急性心肌梗死后外周甲状腺敏感性与心力衰竭风险数据集
数据围绕急性心肌梗死后外周甲状腺敏感性与心力衰竭风险之间的关联，可用于探索甲状腺敏感性指标与心衰发生风险的预测建模及相关分析（来源 DataONE）
基本信息
资源简介
急性心肌梗死后外周甲状腺敏感性与心力衰竭风险数据集
该数据集英文名为“Data from:Higher peripheral thyroid sensitivity is linked to a lower risk of heart failure after acute myocardial infarction”，属于循环系统疾病中的心力衰竭方向，来源于 search.dataone.org。根据源站描述，该数据集是题为“Higher peripheral thyroid sensitivity is linked to a lower risk of heart failure after acute myocardial infarction”的论文的补充文件。其主题标签为 Medicine, Health and Life Sciences。从短描述来看，数据围绕急性心肌梗死后外周甲状腺敏感性与心力衰竭风险之间的关联展开，可用于探索甲状腺敏感性指标与心衰发生风险的预测建模及相关分析。整体而言，该数据集服务于心血管疾病尤其是心梗后心衰风险相关的研究场景，为相关分析提供补充性数据支撑。
【数据集背景】
该数据集对应一项关注急性心肌梗死后心力衰竭风险的研究。研究核心在于探讨外周甲状腺敏感性与急性心肌梗死后心力衰竭发生风险之间的关联。源站将其定位为相关论文的补充文件，说明该数据集是论文研究成果的配套数据材料，用于支撑论文中围绕甲状腺敏感性指标与心衰风险关系所开展的分析。数据集被归入循环系统疾病 / 心力衰竭分类，主题标签为 Medicine, Health and Life Sciences，体现出其医学与健康生命科学领域的属性。
【数据内容】
源站描述仅说明该数据集是论文的补充文件，短描述指出数据围绕急性心肌梗死后外周甲状腺敏感性与心力衰竭风险之间的关联，可用于探索甲状腺敏感性指标与心衰发生风险的预测建模及相关分析。除上述方向性说明外，源站未提供关于具体变量、样本量、数据结构、文件格式等更细化的内容信息。
【采集与来源】
该数据集来源于 search.dataone.org。源站描述表明其为相关论文的补充文件，论文题目为“Higher peripheral thyroid sensitivity is linked to a lower risk of heart failure after acute myocardial infarction”。关于数据的具体采集方式、采集时间、采集地点、研究对象来源及伦理审批等信息，源站未提供。
【适用场景】
依据短描述，该数据集可用于探索甲状腺敏感性指标与急性心肌梗死后心力衰竭发生风险之间的关联分析，也可用于相关预测建模研究。其主题标签表明适用于医学、健康与生命科学领域的研究使用。关于更具体的适用场景，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据读取方式、变量说明、分析流程或配套代码等信息。
【质量与限制】
源站未提供关于数据质量、完整性、准确性、样本代表性或使用限制的说明。由于该数据集为论文补充文件，其内容范围可能与论文研究直接相关，具体限制信息源站未提供。
【引用与许可】
源站未提供该数据集的引用格式与许可信息。
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
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
该数据集是我们题为“较高的外周甲状腺敏感性关联急性心肌梗死后较低的心力衰竭风险”手稿的补充文件。
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。
