体外循环心脏手术后谵妄临床数据集

数据集获取

源站：https://doi.org/10.5281/zenodo.19931202

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据集大小约 96.7 KB。

数据说明

本数据集包含接受体外循环心脏手术并接受术后谵妄评估的患者的匿名临床数据。该数据集是一项回顾性观察性研究的一部分，旨在识别与心脏手术患者术后谵妄相关的临床及围手术期因素。术后谵妄是心脏手术后常见的神经系统并发症，与住院时间延长、发病率及死亡率增加相关。该研究分析了人口学、临床、手术及术后变量，以确定与谵妄发生相关的危险因素。统计分析包括描述性统计、相关性分析、双变量比较及多变量逻辑回归，以识别术后谵妄的独立预测因素。根据术后谵妄的有无对患者进行分类，从而允许在组间进行比较性统计分析。

该数据集支持相关论文中所呈现分析的可重复性，并有助于围手术期医学中的二次分析、预测建模和机器学习方法。所有数据在分析前均已匿名化处理，不包含任何可识别的患者信息。方法 本数据集来源于一项在心脏手术患者中开展的回顾性观察性研究。分析分为四个阶段：描述性分析：对分类变量计算绝对频率和相对频率，对连续变量计算集中趋势和离散程度的度量。相关性分析：通过图形检查和Shapiro–Wilk检验评估正态性。使用Pearson相关评估年龄、体外循环时间和住院时间等连续变量之间的关系。双变量分析：Pearson卡方

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。