生成式AI复苏急救建议质量评估数据集
包含2017-2025年间关于生成式AI在复苏和急救建议质量评估的原始研究分析数据集，涵盖准确性等指标。
基本信息
资源简介
生成式AI复苏急救建议质量评估数据集
【一句话概览】
本数据集是 Mendeley Data 公开的结构化表格数据集，收录 1 个文件、合计 32.83 KB，可用于统计建模、特征工程与队列分析。
【数据集背景】
本数据集源站标题为《Dataset of original research that evaluated the quality of generative artificial intelligence-synthesised advice on resuscitation and first aid》。源站首次发布：2025-06-20。
【数据内容】
源站原始描述：This dataset contains the results of an analysis of original studies published in English between 2017 and 2025 that reported quantitative data on the quality (accuracy, correctness, completeness, appropriateness) of generative artificial intelligence-synthesised advice for laypeople on cardiopulmonary resuscitation or first aid. The search for eligible papers was conducted in May 2025 using PubMed, Scopus, and Google Scholar. The dataset table collected the following data: article author(s) and…
中文译文（机器翻译，仅供快速理解，请以原文为准）：本数据集包含对2017年至2025年间以英文发表的原创研究进行分析的结果，这些研究报告了关于生成式人工智能为公众就心肺复苏或急救所合成建议质量的定量数据（准确性、正确性、完整性、适当性）。符合条件论文的检索于2025年5月使用PubMed、Scopus和Google Scholar进行。数据集表格收集了以下数据：文章作者和发表年份、出版物来源链接、出版类型、研究目的、研究设计、目标健康状况、所测试的生成式人工智能工具名称、研究方法摘要、评价指标、评价次数、研究结果摘要、结论以及与合成信息质量相关的作者建议。该数据集被用于开展相关的范围综述。
【数据结构与技术规格】
文件数 1 个，合计 32.83 KB。数据集 DOI：10.17632/dtfptcxxfk.1。
【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://data.mendeley.com/datasets/dtfptcxxfk
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://data.mendeley.com/datasets/dtfptcxxfk
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
