FEVAR、OSR与观察治疗复杂腹主动脉瘤成本效果分析的概率马尔可夫模型
该数据集来自 data.mendeley.com，包含用于复杂腹主动脉瘤（cAAA）治疗决策的概率马尔可夫模型及成本效果分析资料
基本信息
资源简介
FEVAR、OSR与观察治疗复杂腹主动脉瘤成本效果分析的概率马尔可夫模型
Probabilistic Markov Model for Cost-Effectiveness Analysis of FEVAR versus OSR versus Observation
该数据集来自 data.mendeley.com，包含用于复杂腹主动脉瘤（cAAA）治疗决策的概率马尔可夫模型及成本效果分析资料。内容涵盖 FEVAR、OSR 与观察三种策略的比较，共 4 个文件：Model.xlsm 提供模型与 Visual Basic 脚本，Model Description.docx 指导模型解读与运行，References.docx 列出模型参数参考文献，Supplemental Data.docx 提供补充成本效果分析结果。该数据可用于复现或扩展成本效果分析、评估不同治疗策略的经济学与健康产出，并支持相关方法学教学与验证（来源 Mendeley Data）。
【数据集背景】
源站首次发布：2025-09-23。
【数据内容】
源站描述（机器翻译，仅供参考）：我们旨在开发一个概率马尔可夫模型，并对复杂腹主动脉瘤（cAAA）的窗式支架血管内动脉瘤修复术（FEVAR）、开放手术修复（OSR）与观察三种策略进行成本效果分析。本仓库包含：1. 一个名为“Model”的 Excel 文件，内含概率马尔可夫模型及其 Visual Basic 脚本（软件代码）。2. 一个名为“Model Description”的 Word 文档，用于指导读者解读和运行该马尔可夫模型。3. 一个名为“References”的 Word 文档，列出用于模型参数的参考文献。4. 一个名为“Supplemental Data”的 Word 文档，包含供审阅者查看的成本效果分析补充结果。
【数据结构与技术规格】
文件数 4 个，合计 4.00 MB。数据集 DOI：10.17632/rf79tjcgg4.2。
【主题与分类】
主题标签：腹主动脉瘤、心血管系统疾病、成本效果分析、马尔可夫模型、FEVAR、OSR、观察治疗。本站分类：心血管系统疾病/腹主动脉瘤。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/rf79tjcgg4
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/rf79tjcgg4
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 4.0 MB。
数据说明
Hataka Minami (2025). Probabilistic Markov Model for Cost-Effectiveness Analysis of FEVAR versus OSR versus Observation [Dataset]. http://doi.org/10.17632/rf79tjcgg4.2
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。
