妊娠史对神经管缺陷和艾森曼格综合征影响的数据集：与儿童及成人智力障碍和眼视觉疾病的关联——系统综述
该数据集是一个医学系统综述数据集，包含表格、流程图和参考文献等多种模态数据，主要研究妊娠史对神经管缺陷和艾森曼格综合征的影响及其与智力障碍、眼视觉疾病的关联，适用于先天性畸形流行病学和围产期健康领域的关联分析研究。
基本信息
资源简介
妊娠史对神经管缺陷和艾森曼格综合征影响的数据集：与儿童及成人智力障碍和眼视觉疾病的关联——系统综述
【数据集背景】
本数据集源站标题为《DATASET OF INFLUENCE OF GESTATIONAL HISTORY ON NEURAL TUBE DEFECTS AND EISENMENGER SYNDROME: ASSOCIATIONS WITH MENTAL RETARDATION AND VISUAL EYE DISEASE IN CHILDREN AND ADULTS – A SYSTEMATIC REVIEW》。源站首次发布：2024-03-04。
【数据内容】
源站原始描述：As shown below, the dataset utilized in the study Eisenmenger Syndrome: Associations With Mental Retardation And Visual Eye Disease In Children And Adults: Influence Of Gestational History On Neural Tube Defects PRISMA-P Checklist .doc shows PRISMA-P checklist as extended data Table.doc presents the findings and evaluations of five journals concerning the following variables: the effects of gestational age on neural tube defects, Eisenmenger syndrome, and the correlation between these conditions…
【数据结构与技术规格】
文件数 4 个，合计 16.98 MB。数据集 DOI：10.17632/gg9k272hv8.1。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/gg9k272hv8
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/gg9k272hv8
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:
数据说明
该数据集是一项系统综述研究的数据集合，主要探讨妊娠史对神经管缺陷和艾森曼格综合征的影响，以及这两种疾病与儿童及成人智力障碍、眼视觉疾病之间的关联。数据集包含PRISMA-P检查表、文献分析表格、PRISMA流程图以及所有引用的参考文献。数据来源于五本Scopus Q2期刊的系统性筛选与整理，通过表格形式汇总了各期刊关于妊娠年龄对神经管缺陷、艾森曼格综合征及其与眼视觉疾病相关性的研究结果与评估。该数据集适用于先天性畸形流行病学、围产期健康、心血管与神经发育疾病关联研究等方向。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
