提高完整腹主动脉瘤修复的生存获益
该数据集包含腹主动脉瘤筛查人群的主动脉直径分布表格数据、不同年龄与主动脉直径组合下的中位预期寿命变化表格数据，以及通过R代码生成的大规模主动脉直径模拟数据，主要数据模态为临床表格与数值型数据，用于研究腹主动脉瘤的流行病学特征、修复手术的最佳时机阈值，以及评估不同人群的生存获益，为临床决策和公共卫生政策制定提供依据。
基本信息
资源简介
提高完整腹主动脉瘤修复的生存获益
【数据集背景】
本数据集源站标题为《Increasing the survival benefit from repair of intact abdominal aortic aneurysm》。源站首次发布：2018-08-14。
【数据内容】
源站原始描述：AAA.csv is the distribution of aortic sizes in a screened population of 700,000 65 year-old men. It is two columns of numbers: 1 aortic diameter (mm); 2 number of men. MSD, MSD1993 and MSD2017 are the changes in median life expectancy for combinations of age from 40 to 90 years old (rows 1-51) and aortic diameters from 1-160 mm . These are for: the generated longitudinal cohort born 1945 to age 90 years in 2035 (MSD); a population in 1993 (MSD1993); a population in 2018 (MSD2017). AAAsizes is a…
【数据结构与技术规格】
文件数 52 个，合计 211.85 MB。数据集 DOI：10.17632/7w9n5wxs4d.4。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/7w9n5wxs4d
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/7w9n5wxs4d
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:
数据说明
该数据集聚焦于腹主动脉瘤（AAA）的流行病学与临床决策研究，主要包含三部分数据：AAA.csv记录了70万名65岁男性筛查人群的主动脉直径（毫米）分布，包含主动脉直径与对应人数两列；MSD、MSD1993和MSD2017文件提供了从40岁到90岁（行1-51）与主动脉直径从1毫米到160毫米（列）组合下的中位预期寿命变化数据，分别对应1945年出生队列至2035年的模拟纵向队列、1993年人口和2018年人口；AAAsizes是一个R数据文件（.rds格式），包含通过R代码生成的约2700万条总人群主动脉直径数据。数据来源于模拟生成与历史筛查，旨在支持腹主动脉瘤修复阈值、手术时机评估及公共卫生政策制定等研究方向。
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。
