ICU老年患者生存分析数据
数据基于巴西Natal市一家ICU的457名老年患者病历,采用回顾性队列设计,使用Kaplan-Meier估计生存函数、Log-rank检验比较,并构建多因素Cox比例风险模型识别生存预测因素

基本信息
资源简介
ICU老年患者生存分析数据
Survival analysis of elderly patients in Intensive Care Units
该数据集来自scielo.figshare.com,配套2017年发表于Revista Brasileira de Geriatria e Gerontologia的论文,包含8个文件(2张图片和6个表格)。数据基于巴西Natal市一家ICU的457名老年患者病历,采用回顾性队列设计,使用Kaplan-Meier估计生存函数、Log-rank检验比较,并构建多因素Cox比例风险模型识别生存预测因素。数据可用于分析老年ICU患者生存状况及死亡预测因素,支持生存分析和预测建模(来源 figshare,CC BY 4.0 许可)。
【数据集背景】
配套论文《Survival analysis of elderly patients in Intensive Care Units》发表于 Revista Brasileira de Geriatria e Gerontologia(2017),DOI:10.1590/1981-22562017020.160131。源站首次发布:2022-06-07。
【数据内容】
源站描述(机器翻译,仅供参考):摘要 目的:对入住重症监护病房(ICU)的老年患者进行生存分析,识别该年龄组的死亡预测因素。方法:采用回顾性队列研究,数据来自巴西Natal市一家ICU的457名老年患者病历。使用Kaplan-Meier估计器估计生存函数,Log-rank检验用于比较。此外,构建多因素Cox比例风险模型以识别生存预测因素的独立效应。结果:研究发现,老年ICU患者的生存率因住院时间增加、年龄增长、未婚(包括同居)状态、存在休克、肺炎、败血症、骨折、意识状态下降、住院等因素而下降。
【数据结构与技术规格】
文件数 8 个,合计 76.47 KB。数据集 DOI:10.6084/m9.figshare.20016697.v1。
【主题与分类】
源站学科分类:Geriatrics and Gerontology。主题标签:Intensive Care、Health of the Elderly、Survival Analyses.。本站分类:心血管系统疾病/心动过缓。
【适用方向】
源站学科分类标注为 Geriatrics and Gerontology。
【获取与许可】
源站页面:https://scielo.figshare.com/articles/dataset/Survival_analysis_of_elderly_patients_in_Intensive_Care_Units/20016697
使用许可:CC BY 4.0(https://creativecommons.org/licenses/by/4.0/)。
规范引用:Bonfada, Diego; Santos, Marquiony Marques dos; Lima, Kenio Costa; Garcia-Altés, Anna (2017). Survival analysis of elderly patients in Intensive Care Units. SciELO journals. 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:Survival analysis of elderly patients in Intensive Care Units
- DOI:10.6084/m9.figshare.20016697.v1
- 发布日期:2022-06-07
- 文件数:8 个
- 文件总体积:76.47 KB
- 源站页面:https://scielo.figshare.com/articles/dataset/Survival_analysis_of_elderly_patients_in_Intensive_Care_Units/20016697
命令行下载
curl -L -o "1d40646715cec09ea47cbf8cd4937c84407e4d0c.jpg" "https://ndownloader.figshare.com/files/35690806"
curl -L -o "2e57278dbcbcb48bcffe8ca1a411868de3aa3d71.jpg" "https://ndownloader.figshare.com/files/35690809"
curl -L -o "Table_1.xls" "https://ndownloader.figshare.com/files/35690812"
curl -L -o "Table_2.xls" "https://ndownloader.figshare.com/files/35690815"
curl -L -o "Table_3.xls" "https://ndownloader.figshare.com/files/35690818"
curl -L -o "Table_4.xls" "https://ndownloader.figshare.com/files/35690821"
curl -L -o "Table_5.xls" "https://ndownloader.figshare.com/files/35690824"
curl -L -o "Table_6.xls" "https://ndownloader.figshare.com/files/35690827"
文件清单
1d40646715cec09ea47cbf8cd4937c84407e4d0c.jpg(17.26 KB)2e57278dbcbcb48bcffe8ca1a411868de3aa3d71.jpg(17.22 KB)Table_1.xls(5.63 KB)Table_2.xls(9.73 KB)Table_3.xls(5.63 KB)Table_4.xls(5.63 KB)Table_5.xls(9.73 KB)Table_6.xls(5.63 KB)
文件总体积 76.47 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
摘要 目的:对重症监护病房(ICU)老年住院患者进行生存分析,识别该年龄组死亡率的预测因素。方法:采用回顾性队列研究,数据来源于巴西纳塔尔市某ICU 457例老年住院患者的病历记录。采用Kaplan-Meier估计量估算生存函数,并使用Log-rank检验进行比较。此外,构建多重Cox比例风险模型以识别生存预测因素的独立效应。结果:研究发现,老年ICU患者的生存率因以下因素而下降:住院时间延长、年龄增长、未婚(包括同居)状态、存在休克、肺炎、败血症、骨折、意识状态下降、因临床原因住院、入院前卧床不起、发热、心动过缓、低血压、心脏骤停以及需要机械通气。
多因素Cox比例风险模型显示,休克、长寿、心动过缓、骨折、发热、在公共医疗系统住院以及因临床原因入院等变量,仍可作为重症监护病房生存率降低的显著预测因素。结论:巴西纳塔尔市某ICU老年患者的生存率受到人口学和临床预测因素,以及与住院类型和医疗保健网络相关因素的影响。这表明,任何旨在提高老年ICU患者生存率的举措都必须关注个体和社会问题以及与医疗保健网络相关的因素。
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.6084/m9.figshare.20016697.v1(source: https://scielo.figshare.com/articles/dataset/Survival_analysis_of_elderly_patients_in_Intensive_Care_Units/20016697)。
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。




