匹配左右心房人心房颤动表观基因组研究附加文件6
该数据集为一项心房颤动表观基因组研究的附加文件6，源站标题指向英国队列中房颤电子健康记录全关联研究的表1文档。数据来源于英国临床实践研究数据链（1998–2016）中560万患者的关联电子健康记录，采用前瞻性队列设计，比较房颤患者与年龄性别匹配对照在住院和初级咨询中最常见的前100位原因
基本信息
资源简介
匹配左右心房人心房颤动表观基因组研究附加文件6
Table1_Electronic health record-wide association study for atrial fibrillation in a British cohort.docx
该数据集为一项心房颤动表观基因组研究的附加文件6，源站标题指向英国队列中房颤电子健康记录全关联研究的表1文档。数据来源于英国临床实践研究数据链（1998–2016）中560万患者的关联电子健康记录，采用前瞻性队列设计，比较房颤患者与年龄性别匹配对照在住院和初级咨询中最常见的前100位原因。文件数量为1，格式为docx，可用于房颤患者医疗资源利用模式及共病关联的分析（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
配套论文《A Phenome-Wide Association Study (PheWAS) of COVID-19 Outcomes by Race Using the Electronic Health Records Data in Michigan Medicine》发表于 Journal of Clinical Medicine（2021），DOI：10.3390/jcm10071351。源站首次发布：2023-09-28。
【数据内容】
源站描述（机器翻译，仅供参考）：背景：心房颤动（AF）因住院和AF相关并发症（如卒中和心力衰竭）而带来重大医疗负担。我们开展了一项电子健康记录全关联研究，以识别新发AF前后医疗资源利用最常见的原因。方法：前瞻性队列研究，使用英国临床实践研究数据链（1998–2016）中560万患者的关联电子健康记录。实施了一项包含AF患者及其年龄和性别匹配对照的队列研究，以比较频繁住院和初级咨询的前100位原因。结果：在199,433名发生AF的患者中，我们发现最常见的医疗交互为心脏、脑血管和外周血管疾病，无论是在AF诊断之前（二级保健中100种疾病中的41种，如脑血
【数据结构与技术规格】
文件数 1 个，合计 1.52 MB。数据集 DOI：10.3389/fcvm.2023.1204892.s001。
【主题与分类】
源站学科分类：Cardiology (incl. Cardiovascular Diseases)、Cardiology、Cardiorespiratory Medicine and Haematology not elsewhere classified。主题标签：arrhythmia、electronic health records、clinical visits、population study、hospitalization、primary care。本站分类：心血管系统疾病/心房颤动。
【适用方向】
源站学科分类标注为 Cardiology (incl. Cardiovascular Diseases)、Cardiology、Cardiorespiratory Medicine and Haematology not elsewhere classified。
【获取与许可】
源站页面：https://frontiersin.figshare.com/articles/dataset/Table1_Electronic_health_record-wide_association_study_for_atrial_fibrillation_in_a_British_cohort_docx/24210342
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Chung, Sheng-Chia; Schmit, Amand F.; Lip, Gregory Y. H.; Providencia, Rui (2023). Table1_Electronic health record-wide association study for atrial fibrillation in a British cohort.docx. Frontiers. Dataset
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（Figshare）
- 源站标题：Table1_Electronic health record-wide association study for atrial fibrillation in a British cohort.docx
- DOI：10.3389/fcvm.2023.1204892.s001
- 发布日期：2023-09-28
- 文件数：1 个
- 文件总体积：1.52 MB
- 源站页面：https://frontiersin.figshare.com/articles/dataset/Table1_Electronic_health_record-wide_association_study_for_atrial_fibrillation_in_a_British_cohort_docx/24210342
命令行下载
curl -L -o "Table1_Electronic health record-wide association study for atrial fibrillation in a British cohort.docx" "https://ndownloader.figshare.com/files/42490509"
文件清单
Table1_Electronic health record-wide association study for atrial fibrillation in a British cohort.docx（1.52 MB）
文件总体积 1.52 MB（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：心房颤动（AF）因住院治疗及AF相关并发症（如卒中和心力衰竭）而带来沉重的医疗负担。我们开展了一项全电子健康记录关联研究，以识别新发AF前后医疗利用的最常见原因。方法：前瞻性队列研究，采用英国临床实践研究数据链（1998–2016年）中560万患者的关联电子健康记录。实施了一项包含AF患者及其年龄和性别匹配对照的队列研究，以比较频繁住院和初级诊疗的前100位原因。结果：在199,433例发生AF的患者中，我们发现最常见的医疗交互为心脏、脑血管和外周血管疾病，无论是在AF诊断之前（二级医疗中41/100种情况，如脑梗死和瓣膜疾病；初级医疗中33/100种情况），还是在诊断之后（住院医疗中47/100种情况，初级医疗中48种情况）。癌症和感染累及多器官系统的反复就诊占比很高。
我们确定了10种尚未与房颤相关联的新疾病：叶酸缺乏症、全血细胞减少症、特发性血小板减少性紫癜、脂溢性皮炎、淋巴水肿、血管性水肿、咽喉反流、肋骨骨折、出血性胃炎、炎性多神经病。结论我们的全国性数据提供了知识，并更好地理解了房颤患者的临床需求，提示：(i) 房颤风险较高的群体，在这些群体中筛查可能更具成本效益；(ii) 新发房颤后可能出现的并发症，这些并发症可通过实施全面综合护理管理和更个性化、量身定制的治疗来预防。临床试验注册号NCT04786366
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.3389/fcvm.2023.1204892.s001（source: https://frontiersin.figshare.com/articles/dataset/Table1_Electronic_health_record-wide_association_study_for_atrial_fibrillation_in_a_British_cohort_docx/24210342）。
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。
