家族性高胆固醇血症患者长期依洛尤单抗治疗在线数据
该数据集包含家族性高胆固醇血症患者长期接受依洛尤单抗治疗的临床试验数据，涵盖表格和图表等多种数据模态，具体包括患者突变状态、LDL-C降低分层、患者处置流程及LDL-C变化可视化图表，主要用于评估该药物在遗传性高胆固醇血症中的长期疗效与安全性，支持药物研发和遗传代谢疾病研究。
基本信息
资源简介
家族性高胆固醇血症患者长期依洛尤单抗治疗在线数据
【数据集背景】
本数据集源站标题为《Online Data: Long-Term Evolocumab in Patients With Familial Hypercholesterolemia》。源站首次发布：2020。
【数据内容】
源站原始描述：Online Data. Word Document. Online Table 1. Mutation statuses of patients with HoFH and severe HeFH Online Table 2. LDL-C reduction stratified by apheresis at enrolment Online Figure 1. Patient Disposition Online Figure 2. Plot of Baseline LDL-C and Percent Change from Baseline in LDL-C Online Figure 3. Waterfall plot of percent change from baseline to week 48 in ultracentrifugation LDL-C by mutation status in the HoFH analysis set
中文译文（机器翻译，仅供快速理解，请以原文为准）：在线数据。Word文档。在线表1. HoFH和重度HeFH患者的突变状态 在线表2. 入组时按血浆置换分层的LDL-C降低情况 在线图1. 患者分布 在线图2. 基线LDL-C及LDL-C较基线变化百分比图 在线图3. HoFH分析集中按突变状态显示的从基线至第48周超速离心LDL-C变化百分比瀑布图
【获取与许可】
源站页面：https://researchdata.edu.au/online-data-long-familial-hypercholesterolemia/1445801
规范引用：Long-Term Evolocumab in Patients With Familial Hypercholesterolemia
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://researchdata.edu.au/online-data-long-familial-hypercholesterolemia/1445801
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
该数据集是一项关于家族性高胆固醇血症（Familial Hypercholesterolemia）患者长期使用依洛尤单抗（Evolocumab）治疗的医学研究在线数据。数据集包含在线表格和图表，具体有：患者突变状态表（HoFH和严重HeFH）、按基线血浆置换分层的LDL-C降低情况表、患者处置流程图、基线LDL-C与变化百分比散点图以及突变状态相关的LDL-C变化瀑布图。数据来源于临床试验，主要用于评估依洛尤单抗在遗传性高胆固醇血症患者中的长期疗效与安全性，支持药物疗效分析、遗传变异与治疗反应关联研究等方向。
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。
