人工智能心电图判读在Brugada综合征中的临床适用性：诊断准确性meta分析数据
本数据集来自 tandf.figshare.com，配套论文发表于 Future Cardiology（2026），主题为人工智能心电图（AI-ECG）判读在 Brugada 综合征（BrS）中的诊断准确性与临床适用性
基本信息
资源简介
人工智能心电图判读在Brugada综合征中的临床适用性：诊断准确性meta分析数据
Clinical applicability of artificial intelligence electrocardiogram interpretation in Brugada syndrome: a diagnostic accuracy meta-analysis
本数据集来自 tandf.figshare.com，配套论文发表于 Future Cardiology（2026），主题为人工智能心电图（AI-ECG）判读在 Brugada 综合征（BrS）中的诊断准确性与临床适用性。数据基于系统检索（PubMed、Scopus、ScienceDirect，2025年11月）纳入的 7 项研究、15 个 AI 模型分析，采用 STATA/BE v17.0 合并诊断准确性指标，包括合并敏感度 0.82、特异度 0.81、阴性似然比 0.22、阳性似然比 4.31 及 AUC 0.88，并用 Fagan 列线图评估临床适用性。可用于评估 AI-ECG 模型识别 BrS 的诊断效能与筛查价值（来源 fi。
【数据集背景】
配套论文《Clinical applicability of artificial intelligence electrocardiogram interpretation in Brugada syndrome: a diagnostic accuracy meta-analysis》发表于 Future Cardiology（2026），DOI：10.1080/14796678.2026.2722829。项目资助方：This paper was not funded.。源站首次发布：2026-08-26。
【数据内容】
源站描述（机器翻译，仅供参考）：人工智能心电图（AI-ECG）判读已成为识别 Brugada 综合征（BrS）的一种有前景的方法。本综述旨在探讨 AI-ECG 判读模型检测 BrS 的诊断可行性与临床适用性。于 2025 年 11 月进行了系统检索（PubMed、Scopus 和 ScienceDirect）。使用 STATA/BE（v17.0）汇总定量诊断试验准确性 meta 分析的总体指标。共纳入 7 项研究，包含 15 个 AI 模型分析。AI-ECG 判读得出的合并敏感度为 0.82 [0.77–0.87]，特异度为 0.81 [0.73–0.87]，阴性似然比为 0.22 [0.16–0.29]，阳性似然比为 4.31 [2.94–6.33]，曲线下面积为 0.88 [0.85–0.91]。使用 Fagan 列线图评估的临床适用性显示，对一般人群筛查的诊断价值极小（
【数据结构与技术规格】
文件数 2 个，合计 165.50 KB。数据集 DOI：10.6084/m9.figshare.33339382.v1。
【主题与分类】
源站学科分类：Genetics、Biotechnology、Biological Sciences not elsewhere classified、Information Systems not elsewhere classified、Mathematical Sciences not elsewhere classified、Mental Health。主题标签：Brugada syndrome、electrocardiogram、diagnostic、Fagan nomogram、artificial intelligence。本站分类：心血管系统疾病/Brugada综合征。
【适用方向】
源站学科分类标注为 Genetics、Biotechnology、Biological Sciences not elsewhere classified、Information Systems not elsewhere classified、Mathematical Sciences not elsewhere classified、Mental Health。
【获取与许可】
源站页面：https://tandf.figshare.com/articles/dataset/Clinical_applicability_of_artificial_intelligence_electrocardiogram_interpretation_in_Brugada_syndrome_a_diagnostic_accuracy_meta-analysis/33339382
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Clinical applicability of artificial intelligence electrocardiogram interpretation in Brugada syndrome: a diagnostic accuracy meta-analysis. Taylor & Francis. Cuandra, Kevin Nathaniel; Tristan, Christopher Daniel; Hutabarat, Indah Kurnia; Widi, Vina Sari Nugrahaning; Suwarya, Dwi Nurcahya Ananda; Bu…
【使用注意】
· 源站最后修改于 2026-09-22，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：Clinical applicability of artificial intelligence electrocardiogram interpretation in Brugada syndrome: a diagnostic accuracy meta-analysis
- DOI：10.6084/m9.figshare.33339382.v1
- 发布日期：2026-08-26
- 文件数：2 个
- 文件总体积：165.50 KB
- 源站页面：https://tandf.figshare.com/articles/dataset/Clinical_applicability_of_artificial_intelligence_electrocardiogram_interpretation_in_Brugada_syndrome_a_diagnostic_accuracy_meta-analysis/33339382
命令行下载
curl -L -o "ifca_a_2722829_sm1095.docx" "https://ndownloader.figshare.com/files/67854340"
curl -L -o "ifca_a_2722829_sm1094.docx" "https://ndownloader.figshare.com/files/67854343"
文件清单
ifca_a_2722829_sm1095.docx（133.08 KB）ifca_a_2722829_sm1094.docx（32.42 KB）
文件总体积 165.50 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
人工智能心电图（AI-ECG）判读已成为识别Brugada综合征（BrS）的一种有前景的方法。本综述旨在探讨AI-ECG判读模型检测BrS的诊断可行性与临床适用性。于2025年11月进行了系统性检索（PubMed、Scopus和ScienceDirect）。使用STATA/BE（v17.0）汇总定量诊断试验准确性meta分析的总体指标。共纳入7项研究，包含15项AI模型分析。AI-ECG判读的汇总灵敏度为0.82 [0.77–0.87]，特异度为0.81 [0.73–0.87]，阴性似然比为0.22 [0.16–0.29]，阳性似然比为4.31 [2.94–6.33]，曲线下面积为0.88 [0.85–0.91]。使用Fagan列线图评估的临床适用性显示，对一般人群筛查的诊断价值极小（验前概率0.05%）。然而，在病例发现（5%）和高风险情景（20%）中，阳性结果大幅提高了验后概率（分别提高至18%和52%），而阴性结果则将其降低至1%和5%。
总体而言，Fagan图显示出一个有利于“纳入”效用而非“排除”效用的有益趋势。AI-ECG判读在检测BrS方面表现出良好的总体诊断性能，可作为有价值的决策支持工具，协助临床医生在临床疑似或高风险人群中进行判断。www.crd.york.ac.uk/prospero标识符为CRD420261298566。
Brugada综合征是一种罕见的心脏疾病，可导致原本健康的人发生心脏性猝死（SCD）。传统诊断需要经验丰富的电生理学家（EPs）判读心电图（ECG）上的特定模式。然而，电生理学家的可用性有限，且这些心电图模式可能很细微，容易被遗漏。本综述考察了经训练用于判读心电图的AI工具是否能帮助识别Brugada综合征。我们分析了七项研究，测试了15种不同的AI模型。总体而言，AI正确识别了约82%的Brugada综合征患者以及约81%的非患者。当我们模拟这一
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.6084/m9.figshare.33339382.v1（source: https://tandf.figshare.com/articles/dataset/Clinical_applicability_of_artificial_intelligence_electrocardiogram_interpretation_in_Brugada_syndrome_a_diagnostic_accuracy_meta-analysis/33339382）。
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。
