预测印度城市三所公立大学医院收治的成人创伤患者早期死亡：一项前瞻性多中心队列研究
该数据集来自印度城市三所公立大学医院开展的前瞻性多中心队列研究，覆盖2013年10月至2014年1月收治的成人创伤患者，结局为24小时内死亡
基本信息
资源简介
预测印度城市三所公立大学医院收治的成人创伤患者早期死亡：一项前瞻性多中心队列研究
Predicting Early Mortality in Adult Trauma Patients Admitted to Three Public University Hospitals in Urban India: A Prospective Multicentre Cohort Study
该数据集来自印度城市三所公立大学医院开展的前瞻性多中心队列研究，覆盖2013年10月至2014年1月收治的成人创伤患者，结局为24小时内死亡。数据可用于构建和评估基于生命体征的早期死亡预测模型，支持临床决策与预后判断，并包含模型区分度、校准度和乐观度评估的相关信息（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
配套论文《Predicting Early Mortality in Adult Trauma Patients Admitted to Three Public University Hospitals in Urban India: A Prospective Multicentre Cohort Study》发表于 PLoS ONE（2014），DOI：10.1371/journal.pone.0105606。源站首次发布：2014-09-02。
【数据内容】
源站描述（机器翻译，仅供参考）：背景 仅在印度，每年就有超过一百万人死于创伤。识别有早期死亡风险的患者对于指导临床管理和解释预后至关重要。预测模型可以支持临床判断，但现有模型存在方法学局限性。本研究旨在为印度城市三所公立大学医院收治的成人创伤患者推导一个基于生命体征的早期死亡预测模型。方法 我们对2013年10月至2014年1月期间印度城市三所大学医院收治的成人创伤患者进行了前瞻性队列研究。结局指标为24小时内死亡。我们使用带限制性立方样条的逻辑回归来推导模型。我们从区分度、校准度和乐观度方面评估了模型性能。结果 共1629名患者
【数据结构与技术规格】
文件数 2 个，合计 182.20 KB。数据集 DOI：10.1371/journal.pone.0105606。
【主题与分类】
源站学科分类：Neuroscience、Biotechnology、Developmental Biology、Cancer、Science Policy、Infectious Diseases。主题标签：Adult Trauma Patients Admitted、Glasgow coma scale、adult trauma patients、university hospitals、Public University Hospitals、24 hours、0.85. Predicted mortality、heart rate、systolic blood pressure、model。本站分类：损伤、中毒及外因。
【适用方向】
源站学科分类标注为 Neuroscience、Biotechnology、Developmental Biology、Cancer、Science Policy、Infectious Diseases。
【获取与许可】
源站页面：https://plos.figshare.com/articles/dataset/_Predicting_Early_Mortality_in_Adult_Trauma_Patients_Admitted_to_Three_Public_University_Hospitals_in_Urban_India_A_Prospective_Multicentre_Cohort_Study_/1158857
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Gerdin, Martin; Roy, Nobhojit; Khajanchi, Monty; Kumar, Vineet; Dharap, Satish; Felländer-Tsai, Li; et al. (2016). Predicting Early Mortality in Adult Trauma Patients Admitted to Three Public University Hospitals in Urban India: A Prospective Multicentre Cohort Study. 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：Predicting Early Mortality in Adult Trauma Patients Admitted to Three Public University Hospitals in Urban India: A Prospective Multicentre Cohort Study
- DOI：10.1371/journal.pone.0105606
- 发布日期：2014-09-02
- 文件数：2 个
- 文件总体积：182.20 KB
- 源站页面：https://plos.figshare.com/articles/dataset/_Predicting_Early_Mortality_in_Adult_Trauma_Patients_Admitted_to_Three_Public_University_Hospitals_in_Urban_India_A_Prospective_Multicentre_Cohort_Study_/1158857
命令行下载
curl -L -o "File S1.DO" "https://ndownloader.figshare.com/files/6733254"
curl -L -o "File S2.CSV" "https://ndownloader.figshare.com/files/6733266"
文件清单
File S1.DO（2.49 KB）File S2.CSV（179.71 KB）
文件总体积 182.20 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
仅在印度，每年就有超过一百万人死于创伤。识别有早期死亡风险的患者对于指导临床管理和解释预后至关重要。预测模型可以支持临床判断，但现有模型存在方法学局限性。本研究旨在推导一个基于生命体征的预测模型，用于预测印度城市三所公立大学医院收治的成人创伤患者的早期死亡率。
方法
我们开展了一项前瞻性队列研究，纳入2013年10月至2014年1月期间印度三所城市大学医院收治的成人创伤患者。结局指标为24小时内死亡率。我们使用带限制性立方样条的逻辑回归推导模型。我们从区分度、校准度和乐观度方面评估模型性能。
结果
共纳入1629例患者。中位年龄为35岁，80%为男性。入院至24小时死亡率为6%。最终模型纳入收缩压、心率和格拉斯哥昏迷评分。
我们的模型显示出良好的区分能力，接收者操作特征曲线下面积（AUROCC）为0.85。预测死亡率与观察到的死亡率吻合良好，表明校准良好。结论
本研究表明，常规记录的收缩压、心率和格拉斯哥昏迷评分可预测印度城市三所公立大学医院收治的创伤患者的早期院内死亡率。我们的模型在应用于临床环境之前需要经过外部验证。
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.1371/journal.pone.0105606（source: https://plos.figshare.com/articles/dataset/_Predicting_Early_Mortality_in_Adult_Trauma_Patients_Admitted_to_Three_Public_University_Hospitals_in_Urban_India_A_Prospective_Multicentre_Cohort_Study_/1158857）。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
