银屑病患者中代谢综合征对Ixekizumab早期疗效影响的12周单中心回顾性研究补充材料
该数据集为临床表格模态，包含银屑病患者接受Ixekizumab治疗期间代谢综合征状态与银屑病面积与严重程度指数（PASI）改善比例的关联数据，通过补充表格和图表呈现了基于广义估计方程和多变量逻辑回归的分析结果，主要用于研究代谢综合征对生物制剂在银屑病治疗中早期疗效的影响，支持药物疗效评估和个体化医疗决策。
基本信息
资源简介
银屑病患者中代谢综合征对Ixekizumab早期疗效影响的12周单中心回顾性研究补充材料
【数据集背景】
本数据集源站标题为《Supplemental material,"Ixekizumab’s early effectiveness is altered by metabolic syndrome in patients with psoriasis: a 12-week, single-center, retrospective study"》。源站首次发布：2021-11-15。
【数据内容】
源站原始描述：Supplemental Table 2. The comparison of the rate of PASI 75, PASI 90 and PASI 100 in different baseline metabolic syndrome status by GEE models.GEE, generalized estimating equation; MetS, metabolic syndrome; PASI, Psoriasis Area Severity Index; OR, odds ratio; CI, confidence interval. There were significant differences in PASI improvement between patients with versus without metabolic syndrome(P<0.05). Supplemental Table 3. Results of multivariable logistic regression analyses investigating risk…
【数据结构与技术规格】
文件数 4 个，合计 136.87 KB。数据集 DOI：10.17632/vdvm5ncnxt.1。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/vdvm5ncnxt
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/vdvm5ncnxt
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银屑病患者中代谢综合征对Ixekizumab（一种白细胞介素-17A抑制剂）早期疗效影响的12周单中心回顾性研究的补充材料。数据集包含临床表格数据，具体有：补充表2（基于广义估计方程模型比较不同基线代谢综合征状态下患者达到PASI 75、90和100的比例）、补充表3（多变量逻辑回归分析第4周PASI 75/90/100和第8周PASI 100达成的风险因素）以及补充图1A（89例患者12周内PASI改善比例）和补充图2（PASI反应相关变量的多变量调整分析）。数据来源于真实临床研究，通过回顾性收集患者的代谢综合征指标（如腰围、HDL、甘油三酯、空腹血糖、血压）和银屑病面积与严重程度指数（PASI）评分变化。主要研究方向为评估代谢综合征对生物制剂治疗银屑病疗效的影响，应用于药物疗效评估、个体化治疗策略和代谢合并症管理研究。
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。
