基于机电耦合时间预测肥厚型心肌病患者心力衰竭的数据表1
该数据集来自 frontiersin.figshare.com，包含一份 CSV 文件，配套研究旨在建立整合机电耦合时间（EMC-T）的模型，用于预测肥厚型心肌病（HCM）患者发生心力衰竭的风险
基本信息
资源简介
基于机电耦合时间预测肥厚型心肌病患者心力衰竭的数据表1
Data_Sheet_1_Model Embraced Electromechanical Coupling Time for Estimation of Heart Failure in Patients With Hypertrophic Cardiomyopathy.CSV
该数据集来自 frontiersin.figshare.com，包含一份 CSV 文件，配套研究旨在建立整合机电耦合时间（EMC-T）的模型，用于预测肥厚型心肌病（HCM）患者发生心力衰竭的风险。训练集纳入 2019 年 2 月至 2021 年 11 月陕西省人民医院的 82 例 HCM 患者数据，通过单因素和多因素分析筛选预测因子，确定最佳截断值并构建列线图模型，采用 Kaplan–Meier 法计算累积心衰曲线；验证集来自其他医院 2019 年 3 月至 2021 年 3 月的 HCM 患者。数据可用于心衰预测模型的构建与验证（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
配套论文《Clinical Spectrum and Management of Heart Failure in Hypertrophic Cardiomyopathy》发表于 JACC: Heart Failure（2018），DOI：10.1016/j.jchf.2017.09.011。源站首次发布：2022-06-21。
【数据内容】
源站描述（机器翻译，仅供参考）：目的本研究旨在建立整合机电耦合时间（EMC-T）的模型，并评估该模型对肥厚型心肌病（HCM）患者心力衰竭（HF）的预测价值。材料与方法收集2019年2月至2021年11月陕西省人民医院82例HCM患者的数据，形成训练数据集（n=82）。使用单因素和多因素分析筛选HF的预测因子。实施预测因子以发现最佳截断值，将其纳入模型并以列线图展示。采用Kaplan–Meier法计算累积HF曲线。此外，收集2019年3月至2021年3月其他医院的HCM患者形成验证数据集。模型性能在训练集和验证集中均得到确认。结果
【数据结构与技术规格】
文件数 1 个，合计 31.59 KB。数据集 DOI：10.3389/fcvm.2022.895035.s001。
【主题与分类】
源站学科分类：Cardiology (incl. Cardiovascular Diseases)、Cardiology、Cardiorespiratory Medicine and Haematology not elsewhere classified。主题标签：hypertrophic cardiomyopathy、heart failure、electromechanical coupling time、scoring app、predictive model。本站分类：循环系统疾病/心力衰竭。
【适用方向】
源站学科分类标注为 Cardiology (incl. Cardiovascular Diseases)、Cardiology、Cardiorespiratory Medicine and Haematology not elsewhere classified。
【获取与许可】
源站页面：https://frontiersin.figshare.com/articles/dataset/Data_Sheet_1_Model_Embraced_Electromechanical_Coupling_Time_for_Estimation_of_Heart_Failure_in_Patients_With_Hypertrophic_Cardiomyopathy_CSV/20109452
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Hu, Su; Mi, Lan; Fu, Jianli; Ma, Wangxia; Ni, Jingsong; Zhang, Zhenxia; et al. (2022). Data_Sheet_1_Model Embraced Electromechanical Coupling Time for Estimation of Heart Failure in Patients With Hypertrophic Cardiomyopathy.CSV. Frontiers. Dataset
【使用注意】
· 源站最后修改于 2023-06-11，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：Data_Sheet_1_Model Embraced Electromechanical Coupling Time for Estimation of Heart Failure in Patients With Hypertrophic Cardiomyopathy.CSV
- DOI：10.3389/fcvm.2022.895035.s001
- 发布日期：2022-06-21
- 文件数：1 个
- 文件总体积：31.59 KB
- 源站页面：https://frontiersin.figshare.com/articles/dataset/Data_Sheet_1_Model_Embraced_Electromechanical_Coupling_Time_for_Estimation_of_Heart_Failure_in_Patients_With_Hypertrophic_Cardiomyopathy_CSV/20109452
命令行下载
curl -L -o "Data_Sheet_1_Model Embraced Electromechanical Coupling Time for Estimation of Heart Failure in Patients With Hypertrophic Cardiomyopathy.CSV" "https://ndownloader.figshare.com/files/35973938"
文件清单
Data_Sheet_1_Model Embraced Electromechanical Coupling Time for Estimation of Heart Failure in Patients With Hypertrophic Cardiomyopathy.CSV（31.59 KB）
文件总体积 31.59 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
目的本研究旨在建立包含机电耦合时间（EMC-T）的模型，并评估该模型对肥厚型心肌病（HCM）患者心力衰竭（HF）的预测价值。材料与方法收集2019年2月至2021年11月陕西省人民医院82例HCM患者的数据，构成训练数据集（n = 82）。采用单因素和多因素分析筛选HF的预测因素。确定预测因素的最佳截断值，将其纳入模型并以列线图形式呈现。采用Kaplan–Meier法计算累积HF曲线。此外，收集2019年3月至2021年3月其他医院HCM患者的数据构成验证数据集。在训练集和验证集中均对模型性能进行了验证。结果在中位随访22.91个月期间，19例（13.38%）患者发生HF。Cox分析显示，侧壁EMC-T、肌红蛋白、PR间期和左心房容积指数是HCM患者HF的独立预测因素。
将五个因素纳入模型并以列线图展示。通过应用风险评分将患者分为两个风险亚组（我们建立并验证了一种纳入机电耦合时间进程的新模型，用于预测HCM患者的HF）。
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.3389/fcvm.2022.895035.s001（source: https://frontiersin.figshare.com/articles/dataset/Data_Sheet_1_Model_Embraced_Electromechanical_Coupling_Time_for_Estimation_of_Heart_Failure_in_Patients_With_Hypertrophic_Cardiomyopathy_CSV/20109452）。
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。
