循环TMAO水平预测快速生长性腹主动脉瘤及手术干预风险
主题标签：心血管系统疾病、腹主动脉瘤、TMAO、生物标志物、手术干预风险、预测。本站分类：心血管系统疾病/腹主动脉瘤。本数据集为心血管系统疾病领域公开数据集，由Zenodo提供，主题涵盖心血管系统疾病。
基本信息
资源简介
循环TMAO水平预测快速生长性腹主动脉瘤及手术干预风险
该数据集英文名为“Circulating TMAO levels predict fast-growing abdominal aortic aneurysm and risk for surgical intervention”，是心血管系统疾病领域中聚焦腹主动脉瘤的公开数据集，由Zenodo发布，发布时间为2024年。数据集对应Cameron等人提交至JAMA Cardiology的论文源数据，主题涵盖心血管系统疾病、腹主动脉瘤、TMAO、生物标志物、手术干预风险与预测等方向。数据集采用Creative Commons Attribution 4.0 International许可，允许在署名条件下使用。整体而言，该数据集为研究循环TMAO水平与腹主动脉瘤快速生长及手术干预风险之间关系提供了原始数据支撑，适合心血管疾病、生物标志物与临床预测相关研究使用。
【数据集背景】
腹主动脉瘤是心血管系统疾病的重要类型，其快速生长与破裂风险直接关系到手术干预决策。该数据集来源于一篇研究论文的源数据，论文题为“Circulating TMAO levels predict fast-growing abdominal aortic aneurysm and risk for surgical intervention”，由Cameron等人完成并提交至JAMA Cardiology。研究关注循环TMAO水平作为生物标志物，对腹主动脉瘤快速生长及手术干预风险的预测作用。数据集在Zenodo平台发布，属于心血管系统疾病/腹主动脉瘤分类下的公开数据资源，主题标签包括心血管系统疾病、腹主动脉瘤、TMAO、生物标志物、手术干预风险与预测。
【数据内容】
该数据集为上述论文的源数据，内容围绕循环TMAO水平与腹主动脉瘤进展及手术干预风险之间的关联分析。数据集主题涵盖TMAO这一生物标志物、腹主动脉瘤的快速生长表型以及手术干预风险预测。源站描述仅说明其为论文源数据，未进一步列出具体变量、样本量、随访时间或统计指标等细节，因此数据内容的详细字段构成源站未提供。
【采集与来源】
数据集由Zenodo提供，来源站为doi.org，发布时间为2024年。作者包括Cameron, Scott J.、Li, Xinmin S.、Benson, Tyler W.、Conrad, Kelsey A.、Wang, Zeneng、Fleifil, Salma、Maegdefessel, Lars、Mani, Kevin、Björck, Martin、Scalise, Alliefair、Pham, Michael、Shim, Sharon、Wanhainen, An。源站描述表明该数据为提交至JAMA Cardiology的论文源数据。关于具体采集地点、采集时间、纳入排除标准及样本来源等细节，源站未提供。
【适用场景】
该数据集适用于心血管系统疾病特别是腹主动脉瘤相关研究，可用于探讨循环TMAO水平与腹主动脉瘤快速生长及手术干预风险之间的预测关系。其主题标签涵盖生物标志物、手术干预风险与预测，适合生物标志物筛选、风险预测模型构建及临床决策支持等研究方向。由于数据集为论文源数据，也可用于复现或验证原论文分析结果。具体适用场景的边界与限制，源站未提供。
【使用方法】
该数据集以公开数据集形式发布，采用Creative Commons Attribution 4.0 International许可，使用者可在署名条件下获取与使用。使用时需遵循署名要求，并注明数据来源为Zenodo及对应论文源数据。关于数据文件格式、目录结构、变量说明及分析代码等具体使用细节，源站未提供。
【质量与限制】
数据集由Zenodo平台发布，采用CC BY 4.0许可，具备明确的来源与作者信息。源站描述仅说明其为论文源数据，未提供数据质量评估、缺失值处理、样本代表性或偏倚控制等信息。关于数据集的局限性、适用范围边界及质量控制措施，源站未提供。
【引用与许可】
使用该数据集时应引用对应论文“Circulating TMAO levels predict fast-growing abdominal aortic aneurysm and risk for surgical intervention”（Cameron等，提交至JAMA Cardiology）及Zenodo数据记录。许可为Creative Commons Attribution 4.0 International，允许在署名条件下共享与改编。具体引用格式与数据记录标识符，源站未提供。
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/10.5281/zenodo.14014145
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:
数据集大小约 120.6 KB。
数据说明
Source data for manuscript entitled “Circulating TMAO levels predict fast-growing abdominal aortic aneurysm and risk for surgical intervention”, by Cameron et al., submitted to JAMA Cardiology.
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。
