026,作者为 Andrew Humbert、Haig Yenikomshian、Karen Kowalske、Jeffrey C Schneider、Barclay Stewart,机构为 ICPSR - Interuniversity Consortium for Political and Social Research,发布时间为 2026 年,来源站为 doi.org。关于具体的引用格式、许可协议、使用条款或版权声明,源站未提供。

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/10.3886/e251245

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。

数据说明

严重烧伤是创伤性损伤中最复杂的形式之一。烧伤患者往往需要长期康复。烧伤幸存者常面临多种身体和心理社会问题,这些问题会影响其生活质量。烧伤模型系统(BMS)项目始于1994年,由美国国家残疾、独立生活与康复研究所(NIDILRR)资助,隶属于社区生活管理局和美国教育部。BMS项目旨在通过研究改善烧伤患者的护理和预后。其研究项目设在临床烧伤中心,这些中心提供协调一致的多学科康复护理体系,包括急诊医疗、急性医疗、急性后期和长期随访服务。此外,在NIDILRR的资助下,每个BMS中心都开展研究,并向BMS国家数据与统计中心(BMS NDSC)提供随访数据。

四个BMS中心分别是:位于马萨诸塞州波士顿的波士顿-哈佛烧伤损伤模型系统(BH-BIMS),位于德克萨斯州达拉斯的北德克萨斯烧伤康复模型系统(NTBRMS),位于华盛顿州西雅图的西北区域烧伤模型系统(NWRBMS),以及位于加利福尼亚州洛杉矶的南加州烧伤模型系统(SCBMS)。过去的中心包括位于德克萨斯州加尔维斯顿的德克萨斯大学医学分部烧伤损伤康复模型系统、位于马里兰州巴尔的摩的约翰斯·霍普金斯大学烧伤模型系统、科罗拉多大学丹佛分校国家数据与统计中心,以及科罗拉多大学丹佛分校烧伤模型系统中心。BMS NDSC为临床烧伤中心的研究团队提供支持。它还管理BMS中心收集的7000多名接受烧伤医疗护理者的数据。这些数据涵盖广泛信息——包括伤前、损伤、急性护理、康复、恢复以及6个月、12个月、24个月和

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